آنکس که بداند و دانسته بِسازد؛ در رونق و شادی ابدالدهر بماند!

بسیاری از بُنگاه‌ها مقادیری چشم‌گیر از منابع‌شان را صرف خلـقِ محصـولِ مطلوب برای مُشتریان می‌کنند؛ اما، بیشترشان علیرغم استفاده از تکنولوژی دُرست، طـراحی فاخـر، و عملکـردِ خوبِ محصول، نـاکام می‌مانند؛ و ناکامی‌شان در بـازار، یعنی مُشتری محصـول‌شان را به هزار و یک علتِ منطقی و غیرمنطقی نپذیرفته است؛ و بُنگاه باید خاستگاه ناکامی محصول را در سه فضای مسئله، راه‌حل، و بازار کاوش کُند.

بُنگاه در فضای مسئله باید چگونگی شناسایی بازارِ هدف، کشفِ مُشکل، و صورت‌بندی مسئلهٔ کسب‌وکار؛ در فضای راه‌حل باید چگونگی ایده‌پردازی، انتخابِ ایدهٔ مطلوب، و خلقِ واقعی محصول؛ و در فضای بازار باید چگونگی مُدل‌سازی کسب‌وکار، عرضه، و پُشتیبانی از محصول را کاوش کُند.

بُنگاه‌ها بخشِ چشم‌گیری از منابع محدود و کلیدی‌شان را صرف انجامِ کارهایی می‌کنند که به‌گمان‌شان دُرست است، و بعدتر دست‌گیرشان می‌شود که خیر، نادُرست است؛ و باقیماندهٔ همان منابع نازنین را هم صرف انجام کارهایی می‌کنند که به‌گمان‌شان به‌دُرستی انجام شُده است، و بعدتر دست‌گیرشان می‌شود که خیر، به نادُرستی انجام شُده است؛ و تکرار این نادُرستی‌ها و آن نادُرستی‌ها موجب تضعیفِ تدریجی، و محوِ بُنگاه در اُفق می‌شود.

لاک‌وود و پاپکـه[۱] از راسل ایکاف نقل کرده‌اند «حل موفقِ مسئله کسب‌وکار نیازمند کشفِ راه‌حلِ دُرست برای مسئلهٔ دُرست است. ما شکست می‌خوریم، چراکه مسئله‌ای نادُرست را به‌دُرستی حل می‌کنیم، یا راه‌حلی نادُرست را برای مسئله‌ای دُرست مهیا می‌کنیم» (Lockwood & Papke, 2017). پس، حل دُرستِ مسئله نیازمند توجه کامل به تمام فرآینـدِ حل مسئله کسب‌وکار از کشفِ دُرستِ مُشکل تا اجرای دُرستِ راه‌حل است.

به‌زعم پیتر دراکِر[۲] غایت بُنگاه‌ها دست‌یابی به بهره‌وری[۳] با انجامِ دُرستِ کارِ دُرست است؛ که انجام کارِ دُرست مُترادف با اثربخشی[۴] و درجهٔ تحقق هدف‌های تعریف‌شده، یا انجامِ همان کارهایی است که باید انجام شود؛ و انجامِ دُرستِ کار مُترادف با کارایی[۵] و مصرف دُرستِ منـابع در مسیر تحققِ هدف‌ها، یا انجامِ همین کارهایی که انجام می‌شوند با کمینه‌سازی اتلافِ منابع است (Drucker, 2017)؛ در نتیجه، با تأمل بر شکستِ محصول، و بررسی ناکامی بُنگاه در سه فضای مسئله، راه‌حل، و بازار دست‌گیرمان می‌شود کشفِ مُشکل و صورت‌بندی مسئله کسب‌وکار به‌مراتب از ایده‌پردازی و گام‌های بعدی حل مسئلهٔ کسب‌وکار دُشوارتر، و مُهم‌تر است.

بُنگاه‌ها را برمبنای درجهٔ اثربخشی و کارایی‌شان می‌شود در چهار گروه طبقه‌بندی کرد.

