גל שני – יום ראשון – על ההתמודדות הארגונית בגל השני של הקורונה

אחד מעקרונות הניהול של ג'ף בזוס, מנכ"ל אמזון, הוא ההבחנה בין היום הראשון ליום השני – בקבלת ההחלטות של החברה, בהתייחסות של העובדים לעבודה, או בקיצור, במיינדסט הארגוני הכולל, מערכת ההפעלה המניעה את כל הארגון. היום הראשון, לפי בזוס, הוא החדשנות, ההתלהבות, הנכונות לשנות, רוח היצירה, להסתכל על דברים בצורה אחרת, תרבות הסטארט אפ במובן החיובי שלה. היום השני הוא המיסוד בהקשרו הרע, הבירוקרטיה, האיטיות, השמרנות והסיאוב. המאבק הניהולי התמידי, על פי בזוס, הוא לשמר את המיינדסט של היום הראשון גם כשקלנדרית הוא מתחלף באחר, והופך ליום השני, השלישי, הרביעי וכל שאר הימים, הנוטים כדרך הטבע ומנהגו של עולם, לבוא אחריו. או לחילופין, כשחברת סטארט אפ קטנה שפועלת ממחסן הופכת להיות חברת ענק ששווה מאות מיליארדי דולרים.

בפתח הגל השני של הקורונה נדמה שכרגע ההתנהגות המנהיגותית והציבורית כלפיו, היא יותר היום השני מאשר היום הראשון – התאבון לניצחון, הרעב להצלחה, מאמצי החדשנות, איחודי הכוחות, ההתגייסות ושילובי הזרועות שאפיינו את השלב הראשון פינו את מקומן והתחלפו באווירת ייאוש, המתנה שהזמן יעבור והנגיף יובס. ואולי, איכשהו כמעשה קסם, המולת השגרה הקודמת תחזור לבקוע.

האתגר הגדול של חלקת האלוהים הארגונית כלפי העובדים בצל הגל השני, הוא לא להיגרר ולהישאב למאפייני היום השני. בגל הראשון, שאומנם נדמה כאילו היה לפני שנה ובפועל היה בשיאו לפני חודשיים, למרות החשש מהעתיד הכלכלי הלא ברור, הדאגה לעובדים בקרב חברות וארגונים רבים הייתה בראש מעייניהן, ביחד עם ההתלהבות לנצח את הקורונה, ניכרה התלהבות בדאגה לעובדי הארגון המבודדים או החולים – בחלק נכבד מהמקרים הם זכו לתמיכה, תשומת לב, ומיקוד ארגוני בשמירה על קשר. דאגה שנשאה פרי בדמות מחויבות מוגברת של עובדים למקום עבודתם. הגל השני מאתגר את כולם לאור שחיקת המנגנונים האלו ובעיקר לאור שחיקת ההתלהבות, והאמונה שהנה או-טו-טו אנחנו מנצחים. אבל לרוע המזל, חולה בגל השני זקוק לאותו טיפול כמו בגל הראשון, מבודדים בגל השני חווים את אותו קושי פסיכולוגי ומנטלי (אם לא יותר) כמו המבודדים בגל הראשון ועובדים שחששו בגל הראשון חוששים אפילו עוד יותר בגל השני. ולכן זה בדיוק הזמן להזכיר לארגון, למנהליו, למפקדיו, לעצמנו, שאותם מנגנונים ואותה תשומת לב שהייתה בגל הראשון, נדרשת בגל השני. היא הועילה אז ותועיל גם היום.  

דוגמה לאיך לא לעשות את מה שצריך לעשות, ניתן לראות בתמונה המצורפת של הודעת טקסט המודיעה של החזר נדרש בשכר באחת מחברות שירותי הבריאות. נכון, יכולות לקרות טעויות בשכר, גם כאלו שעובדות ועובדים יאלצו להחזיר בגינן שכר שכבר שולם, אבל במיינדסט של דאגה ארגונית וראיית העובדים כאנשים, לא מודיעים על כך בהודעת טקסט גנרית שכאילו נכתבה על ידי בוט.

