شبکه اطلاع‌رسانی روابط‌عمومی ایران (شارا)-|| شیوع کرونا در سطح جهان باعث شد که کارآیی استراتژی‌‌های سنتی برای تصمیم‌گیری‌‌های استراتژیک کاهش یابد و در همین زمان روش‌ها و رویکردهای جدیدی برای برنامه‌‌ریزی استراتژیک شرکت‌‌ها توسعه یابد. پیشنهاد ما برای تصمیم‌گیری‌‌های استراتژیک، ادغام دو چارچوب مبتنی بر پژوهش‌های علمی اخیر است.

نخست، یک چارچوب کلان به نام درایو است که ابرروندهای شکل‌‌دهنده اکوسیستم اجتماعی-اقتصادی را ترسیم می‌کند. هفته پیش درباره این چارچوب به‌طور کامل بحث شد. دومی، یک چارچوب تحلیل سطح میانی و خرد با نام کلور است که پیشران‌‌های اجرای موفق استراتژی را تشریح می‌کند. این دو چارچوب در کنار یکدیگر، شالوده یک ساختار استراتژی جدید را می‌سازند که به شرکت‌‌ها در شناسایی فرصت‌‌های رشد و سازماندهی موفق برای بهره‌‌گیری از این فرصت‌‌ها در اقتصاد جهانی پرنوسان پس از کرونا کمک می‌کند.

بررسی سطوح میانی و خرد اقتصاد با کلور: پس از بررسی شرایط کلان اقتصادی و اجتماعی آینده، می‌توان از چارچوب کلور برای تحلیل سطوح میانی و خرد پیشران‌‌های استراتژیک استفاده کرد. به‌‌ویژه با بررسی سطح میانی می‌توان به درک نیروهایی رسید که به مزایای استراتژیک و در نتیجه تغییرات استراتژیک می‌‌انجامند. شش پیشران خروجی این چارچوب به این شرح هستند: هوش مشارکتی، سیستم‌‌های یادگیری، فناوری‌‌های نمایی، تسهیل ارزش، قهرمانی اخلاقی، تصمیم‌گیری واکنشی. سه مولفه نخست این چارچوب نمایانگر ویژگی‌‌های «سخت» یا همان مولفه‌های فناوری بوده و سه مورد بعدی مربوط به شیوه‌های «نرم» تصمیم‌گیری و مدیریتی هستند. در زیر به تشریح آنها می‌پردازیم و مزیت‌‌های استراتژیک در به‌کارگیری هر یک را بررسی می‌کنیم.

هوش مشارکتی: هوش مشارکتی به هماهنگ‌‌سازی مجموعه‌‌ای از مهارت‌‌ها و توانمندی‌‌ها اشاره دارد. این پیشران استراتژیک دستیابی به نتایج و عملکردهایی را ممکن می‌‌سازد که نه فقط بهتر از اکنون بوده، بلکه بدون هماهنگ‌‌سازی مهارت‌‌ها امکان‌‌پذیر نیست. نمونه‌‌ای از هوش مشارکتی، دایره‌‌المعارف آنلاین ویکی‌پدیا است. این دایره‌‌المعارف مشهور، از طیف گسترده‌‌ای از متخصصان از زمینه‌های مختلف بهره می‌‌برد که هر کدام از آنها دانش خود را در موضوعات مختلفی در اختیار دیگران قرار می‌دهند. مشارکت‌‌کنندگان در تامین محتوای این بستر آنلاین، به طور داوطلبانه از مهارت‌‌های خود در ویرایش و اصلاح اطلاعات استفاده می‌‌برند.

ویکی‌پدیا همچنین وظایف مختلفی را به روبات‌‌ها و انسان‌‌ها می‌‌سپارد تا هر یک به انجام وظایفی بپردازند که بیشترین صلاحیت را برایش دارند. به عنوان مثال، روبات‌‌ها این موضوع را بررسی می‌کنند که آیا محتوای خاصی سرقت ادبی است یا نه. آنها به سرعت درصد تشابه یک متن با سایر متون منتشر شده در جاهای دیگر را بررسی کرده و اگر درصد مشابهت بیش از حد باشد، اخطار می‌دهند. چنین کاری برای انسان‌‌ها بسیار زمان‌‌بر است.