فرض می‌کنیم بُنگاه‌ها توانسته‌اند مسئله‌های کسب‌وکارشان را به دُرستی صورت‌بندی؛ و چند ایدهٔ فوق‌العاده را مُهیا کنند. حال، عزم‌شان را برای اجرای ایده‌ها و پیاده‌سازی عینی راه‌حل‌ها جَزم کرده‌اند. اما، پیش از اجـرای ایـده‌ها و خلقِ محصـول باید دربارهٔ چند موضوع تأمل، و بعدتر برای خلق واقعی محصـول اقـدام کنند:

1. آیا ایـدهٔ مُنتخب، همان چیزی است که باید ساخته شود، و مُشتری می‌خواهد؟ (اثربخشی)
2. آیا بُنگاه توانمندی و منابع لازم را برای خلق و عرضهٔ این محصول به بازار دارد؟ (کارایی)

بُنگاه‌ها برای پاسُخ‌گویی به این پُرسش‌ها نیازمند مشورت با خِبرگان؛ گردآوری و تحلیل داده‌های جامع و مُعتبر؛ و استفاده از متدولوژی‌هایی هستند که مانند اقیانوس آبی و تفکر طراحی و رویکرد چابُک شناخته‌شده نیستند؛ اما، عصای دست بسیاری از بُنگاه‌ها برای تصمیم‌گیری سریع، ساده، و کم‌هزینه با هدفِ بررسی دُرستی و امکان‌پذیری خلقِ محصول (راه‌حل) است. مُتخصصان گوگل دو متدولوژی فوق‌العاده را برای پاسُخ‌گویی به این پُرسش‌ها تدارک دیده‌اند.

پیش‌نمونه‌سازی

آلبرتو سـاوویـا[۶]، مُهندس سابقِ گوگل، متدولـوژی پیش‌نمونه‌سازی[۷] را به‌عُنوان روشی سریع، ساده، و کم‌هزینه برای فهمِ دُرستی خلقِ محصول مُعرفی کرد. به‌زعم سـاوویـا، بُنگاه‌ها از متدولـوژی پیش‌نمونه‌سازی برای کسبِ اطمینان از انجامِ کارِ دُرست[۸] پیش از انجامِ دُرستِ کار استفاده می‌کنند (Savoia, 2019).

سـاوویـا بیانیهٔ پیش‌نمونه‌سازی را در سال ۲۰۱۲ منتشر، و بر نقشِ داده‌هایی تأکید کرد که افـراد از بطن تجربـه‌های واقعی در فرآیند حل مسئله‌های کسب‌وکار استخراج می‌کنند. سـاوویـا، تجربهٔ شکست‌های سریع و کوچک با هدفِ‌ یادگیری را از ارکان پیش‌نمونه‌سازی بَرشِمُرد (Savoia, 2012).

پیش‌تر، مک‌گراث و مک‌میلان[۹] در تبیین برنامه‌ریزی اکتشافی[۱۰] مفهومِ تجربهٔ شکست و یادگیری سریع را شکستِ هوشمندانه خطاب کرده بودند (McGrath & MacMillan, 1995). خـانا و همکاران[۱۱] نیز دربارهٔ اهمیت یادگیری کم‌هزینه از شکست‌های سریع صحبت کرده‌اند (Khanna, Guler, & Nerkar, 2016).

گری پیزانو[۱۲] مُعتقد است یادگیری از شکست مُستلزم پذیرشِ شکست است؛ و پذیرشِ شکست دُشوار است؛ چراکه، افراد تجربهٔ شکست را نه مسیری برای یادگیری، که ناشایستگی[۱۳] تلقی می‌کنند (Pisano, 2019). علاوه بر پیزانو، خِبرگان بسیاری در سال‌های اخیر دربارهٔ امکان یادگیری از شکست تشکیک کرده‌اند.

متدولـوژی پیش‌نمونه‌سازی به‌طور معمول در مرحلـهٔ دوّم فرآینـد نـوآوری در گامِ تبدیل ایـده‌های مُنتخب به محصـول استفاده می‌شود. هرچند، سـاوویـا در سال ۲۰۱۸ استفاده از متدولوژی پیش‌نمونه‌سازی را نه فقط برای بررسی دُرستی خلق محصول، که برای فهم دُرستی تمام کارها در سه فضای مسئله، راه‌حل، و بازار پیشنهاد کرد (Savoia, 2019).

