Тед подчеркивает, что идеи, родившиеся в результате анализа данных, дополняют процесс принятия решений, но совершенно точно не диктуют его. Он видел, что проект может провалиться даже при наличии всевозможных говорящих в его пользу данных. Двигаться дальше с конкретным сериалом или фильмом – это во многом субъективное решение. Когда команда решила выйти с сериалом «Оранжевый – хит сезона», она отказалась от собственного требования, касавшегося наличия четко проработанного сценария, не потому, что данные обещали им, что шоу станет хитом, а из-за блестящей, тщательно продуманной концепции создателя сериала Дженджи Коэн. Сериал основан на книге, и уже нашлись те, кто хотели перенести ее на экран, но были опасения, что зрители не почувствуют симпатию к заключенным и что тюрьма – заведение, вызывающее клаустрофобию. Коэн планировала расширить историю, показав зрителям жизни героев до попадания в тюрьму. Это показало бы, что многие женщины, оказавшиеся, подобно автору книги, в этих коррекционных учреждениях, далеко не закоренелые преступники, что позволило им заслужить сочувствие зрителей и вовлеченность в истории героев.
Команда по контенту регулярно испытывала удивление, когда вопреки изначальным планам какие-то шоу привлекали внимание намного выше ожидаемого, а другие – наоборот. Считалось, что эти данные о зрительском восприятии – не конечный аргумент при принятии решения о том, как поступить с сериалом, а начальный пункт для формирования понимания зрительской реакции. Если шоу не имело успеха, команда задавалась вопросом, было ли это творческой неудачей или проблемой маркетинга и позиционирования. Тед также отмечал, что данные о просмотрах могут быть ограничены в своей способности дать информацию о том, что люди хотели бы посмотреть, если бы могли. Когда Netflix начинала планировать выход на мировой уровень, знания о том, что хотят увидеть зрители, традиционно основывались на данных о мировых кассовых сборах. Данные как будто предполагали, что заокеанские зрители отнюдь не всегда заинтересованы во многих американских шоу. Что данные не могли учесть, так это то, что люди во многих странах имели очень ограниченный доступ к американским программам. Когда Netflix впервые сделала эти программы доступными за границей, люди стали стекаться на них. Тед говорил о процессе создания контента: «Действовать часто приходилось по интуиции, и для команды я искал людей, достаточно умных, чтобы читать данные, и с достаточно развитой интуицией, чтобы их игнорировать».
Тед также предостерегал, что данные могут использоваться, как щит из отчетности, отменяющий ответственность за субъективные решения. Люди чувствуют себя более комфортно, принимая решения на основании твердых данных, поскольку могут сослаться на них, если решение окажется неверным. Отличным примером здесь служат телевизионные пилотные серии. Их тестируют со зрителями, так что, если шоу все-таки проваливается, производственная команда всегда может сказать: «Ну, результаты тестов были отличными». Команда Теда не придерживалась пилотной модели – она давала зеленый свет производству сразу всего сезона.
Люди также субъективно подходят к тому, какими данными руководствоваться. И мы уже видели, что они склонны отдавать предпочтение своим данным, а не чужим. Маркетинг собирает один набор данных, а продает другой. Данные – лишь один из компонентов решения проблемы. Даже если во всех командах данные те же самые, вам нужно, чтобы люди спорили о тех аспектах бизнеса, о которых не сможет сказать ни одна сводная таблица.