با این حال، روبات‌‌ها نمی‌توانند برای اجتناب از سرقت ادبی به ویرایش مطالب بپردازند. در این زمان، اگر نیاز باشد یک انسان برای اجرای اصلاحات لازم داوطلب می‌شود. تنوع مهارت‌‌های تعداد زیادی از افراد و روبات‌‌ها به دستاوردی منجر شده است که متخصصان انسانی به تنهایی از عهده‌‌اش برنمی‌‌آمدند. هوش مشارکتی را تنها از طریق ادغام مجموعه مهارت‌‌های گوناگون با یکدیگر نمی‌توان به دست آورد. به این منظور نیاز به فرآیند هماهنگ‌‌سازی نیز هست. یک نمونه از هوش مشارکتی برای شرکت‌‌ها و سازمان‌ها، ادغام و هماهنگ‌‌سازی دانش، نظرات، تخصص و مهارت‌‌های گروه‌های گوناگونی از افراد به همراه نوآوری باز (استفاده از دانش و ایده‌های مشتریان، رقبا، فعالان دانشگاهی و...) است. شاید تا چند سال پیش، امکان جمع‌آوری و هماهنگ‌‌سازی این حجم از اطلاعات و تخصص‌‌های افراد گوناگون وجود نداشت.

سیستم‌‌های یادگیری: سیستم‌‌های یادگیری شامل استفاده از تحلیل داده‌‌ برای پردازش انبوهی از داده‌ها و ورودی‌‌ها است تا به این صورت بتوان به بینش، تصمیم‌گیری‌‌های بهتر و خودکار دست یافت. حتی ساده‌‌ترین شکل‌‌های یادگیری و اتوماسیون امروزی نیز، یک پیشران استراتژیک هستند که نه تنها امکان تصمیم‌گیری‌‌های سریع‌‌تر و دقیق‌‌تر را فراهم می‌سازند، بلکه به‌طور مداوم نیز سریع‌‌تر و دقیق‌‌تر می‌شوند.

در بطن این پیشران استراتژیک، الگوریتم‌‌های یادگیری ماشینی قرار دارند که به بررسی الگوها در بین طیف گسترده‌‌ای از داده‌ها (از اطلاعات جمعیت‌‌شناختی تا رفتارهای اقتصادی مشتریان، از تعاملات اجتماعی تا تاریخچه جست‌وجوی آنلاین کاربران، از مناطق جغرافیایی تا شخصیت افراد و...) می‌‌پردازند تا برخی همبستگی‌‌های آماری بین ورودی‌‌ها و نتایج مرتبط را مشخص سازند. در این صورت، زمانی که ورودی جدیدی به سیستم داده ‌‌شود، به سرعت می‌توانند نتایج احتمالی آن را پیش‌‌بینی کنند. مثالی خوب از سیستم‌‌های یادگیری، تولیدکننده و منتشرکننده محتوای ویدئویی نتفلیکس است.

آنها حجم انبوهی از داده‌ها درباره رفتار و تمایلات بینندگان خود جمع‌آوری می‌کنند. بر این اساس، الگوریتم‌‌های نتفلیکس می‌توانند پیش‌‌بینی کنند که هر بیننده پس از ورود به سیستم آنها از مشاهده چه محتوایی احتمالا لذت خواهد برد. براساس این پیش‌‌بینی نیز محتوای مناسب هر مشترک به آنها پیشنهاد می‌شود. این الگوریتم‌‌ها به حدی دقیق هستند که ۸۰ درصد حجم بار سیستم‌‌های آنها، ناشی از مشترکانی است که در حال مشاهده ویدئوهای پیشنهادی هستند. سایر تولیدکنندگان محتوا (مانند سازندگان سریال‌‌های تلویزیونی) یک قسمت آزمایشی (پایلوت) را ساخته و پخش می‌کنند تا با بررسی جامعه مخاطبان آن و جمع‌آوری بازخوردها، میزان استقبال از آن برنامه در آینده را پیش‌‌بینی کنند. اما نتفلیکس قسمت آزمایشی نمی‌‌سازد. این شرکت از داده‌ها برای انتخاب محتوایی که باید درباره‌اش برنامه ساخت، تصمیم می‌گیرد.