بریکـس و یاکوبسِن[۱۴] استفاده از متدولوژی پیش‌نمونه‌سازی را برای تصدیق طراحی و دُرستی مُدل کسب‌وکارِ نیز پیشنهاد کرده‌اند (Brix & Jakobsen, 2015).

در قسمت سوّم این پرونده، در مبحث متدولوژی‌های حل مسئله گفتیم که هر متدولوژی در محدودهٔ مُشخصی از فرآیندِ حل مسئله‌های کسب‌وکار استفاده می‌شود. مُدعای سـاوویـا دربارهٔ کاربُردِ عام پیش‌نمونه‌سازی نادُرست نیست؛ اما، متدولوژی پیش‌نمونه‌سازی برای کسبِ اطمینان دربارهٔ شکل‌گیری دُرستِ چیزی ملموس مانند محصول استفاده می‌شود. دربارهٔ اطمینان از شکل‌گیری دُرستِ مفاهیم و چیزهای انتزاعی بهتر است از متدولوژی‌های دیگر استفاده شود.

بنُگاه‌ها هنگامی دست به دامان متدولوژی پیش‌نمونه‌سازی می‌شوند که  پذیرشِ محصول در بازار مملو از ابهام و عدم‌قطعیت است؛ خلقِ محصول نیازمند سرمایه‌گُذاری چشم‌گیر است؛ بُنگاه نتوانسته است چشم‌اندازی روشن از کارکردِ مُدل کسب‌وکارِ طراحی‌شده ترسیم کند؛ یا اینکه، بُنگاه گرفتار محدودیت زمانی است و به‌سُرعت باید دربارهٔ خلقِ محصول تصمیم‌گیری کُند.

آلبرتو سـاوویـا پروژهٔ نگارش کتابِ پیش‌نمونه‌سازی[۱۵] را در سال ۲۰۱۲ با این شُعار آغاز کرد که «پیش از آنکه چیزی را بسازید، مطمئن شوید که چیز دُرستی را می‌سازید[۱۶]» و در نگارش کتاب از متدولوژی پیش‌نمونه‌سازی استفاده؛ و نسخه‌های رایگانِ کتاب را به‌مرور در وِب مُنتشر کرد. سـاوویـا نسخهٔ تجاری کتاب را در سال ۲۰۱۸ پس از تجمیع نظرات مُخاطبان و تغییر ساختار بخش‌ها و فصل‌ها همراه با مثال‌های فراوان از تجربه‌های بُنگاه‌های بُزرگ دربارهٔ چگونگی کسبِ اطمینان از دُرستی خلقِ محصول مُنتشر کرد.

طراحی اسپرینت

نـاپ و همکاران[۱۷] متدولـوژی طـراحی اسپرینت[۱۸] را در سال ۲۰۱۰ با هدف بررسی امکان‌پذیری[۱۹] حل مسئله‌های سخت، و آزمودنِ عملی ایده‌هایی مُعرفی کردند که قرار است به محصـول دیجیتـال تبدیل شود. متدولـوژی طـراحی اسپرینت در پنـج مرحلـهٔ تطبیق[۲۰]، طرح اولیه[۲۱]، تصمیم‌گیری، نمونه‌سازی، و آزمودن و در پنج روز متوالی برای کسبِ شناختِ بهتر دربارهٔ ماهیت و کارکردِ محصول، و بررسی امکان‌پذیری خلـقِ محصـول اجرا می‌شود (Knapp, Zeratsky, & Kowitz, 2016).

نـاپ و همکاران بعدتر نام مرحله‌های پنج‌گانه اولیه را به فهم[۲۲]، ایده‌پردازی[۲۳]، تصمیم‌گیری[۲۴]، نمونه‌سازی[۲۵]، و آزمـودن[۲۶] تغییر دادند (Banfield, Lombardo, & Wax, 2018):

1. درک: مجموعه‌ای از فعالیت‌های گروهی برای شکل‌گیری فهمی واحد از مسئله کسب‌وکار است.
2. ایده‌پردازی: فعالیت‌هایی واگـرا برای خلـق ایـده‌های مُتعدد و متنوع است.
3. تصمیم‌گیری:‌فعالیت‌هایی هم‌گـرا برای انتخـابِ ایـده است.
4. نمونه‌سازی: پیاده‌سازی عینی ایـدهٔ منتخب، و ساخت نمونهٔ اولیه است.
5. آزمـودن: بررسی نمونهٔ خلـق‌شده، و ارزیابی آن چیزی است که باید باشد.

