نقشه‌یابی انتخاب تمرینی بر پایه علم انتخاب است که به شما کمک می‌کند هرچقدر که قوه تخیل‌تان اجازه می‌دهد راه‌حل‌های ممکن تولید کنید.
روان‌شناسان اجتماعی از اواخر دهه ۱۹۹۰ میلادی به حقیقت غیرمنتظره‌ای دست یافته‌اند: اگر می‌خواهید فردی از انتخابش بیشترین رضایت ممکن را داشته باشد، بی‌نهایت گزینه در اختیارش قرار ندهید. در عوض چند گزینه با قیود واضح و مشخص به او بدهید.
به گزارش دنیای اقتصاد، این بخش اضافی برای با اطمینان انتخاب کردن گزینه مطلوب الزامی است. این مساله در نوآوری هم مصداق دارد که اغلب از این چهار مورد ناشی می‌شود:
۱- شناسایی مساله بزرگی برای حل کردن. ۲- تقسیم آن به چند خرده‌مساله. ۳- شناسایی اینکه خرده مشکل‌ها در گذشته در موارد مشابه چگونه حل شده‌اند و ۴- تجمیع راه‌حل‌های خرده مشکل‌ها به شکلی منحصربه‌فرد و نو. این فرآیند که نویسنده مقاله آن را «نقشه‌یابی‌انتخاب» می‌نامد، قیود کمک‌کننده‌ای به روند حل مساله شما می‌افزاید.
با اینکه تاریخ دوست دارد شما باور کنید که پیشرفت‌های غیرمنتظره حاصل الهامات یک نابغه یا کمک‌های غیبی بوده، حقیقت بسیار کسل‌کننده‌تر از این حرف‌هاست.
چه اختراع بسکتبال باشد چه سیستمی در سطح سازمانی برای یادگیری و نوآوری، ذهن‌های زیبا با انتخاب‌های هوشمندانه به لحظه «یافتم» شان رسیده‌اند. یعنی مساله بزرگشان را شناسایی کردند، آن را به چنده خرده‌مساله تقسیم کردند، به‌دنبال شیوه‌های حل هر خرده‌مساله در گذشته گشتند و یک‌جور منحصربه‌فردی آن گزینه‌ها را با هم تلفیق کردند تا به راه‌حل بدیعی برسند.
من نام این روش را متد «بزرگ‌تر بیندیش» می‌گذارم. این روش را در ابتدا به دانشجویانم در مدرسه کسب و کار کلمبیا آموزش دادم. اما خیلی زود متوجه شدم که ارزشش بسیار فراتر از صرفا کلاس درس است. به‌عنوان نمونه شواهد و مدارک نشان داده سازمان‌هایی که کمیته نوآوری متعهدی دارند، بهتر از سازمان‌هایی عمل می‌کنند که چنین کمیته‌ای ندارند؛ هرچند این موضوع قطعی و حتمی نیست و من معتقدم که حتی این شرکت‌ها هم تحت‌تاثیر درک ضعیف جامعه از پروسه واقعی وقوع نوآوری، به حداکثر درآمد ممکنشان دست پیدا نمی‌کنند.
تحقیقات پیشنهاد می‌کنند که اگر دانش انتخاب را در فرآیندهایی بدمیم که راه‌حل‌های دگرگون‌کننده تولید می‌کنند، می‌توانیم حتی از این هم بهتر عمل کنیم.
حتی از اواخر دهه ۱۹۹۰ هم روان‌شناسان اجتماعی به حقیقت غافلگیرکننده‌ای پی برده بودند: اگر می‌خواهید کسی از انتخابش نهایت رضایت را داشته باشد، بی‌نهایت گزینه در اختیارش قرار ندهید. در عوض، همان‌طور که من و همکارانم ثابت کرده‌ایم، تعداد مشخصی گزینه با قیود واضح و روشن در اختیارشان قرار دهید. این بخش افزوده برای انتخاب مطمئن گزینه مطلوب ضروری است.
تقریبا۳۰ سال بعد از آن دوران، من مدت مدیدی تحقیقاتم در حوزه انتخاب را به کار بسته‌ام تا درک کنم نوآوری چگونه اتفاق می‌افتد. شما برای خلق راه‌حل، باید با تعریف مساله شروع کنید. نکته‌ای که اینجا وجود دارد این است که هر مساله بزرگی یواشکی از چند خرده‌مساله در لباس مبدل تشکیل شده است.
