本文出自

駕馭複雜

駕馭複雜

2011年9月號

與複雜共舞

Learning To Live with Complexity
苟克斯.薩古特 G?k?e Sargut , 莉塔.岡瑟.麥奎斯 Rita Gunther McGrath
瀏覽人數:20142
  • 文章摘要
  • "與複雜共舞"

  • 字放大
  • 授課文章購買
    購買〈與複雜共舞〉文章
  • 個人收藏購買
    購買〈與複雜共舞〉PDF檔
    下載點數 10
藝術作品:珍.史塔克(Jen Stark),如何在百日內成為百萬富翁(How to Become a Millionaire in 100 Days),2007年,一百萬片手工切割紙片,大小各異,平均3×3吋。
在今日超連結的商業世界裡,企業組織已不再只是繁複,而且變得愈來愈複雜。可以想見,傳統的分析工具、管理方式再也不適用了,因此,該如何理解商業世界裡不可預測與無法定義的事物,進而因應與管理,就成了經理人的重要課題。

與不過三十年前的情況相比,今天的企業管理已變得截然不同。我們逐漸體會到,其中最大的區別就在於企業必須因應的複雜程度,已不可同日而語。

當然,複雜的系統一直存在:企業界向來具有無從預測、令人驚訝、出乎意料的特質。但在過去,複雜性主要只見於城市等大型系統中,今天卻已演變到影響幾乎遍及我們接觸的所有事物:從我們設計的產品、日常的職務,甚至是掌管的組織,都包括在內。這種演變,大都源於近幾十年的資訊科技革命。以往分離的系統,現在相互連結,彼此相關,也就代表它們在定義上變得更為複雜。

和純粹只是繁複的組織相比,複雜的組織管理起來要困難得多。複雜系統以無從意料的方式互動,因此較難預測會發生什麼情況。複雜的程度可能超乎認知的極限,我們也較難以理解事情的意義。此外,複雜系統過去的行為不見得能用來預測它未來的行為,因此也較難決定該如何投下賭注。在複雜的系統中,非常態狀況往往比平均值更有意義。

不只如此,我們的分析工具也未與時俱進。集體來說,我們對如何因應複雜性確實所知頗多;只不過,今天不管是大多數的企業主管,或是培育明日經理人的商學院,這種知識都未能深入他們的思維中。我們該如何把這種知識帶給他們?

以下,我們來仔細看看「複雜」是怎麼回事,還有它造成的問題,以及這些問題該如何解決。

你管理的是繁複還是複雜?

我們很容易把複雜與純粹僅是繁複混為一談。經理人應了解其中的差別:如果在管理複雜組織時,卻視為繁複,就會犯下嚴重的錯誤,必須付出昂貴的代價。

我們回過頭來,先看看簡單的系統。這類系統裡,只有少數幾種互動,而且可極為精準地預測。以電燈的開或關為例:同樣的動作,每次都會得到同樣的結果。

繁複的系統內有很多部分是會動的,但以固定的方式運作。電燈的輸電網很繁複:其中有許多可能的互動,但通常會依循一個模式。精準地預測繁複系統未來的行為,是可能做到的。例如,民航機的飛行步驟繁瑣但可預測,因此安全性極高。實施六標準差流程可能相當繁複,但不論投入、實務與產出,都相當容易預測。

相較之下,複雜系統內的個別特性或許採用固定的運作模式,但特性之間的互動卻不斷改變。有三種性質,決定了環境的複雜性:首先是多數性,意指可能產生互動的元素有多少。其次是互賴性,與這些元素如何連結有關。第三是多樣性,取決於這些元素的異質程度。多數性、互賴性、多樣性愈高,複雜性就愈高。例如,一項有機成長方案極為複雜,其中就包含眾多互動、互賴與多樣的元素。

落實來說,繁複與複雜系統的主要區別,在於前者只要知道起始條件,通常就可以預測結果。但在複雜系統,同樣的起始條件,卻可能產生不同的結果,視系統內元素的互動情形而定。以飛航管制這個複雜系統而言,就會因天候、航機故障等,而不斷改變。這個系統之所以可預測,並非由於同樣的起始條件,會產生同樣的結果,而是在設計上,可因應各個組成元素彼此關係的改變,再持續調整。