منطقِ متدولـوژی طـراحی اسپرینت همانند منطقِ متدولـوژی تفکـر طـراحی است. متدولوژی تفکر طراحی برای کشف مُشکل، صورت‌بندی مسئله، ایده‌پردازی، خلق نمونه اولیه، و آزمودنِ تأثیر نمونهٔ خلق‌شده بر مُشکل کشف‌شده استفاده می‌شود؛ و قوّت متدولوژی تفکر طراحی در سه گام اوّل است. بُنگاه‌ها برای تحقق گام‌های بعدی از متدولوژی طـراحی اسپرینت استفاده می‌کنند؛ یعنی، متدولـوژی طـراحی اسپرینت را در ادامه تفکر طراحی استفاده می‌کنند. متدولوژی‌های تفکـر طـراحی و طـراحی اسپرینت همخوان و مُکمل‌اند.

نـاپ و همکاران در نام‌گُذاری متدولـوژی طـراحی اسپرینت، واژهٔ «طـراحی» را از متدولوژی تفکر طـراحی، و واژهٔ «اسپرینت[۲۷]» را از متدولوژی اسکرام وام گرفتند؛ با این مُلاحظه که متدولـوژی طـراحی اسپرینت به‌طور تخصصی در حوزهٔ محصولات دیجیتال استفاده می‌شود.

بُنگاه‌ها در اجـرای متدولـوژی طـراحی اسپرینت، تبدیل مُشکل به مسئله‌های کسب‌وکار را مفروض تلقی می‌کنند. پس، ورودی متدولـوژی طـراحی اسپرینت، مُشکلاتی[۲۸] هستند که پیش‌تر کشف، و به مسئله کسب‌وکار تبدیل شُده‌اند. تمام مرحله‌های پنج‌گانهٔ طـراحی اسپرینت در فضای راه‌حل اجرا می‌شود.

هدفِ بُنگاه از اجـرای متدولـوژی طـراحی اسپرینت، تمهیدِ تجربه‌ای سریع و ساده برای یادگیری و درکِ گروهی دربارهٔ امکان‌پذیری تبدیل ایده‌ها به محصـولات ارزشمند برای مُشتریان است.

بُنگاه‌ها از متدولـوژی طـراحی اسپرینت به‌طور ویژه برای خلـقِ محصـولات دیجیتـال استفاده می‌کنند؛ چراکه، محصـولات دیجیتـال را می‌شود در بازه‌ای محدود، و با استفاده از محتوای دیجیتال موجود در وِب خلق کرد. بُنگاه‌ها می‌توانند محصولات دیجیتال را ظرفِ چند روز خلق، و فُرصتی برای بررسی امکان‌پذیری تبدیل ایده‌ها به محصولات، و تصمیم‌گیری دربارهٔ خلق واقعی‌شان مُهیا کنند (Banfield et al., 2018).

متدولـوژی‌های پیش‌نمونه‌سازی و طـراحی اسپرینت همخوان و مُکمل هستند. متدولوژی طـراحی اسپرینت را می‌توانند در بطن متدولـوژی پیش‌نمونه‌سازی استفاده کنند؛ چراکه، متدولوژی پیش‌نمونه‌سازی برای بررسی دُرستی خلق محصول نیازمند فهم دُرست مسئله کسب‌وکار، ایده‌پردازی، و خلقِ چیزی است که دورنمایی از ویژگی‌ها و کارکرد محصول را تداعی کُند، و از منظر کمّی یا کیفی سنجش‌پذیر باشد؛ به‌همین علت، نیم‌نگاهی به منطق تفکر طراحی و رویکرد چابُک دارد؛ و چنان‌چه، اهمیتِ تصمیم‌گیری سریع و کم‌هزینه دربارهٔ دُرستی و امکان‌پذیری خلقِ محصول را هم لحاظ کنیم، به متدولوژی طراحی اسپرینت می‌رسیم. متدولوژی‌های پیش‌نمونه‌سازی و طـراحی اسپرینت بر فهمِ دُرستِ مسئله، و انجام کار دُرست متمرکزند.