אז נכון כנראה שחבילת מבודדים שכוללת אוכל ובירה קורונה כבר אינה אפשרית לכל מבודד מבלי למוטט את תקציב הרווחה של החברה, לאור ההיקף הרחב של איכוני השב"כ, אבל הסיפור הוא הרי לא החומר, אלא תפיסת העולם – ההתעניינות, הדאגה הכנה, החיבור לארגון, ההבנה שלא מדובר ב- או טיפול בעובדים או טיפול במשימה אלא בזה שהמשימה מחייבת טיפול בעובדים ולכן זה גם וגם ולא אחד על חשבון השני.

כל אלו מחייבים מאמץ תפעולי ומנהיגותי, בעדכון, בתשומת לב, בניטור, אין ספק. אבל זה בדיוק המאמץ המתמשך הנדרש להפוך את היום השני ליום הראשון. אם למישהו יש ספק אם המאמץ הזה כדאי או שאולי כדאי יותר לתפקד במוד היום השני, כי הוא נוח יותר, מסודר יותר ומוכר יותר – זו התשובה של בזוס לשאלה איך נראה היום השני? "מצב סטטי, לאחריו מגיעה חוסר רלוונטיות, דעיכה כואבת ואז מוות".  

"ביפ מי אפ, דאטה" – עוד מחשבות על דאטה וניהול

לפני כמה ימים קראתי את הפוסט – דת הדאטה – איך הרסו הנתונים את האינסטינקט הניהולי, של כנרת רוזנבלום. זה היה יופי של פוסט – קריא, מעניין, מחכים, מעורר מחשבה והיי, אפילו נתון אחד לא היה בו. אני לא יודע מה זה מוכיח, אבל זו בהחלט דוגמה לכך שעל מנת לעורר אנשים למחשבה ולפעולה, לאו דווקא צריך נתונים. ואולי ההפך הוא הנכון? טלי שרוט בספרה-"מה זה משנה" הראתה בנתונים, שמה שמשפיע על התנהגות של אנשים זה ממש לא נתונים (למזלה היא גם שילבה כמה סיפורים ברקע אחרת לגמרי זה היה ספר פרדוכסלי). וזה לא מקרי שטרנד הסטוריטלינג לא קמל ונובל אלא צומח ופורח ביחד עם טרנד (דת) הדאטה כי נתונים צריכים סיפור, ואילו הפוך – לאו דווקא.

זכור לי דיון מרתק במיוחד בו הצגנו הצעה לתהליך ארגוני למנהל הארגון, הראינו נתונים, השוואות, בנצ'מרקינג לארגונים מתקדמים אחרים – היינו על גג העולם, כל הנתונים היו איתנו. ואז הוא סיכם ואמר "הכל נכון, רק צריך לזכור שהארגון שלנו שונה".  והוא צדק, את השוני של הארגון לא סיפרנו, אין לזה גם נתון. תרבות לא רק אוכלת אסטרטגיה לארוחת בוקר, היא גם אוכלת נתונים לארוחת עשר וזה אפילו לא מדגדג לה את הבטן. בגלל זה, כל פעם שאני קורא הצהרה של מנכ"ל שאומר שכששני מועמדים זהים מגיעים אליו הוא מקדם את האישה/עולה חדש/חרדי/קבוצת מיעוט אחרת, אני מתמלא ספקות – כי נער הייתי וגם בגרתי ואפילו היום אני דוד לתאומות זהות – ועדיין לא ראיתי שני אנשים זהים. יש החלטות שאינן על בסיס נתונים, או יותר נכון, לא על בסיס הנתונים הקיימים.