فناوری‌‌های نمایی: فناوری‌‌های نمایی به معنای استفاده از فناوری‌‌هایی است که عملکرد را به صورت فزاینده افزایش می‌دهند و از این طریق می‌توان به بهره‌‌وری روزافزون دست یافت. فناوری‌‌های دیجیتال (مانند حسگرها، توان پردازش و بلاک‌چین‌‌ها) به سرعت بهبود می‌‌یابند و بهبود عملکردشان در هر نسخه جدید از فناوری، بیش از مجموع تمام بهبودها تا آن زمان است. به عنوان مثال، در نوامبر ۲۰۱۹، کیفیت عکس‌‌برداری بهترین دوربین‌‌های موبایل بازار بین ۱۲ تا ۴۸ مگاپیکسل بود. اندکی پس از آن یک دوربین ۱۰۸ مگاپیکسلی به بازار عرضه شد. به‌طور مشابه، انتظار می‌‌رود که نسل پنجم شبکه تلفن همراه (۵g) داده‌ها را ۱۰۰ برابر سریع‌‌تر از نسل قبلی منتقل کند.

در همین حال، تلاش‌‌ها برای ارائه ۶g به بازار صورت گرفته و پیش‌‌بینی می‌شود که آن نسل نیز ۱۰۰برابر سریع‌‌تر از ۵g باشد. فناوری‌‌های دیجیتال، فارغ از سرعت انتشار و بهبودهای فزاینده، به خوبی با دیگر فناوری‌‌ها ادغام شده و عملکرد یکدیگر را تقویت می‌کنند (فرآیندی که همگرایی خوانده می‌شود) به این صورت بهره‌‌وری با سرعت بیشتری افزایش می‌‌یابد. این فناوری‌‌های دیجیتال پرشتاب شیوه کار و مصرف ما (تجارت)، وضعیت بهروزی (سلامت)، تکامل فکری و اندیشه (یادگیری) و جهان طبیعی پیرامون ما (محیط‌‌زیست) را متحول خواهند کرد. اگر فناوری‌‌های دیجیتال با سرعت فزاینده خود به بهبود ادامه دهند، در ۲۰ سال آینده سطحی از نوآوری را تجربه خواهیم کرد که برابر با نوآوری‌‌های ۱۰۰ سال گذشته است.

تسهیل ارزش: تسهیل ارزش به هماهنگی تعاملات بین کاربران و بستر اشاره دارد. در مبادلات بازار، ارزش از طریق تکمیل مبادلات تجاری بین خریداران و فروشندگان ایجاد می‌شود. بسترهای فعالیت، خودشان ارزش‌‌آفرینی نمی‌کنند و تعاملات و مبادلات فعالان بازار را سرعت می‌‌بخشند. تسهیل ارزش، پیشرانی استراتژیک است که امکان رشد سریع‌‌تر با سرمایه و کارکنان کمتر و در نتیجه سودآوری بیشتر را فراهم می‌‌آورد. تسهیل ارزش اغلب توسط کاربران تامین می‌شود و به معنای کرایه ظرفیت‌‌های مازاد یا دارایی‌‌های بلااستفاده است. از این رو، کاربران برای یکدیگر ارزش‌‌آفرینی می‌کنند. هر میزان که کاربران بیشتری در یک بستر مشارکت کنند، ارزش آن بستر بیشتر می‌شود. هفت شرکت از ۱۲ شرکت بزرگ جهان در حوزه تامین سرمایه، براساس این مدل کسب‌‌وکار فعالیت می‌کنند.

به عنوان مثال ایربی‌‌اند‌‌بی (Airbnb) به طور مستقیم نقشی در تبادل ارزش‌‌آفرینی ندارد. این بستر فقط مبادلات ارزش‌‌آفرین بین صاحبان خانه و ‌میهمانان را تسهیل می‌کند. این شرکت فعال در حوزه گردشگری، پس از بنیان‌‌گذاری در سال ۲۰۰۸، توانست یک میلیون خانه و اتاق مازاد را در فهرست خود ثبت کند. این رقم تا ۲۰۲۰ از مرز ۷ میلیون گذشت. ماریوت، بزرگ‌ترین شرکت هتلداری جهان، به ۵۸ سال فعالیت برای رسیدن به یک میلیون اتاق نیاز داشت و فقط در سال ۲۰۲۰ بود که تعداد اتاق‌‌هایش به ۲/ ۱ میلیون رسید.