پس باید به دنبال گزینه‌هایی باشید که برای آن خرده مسائل متعدد راه‌حل ارائه می‌دهند؛ یعنی ماده موثر نوآوری انتخاب است.
هر نوآور بزرگی در طول تاریخ چه آگاهانه و حتی چه ناآگاهانه مساله‌اش را به‌واسطه حل خرده‌مساله‌ها حل کرده است.
به‌عنوان نمونه، در سال ۱۸۹۹ که هنری فورد کارخانه خودروسازی خودش را تاسیس کرد، صرفا به این فکر نکرد که با رنج و مشقت مساله بزرگش را حل کند یعنی چه کار کند که همه قادر به خرید اتومبیل باشند. او این مساله را به خرده‌مساله‌های زیرمجموعه‌اش تقسیم کرد:
چگونه هزینه نیروی کار را کاهش دهم؟
چگونه زمان تولید را کاهش دهم؟
چگونه هزینه مواد اولیه را کاهش دهم؟
او گزینه‌هایش برای حل این خرده‌مساله‌ها را در چیزهایی پیدا کرد که از قبل وجود داشتند. اولدزمبیل خط مونتاژی بنا کرده بود که به تعداد کارگر کمتری برای مونتاژ یک خودرو نیاز داشت.
فورد از خط خردسازی کشتارگاهی در شیکاگو هم الهام گرفت که در آن کارگرانی که آموزش‌های مخصوصی دیده بودند لاشه‌های حیوانات را قطعه‌قطعه می‌کردند. او متوجه شد که اگر به جای کارگران، محصول روی خط تولید حرکت کند و کارگران مسوول هر کاری جای ثابتی داشته باشند، می‌تواند زمان تولید را کاهش دهد.
فورد موفق شد با استفاده از رنگ لاکی مشکی که به‌سرعت روی فلز خشک می‌شد و نسبت به رنگ ماشین معمول این قابلیت را داشت که با مقادیر کمتر، درخشش فوق‌العاده‌ای داشته باشد، هزینه‌های مواد اولیه را کاهش دهد. هزینه اتومبیل‌های فورد با تلفیق راه‌حل‌های خرده مشکل‌ها از هزار دلار در سال ۱۹۰۰ به ۲۶۵ دلار در سال ۱۹۲۴ رسید.
اینکه فرآیند حل مساله‌تان را در این قالب قرار دهید، قیود مفید و کمک‌کننده‌ای به فرآیند شما اضافه می‌کند. این کار به شما اجازه می‌دهد به شکلی از بین راه‌حل‌های بدیع انتخاب کنید که توفان فکری سنتی هرگز قادر به انجامش نیست.
توفان فکری زمانی کارساز است که شما یا اعضای تیمتان تمام اطلاعات لازم برای تصمیم‌گیری را در اختیار داشته باشید. اما در موقعیت‌هایی که اطلاعات کافی در دسترس نیست، این روش نمی‌تواند چندان مفید باشد. درنتیجه جلسات توفان فکری معمولا ایده‌های کمتر و بی‌کیفیت‌تری تولید می‌کنند که مشکلات بزرگ را حل نمی‌کنند.
برای نشان دادن قدرت قیود اجازه بدهید نمونه‌ای را در نظر بگیریم: اختراع بسکتبال. سال ۱۸۹۱ جیمز نیسمیت در اسپرینگفیلد ماساچوست معلم تربیت بدنی بود. او دلش می‌خواست یک بازی در اختیار شاگردانش قرار دهد که بتوانند در طول زمستان‌های سخت نیواینگلند در فضاهای بسته بازی کنند. این مساله بزرگ او بود. نیسمیت هم درست مثل هنری فورد با رویای اینکه از بیخ و بن فعالیت تازه‌ای خلق کند، مغزش را خرد و خاکشیر نکرد. او مساله‌اش را به چهار خرده‌مساله تقسیم کرد:
۱- باید در یک فضای بسته جا شود، نه یک زمین بازی وسیع در فضای باز.
