Как принимать решения, когда нет данных: фреймворки для работы в условиях неопределённости

Когда информации мало, многие компании откладывают решения в ожидании дополнительных данных. Однако рынок меняется быстрее, чем успевает накопиться статистика. В таких условиях руководителю приходится принимать решения на основе гипотез, косвенных фактов и ограниченной информации.

Почему старые методы больше не работают: природа неопределённости

Неопределённость в бизнесе — это не просто ситуация, когда не хватает одной цифры в аналитике. Чаще это совокупность факторов: недостаток исторических данных, неприменимость прошлого опыта к новой ситуации или нехватка экспертизы в новой области, а также невозможность даже приблизительно просчитать последствия решений.

Важно различать риск и неопределённость. Риски поддаются оценке: у них есть вероятные сценарии и способы управления. Неопределённость — это ситуация, где значительная часть факторов остаётся неизвестной, а значит, опираться на привычные модели прогнозирования становится сложнее.

Сама по себе неопределённость не является чем-то новым. Она существовала и раньше. Однако, начиная примерно с 2020 года, турбулентность усилилась и стала постоянным фоном для развития бизнеса. На компании одновременно начали влиять сразу несколько факторов: регуляторные изменения, экономические колебания, технологические сдвиги (например, массовое внедрение AI) и геополитическая нестабильность.

В таких условиях исторические данные часто теряют прогностическую ценность. Их уже нельзя напрямую переносить на новые ситуации. Поэтому меняется и сама логика принятия решений: вместо попытки полностью устранить неопределённость руководителям приходится учиться действовать внутри неё — опираясь на гипотезы, сценарное мышление и быстрые итерации для получения первых результатов и выводов.

Когда и почему может не хватать данных: примеры из практики CPO

На практике нехватка данных может возникать гораздо чаще, чем кажется. Причём речь идёт не только о редких стратегических решениях — во многих случаях неопределённость появляется и в обычной работе над продуктом: например, при запуске новых функций или выборе направления развития.

Расскажу о четырёх типичных ситуациях, в которых компаниям приходится принимать решения в сложных условиях.

Запуск нового продукта или крупной фичи. В таких случаях у команды просто нет исторических данных, на которые можно опереться. Неизвестно, насколько высоким будет спрос, готовы ли пользователи платить за решение и окупится ли сама гипотеза. Также сложно заранее оценить, как новая функция повлияет на продукт в целом и на его ключевые метрики.
Поэтому команды вынуждены работать с предположениями: строить гипотезы по юнит-экономике, анализировать косвенные метрики и изучать практики в смежных нишах.

Выход на новый рынок или новую аудиторию. В этом случае меняется почти всё: GTM-стратегия, модель монетизации и потребности клиентов.

Например, при переходе от B2B-продукта для enterprise- к SMB-сегменту команда фактически выходит на новый рынок: меняются стейкхолдеры, контекст принятия решений и критерии ценности продукта. Старые данные перестают быть релевантными, а информация о конкурентах часто закрыта. Не всегда понятно, за что именно клиенты готовы платить и какие факторы влияют на выбор продукта.

В таких ситуациях ключевым инструментом становится глубокое исследование рынка и аудитории, которое помогает постепенно собирать данные и уточнять гипотезы.

Резкие изменения внешней среды. Иногда недостаток информации возникает из‑за внешних факторов, не зависящих от компании. Например, это могут быть регуляторные реформы, экономические колебания или технологические сдвиги.

В таких условиях прошлые данные быстро теряют актуальность: то, что работало раньше, уже не гарантирует результата. Поэтому компаниям приходится принимать решения, ориентируясь на текущий контекст и возможные сценарии развития.

Стратегические развилки. Стратегические изменения происходят нечасто, но оказывают большое влияние на бизнес. Это может быть смена бизнес-модели, выход в новый сегмент или сделки M&A.

Такие решения требуют серьёзного анализа и сценарного моделирования. Однако готовых данных для них почти никогда не существует — именно потому, что каждая подобная ситуация уникальна.


Как принимать решения в условиях неопределённости: три фреймворка

Когда данных недостаточно, руководителю важно не просто полагаться на интуицию, а использовать понятные модели принятия решений. Они помогают структурировать ситуацию и действовать осознанно даже при ограниченной информации.

Ниже расскажу о трёх инструментах, которые будут особенно полезны в таких условиях. Начнём с самого простого — его можно применять почти ежедневно — и постепенно перейдём к стратегической модели, которая помогает принимать решения на уровне развития бизнеса.

Фреймворк 1
Two-way/one-way door: можно ли отменить принятое решение
Один из самых практичных инструментов — модель two-way/one-way door, популяризированная американским предпринимателем, основателем интернет-компании Amazon Джеффом Безосом. Она предлагает сначала классифицировать решение, а уже потом оценивать его.