قهرمانی اخلاقی: آنچه قهرمانی اخلاقی (Ethical Championship) می‌‌نامیم به معنای اهداف آرمانی یک شرکت برای فعالیت ورای پول است. قهرمانی اخلاقی یک پیشران استراتژیک است که به استفاده از فرصت‌‌های جدید، معنادهی به زندگی دیگران، جذب استعدادهای بازار کار، نوآوری موفقیت‌آمیز، پیگیری تغییرات، حداقل‌‌سازی ریسک، کاهش هزینه‌ها، افزایش درآمدها و کسب وجهه و اعتبار اجتماعی کمک می‌کند. بیشتر مردم اعتقاد دارند که «سرمایه‌‌داری به شیوه کنونی فعالیتش، ضررهایی بیش از منافعش برای جهان دارد» (پژوهش الدمن در سال ۲۰۲۰)‌. مهار پیامدهای منفی سرمایه‌‌گذاری از طریق مسوولیت‌‌پذیری اجتماعی یا استفاده از صورت‌‌های سودوزیان سه‌‌گانه (یک صورت سودوزیان عادی، یکی برای گزارش آثار اجتماعی فعالیت و آخری برای گزارش آثار زیست‌‌محیطی فعالیت شرکت) کافی نیست.

گام جسورانه بعدی، تعیین اهدافی دوگانه برای شرکت‌‌ها است؛ به صورتی که یک دسته از اهداف بر پایداری اقتصادی متمرکز باشد و دسته بعدی بر اثرگذاری مثبت بر جامعه و محیط‌‌زیست تمرکز کند. در این صورت می‌توان اطمینان یافت که آن کسب‌‌وکار تبدیل به نیرویی در مسیر نیکی خواهد شد. به عنوان مثال، هلدینگ چندملیتی محصولات مصرفی یونیلور که زیرمجموعه متنوعی از ۴۰۰ نشان تجاری دارد، از اوایل قرن جدید شروع به تعیین اهداف و ماموریت‌‌های اجتماعی برای برخی از نشان‌‌های تجاری‌‌اش کرد. نخستین مورد، نشان تجاری داو (Dove) بود که در حوزه مراقبت‌های پوستی فعالیت می‌کند.

 این شرکت شروع به قدردانی از زیبایی طبیعی تمام زنان، به جای ترویج استانداردهای زیبایی واحد و جهان‌‌شمولی کرد که بسیاری از زنان و دختران را نسبت به ظاهرشان نگران ساخته بود. این شرکت استخدام مدل‌های حرفه‌‌ای در کمپین‌‌های تبلیغاتی را متوقف کرد و به جای آن از زنان واقعی با رنگ‌‌ پوست‌‌ها و اشکال بدنی مختلف بهره گرفت تا این پیام را به جهان مخابره کند که همه زنان زیبا هستند.۶ ماه پس از شروع این تبلیغات، میزان فروش شرکت تا ۷۰۰ درصد افزایش یافت. امروز داو تبدیل به بزرگ‌ترین نشان تجاری یونیلور شده است.

یونیلور به سرمایه‌‌گذاری روی نشان‌‌های تجاری دارای هدف ادامه داد و آن را «برندهای زندگی پایدار» نامید. تا ۲۰۱۷، بیش از نیمی از نشان‌‌های تجاری موفق یونیلور، برندهای زندگی پایدار شده بودند. مهم‌تر آنکه این نشان‌‌های تجاری دارای اهداف و ماموریت‌‌های اجتماعی، ۴۶ درصد رشد سریع‌‌تر از سایر نشان‌‌های تجاری داشته و ۷۰ درصد رشد درآمدی یونیلور را به خود اختصاص داده‌‌اند.