۲- باید سرعت، تلاش، مهارت و پیچیدگی ورزش‌های میدانی را داشته باشد تا سلامت جسم و روح دانش‌آموزان را حفظ کند.
۳- نباید سخت و خشن باشد؛ چون اینجا بازیکنان روی زمین سخت می‌افتند، نه زمین نرمی همچون زمین چمن.
۴- باید یک فعالیت تیمی باشد که در آن فضای بسته همزمان تعداد زیادی دانش‌آموز را مشغول کند.
این قیود به شکلی گزینه‌های نیسمیت را محدود کرد که به او کمک کرد مساله‌اش را حل کند.
او نمی‌توانست فوتبال آمریکایی را از نو اختراع کند، چون برای زمین سخت باشگاه بیش از اندازه خشن بود. بیس‌بال را هم نمی‌توانست یک‌بار دیگر اختراع کند، چون باشگاه برای آن بازی خیلی کوچک بود.
درنهایت متوجه شد که می‌تواند عناصر چوگان سر پهن، فوتبال آمریکایی، راگبی، فوتبال و عنصری از بازی «اردک روی سنگ» را که در کودکی بازی می‌کرد، با هم تلفیق کند تا خرده مسائلش را حل کند (پاس توپ بین بازیکنان را از چوگان سر پهن و فوتبال گرفت، جریمه پنالتی برای خشونت زیاد از فوتبال، سرعت و پیچیدگی از فوتبال آمریکایی و راگبی و پرتاب به یک هدف مشخص را از اردک روی سنگ گرفت).
حل آن خرده‌مساله‌ها بود که او را قادر ساخت بازی را اختراع کند که بیش از ۱۳۰ سال ادامه پیدا کرد و تبدیل به صنعتی شد که میلیاردها دلار ارزش دارد.
نقشه‌یابی انتخاب تمرینی بر پایه علم انتخاب است که به شما کمک می‌کند هرچقدر که قوه تخیل‌تان اجازه می‌دهد راه‌حل‌های ممکن تولید کنید. شما می‌توانید از قالبی که من اینجا آورده‌ام برای ساخت نقشه انتخاب استفاده کنید. طرز کار نقشه انتخاب به‌این‌ترتیب است:
کار را با شناسایی مساله بزرگتان آغاز کنید و آن را تقسیم به فهرستی از خرده مسائل کنید. بیایید فرض کنیم شما در یک بیمارستان کار می‌کنید و مساله‌تان این است: بهترین شیوه برای انتقال امن اعضای بدن اهداشده چیست؟ خرده‌مساله‌هایتان می‌توانند چنین چیزهایی باشند:
۱- چطور مطمئن شویم که اعضای بدن در شرایط بهداشتی و تمیزی منتقل می‌شوند؟
۲- چه کار کنیم که اعضای بدن در دمای درستی نگهداری شوند؟
۳- بزرگ‌ترین ریسک‌های انتقال نامناسب چیست؟
زمانی که این خرده مسائل را در نقشه انتخابتان فهرست کنید، می‌توانید به دنبال راه‌حلی بگردید که من نامش را «پیشینه» یا راه‌حل‌های گذشته می‌گذارم که یا در همان گستره مساله شما اتفاق افتاده یا در گستره‌ای مشابه.
برای خرده مسائل، مساله انتقال عضو که کمی بالاتر فهرست کردیم، در قسمت «درون گستره» می‌توانید جست‌وجو کنید که بیمارستان‌های دیگر درگذشته چه تعابیری اندیشیده‌اند و آن‌ها را در نقشه انتخابتان بیاورید. در قسمت «گستره خارجی» هم می‌توانید به دنبال پاسخ چنین سوال‌هایی باشید:
شرکت‌های مواد غذایی چگونه در طول انتقال محصولاتشان را تروتازه نگه می‌دارند؟
سریع‌ترین راه انتقال تندیس‌های شیشه‌ای چیست؟
بهترین راه مسافرت با یک نوزاد چیست؟
شیرینی‌پزی‌ها چگونه کیک عروسی را به محل برگزاری مراسم می‌رسانند؟
دیدن تمام این گزینه‌های پیش رویتان باید همچون جرقه‌ای فکرتان را به کار بیندازد تا بتوانید راه‌حل‌ها را با هم تلفیق کنید و با خرده مسائلتان مطابقت دهید. برای نمونه ممکن است راه‌حلی از سرویس‌های مواد غذایی که غذا را در دمای مطمئنی حفظ می‌کنند یا سیستم دربرگیری که تولیدکنندگان صندلی خودرو کودکان استفاده می‌کنند قرض بگیرید تا امنیت عضو را در طول انتقال تضمین کنید.