متدولوژی طـراحی اسپرینت در کمپ‌های پنج روزه برگزار می‌شود؛ و بُنگاه‌هایی که بر متدولوژی‌های نوآوری و حل خلاق مسئله‌های کسب‌وکار مُتمرکزند؛ شیوه‌های مُتفاوتی را برای اجرای کمپ‌های طـراحی اسپرینت پیشنهاد کرده‌اند؛ و برخی‌شان در اجرای متدولوژی طـراحی اسپرینت به درجه‌ای از تبحُر دست یافته‌اند که کمپ‌های پنج روزه را با اندکی تغییر، در سه روز مُتوالی اجرا می‌کنند.

اجرای متدولوژی‌های پیش‌نمونه‌سازی و طـراحی اسپرینت در قیاس با متدولوژی‌های دیگر نیازمند تجربه، خلاقیت، و مُخاطره‌پذیری بالا در یک حوزه تخصصی است؛ و به‌همین علت، متدولوژی‌های محبوبِ غول‌های بُزرگ تکنولوژی مانند گوگل، آی‌بی‌ام، اَپل، آمازون، تِسلا، فیس‌بوک، و امثالهم هستند.

کاربُرد برای بُنگاه‌ها

فُرصت‌ها تنگ، و منابع محدود هستند؛ و بُنگاه‌ها باید منابع‌شان را در مسیر فُرصت‌هایی صرف کنند که مانند ابرِ بهار می‌گُذرند؛ و ناگزیرند کارهای دُرستی را که باید انجام دهند به‌سُرعت تشخیص دهند. این کارها می‌تواند خلقِ بازاری بی‌رقیب، خلقِ محصول، تدوین مدلِ کسب‌وکار، طراحی پروپوزال، یا جذب نیروی تازه‌نفس باشد؛ که انجام تمام‌شان نیازمند متدولوژی است؛ و متدولوژی‌های پیش‌نمونه‌سازی و طـراحی اسپرینت برای بررسی دُرستی، و امکان‌پذیری انجا‌م‌شان استفاده می شوند.

متدولوژی‌های پیش‌نمونه‌سازی و طـراحی اسپرینت علیرغم مزیت‌های فوق‌العاده‌‌شان چندان رایج نیستند؛ و بازار را که بالا و پایین کنید، آدمِ دندان‌گیری که پیش‌نمونه‌سازی یا طـراحی اسپرینت را بداند و کار کرده باشد نصیب‌تان نمی‌شود. البته، احتمال جُستن و یافتن مُتخصصِ متدولوژی طـراحی اسپرینت بیشتر است؛ اما، مُتخصصان پیش‌نمونه‌سازی انگشت‌شُمارند، و یافتن‌شان صبر ایّوب می‌طلبد. این‌ها را نگفتم که نااُمیدتان کنم؛ صرفاً گفتم که شرایط را بدانید. آن که طاوس خواهد، جورِ هندوستان باید!

برخی بُنگاه‌ها می‌توانند از متدولوژی‌های پیش‌نمونه‌سازی و طـراحی اسپرینت چشم‌پوشی، و از روش‌های جایگزین استفاده کنند؛ اما، تسلط و استفاده از متدولوژی‌های پیش‌نمونه‌سازی و طـراحی اسپرینت برای آژانس‌های دیجیتال از نانِ شب واجب‌تر است. آژانس‌های دیجیتال هزینه‌هایی چشم‌گیر را برای تدوین پروپوزال‌هایی مصرف می‌کنند که هیچ‌گاه به پروژه تبدیل نمی‌شوند، و هزینه‌های غرق‌شُده خطاب می‌شوند؛ که قابل بازگشت نیستند و منابع بُنگاه را در بلندمدت بر باد می‌دهند، و شیرهٔ جان‌شان را می‌مکند.

کسب اطمینان دربارهٔ دُرستی کارها آن‌قدر مُهم است که سـاوویـا به‌تمام بُنگاه پیشنهاد کرده است جایگاه سازمانی مُدیر ارشد پیش‌نمونه‌ساز[۲۹] را برای راهبری فرآیند پیش‌نمونه‌سازی، فهم شکست‌ها، و کسبِ اطمینان دربارهٔ دُرستی ایده‌ها و کارهای کلیدی در بطن ساختار و معماری سازمانی طراحی و تعبیه کنند.