Все решения по этой модели делят на два типа:

• Two-way door — обратимые решения. Если команда ошиблась, можно всё откатить и попробовать другой подход.
• One-way door — почти необратимые решения, где цена ошибки высока и откат может быть крайне сложным или дорогим

Такой подход помогает понять, сколько времени и данных действительно нужно для принятия решения. Например, если решение обратимое, можно снижать требования к объёму информации и действовать быстрее. Если же оно необратимое — стоит замедлиться и усилить проверку гипотез.


Фреймворк 2
Pre-mortem: представьте, что всё уже провалилось
В управлении продуктами (особенно в IT-командах) многие знакомы с форматом post mortem — разбором ошибок в инцидентах и технических сбоях после того, как проблема уже произошла. Фреймворк pre-mortem работает «в другую сторону»: команда заранее моделирует ситуацию, в которой проект потерпел неудачу, и пытается понять, что могло к этому привести.

Суть метода проста: перед запуском инициативы участники мысленно переносятся в будущее и отвечают на вопрос: «Прошло полгода, проект провалился. Что именно пошло не так?»

Такой подход помогает увидеть риски, которые часто остаются незамеченными. Когда команда вдохновлена идеей и уверена в её успехе, внимание обычно сосредоточено на позитивном сценарии. В результате часть факторов оказывается вне поля зрения. Метод pre-mortem позволяет заранее обнаружить такие слепые зоны — например, организационные ограничения, неверные продуктовые гипотезы, недостаток ресурсов или ошибки в оценке рынка.

Фреймворк можно использовать как самостоятельно, так и в команде. Во втором случае он превращается в структурированный мозговой штурм: участники формулируют возможные причины провала, после чего команда группирует риски и определяет, какие из них можно смягчить ещё до запуска проекта.

В условиях неопределённости этот инструмент особенно полезен: он помогает заранее проговорить рискованные сценарии и снизить вероятность критических ошибок, даже если исходных данных для принятия решения немного.

Фреймворк 3
Horizons framework: как управлять разной степенью неопределённости

Фреймворк horizons framework используется для стратегического планирования и помогает работать с решениями разного масштаба. Модель, разработанная консультантами McKinsey & Company, делит развитие бизнеса на три горизонта:

Horizon 1 — настоящее. Это направления, которые обеспечивают текущую выручку и операционную устойчивость компании.
Horizon 2 — развивающиеся направления. Трансформация существующих процессов и поиск новых точек роста.
Horizon 3 — будущее. Эксперименты, новые рынки и потенциально новые бизнес-модели.
Каждый горизонт предполагает разную степень неопределённости. В рамках первого горизонта данных обычно достаточно, поэтому решения принимаются на основе аналитики и операционных показателей. А в рамках третьего горизонта, наоборот, данных почти нет — компаниям приходится действовать на основе гипотез и стратегических предположений.

Когда организации не разделяют эти горизонты, возникают перекосы. Одни компании сосредотачиваются только на текущем бизнесе и перестают инвестировать в будущее. Другие, наоборот, увлекаются инновациями и начинают рисковать устойчивостью основного бизнеса. Модель horizons framework позволяет удерживать баланс между этими направлениями.

Как доносить решения до команды и руководства, когда данных не хватает

Недостаток данных делает любую инициативу уязвимой для критики. Когда аналитики недостаточно, идеи часто воспринимаются как рискованные или недостаточно обоснованные. Поэтому важную роль играет не только само решение, но и то, как руководитель объясняет его команде и руководству. Вот что я рекомендую:

• Говорите языком гипотез, а не утверждений. Когда данных мало, лучше формулировать инициативы как проверяемые предположения. Это снижает уровень сопротивления и переводит обсуждение в конструктивную плоскость: команда обсуждает не то, правильное это решение или неправильное, а какие данные помогут подтвердить или опровергнуть гипотезу.

• Делите большие решения на короткие итерации. Долгосрочные инициативы с неясным результатом часто вызывают недоверие. Поэтому эффективнее разбивать их на небольшие этапы: сначала проверить ключевые предположения, затем масштабировать успешные решения. Такой подход позволяет быстрее получать обратную связь и снижает риск крупных ошибок.

• Задавайте стратегическую рамку. В любых условиях от руководителя ждут ясности. Команде важно понимать, куда движется продукт или компания, какие цели стоят на горизонте одного-двух лет и как текущие решения связаны с этой стратегией. Понятная рамка помогает воспринимать отдельные эксперименты как часть общей логики развития.

Мария Терешкина
Ксеня Шестак

Возврат к списку