確認並呈現系統內各部分之間的關係,就可以了解簡單或繁複的系統;這些關係可簡化為清楚而可預測的互動。但複雜系統不可能用這種方法了解,因為所有的元素,都以無法預測的方式持續互動。

複雜性的問題

根據我們的觀察,複雜系統的經理人經常面對兩個問題:未料到的後果,以及很難詮釋所面對情況的意義。

問題1:未料到的後果

在複雜的環境中,即使是微小的決定,也可能有令人驚訝的效果。研究人員發現,這種情形最容易發生在以下三種情況當中。首先,就是雖然沒有任何人希望事件發生互動,但卻發生了。任天堂(Nintendo)的Wii就是近期一個例子。它創新的動作偵測性能,原本是為了大幅擴張遊戲市場。要吸引新的愛好者,並壓低成本,遊戲機其他部分就相對簡化了。公司相信,核心使用者會欣賞這種新技術,而容忍較陽春的機體。任天堂的確成功達成吸引新顧客的短期目標,只是在傳統死忠遊戲玩家眼中,動作偵測技術不過是噱頭,他們也認為這個系統不夠嚴謹。經過一段時間,第三方開發者為Xbox與PlayStation設計的遊戲愈來愈多,而Wii卻不受青睞:部分原因就是遊戲機的限制,但也因為在他們心目中,Wii只是「隨便玩玩」的遊戲機。公司決策的這種長期後果,當初真是始料未及。

而未料到的後果,也可能是正面的。例如,福特(Ford)執行長亞倫.穆拉利(Alan Mulally)同意和其他美國車廠執行長共同到國會作證,爭取產業紓困援助。但其實,福特是唯一沒有要求不良資產紓困計畫(TARP)資金的車廠。而穆拉利會願意作證,部分是因為汽車業的供應鏈之間交錯連結,其他車廠關門,福特也難免會受到連累。但媒體對他這麼做的報導相當正面,使得公眾對福特品質與形象的觀感大幅提升。

第二種容易發生意外後果的情況,是源於個別元素的總和,而不是單一事件。例如,2008年的金融危機,就可追溯到眾多個別但相互關聯的事件:銀行管制放寬;新金融工具的發明,讓借款人可把風險移轉到本身資產負債表之外;維持低利率的貨幣政策;合理的信用標準,以及傳統頭期款條件日趨式微;借款者本身的知識不足等。我們現在已由痛苦的經驗學習到,許多觀察者或許看得到其中部分因素,但幾乎無人看到全局,也沒人預料到房價下跌對整個經濟體系的影響。

第三種情況,是當初形成政策與程序的原因早已不再,但這些政策和程序仍持續運作。這時候,大家往往忘記程序背後的原因。例如,紐約某大金融機構的員工在上洗手間時,要先鍵入密碼,為的是防範不速之客使用。911事件後,這家機構在辦公大樓入口設有安全管制,因此上洗手間應不再需要鍵入密碼;但廢除這項措施,卻花了好幾年!在這段期間內,不論員工、客戶、供應商或其他訪客,就這麼毫無理由地添了麻煩。

問題2:找出情況的意義

對個別決策者而言,要看清整個複雜系統非常困難,甚至根本不可能。這主要是視野的問題:不論從哪一個位置,都難以觀察、理解各類五花八門的關係結構。許多人就認為,花旗集團(Citigroup)在2008年險些分崩離析,就是因為在組織設計上,把員工封鎖在各自的壁壘中;了解銀行涉入次貸後果的人,無法接觸到制定策略性決定的主管。當然,更不利的是,當時的執行長查克.普林斯(Chuck Prince),刻意忽視有關槓桿過高的所有警訊,由他2007年對《金融時報》(Financial Times)的談話即可見一斑。在這段現在廣為人知的言論中,他表示:「只要音樂還在演奏,你就得起身跳舞,」而且還加了一句,「我們現在還在跳。」

