Att hitta en övertygande förklaring till en komplex fråga är ingen lätt uppgift. Beslutet om vad som kvalificeras som den "bästa" lösningen är oundvikligen föremål för fördomar och approximationer. Att koppla statistik med historiska metoder gör dock beslutsprocessen mer rigorös och mindre felbenägen.
Sandeep D. Pillai från Bocconis avdelning för ledning och teknik hävdar detta i sin senaste artikel "Lovely and likely:Using historical methods to improve inference to the best explanation in strategy," skriven med Brent Goldfarb och David Kirsch (båda vid University of Maryland i USA) och publicerades i Strategic Management Journal .
Mycket affärslitteratur handlar, till synes, om att hitta lösningar på specifika problem. Dessa lösningar är idealiskt tillräckligt breda för att underbygga en teori, eller åtminstone bedöms de vara tillämpliga på en rad olika fall. Ändå kan problem endast sällan lösas genom att ta itu med en enda orsaksfaktor. Ledningsfrågor, som gäller komplexa organisationer som företag som verkar i komplexa miljöer som marknader, är oundvikligen påverkade av ett stort antal ömsesidigt beroende faktorer som är svåra eller omöjliga att skilja från varandra.
Mitt i en sådan osäkerhet är det osannolikt att vi någonsin kommer att upptäcka den "sanna" lösningen på ett problem. Det mesta vi kan hoppas på att uppnå är den bästa lösningen, eller förklaringen, bland många. Men vad får en lösning att framstå som bättre än en annan?
Sandeep Pillai och hans kollegor hävdar att "inferensen till den bästa förklaringen", eller kortfattat IBE, är processen i dessa fall. Förklaringar som är ljuvliga, i den meningen att de är användbara, allmänna och ger mening, och troliga, i den meningen att de ligger nära sanningen, antas i allmänhet som de bästa möjliga.
Naturligtvis är inte alla härliga förklaringar lika sannolika, och vice versa. Dessutom kommer IBE endast att vara tillförlitlig om den sanna teorin finns bland de teorier som övervägs. Men det finns ingen anledning att tro att så är fallet, inte heller att vår "bästa" förklaring är sann. Denna gåta är känd som "problemet med dåliga partier", för när den sannaste förklaringen slipper oss kommer vi att sluta välja det bästa av ett dåligt parti.
Och eftersom de flesta fenomen i affärsstrategi är tvetydiga, blir slutledning till den bästa förklaringen ofta en övning i slutledning till en föredragen förklaring, och preferenser är bundna att påverkas av flera olika fördomar. Detta är inte i sig en dålig sak, eftersom problem måste åtgärdas och att bestämma var man ska börja innebär att gå för en acceptabel lösning snarare än att hitta den absoluta sanningen. Men det är viktigt att vara medveten om att sådana fördomar finns för att begränsa deras negativa konsekvenser.
Pillai och hans medförfattare hävdar att det är vanligt att ta itu med strategifrågor genom att endast använda en statistisk metod (det vill säga någon form av dataanalys) men kan leda till att man hamnar i det dåliga problemet. De föreslår att "historiska" metoder kan förbättra dataobservation och följaktligen möjliggöra bättre hypotesgenerering.
I begreppet "historiska metoder" ingår tre huvudbegrepp:hermeneutik (förstå vilka beslutsfattarna är och deras perspektiv), kontextualisering (förstå beslutsfattares situation och hur de förhåller sig till varandra), och källkritik (förstå vikten av att bifoga någon specifik historik från det förflutna).
"Vi använder nyare arbeten inom vetenskapsfilosofin för att överväga hur vi bäst kommer fram till förklaringar som är användbara, generella, ger mening och samtidigt ligger nära sanningen. Att tolka observationsresultat kräver en förståelse av sammanhanget som statistisk analys ensam kan inte ge", säger Sandeep Pillai.
"Metodologiska verktyg från historien kan förbättra processen för att bestämma den bästa förklaringen genom att hjälpa forskare att generera nya kandidatförklaringar och systematiskt bedöma och privilegiera förklaringar. Användningen av historiska dokument för att tillämpa en IBE-metod förtydligar de bedömningar som vi gör vid flera nivåer och hjälper forskare och läsare att utvärdera dessa bedömningar när vi bestämmer vad som behöver förklaras och vad vi kan lägga åt sidan som ohjälpsamt."
Mer information: Sandeep Devanatha Pillai et al, Lovely and likely:Using historical methods to improve inference to the best explanation in strategy, Strategic Management Journal (2024). DOI:10.1002/smj.3593
Journalinformation: Strategic Management Journal
Tillhandahålls av Bocconi University