יובל נוח הררי מתאר שני סוגים של מערכות מורכבות: מערכות מורכבות מסדר ראשון – מערכות שמושפעות מהרבה מאוד משתנים אבל בסה"כ בהינתן מספיק נתונים ויכולת חישוב הן ניתנות לניבוי – מזג האוויר הוא דוגמה טובה לכך, Climacell לדוגמה, עוסקת במורכבות הזו, חיזוי תופעות אקלימיות ברמת דיוק של עשרות מטרים – כי לא מספיק לדעת אם יש עננות מעל מרכז הארץ, מה שחשוב לדעת היא מה העננות בדיוק מעל מסלול ההמראה של בן גוריון. (שדה התעופה, לא האיש). הסוג השני של מערכות מורכבות הוא מערכות מורכבות מסדר שני – אלו מערכות שלא רק שהן מושפעות מהרבה מאוד משתנים הן מושפעות מהניבוי לגביהן מה שהופך אותן ל- או בלתי ניתנות לניבוי או משחזרות את הניבוי של עצמן בצורה מובהקת. נניח אם באופן תיאורטי היינו מסוגלים לנבא (כמובן על פי הנתונים שלנו היום) איזה טירון בצבא יהיה מג"ד – מיד היינו שולחים אותו לקורסים הכי מתקדמים, נותנים לו את המעטפת הכי טובה שיש וכן הלאה. מה עשינו בזה? הצדקנו את הניבוי של עצמנו. דוגמה אחרת שמתכתבת עם הפוסט היא שוק המניות – ברור לגמרי שאם למישהו הייתה מערכת מוכחת שיודעת לנבא מה קורה בשוק המניות בשבוע הבא – היא מיד הייתה משפיעה על התנהגות השוק ואז הופכת להיות מיותרת. יש פרק שלם ב"קוד סמוי" של יובל דרור שסוקר מערכות ניבוי כושלות שהתיימרו לתת ציונים המנבאים התנהגות ונפלו קורבן לאלגוריתם של עצמם. (זה הזמן להשלים צפייה בפרק ראשון בעונה השלישית של מראה שחורה על דירוג חברתי). במידה רבה זה היה גם היה האירוע של הקורונה, רק במציאות – יש גבול לכמה מודלים יכולים לקחת בחשבון את התנהגות האנשים ברגע שהם רואים אותם. (ומסוכן מדי לנהל על זה ניסוי מסודר עם קבוצת ביקורת). וזה עוד לפני מה שבר סימן טוב גילה על בשרו שתזוזה של 0.1 במספר בתחילת המודל משפיעה על התחזית ל 10,000 מתים בסופו.

אבי היקר, סטטיסטיקאי כבר למעלה מחמישים שנה, לימד אותי את שלושת סוגי השקרים – "שקרים גדולים, שקרים לבנים וסטטיסטיקה" וזה נכון. זה נכון גם לגבי מחיר המניה כמדד להצלחתו של מנכ"ל, כי מה זה משנה מה מחירה היום, משנה מה הוא יהיה בעתיד שאותו הרי יודעים רק שוטים ותינוקות (וגם מה היה מחירה בעבר) וגם את שורת הרווח לא הייתי מציע לזנוח ואת נתוני שביעות רצון העובדים, ורמת המחוברות הארגונית ומיתוג המעסיק ועוד נתונים רבים אחרים שהרבה פעמים לא קיימו תיאום ציפיות אחד עם השני ולא מתנהגים כמו שציפינו מהם.

אז אני מכיר את הסיפור על בילי בין, מנהל קבוצת הבייסבול של אוקלנד אתלטיקס, שבעזרת שיטות מתקדמות לניתוח ביצועים הצליח להביא לקבוצתו את השחקנים שתורמים הכי הרבה אבל עולים הכי מעט (תועד בסרט המומלץ – Moneyball).  ואני לא עד כדי כך רומנטיקן (נו, אבא סטטיסטיקאי, אבל רגע, אמא מורה לספרות) שמאמין שכדברי הנסיך הקטן "אין לראות את הדברים היטב אלא בלב בלבד. כי הדבר החשוב באמת סמוי מן העין" אבל בהחלט אין לי ספק שאת הנתונים כולם יכולים לראות, את הדברים החשובים באמת – פחות.

וזה מה שיש לדן אריאלי לומר על מחקרי Big Data (באדיבות שיר בוים שוורץ):

לקריאה/צפייה נוספת:

טלי שרוט, מה זה משנה – איך אנחנו מצליחים (ומתי אנחנו נכשלים) לשנות את דעותיהם של אחרים, כנרת זמורה ביתן, ינואר 2019.

יובל דרור, קוד סמוי, כל מה שלא רוצים שתדעו ואתם חייבים לדעת על העידן הדיגיטלי, כנרת – זמורה ביתן, ינואר 2019

עומר קורן, ההזדמנות שפספסנו – למה קהילת הדאטה סיינס בישראל לא תרמה כמעט כלום להתמודדות עם משבר הקורונה.

מראה שחורה – פרק 1 עונה 3

Moneyball