我們還會因認知的限制,而進一步阻礙了我們了解他人與自身的行動會造成哪些後果。大多數主管相信自己可吸收並理解資訊的程度,遠超過研究人員發現他們實際理解的程度。因此,他們常有不成熟的動作,或是在制定重大決策時,未充分了解這對整個系統可能造成什麼後果。寶僑(P&G)前執行長德克.賈格(Durk Jager)貽人笑柄,因為他大肆進行組織變革,破壞一些重要的非正式連結;其實,他沒弄清楚公司內部重要的互賴關係。結果,他在這個最高職位只撐了17個月。繼任者賴夫利(A. G. La.ey)則幾乎沒有更動正式的結構,而是專注調整激勵措施,並重新建立非正式的連結。結果,在他2000年6月上任時,寶僑市值698億美元,到2007年時,激增到2,319億美元。

此外,我們現在也知道,專注在一件事情上,容易讓人看不到其他的事情。近期一項研究就提出巨大的「非刻意盲點」:受測者如果接到指令,要專注在某項任務上,就可能連周遭明顯的事件都注意不到。

在想要為複雜系統理出頭緒時,如果遇上了罕見事件,就會特別困擾,因為它們並非反覆發生,以致無從得知會對系統產生什麼影響。前面提過,飛航管制通常屬於可管理的系統,因為它能不斷因應變化而調整。之所以會有這種調整能力,是由於系統設計者(意義賦予者)觀察了長期呈現的模式,而且針對失敗的狀況,不厭其煩地在事後進行徹底檢討,找出根本的原因。但是2010年的冰島艾雅法拉冰河(Eyjafjallajokull)火山噴發,飄散的火山灰無論是規模與性質,在民航史上都是前所未見的,以致飛航管制系統遇到無法因應的罕見事件而被迫關閉,造成龐大的損失。在美國紐奧良卡崔娜颶風(Hurricane Katrina),以及日本大海嘯之後,也出現過類似的系統關閉。

綜合這些問題,顯示複雜系統至少在三項管理活動領域帶來挑戰:預測未來、減輕風險、做出取捨。以下,我們就來探討各有哪些補救之道。

複雜性如何擾亂企業生態

以往在簡單而自給自足市場中營運的許多公司,現在面臨來自意外對手的競爭。

以支付款項產業為例,像威士卡(Visa)、萬事達卡(MasterCard)、美國運通(American Express)等發卡機構,獲利有兩個來源:持卡人繳交的年費,以及接受刷卡的店家支付的費用。新加入者目前紛紛搶進支付市場,包括行動電話業者與Google等科技巨人。

這些公司不須從那些支付的款項當中獲利,因此它們的商業模式靠廣告維持,連帶造成的衝擊可能相當可觀。企業生態系統的連結性變得愈來愈高,因而變得更加複雜,使得這種破壞變得更普遍,也造成更多傷害。

改善預測方法

經理人面對複雜系統,應採取下面幾個步驟,來提高可預測的程度。

步驟1:屏除特定的預測工具

許多分析工具包含的固有假設中,有兩項並不適用於複雜系統。其中一項假設是,我們真的能獨立觀察各種現象;在複雜的系統中,這往往無法成立,因為各個部分彼此高度關聯。例如著名的「蝴蝶效應」,一件小事透過系列連鎖事件,最終導致不成比例的重大後果。第二項假設是,可以用平均數或中位數外推到全體的情況。以醫藥界一宗爭議性個案為例,在本文寫作時,美國食品暨藥物管理局(U.S. Food and Drug Administration)仍在慎重考慮,是否撤銷許可治療乳癌的用藥「癌思停」(Avastin)。對17,000位左右服用這個藥品的美國婦女,這個議題引發了騷動。臨床追蹤試驗發現,這個藥物可能引發嚴重的副作用,而且無法顯示對統計上屬於平均情況的患者有幫助。然而,許多醫師與患者表示,對特定患者來說,這項藥品可延長生命,並改善生活品質,更有少數患者完全治癒。癌症治療是一個複雜的系統,主管機構卻以繁複系統的思維來對應。

在企業界,公司如果以平均反應來預估顧客行為,就會引發同樣的問題。平均來說,一般人都喜歡新可口可樂(New Coke),這項產品最終卻慘遭失敗,這表示,公司若不了解例外往往比平均個案更值得重視,問題就會發生。此外,未能見微知著,及早看出事件在未來的重要性,也會產生問題。波士頓科學(Boston Scientifi c)收購心血管設備是製造商佳騰(Guidant)時,雖然在投標流程中就發現品質問題,以及佳騰有掩蓋事實的狀況,仍不惜投入鉅資買下。假設公司能了解,這些現象背後隱藏的就是多年的沉.,或許就不會為一家還需投入龐大資源來改善的公司,付出這樣的高價。波士頓科學的股價,迄今仍未回復原有的水準。