Опасайтесь данных, которые отлично смотрятся, но ничего не значат
Инженеры ПО знают, что я их люблю, поэтому постоянно зовут меня посмотреть на их новые продукты. Один из них хотел, чтобы я оценила его совершенно новую программу по кадровому администрированию. Схемой программного продукта он заполнил целую доску: тщательно проработанная система по типу водопада спускала цели от высшего руководства до индивидуальных потребителей. Все данные должны были быть помещены в программу, для чего далее проходил чрезвычайно интенсивный процесс оценки сотрудника, занимавший почти два часа и требовавший участия индивидуального фасилитатора, помощника. В ходе этого процесса данными заполнялись все поля, и получалась гигантская реляционная база данных. Я остановила его, спросив: «Могу я сказать кое-что? Могу остановить тебя прямо здесь? Так что, я должна нанять кого-то из вашей фирмы, чтобы он два часа сидел с каждым из моих сотрудников и заполнял эту таблицу (она была онлайн, но все же это была таблица)? И когда мы справимся со всеми этими задачами, программа выработает алгоритм, который даст мне что?» Он сказал: «Ну, у кадровой службы теперь будут данные». Тогда я спросила его: «Что они будут делать с этими данными?» Он ответил: «Положим, будут наконец ими владеть!» Можно я просто скажу: Что?! Зачем кому-то тратить столько времени и денег, чтобы просто создать данные?
Одна из самых больших ошибок – фиксация данных, которые не имеют никакого значения. Возьмите HR-отдел и его одержимость удержать сотрудников. HR-отдел призван заботиться о благополучии людей, и предположительно ключевой показатель для его оценки – уровень удержания сотрудников, однако 50 % времени HR занят тем, что прощается с сотрудниками.
Недавно я консультировала одну руководящую компанию, и глава их HR-отдела сказал мне, что они обеспокоены проблемой сохранения людей, потому что любой готов уйти за лучшие соцпакеты или большие деньги. Я спросила: «Откуда вы это знаете?» По моему опыту, лучшие люди не бросаются вслед за соцпакетами. Я также сомневаюсь, является ли на самом деле текучка кадров проблемой. Все зависит от контекста. Если вы работаете над проектом, рассчитанным на три-четыре года, когда множество людей прикладывают достаточно усилий, а цикл обучения и ассимиляции длится довольно долго, тогда определенно вы хотите, чтобы люди остались на это время. И даже в этом случае верный способ сохранить заинтересованность работников – нанимать по-настоящему увлеченных работой людей, как тех, для кого вы их нанимаете, так и тех, у кого есть соответствующий опыт или предрасположенность работать над какими-либо вещами в течение долгого времени. Дело не в том, чтобы предложить им воду четырех вкусов или отсеки для сна. Часто компании имеют очень краткосрочные потребности, и, когда задание выполнено, и для работника, и для компании будет лучше, если вы скажете им, что настало время искать новую работу. Об этом поговорим позднее.
Еще одна большая ошибка, совершаемая с участием данных, – думать, что они постоянны. Они должны быть текучими, они должны постоянно пересматриваться и подвергаться сомнению. Именно здесь подключаются энергичные дебаты.
Спорьте только ради бизнеса и клиентов
Наши дебаты в Netflix часто становились жаркими, однако в целом они не превращались в злые или контрпродуктивные, поскольку мы установили стандарт, согласно которому все они должны были служить делу и нашим клиентам.
Главное, что мешает компаниям удовлетворять своих клиентов, а потому снижает и их собственную прибыльность, – это нежелание активно выяснять, что именно говорят им данные. Часто бизнесу приходится выбирать между двумя возможностями для удовлетворения нужд и предпочтений клиента, за обоими стоят сильные, подкрепленные данными аргументы. Данные должны быть дополнены суждениями. Мы создали отличный механизм для поддержания фокуса на клиенте и сохранения уверенности в том, что сложные субъективные мнения отчаянно и открыто обсуждаются, – ежемесячные форумы, Потребительские научные встречи. Название происходило от компьютерной науки, это был способ намекнуть, что, хотя мы являлись абсолютными новаторами в области, требующей переработки большого количества данных аналитики, все наши компьютерные навыки стояли на службе удовлетворения клиента. Эти встречи всегда посещали Рид и главы маркетинга, из Лос-Анджелеса часто приезжали члены команды по контенту, поскольку это были фантастически информативные встречи, которые держали меня в курсе передовых тенденций развития бизнеса.