منابع

1Banfield, R., Lombardo, C. T., & Wax, T. (2018)

Banfield, R., Lombardo, C. T., & Wax, T. (2018). Design sprint: a practical guidebook for building great digital products (First). Wiley.

2Brix, J., & Jakobsen, H. S. (2015)

Brix, J., & Jakobsen, H. S. (2015). Business model pretotyping: exploring pre-commercialisation opportunities in practice. International Journal of Innovation and Learning, ۱۷(۱), ۹۸. https://doi.org/10.1504/IJIL.2015.066066

3Drucker, P. F. (2017)

Drucker, P. F. (2017). What Makes an Effective Executive. Retrieved from https://hbr.org/2004/06/what-makes-an-effective-executive

4Khanna, R., Guler, I., & Nerkar, A. (2016)

Khanna, R., Guler, I., & Nerkar, A. (2016). Fail Often, Fail Big, and Fail Fast? Learning from Small Failures. Academy of Management Journal, ۵۹(۲), ۴۳۶–۴۵۹. https://doi.org/10.5465/amj.2013.1109

5Knapp, J., Zeratsky, J., & Kowitz, B. (2016)

Knapp, J., Zeratsky, J., & Kowitz, B. (2016). Sprint: how to solve big problems and test new ideas in just five days. Simon & Schuster.

6Lockwood, T., & Papke, E. (2017)

Lockwood, T., & Papke, E. (2017). Innovation by design: how any organization can leverage design thinking to produce change, drive new ideas, and deliver meaningful solutions (First edit). Retrieved from https://www.amazon.com/Innovation-Design-Organization-Meaningful-Solutions/dp/1632651165

7McGrath, R. G., & MacMillan, I. C. (1995)

McGrath, R. G., & MacMillan, I. C. (1995). Discovery-Driven Planning. Retrieved July 9, 2019, from hbr.org website: https://hbr.org/1995/07/discovery-driven-planning

8Pisano, G. P. (2019)

Pisano, G. P. (2019). The Hard Truth About Innovative Cultures. Retrieved from https://hbr.org/2019/01/the-hard-truth-about-innovative-cultures

9Savoia, A. (2012)

Savoia, A. (2012). Pretotype It: Make sure you are building The Right It before you build It right. Retrieved from https://www.amazon.com/Pretotype-building-Right-before-build-ebook/dp/B007JLHL78

10Savoia, A. (2019)

Savoia, A. (2019). The right it: why so many ideas fail and how to make sure yours succeed. Retrieved from https://www.amazon.com/Right-Many-Ideas-Yours-Succeed/dp/0062884654

[۱]. Thomas Lockwood and Edgar Parke

[۲]. Peter F.Drucker

[۳]. Productivity

[۴]. Effectiveness

[۵]. Efficiency

[۶]. Alberto Savoia

[۷]. Pretotyping

[۸]. Doing the Right Things

[۹]. Rita Gunther McGrath & Ian C.MacMillan

[۱۰]. Discovery-Driven Planning

[۱۱]. Rajat Khanna, Isin Guler, & Atul Nerkar

[۱۲]. Gary P.Pisano

[۱۳]. Incompetency

[۱۴]. Jacob Brix & Henning Sejer Jakobsen

[۱۵]. Prototype It!

[۱۶]. Make sure you are building The Right It before you build It Right!

[۱۷]. Jake Knapp, John Zeratsky, & Braden Kowitz

[۱۸]. Design Sprint

[۱۹]. Feasibility

[۲۰]. Map

[۲۱]. Sketch

[۲۲]. Understand

[۲۳]. Ideation (Divergent)

[۲۴]. Decide (Convergent)

[۲۵]. Prototype

[۲۶]. Test

[۲۷]. Sprint

[۲۸]. Challenges

[۲۹]. Chief Pretotyper Officer (CPO)

دیدگاهتان را بنویسید

نشانی ایمیل شما منتشر نخواهد شد. بخش‌های موردنیاز علامت‌گذاری شده‌اند *

دیگر مقالات