Системное мышление для руководителей: Практика решения бизнес-проблем

Волновой эффект является прямым следствием взаимосвязанности различных единиц системы. Если бы этой взаимосвязанности не было, цепочка причинно-следственных событий была бы ограничена и быстро оборвалась. Однако благодаря ее существованию эта цепочка, по сути, ничем не ограничена: одно событие ведет к другому, и к следующему, и к следующему. Поскольку система состоит из множества единиц, каждая из которых может вести себя по-разному, вызывая различные последствия, возможность с уверенностью предсказать, каким именно будет результат вашего снижения цены, очень быстро сходит на нет. Мы также начинаем понимать, что цепочка может двигаться и в обратном направлении. Почему, собственно, мы решили снизить цену? Было ли это связано с выпуском конкурирующего продукта новым участником рынка? Где начинается и где заканчивается обусловленность?

Неудивительно, что предсказать результат снижения цены гораздо сложнее, чем результат падения монетки. Легче предсказать последствия событий, в которых участвует минимум единиц и которые ограничены в пространстве и времени. И куда сложнее судить о последствиях событий, включающих множество связанных единиц, ведь причинно-следственные отношения в них простираются далеко в пространстве и времени.

Почему следует изучать системы в целом

Надеюсь, теперь вы убедились в том, что именно взаимосвязанность единиц системы заставляет ее или, скорее, позволяет ей вести себя как системе и давать в целом больше, чем в сумме. И если мы хотим понимать, как это получается, мы должны сохранять эту взаимосвязанность и изучать систему как единое целое.

Однако многим из нас кажется, что такой подход противоречит здравому смыслу. Столкнувшись со сложностями, мы интуитивно ищем способы их упрощения, разделяем систему на части, затем изучаем их и, в конце концов, используем знания о частях в качестве основы для понимания системы в целом. Такой подход может дать некоторое представление о поведении частей, но, как правило, совершенно не дает представления о поведении системы, и тому есть две причины.

Разделение на части нередко разрушает систему, которую вы пытаетесь понять. Это, конечно же, вопрос взаимосвязанности: как мы уже заметили, разрушая последнюю, мы разрушаем саму систему.

Многие системы демонстрируют свойства, не присущие какой-либо из их частей. Отсюда следует, что изучение отдельных частей, каким бы исчерпывающим оно ни было, не позволяет выявить определяющие характеристики на уровне системы. Например, командная работа является характеристикой системы, которую мы называем командой и которая действует как команда. Но как известно каждому спортивному менеджеру или болельщику, зная отдельных игроков, вы все-таки не можете предсказать поведение команды.

Системное мышление позволяет избежать обеих ловушек, так как точкой отсчета в нем является признание и принятие того, что сложные системы следует рассматривать как единое целое. Таким образом, сохраняется взаимосвязанность и возможность наблюдать характеристики на уровне системы.

Инструменты системного мышления

Так как же изучать сложные системы комплексно, методично и вдумчиво и не погрязнуть в присущей им сложности?

Здесь на помощь приходят инструменты системного мышления. На множестве практических примеров из этой книги вы увидите, как пользоваться двумя основными из них:

1) диаграммами цикличной причинности, позволяющими описать сложные системы в виде цепочки причинно-следственных отношений;

2) компьютерными моделями динамики системы, позволяющими изучить зависящее от времени поведение сложных систем, сделав ряд допущений.

Значительная часть этой книги посвящена способам использования диаграмм цикличной причинности для описания сложной системы. Я верю, что они покажутся вам ясными и информативными и действительно помогут «увидеть лес за деревьями».

Однако у этих диаграмм есть один недостаток. Они статичны и, представляя на бумаге структуру системы, не могут описать, как ее свойства развиваются со временем. Зато это могут сделать компьютерные имитационные модели, и если вы примените логику диаграмм цикличной причинности к имитационным возможностям компьютера (в чем, собственно, и заключается моделирование динамики системы), то сможете действительно «ускорить» свое мышление.

Преимущества системного мышления

Вместе диаграммы цикличной причинности и компьютерные модели динамики системы могут использоваться для понимания большинства сложных систем. Таким образом, вы получите ряд очень ценных преимуществ.

Системное мышление поможет вам совладать со сложностью проблем окружающего мира, обеспечив структурированный способ балансирования между целостным видением и выбором нужного уровня детализации.