تصمیم‌گیری واکنشی: تصمیم‌گیری واکنشی شامل مواجهه با تصمیمات استراتژیک از طریق فرآیندهای کشف و یادگیری در شرایط رقابتی پرتلاطم و پویا می‌شود. این پیشران استراتژیک به شرکت‌‌ها کمک می‌کند تا واکنشی به‌‌موقع و موثرتر به ابهام‌‌ها و تغییرات داشته باشند. از نمونه‌های تصمیم‌گیری واکنشی می‌توان به نظریه‌های توانمندی‌‌های پایداری، فرهنگ یادگیری، استارت‌آپ چابک، یادگیری هیپنوتیزم‌‌محور و تفکر طراحی اشاره کرد. برای موفق ماندن در فضای رقابتی دائما در حال تغییر، شرکت‌‌ها باید بتوانند دارایی‌‌های خود را مدیریت کرده، به فعالیت‌‌ها و برنامه‌های جدید اختصاص دهند و هر دو ساختار درونی و بیرونی را نیز براساس شرایط جدید سازماندهی کنند. با این حال، حتی سازماندهی مجدد نیز کافی نیست. مفهوم سازماندهی مجدد نیز باید برای تناسب با محیط‌‌های متلاطم تغییر کند.

به عنوان مثال، شرکت جنرال موتورز باتری‌‌های موسوم به دوراتون را براساس رویکرد چابکی توسعه داد. برای این فناوری و محصول جدید، ابتدا سراغ مشتریان بالقوه رفت تا نیازها و انتظارات آنها را متوجه شود. پس از آن چند نمونه محصول پیشنهادی برای انطباق با این نیازها و انتظارات طراحی شد (و در حالی که هنوز محصولی برای عرضه به بازار آماده نشده بود) که به کسب بازخوردهای ارزشمند از مشتریان بالقوه کمک کرد. جنرال موتورز در این فرآیند، برخی از مشتریان هدف خود را رها کرد، به انتخاب یک بازار گوشه‌‌ای (از مشتریان خاص و سودآور) پرداخت و پیش از آنکه کارخانه تولید باتری‌‌های دوراتون به اتمام برسد، از موفقیت و انطباق آن با نیازها اطمینان یافت. اگر این شرکت از رویکرد آبشاری سنتی پیروی می‌کرد، ابتدا به ساخت کارخانه و تولید باتری می‌‌پرداخت و سپس برای فروش آنها تلاش می‌کرد. در این زمان متوجه می‌شد که برخی از مشتریان هدفش «اشتباه» هستند و به این صورت منابع زیادی را صرف تولید محصولی کرده بود که با صرف زمان و هزینه‌های بیشتر باید اصلاح شده یا برای عرضه به بازار دیگری تغییر می‌کرد.

نتیجه‌‌گیری

هر چند کمتر از ۵ سال از معرفی این چارچوب‌‌ها می‌‌گذرد، هم‌‌اکنون در دوره‌های پیشرفته کسب‌‌وکار دانشگاهی تدریس شده و شرکت‌‌های بزرگ مشاوره مدیریت از آنها استفاده می‌کنند. با تمام این مزایا، ادعا نمی‌شود که این چارچوب‌‌ها بی‌‌نقص هستند. در شرایط متلاطم، الگوهای چند‌علته و تغییرات غیرخطی، آینده را نمی‌توان پیش‌‌بینی کرد. از این رو، حتی تصمیم‌گیرندگان مجهز به درایو و کلور هم ممکن است با شرایط غیرمنتظره‌‌ای مواجه شوند که سناریوهای رقابتی را به سرعت تغییر دهند. از این رو، چارچوب‌‌ها را فقط باید براساس مفید بودنشان قضاوت کرد.

در طی سال‌های پژوهشی و بازنگری در نظریات خود، شاهد پیاده‌‌سازی این دو چارچوب در کنار یکدیگر و در صنایع و نقاط جغرافیایی مختلف بوده‌‌ایم. رهبران کسب‌‌وکارها می‌توانند از ترکیب آنها برای شناسایی فرصت‌‌ها، تدوین تصمیمات و اطمینان از آینده‌‌ شرکت‌‌هایشان برای عصر پس از کرونا استفاده کنند.
 

مترجم: مهدی نیکوئی

منبع: european business review

 donya-e-eqtesad