在複雜系統中,與中間狀況相去甚遠的事件,可能比我們想像的還普遍。如果某項分析工具假設例外狀況相當罕見,可能就會看不清楚複雜系統涵蓋的廣大變異狀況。以美國股市而言,單日最大漲幅的前十名加起來,就達到過去五十年來股市報酬率的一半。然而,極少分析師在建立預測模型時,會考量這麼多特殊高點的可能性。

步驟2:模擬系統行為

與其用不相干的平均值來做推論,不如尋找適當的模型,以深入理解系統及各元素之間的互動方式。這類例子包括電信公司使用的顧客關係管理模型,以預估客戶改投別家的可能性,另外還有資料探勘工具,可預測消費者對各類廣告的反應。再者務必確認,機率低但影響重大的極端情況,應納入預測模型中。研究複雜現象的皮耶保羅.安德里安尼(Pierpaolo Andriani)與比爾.麥凱維(Bill McKelvey)發現,加州每年發生16,000次小地震,但真正的大地震每150或200年才發生一次。因此,一般平均的地震不算太危險。然而,依據平均震度來制定建築規範,就太過輕率,因為影響最重大的是大地震。企業也是一樣:最要緊的是罕見極端事件,而不是最普遍的情況。

步驟3:使用三類預測資料

在複雜系統中,如果無法高度精準地預測未來,但組織仍須對未來有所準備,那麼,負責投入資源的領導人該如何做才是最明智的?如何才能既不對未來可能狀況設想過多曲折離奇的情節,又不致偏重過度仰賴既往知識的線性預測,而能適當地選取中立的觀點?我們建議經理人應該釐清哪些過去的經驗派得上用場,哪些情況現在可能已經改變。其中一個方式,就是把你的資料區分為以下三類:

■ 落後:已發生事情的資料。大多數的財務數據與關鍵績效指標,都可歸為此類。

■ 當前:有關你目前狀況的資料。你現在擁有的機會應該屬於此類。

■ 領先:有關事情可能的發展,以及系統對一連串可能狀況會如何反應的資料。

如果你的資訊多半是落後資料,就是個警訊。以落後指標為決策的主要依據,無異是認定未來會與過去類似。你至少該有些資訊屬於領先一類,儘管這種資訊由於尚未發生,在定義上看來模糊而主觀,但少了這類資訊,很可能就會在面對變化時措手不及。

領先資料可以促成行動,避免可能出現的系統失敗,相關的具體案例,可以回顧一下Y2K危機:早期許多電腦使用二位數紀年格式,因此大家擔心千禧年來臨時,會出現難以收拾的亂象。在早期程式設計師的設想中,千禧年到來時,他們設計的軟體早該全部更新過,不料,許多使用二位紀年舊格式的關鍵系統,一直維持原樣;就是我們可歸為落後的那一類。由於領先資料預期的Y2K災難場景如此生動逼真,引發各方投入龐大的力量,希望在2000年來臨前,複雜的電腦系統能修改完成;而達成這個目標的計畫,可歸為當前一類。結果等到千禧年到來時,出現的問題寥寥無幾,而且大都很輕微。

注意,雖然把資訊分為三類的做法過於簡化事實,但至少不像傳統預測工具那樣,未納入複雜性的假設。

更完善地減輕風險

對任何負責管理複雜系統的人來說,風險極小化是極為重要的,傳統的做法卻不夠理想。因此,經理人必須學習的是:

做法1:降低或消除精準預估的需要

在無法預測的世界中,有時最好的投資,就是把預測的重要性降到最低。以產品設計為例,在傳統系統中,製造商必須猜測顧客會願意購買什麼產品特性,價格又該如何。猜錯的風險很高,尤其在生產複雜的商品時,更是如此。

