Как принимать качественные решения на основе данных
Рекомендации руководителям от главного специалиста по теории принятия решений в Google
Хорошая привычка для того, кто принимает решения: примите решение заранее. Ключом к процессу принятия решений должно стать заблаговременное определение контекста решения. Это нужно делать еще до того, как вы приступите к поиску данных. Этому навыку обычно не учат на курсах по обработке и анализу данных. Чтобы овладеть им, нужно изучить социальные науки и науки об управлении. Очень жаль, что они не преподаются там, где они больше всего нужны, т. е. в сфере управления проектами с использованием данных. Даже в статистике, которая считается наукой о принятии решений в условиях неопределенности, большинство упражнений для студентов уже имеют заранее заданный контекст. Профессор обычно предлагает гипотезу за студента или формулирует вопрос таким образом, что имеется только один верный ответ. Там, где есть правильный ответ, руководителю остается просто двигаться по определенному пути.
Многие руководители полагают, что, когда они смотрят на статистику, формируют мнение и приводят решение в исполнение, их действия основываются на данных. Но такое решение в лучшем случае можно назвать «вдохновленным данными». Вдохновленный данными процесс принятия решений – это процесс, при котором мы слегка касаемся каких-то показателей, доходим до переломного момента в наших эмоциях и затем делаем выбор. Рядом с решением фигурировали какие-то числа, но эти числа не определяли решение. Решение родилось совсем иначе. Все это время оно уже на самом деле было и определялось неосознаваемыми предубеждениями человека, который его принимал.
Одна из главных проблем с принятием решений, вдохновленных данными, – склонность к подтверждению своей точки зрения. Лица, принимающие решения, по-разному будут воспринимать факты в свете уже имеющихся убеждений. Если вы свободно можете сменить цель после того, как узнаете, что покажут данные, то подсознательно именно так и поступите. Чтобы решить эту проблему, нужно установить цель заранее и противостоять искушению сменить ее постфактум.
Вот почему специалисты по поведенческой экономике обучены устанавливать критерии решений заранее, еще до поступления информации. Многие из нас крепко усваивают эту стратегию в качестве прочно сидящей в голове привычки, поскольку она лучшее противоядие от склонности к подтверждению имевшейся точки зрения. Скажем, мы можем спросить себя, какова наибольшая сумма денег, которую я готов заплатить за билет, еще до того, как узнаем цены.
Оставляя критерии решения открытыми, вы вольны использовать данные избирательно, чтобы подтвердить уже сформировавшийся глубоко внутри вас выбор. Вы просто используете данные, чтобы чувствовать себя увереннее, приняв решение, которое вы бы и так приняли. Большинство людей поступают именно так.
Еще одна человеческая слабость, которой нужно избегать, – эффект IKEA, когда вы слишком высоко оцениваете что-то по той причине, что вложили в это свои усилия. Проще говоря, если люди инвестируют время в проект, они с очень большой вероятностью начнут любить свое детище. И тот факт, что это детище может оказаться плохим и никому не нужным, не изменит их восприятия. Они начнут вести внутренний торг, говоря себе: «Но ведь показатели нового прототипа не настолько уж плохи, я все еще могу выпустить это...» Чтобы не пасть жертвой этих эффектов и на самом деле использовать данные для принятия решений, важен порядок. Вам нужно задать контекст решения заранее. И первая часть этого процесса – определить, что вы планируете делать в условиях отсутствия новых данных. Что вы купите, запустите, улучшите, продолжите или не купите, не запустите, не улучшите, не продолжите по умолчанию? Это называется действиями по умолчанию. Этот метод будет работать в том случае, если вы определитесь, какие шаги кажутся вам наименьшим злом в условиях полного неведения.
Выбор действий по умолчанию – сложная задача. Вы спрашиваете себя: «Если я не увижу больше никаких новых данных, кроме тех, которые уже видел, что я буду делать?» Ответ на этот вопрос требует сильного характера – на откуп данным такое не отдашь. Вам нужно серьезно подумать об имеющейся проблеме и дать честный ответ на вопрос: «Что я буду делать, если буду вынужден принять решение прямо сейчас?»
Например: «Вот новое лекарство или новая система машинного обучения. Я не знаю, работает ли оно. Должен ли я по умолчанию принять решение об использовании или нет?» Большинство людей ответят отрицательно.
Как только вы определились с вашими действиями по умолчанию, вы можете свободно начать думать о данных. Но даже после этого первым шагом не должен быть их сбор и анализ. Нужно подумать, как вы будете реагировать на данные, когда они появятся. Какими они должны быть, чтобы заставить вас отказаться от вашей стратегии по умолчанию? Вы должны представить разные реальные последствия. Определите, является ли ваш выбор по умолчанию правильным для каждого из них, а затем создайте метрику, которая подскажет вам, в какой же из реальностей вы находитесь. Наконец, вам стоит обдумать, какого уровня значимости должны быть свидетельства, которые могли бы заставить вас отказаться от выбора по умолчанию, и какова будет ваша терпимость к риску. Только после этого можно браться за статистику.
Об авторе: Кэсси Козырьков – главный специалист по теории принятия решений в Google