6 мин.

138

Case Study: как составить логическое дерево на примере пропускной способности аэропорта Сиднея

Photo: Seth Jaworski via Shutterstock.com

Консультанты McKinsey используют логические деревья для визуализации проблемы и разбивки ее на части. При этом на практике применяются различные типы схем, включая деревья гипотез и деревья решений.

«Логические деревья» считаются наиболее эффективными для решения задач. Почему? Потому что они позволяют получить следующее:

  • Четкое визуальное представление задачи, каждый составной элемент которой становится понятен всем участникам
  • Правильно составленные логические схемы отличаются целостностью в том смысле, что все необходимые элементы присутствуют на «дереве»
  • Позволяют выработать четкие гипотезы, которые затем можно проверить с помощью данных и анализа

Логические деревья могут быть как простыми, так и очень сложными. Но все они возникают сперва в блокноте или на доске.

Кейс. Достаточная ли пропускная способность у аэропорта Сиднея?

Однажды в офисе McKinsey в Австралии и Новой Зеландии Фирма приняла решение выйти за рамки найма традиционных выпускников с дипломами MBA и привлечь умных физиков, ученых, юристов, инженеров и выпускников гуманитарных факультетов. Обсуждение бизнес-кейсов на собеседованиях ставит многих потенциальных кандидатов в невыгодное положение, поэтому команда по подбору персонала придумала «небизнес»-кейс, который они назвали «кейсом аэропорта Сиднея». Эта задача довольно проста, но вместе с тем она отлично позволяет продемонстрировать метод семи шагов.

Все кандидаты прилетели в аэропорт Сиднея и знали о разговорах в газетах о необходимости открытия второго аэропорта. Аэропорт Сиднея обслуживает два из 10 самых загруженных авиамаршрутов в мире, так что это реальный пример. На собеседовании кандидатам дали простое определение проблемы (шаг 1: постановка задачи) «Будет ли пропускная способность аэропорта Сиднея достаточной в будущем?» и спросили их мнение об этом вопросе. Постановка задачи была ограничена пропускной способностью гражданского аэропорта, поэтому кандидатам не нужно было тратить много времени на политические факторы в пользу строительства второго аэропорта, такие как большая доступность, безопасность, факторы окружающей среды (например, шум), а также альтернативные виды транспорта, как, например, скоростное железнодорожное сообщение между крупными городами. Как мы увидим позже, крайне важно заранее договориться о границах в определении задачи.

Так что же искала команда рекрутеров McKinsey?

Кандидаты обычно задают один или два уточняющих вопроса, а затем излагают свой подход к решению проблемы. Рекрутеры хотели посмотреть, использует ли кандидат логическую структуру для решения задачи. Поскольку представить части проблемы проще в письменном виде, кандидатов просили использовать доску или блокнот. Обычно, чтобы получить правильную разбивку и решить задачу, должен быть выполнен процесс проб и ошибок. Это шаг 2 – разбивка на подзадачи. На рисунке ниже показано первое простое разветвление.

В этом случае самый простой способ решить проблему – это определить пропускную способность аэропорта как предложение (количество посадочных слотов) за вычетом спроса. Можно получить и более сложное дерево с конкуренцией со стороны других видов транспорта, которыми можно добраться до Сиднея (тогда можно получить дополнительные баллы, если кандидат сможет показать, как они влияют на спрос), однако вряд ли это требуется в этом относительно простом примере.

Хотя хороший кандидат, конечно, пошел бы дальше. На рисунке ниже показан один из способов определения пропускной способности аэропорта (количество взлетно-посадочных полос, пропускная способность каждой из них и загрузка) и спроса (доля Сиднея в общем спросе по региону). В краткосрочной перспективе количество взлетно-посадочных полос неизменно, так же как и пропускная способность каждой из них (определяется в основном типом воздушного судна).

Свой подход к моделированию роста спроса кандидаты, как правило, объясняют различными допущениями о росте валового внутреннего продукта (ВВП), стоимости топлива и относительной привлекательности Сиднея по сравнению с другими направлениями.

