Герд Гигеренцер - Понимать риски. Как выбирать правильный курс

Традиционный подход заключается в решении сложной задачи посредством сложного анализа. Одним из таких инструментов является модель Pareto/NBD [14], используемая экспертами по маркетингу {109}. Каждому покупателю она приписывает вероятность того, что он остается активным – именно эту информацию хотят получать компании. Однако, к ужасу многих экспертов по маркетингу, менеджеры часто полагаются на простые практические правила, основанные на их личном опыте. Менеджеры одной крупной международной авиакомпании полагались на правило «свежести» последней покупки (правило хиатуса [15]):

Если клиент не делал покупок в течение девяти месяцев или больше, его классифицируют как неактивного, в противном случае – как активного.

Это простое правило сосредотачивает внимание всего на одном обстоятельстве: времени совершения покупки. Оно используется в программах частых полетов, а также розничными торговцами одеждой. Но разве это правило не наивно? Ведь оно не учитывает, какую сумму потратил покупатель, каков интервал между покупками и всю прочую информацию, которую тщательно анализируют такие сложные методы, как метод Pareto/NBD, а также результаты сложных вычислений. Правило хиатуса основывается на том, что люди принимают решения иррационально, так как они имеют ограниченные когнитивные способности и не могут обрабатывать всю информацию, необходимую для принятия хорошего решения. Разве может использование одной хорошей причины сравниться с использованием многих причин и сложных вычислений?

Два профессора в сфере бизнеса провели исследование, призванное продемонстрировать превосходство сложного метода над простым правилом. Они проверили, сколько правильных предсказаний позволило получить применение сложного метода по сравнению с применением простого правила авиакомпании розничным торговцем одеждой и онлайновым продавцом CD компании CDNow {110}. Однако результаты оказались не такими, как они ожидали. В двух случаях из трех применение простого правила позволяло сэкономить время и требовало меньше информации, но, несмотря на это, давало более точные результаты. Для крупной авиакомпании простое правило правильно предсказало 77 % клиентов, а сложный метод только 74 % (рис. 6.3). Для розничного торговца одеждой простое правило оказалось еще более эффективным: 85 % правильных предсказаний по сравнению с 75 %. Наконец, для онлайнового продавца CD и простое правило, и сложный метод дали одинаково верные предсказания в 77 % случаев. Вместо того чтобы получить подтверждение своей убежденности в том, что больше информации всегда лучше, авторы обнаружили то, что я называю эффектом меньше значит больше .

Рис. 6.3. Проверка утверждения «меньше значит больше»

Source: W u bben, M., Wangenheim, F., 2008

Является ли «эффект меньше значит больше» разовым феноменом? Нет. На рис. 6.4 приведены средние результаты, полученные в ходе 20 исследований, в которых сравнивались значения, полученные в случае применения двух простых правил и сложной стратегии, получившей название «множественная регрессия» [16]. Эта стратегия широко используется в экономическом прогнозировании, в частности для предсказания продаж в следующем году; при ее применении требуется тщательно оценивать важность каждого параметра. Одно из проверявшихся простых правил, называемое методом подсчета, рассматривает все параметры как равноценные, подобно тому как метод 1/ N одинаково оценивает все инвестиционные альтернативы. Метод подсчета полагается на все сигналы, но придает им одинаковое значение. Второй метод, известный под названием «возьми лучшее», является правилом одного хорошего параметра (оно подобно «правилу свежести» последней покупки) и, как следует из его названия, делает прогноз, полагаясь только на один самый важный параметр и игнорирует все прочие {111}.

Рис. 6.4. Иллюстрация применения простых правил и сложного метода для предсказаний

Источник: Czerlinski J. et al., 1999

Здесь нам необходимо вспомнить о различии между известными рисками и неопределенностью. Известные риски имеют отношение к прошлому. Мы знаем все детали (такие, как цифры прошлогодних продаж) и можем объяснить их постфактум. Для «предсказания» прошлого сложная стратегия в этих исследованиях обеспечивала наилучшие результаты. Однако когда дело касалось неопределенного будущего, то оба простых правила давали более точные предсказания, чем сложный метод. Существует большое различие между ретроспективой и перспективой. По радио часто передают интервью с биржевыми экспертами, которых спрашивают, почему акции Microsoft или другой компании пошли вчера вверх. У них всегда имеется готовое объяснение. Это ретроспективный взгляд. Они уже знают, что произошло, и могут выбрать из имеющегося у них запаса знаний объяснение, соответствующее реальным фактам. Но их никогда не спрашивают, пойдут завтра акции Microsoft вверх или вниз. Это было бы предсказанием, а предсказание подразумевает неопределенность. Как показали многочисленные исследования, когда финансовых экспертов просят предсказать будущее поведение акций, они обычно показывают результаты на уровне случайного выбора или даже хуже.

Эффект «меньше значит больше» возникает, когда предсказания, сделанные с помощью простого правила, оказываются точнее предсказаний, полученных с применением сложной стратегии. Причина заключается не в том, что простое правило учитывает какую-то особую информацию. В ходе 20 исследований, о которых речь шла выше, в случае применения сложной стратегии использовался доступ к гораздо большему объему информации, чем в случае применения простого правила. В неопределенном мире причина заключается в том, что сложные стратегии трудно применять из-за того, что учитывается слишком много деталей, часть из которых – совершенно не нужна. Помните правило Эйнштейна, о котором говорилось в главе 5?

Что характеризует лидера? От Платона до наших дней было широко распространено представление о том, что лидеры обладают особыми личностными качествами, к числу которых относятся ум, властность, упорство и уверенность в себе. По мнению Фрэнсиса Гальтона, эти качества передаются по наследству. В последнее время модным стало утверждение о том, что способность к лидерству – это не просто сумма, а особое сочетание каких-то характеристик. Однако учет одних лишь личностных качеств выглядел не очень убедительно; ведь, в конце концов, такие термины, как «открытость» и «экстравертность», слишком неконкретны, чтобы говорить нам, какое решение должен принять лидер в данной ситуации. Но еще важнее то, что такой подход имеет дело только с индивидом и игнорирует проблемы, к которым этот индивид должен обращаться. Лидерство предполагает соответствие между индивидом и средой, вот почему нет ни одной личности, которая смогла бы стать успешным лидером во все времена и успешно справляться со всеми проблемами, требующими решения.