Verwendung statistischer und historischer Methoden zur Lösung von Problemen in der Geschäftsstrategie

Eine überzeugende Erklärung für ein komplexes Thema zu finden, ist keine leichte Aufgabe. Die Entscheidung darüber, welche Lösung als „beste“ gilt, unterliegt zwangsläufig Vorurteilen und Annäherungen. Durch die Kopplung von Statistiken mit historischen Methoden wird der Entscheidungsprozess jedoch strenger und weniger fehleranfällig.

Sandeep D. Pillai von Bocconis Abteilung für Management und Technologie argumentiert diesen Punkt in seinem kürzlich erschienenen Aufsatz „Lovely and wahrscheinlich: Using Historical Methods to Improve Inference to the Best Erklärung in Strategy“, den er gemeinsam mit Brent Goldfarb und David Kirsch (beide von der University of…) verfasst hat Maryland in den Vereinigten Staaten) und veröffentlicht im Zeitschrift für strategisches Management.

In der Wirtschaftsliteratur geht es vordergründig darum, Lösungen für spezifische Probleme zu finden. Diese Lösungen sind im Idealfall breit genug, um eine Theorie zu untermauern, oder sie werden zumindest als auf eine Reihe von Fällen anwendbar eingeschätzt. Allerdings lassen sich Probleme nur selten durch die Behandlung eines einzigen ursächlichen Faktors lösen. Managementfragen, die sich auf komplexe Organisationen wie Firmen beziehen, die in komplexen Umgebungen wie Märkten agieren, werden zwangsläufig von einer Vielzahl voneinander abhängiger Faktoren beeinflusst, die schwer oder gar nicht voneinander zu unterscheiden sind.

Inmitten dieser Unsicherheit ist es unwahrscheinlich, dass wir jemals die „wahre“ Lösung eines Problems finden. Das Beste, was wir erreichen können, ist die beste Lösung oder Erklärung unter vielen. Aber was lässt eine Lösung besser erscheinen als eine andere?

Sandeep Pillai und seine Kollegen argumentieren, dass in diesen Fällen die „Schlussfolgerung zur besten Erklärung“, kurz IBE, der Prozess ist. Daher werden Erklärungen, die in dem Sinne schön sind, dass sie nützlich und allgemein sind und einen Sinn ergeben, und wahrscheinlich in dem Sinne, dass sie der Wahrheit nahe kommen, im Allgemeinen als die bestmöglichen angenommen.

Natürlich sind auch nicht alle schönen Erklärungen wahrscheinlich und umgekehrt. Außerdem ist IBE nur dann zuverlässig, wenn die wahre Theorie zu den berücksichtigten Theorien gehört. Es gibt jedoch keinen Grund zu der Annahme, dass dies der Fall ist oder dass unsere „beste“ Erklärung wahr ist. Dieses Rätsel ist als „schlechtes Losproblem“ bekannt, denn wenn uns die wahrste Erklärung entgeht, werden wir am Ende das Beste aus einem schlechten Los auswählen.

Und da die meisten Phänomene in der Geschäftsstrategie mehrdeutig sind, wird der Rückschluss auf die beste Erklärung oft zu einer Übung im Rückschluss auf eine bevorzugte Erklärung, und Präferenzen werden zwangsläufig von mehreren unterschiedlichen Voreingenommenheiten beeinflusst. Das ist nicht grundsätzlich eine schlechte Sache, denn Probleme müssen angegangen werden und die Entscheidung, wo man anfangen soll, bedeutet, eine akzeptable Lösung anzustreben, anstatt die absolute Wahrheit zu finden. Es ist jedoch wichtig, sich der Existenz solcher Vorurteile bewusst zu sein, um ihre negativen Folgen zu begrenzen.

Pillai und seine Co-Autoren argumentieren, dass die Lösung von Strategieproblemen nur durch die Anwendung einer statistischen Methode (d. h. einer Art Datenanalyse) üblich ist, aber dazu führen kann, dass man in das Bad-Lot-Problem verfällt. Sie legen nahe, dass „historische“ Methoden die Datenbeobachtung verbessern und folglich eine bessere Hypothesengenerierung ermöglichen können.

Der Begriff „historische Methoden“ umfasst drei Hauptkonzepte: Hermeneutik (verstehen, wer die Entscheidungsträger sind und welche Perspektiven sie haben), Kontextualisierung (verstehen, wie sich die Situation der Entscheidungsträger untereinander verhält) und Quellenkritik (verstehen, wie wichtig die Entscheidungsträger sind). einer bestimmten Aufzeichnung der Vergangenheit beifügen).

„Wir nutzen neuere Arbeiten in der Wissenschaftsphilosophie, um zu überlegen, wie wir zu den besten Erklärungen gelangen, die nützlich und allgemein sind, einen Sinn ergeben und gleichzeitig der Wahrheit nahe kommen. Die Interpretation von Beobachtungsergebnissen erfordert ein Verständnis des Kontexts.“ „Statistische Analysen allein können nichts liefern“, sagt Sandeep Pillai.

„Methodische Werkzeuge aus dem Bereich der Geschichte können den Prozess der Bestimmung der besten Erklärung verbessern, indem sie Wissenschaftlern dabei helfen, neue mögliche Erklärungen zu generieren und Erklärungen systematisch zu beurteilen und zu privilegieren. Die Verwendung historischer Aufzeichnungen zur Anwendung einer IBE-Methodik verdeutlicht die Urteile, die wir auf mehreren Ebenen fällen.“ Ebenen und hilft Forschern und Lesern, diese Urteile zu bewerten, während wir entscheiden, was erklärt werden muss und was wir als nicht hilfreich beiseite legen können.“