其實,廠商可以不必作這種猜測,只要設計一個由使用者作主的系統,由他們打造自己希望的產品就好了。例如,Lulu顛覆傳統出版模式,讓作者掌控流程的關鍵元素。在傳統模式中,出版商預付作者稿費,印書時也不知道究竟能賣多少本。但在Lulu的模式中,作者將內容上傳公司網站,並標明價格。等到顧客拜訪網站,並決定購買後,書(或其他產品)才會印刷出來。作者可分到款項的80%,遠高於一般版稅比例,而Lulu也可避免書籍印量過多,最後淪為特價書、庫存或銷毀的下場。在這樣安排的決策流程中,書本的生產與資金的轉手,都發生於買方準備好付款時, Lulu也就多少消除了猜測錯誤的風險。

波音(Boeing)777客機系列大獲成功,也同樣彰顯這個原則,只是產品複雜得多。波音邀請八家大型航空公司參與協助開發流程,根據這些客戶的意見反覆改進調整模型。波音還採用立體模型等先進的視覺技術,以減少客機內各系統之間非預期的互動,也能盡早接收到回饋訊息。

做法2:運用脫鉤與重複

有時候,複雜系統的各個元素可各自分離,以減少錯誤發生時的系統性後果。脫鉤有兩項好處:組織某些部分可獲防護,不致遭受意外事件的風險;而啟動反應時可能動用到的部分,也可得到保全。比較視窗作業系統與軟體即服務(Software as a Service,簡稱SaaS)兩種應用軟體。如果採用的是視窗,你的作業系統與資料連結緊密;一旦系統升級新的版本,所有的資訊全都會清除掉,你必須複製備份,並重新載入電腦。但SaaS都採用相同的介面,會告知電腦你的資料所在。你升級之後,資料不會受影響。此外,由於軟體與資料脫鉤,兩者同時受損的風險也就明顯降低。另外,也可設計成個別元素在系統局部出問題時,可以互相替代。有了這種刻意的重複,即使系統有部分遭遇問題,仍較有可能維持至少某種程度的運作。脫鉤與重複難免會增加支出,但這種投資可能還是划得來。

當然,單一組織能容納(或負擔)的脫鉤與重複有個限度。你或許得求助外部資源,以擴大組織因應狀況而作出的反應。例如,諮詢機構埃森哲(Accenture)擁有廣泛的伙伴網絡,客戶若是提出埃森哲難以處理的非常態需求,就可以迅速尋求協助。埃森哲也運用伙伴關係(其中包括本文作者之一的麥奎斯)進行研究,雖然這未必是埃森哲的主流業務,卻可能為客戶提供有意義的早期警訊。

做法3:運用說故事與假設提問

減輕風險的另一項做法,就是要讓大家真實體會那些不太可能發生、但可能引發嚴重後果的未來事件。分享驚險逃過一劫的故事,或是就假設的負面事件進行演練,都有助於把注意力集中在可能攸關重大的未來事件。「如果……會如何」這種假設性的提問,是個絕佳的方法,可以設想出傳統技巧很難想到的情景,可惜實際應用少得可憐。企業界對這些「軟性」方法的評價較低,比不上看似更嚴謹的統計數字分析。我們在直覺上,把說故事和假設提問,與文學和幻想混為一談,而指望由資料中得到科學、理性與真象。但如果傳統方法總是無法解釋罕見與非預期的事件,而這些卻正是我們最感興趣的,或許就該重新考慮做法了。故事可讓我們深入洞悉複雜的系統,部分原因就是說故事者的想像力,並不受既有資料的拘束。

做法4:三角驗證法

說故事固然很有效果,但也有缺點。我們的想像力總有個限度,而問題就在這裡。其實,我們探索的地方,甚至蒐尋的時間,都應該是沒有界限的。這也正是三角驗證法(triangulation)可以發揮的地方。三角驗證法是指對問題由各個不同的角度著手:利用不同方法、蒐集不同資料,或是以不同方法看待相同的資料。這麼做,正是了解複雜系統的最佳方式。例如,比較特定時點不同元素的樣貌,就是社會科學家所謂的橫斷面分析,用這種分析法得到的知識,不同於觀察單一元素長期演變的結果。或許你可以兼採兩者,研究多個元素的長期演變;其實,這也正是許多艱深計量經濟與財務分析的本質所在。雖然三角驗證法有明顯的優點,但直到最近才應用得較為普遍,而且必要的工具也更進步,更便於使用。把「軟性」但彈性的說故事做法,結合「硬性」但僵化的計量分析,應是理解複雜系統極為有用的方式。前者可協助我們探索發生機率低但重要的情況,以及非預料的後果;後者則讓我們明確理解,系統內可見的元素之間有何關係。經理人因應複雜性時,應同時善用兩者。