Однако наиболее продуктивным подходом к решению этой задачи является более глубокий анализ загрузки взлетно-посадочных полос, поскольку это одна из немногих переменных, которой можно активно управлять при планировании транспортных потоков. Загрузка взлетно-посадочной полосы определяется количеством часов использования, интервалом между движениями воздушных судов и количеством человек на воздушное судно. На количество часов использования взлетно-посадочной полосы влияют запрет полетов, погодные условия и необходимость обслуживания воздушных судов. Размышления о том, как это можно варьировать, лежат в основе шагов 4 (планирование работы) и 5 (анализ).

Какие ответы больше всего нравились рекрутерам?

Больше всего рекрутерам нравились ответы, в которых кандидаты предлагали следующее:

Ключевым фактором является загрузка взлетно-посадочных полос, поэтому я бы посмотрел на часы их использования, количество самолетов в час и количество человек на воздушное судно. На часы использования вряд ли можно как-то существенно повлиять, учитывая запрет полетов с полуночи до 6 утра из-за близлежащих населенных пунктов. А вот что касается количества воздушных судов в час – основной переменной для фактора загрузки, – то я бы посмотрел, можно ли безопасно сократить время между взлетом и посадкой. Третий фактор – количество человек на воздушное судно – сводится к установлению таких цен на слоты, которые были бы привлекательны для больших самолетов, а для легкомоторных судов предусматривалась бы соответствующая политика в часы пик (шаги 6 и 7 – синтез и презентация кейса).

Один из ответов будущего консультанта

Успешные кандидаты также могли предложить повысить цены, чтобы сократить спрос – инструмент для управления пропускной способностью аэропортов, хотя это может привести к потере доли рынка Сиднея, что может идти вразрез с целями бюджета города.

Ветви на таком простом логическом дереве математически соединены вместе, поэтому можно моделировать простые сценарии и показывать различные альтернативы, изменяя переменные, на которые может влиять аэропорт. По-настоящему выдающийся кандидат может продемонстрировать влияние увеличения загрузки на 20% на количество пассажиров или использования более крупных самолетов.

А что на самом деле произошло в аэропорту Сиднея?

Несколько лет спустя Сидней построил третью взлетно-посадочную полосу и справился со значительным ростом трафика, манипулируя ключевыми переменными, указанными в этом кейсе. Несмотря на противодействие нынешнего руководства аэропорта, в следующем десятилетии в Сиднее появится второй аэропорт.

Выводы

  • Хорошее решение задачи – это процесс, а не быстрый расчет в уме или логический вывод. Это применимо даже к очень сложным задачам таким, как где в мире размещать заводы, – как это было с одним из моих коллег, когда он проходил стажировку в Canon
  • Описываемый здесь процесс решения задачи представляет собой цикл из семи последовательных шагов. При этом важен каждый шаг, и многие ошибки возникают из-за пропуска того или иного шага
  • Наиболее важным шагом является логическая разбивка задачи на составные части для дальнейшего точечного анализа. Логические деревья являются основным рабочим инструментом консультантов: они позволяют легко увидеть структуру проблемы
  • Расстановка приоритетов в анализе необходима для того, чтобы вы не работали над теми частями задачи, которые не имеют большого значения для решения, – мы называем это критическим путем
  • Четко определенный план работы необходим для того, чтобы распределить анализ между членами команды и установить сроки выполнения (в этой статье представлены простые задачи, которые не требуют много планирования)
  • То, как вы подходите к анализу, используя простые или сложные инструменты, важно для успешного решения проблемы; мы всегда начинаем с простых оценок и эвристического подхода или эмпирических правил
  • Задача считается не решена до тех пор, пока не будут синтезированы результаты анализа и не будет проведена презентация кейса, которая убедит нужных людей действовать определенным образом
  • Для разных задач аналитики Фирмы используют разные типы логических деревьев: математически полные дедуктивные логические деревья для бизнес-задач, взвешенный факторный анализ для принятия решений и деревья решений для проработки сложных вариантов

Источник: собственный опыт и адаптированный перевод отрывков из книги партнеров McKinsey Bulletproof problem solving, Ch. Conn, R. McLean