به‌این‌ترتیب با تلفیق درست گزینه‌های ممکن هرکدام از خرده مسائل ممکن است به راه‌حلی مثل «قلب در جعبه» برسید؛ دستگاهی تولیدشده توسط TransMedics که مورد تائید FDA است و اهدای عضو را حتی بعد از مرگ اهداکننده ممکن می‌سازد.
این وسیله این کار را به‌وسیله تکنیکی به نام «خون‌رسانی به بافت» انجام می‌دهد که به‌جای اینکه صرفا عضو را منجمد کند، همان اقلیم گرم بدن را شبیه‌سازی می‌کند تا ماندگاری عضو را افزایش دهد.
حالا دکترها می‌توانند به‌واسطه قلب در جعبه و تکنولوژی‌های مشابه، به اهداکننده‌های بیشتری دسترسی داشته باشند و جان تعداد بیشتری از بیماران نیازمند عضو را نجات دهند. شکی وجود ندارد که نقشه انتخاب نمی‌تواند به شما کمک کند بفهمید راه‌حلتان ذی‌نفعان گوناگون، همچون سرمایه‌گذاران و خریداران را راضی می‌کند یا نه؛ یا کمکتان نمی‌کند بفهمید دیگران هم از زاویه دید شما به مساله نگاه می‌کنند یا نه.
کاربرد اصلی نقشه انتخاب این است که به شما کمک کند چند راه‌حل ممکن خلق کنید و از بینشان انتخاب کنید.
دقت کنید که یک نقشه انتخاب پنج در پنج می‌تواند تا ۳۱۲۵ راه‌حل بالقوه تولید کند.
نقشه انتخاب به شما اجازه می‌دهد ذهنتان را به‌گونه‌ای مقید کنید که ده‌ها سال تحقیق و پژوهش ثابت کرده شما را در ایده‌آل‌ترین حالت تصمیم‌گیری قرار می‌دهد.
با نقشه انتخاب، شما صرفا به هوای هر ایده حساب‌نشده و الله‌بختکی توفان فکری به پا نمی‌کنید؛ بلکه راه‌حل‌های تائید شده از گستره‌های گوناگون را جمع‌آوری کرده‌اید تا چند گزینه انتخابی برای خودتان فراهم کنید که در مرحله بعد بارها و بارها آن‌ها را با هم تلفیق کنید و به راه‌حلی برسید که عظیم‌تر از مجموع اجزای تشکیل‌دهنده‌اش است.
در این فرآیند شما قدرت بیشتری برای نوآوری دارید، چون خودتان را از فشار پیدا کردن یک راه‌حل کاملا بکر و بدیعی که مارک تواین بیشتر از یک قرن پیش خردمندانه تشخیص داد که به‌هرحال غیرممکن است، خلاص کرده‌اید. او گفته: «چیزی به نام ایده جدید وجود ندارد.
ما صرفا کلی ایده قدیمی را برمی‌داریم و آن‌ها را داخل یک‌جور کالیدوسکوپ ذهنی (وسیله‌ای است که با بازتاب متعدد پرتوهای نور در آینه‌ها و تیله‌های خود، باعث به وجود آوردن تصاویری با تقارن مرکزی و خطوط تقارن محوری متعدد می‌شود) قرار می‌دهیم. آن را می‌چرخانیم و ترکیبات جدید جذابی تولید می‌کنیم. با اینکه تا ابد با چرخاندن کالیدوسکوپ ترکیبات جدید خلق می‌کنیم، اما در اصل همان تکه‌های قدیمی شیشه‌رنگی هستند که از ازل از آن‌ها استفاده می‌شده.»
نویسنده: Sheena S. Lyengar
مترجم: منا اختیاری
منبع:HBR