明智的取捨決定

在繁複的環境中,要作出良好的取捨相對容易:只要找出各元素的最佳組合,再花錢投資即可。這類似工程的問題。但在複雜的環境中,要作出良好取捨就較困難。以下兩種策略能協助你取捨。

策略1:採取實質選擇權做法

這代表進行相對較小的投資,以取得日後進一步投資的權利(而不是責任)。你的目標是限制損失幅度,而爭取最大的獲利空間。逐步建立小額投資的組合,可維持低風險,直到你有能力降低最主要的不確定性為止。「實質選擇權」策略可協助你管理失敗的情況,靠的是控制損失,而不是消除風險。杜克大學(Duke University)的西姆.希特金(Sim Sitkin)等學者稱這類失敗是「智慧型失敗」。這個觀念不是要避免犯錯,而是讓錯誤的代價低,而且及早發生,好讓你從中學習,不斷增加自己的韌性。

策略2:確保思想多元化

如果你面對的是複雜的系統,而不只是繁複的系統,那麼在人資方面該有什麼樣的取捨?繁複系統就像機器,最重要的就是讓磨擦減到最小。複雜系統則是有機的,需要確保組織裡有足夠多元化的思考者,以因應無從迴避的改變與差異。

公司裡,什麼人常會和你不常互動的人談話、做出稍微偏離常軌的事情,而且,會調整因應其他經理人或許會忽略的風險與趨勢?在複雜的系統內,要找到能勝任工作的適當人選,就要尋找這類思考者(見下方「反直覺用人法」,裡面提出不尋常但有效的策略)。

反直覺用人法

在《差異》(Difference, Princeton University Press, 2007)一書中,密西根大學(University of Michigan)社會科學家與複雜系統專家史考特.佩吉(Scott E. Page),檢視了一些與多樣性相關的話題。其中之一是關於用人策略如何才能讓公司內的認知最為多元化。

假設公司有兩個職缺,三位考慮人選的測驗結果如表;X代表回答正確。入選者將加入一個以多元思考為最高宗旨的研究小組。根據測試結果,你會雇用哪兩位呢?

傑夫答對題數最多(7題),而羅絲與史班各為6題與5題。如果其他條件相同,我們大多數人都認為傑夫是首選,其次該是羅絲。但佩吉指出,這或許並不是最好的決定。注意,羅絲答對的題目,傑夫也都答對,顯示兩人的知識可能重疊。此外,雖然史班答對的題數較少,但傑夫答錯的題目他都答對,因此,應該可以貢獻一些不同的東西。記住:如果組織需要多元觀點的人員,你的人資策略,就應設法以史班這類人來補傑夫這類人的不足。

(摘自《差異》)

在經營繁複的系統方面,即使是大型系統,我們的能力也有長足進步;靠的就是研究系統失靈的情況,並據以調整。

但我們在經營複雜系統上進步較小,因為傳統的模型無用武之地,而傳統的管理實務也不適用。要預測系統的未來走勢,領導人需要使用更好的工具:可協助我們了解眾多元素持續的互動,以及罕見但極端事件的影響。如果能採取減輕風險的措施、做出合理的取捨以控制早期失敗的幅度、網羅以創意應變的多元化思考者,身處複雜組織的我們,在制定決策時會更有信心,也能提高成功的機會。

(李明譯自 “Learning To Live with Complexity,” HBR,September 2011)



苟克斯.薩古特 G?k?e Sargut

苟克斯.薩古特 位於美國伊利諾州的州長州立大學(Governors State University)助理教授。主要研究領域為創意產業的策略與結構性變化。


莉塔.岡瑟.麥奎斯

莉塔.岡瑟.麥奎斯 Rita Gunther McGrath

美國哥倫比亞大學商學院(Columbia Business School)的管理學教授,也是探討在不確定性多變環境下如何制定策略的全球知名專家,為全球公認的策略、創新和成長專家,強調企業創業精神。著有《瞬時競爭策略》(The End of Competitive Advantage)。


本篇文章主題預測