Как лучшие руководители принимают решения на
основе данных

Как специалисту по статистике мне очень нравится цитата одного из пионеров этой области Уильяма Эдвардса Деминга: «В Бога мы веруем. А все остальные — лишь источники информации». Но как специалист в области социальных наук, я обязана предупредить вас, что многие управленцы гонятся за данными со слишком большим рвением, пытаясь избежать неосведомленности, но при этом оказываясь не в состоянии повысить уровень принятых решений. Можно ли найти здесь золотую середину? Можно, и она начинается с одной хорошей привычки для того, кто принимает решения: примите ваше решение заранее.

Ключом к процессу принятия решений должно стать заблаговременное определение рамок контекста решения. Это нужно делать еще до того, как вы приступите к поиску данных. Этому навыку, к сожалению, обычно не учат на курсах по обработке и анализу данных. Чтобы овладеть им, вам нужно изучить социальные науки и науки об управлении. Очень жаль, что мы не преподаем их там, где они больше всего нужны, то есть в сфере управления проектами с использованием данных. Даже в статистике, которая считается наукой о принятии решений в условиях неопределенности, большинство упражнений, с которыми работают студенты, уже имеют заранее заданный контекст. Ваш профессор обычно предлагает гипотезу за вас и/или выстраивает логику вопроса 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. К сожалению, такое решение можно назвать максимум «вдохновленным данными». Вдохновленный данными процесс принятия решений — это такой процесс, при котором мы слегка касаемся каких-то показателей, доходим до переломного момента в наших эмоциях и затем делаем выбор. Рядом с решением стояли 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 вдохновленным данными принятием решений — склонность к подтверждению своей точки зрения, которая влияет на то, как лицо, принимающее решение, будет воспринимать факты в свете уже имеющихся убеждений. Если вы свободно можете сменить цель после того, как узнаете, что покажут данные, то подсознательно ровно так вы 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 — лучший антидот от склонности к подтверждению имевшейся точки зрения. Скажем, мы можем спросить себя что-то вроде «какова наибольшая сумма денег, которую я готов заплатить за билет» еще до того, как мы узнаем цены.

Оставляя критерии решения открытыми, вы вольны использовать данные избирательно, чтобы подтвердить уже сформировавшийся глубоко внутри вас выбор. Вы просто используете данные для того, чтобы чувствовать себя лучше, приняв решение, которое вы бы и так приняли. Большинство людей поступают именно так, даже не осознавая этого.

Еще одна человеческая слабость, которую нужно избегать, — эффект Ikea. Вы испытываете на себе воздействие этого эффекта, если 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 кучей ядовитого мусора, не изменит их восприятия. Они начнут вести внутренний торг, говоря себе что-то вроде «Но ведь показатели нового прототипа не настолько уж плохи, я все еще могу выпустить это…» Именно так ужасные вещи и навязываются в этом мире.

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 — определиться с тем, что вы планируете делать при условии 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 для тех руководителей, которые к этому не привыкли. Вы спрашиваете себя: «Если я не увижу больше никаких новых данных, кроме тех, которые уже видел, что же 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 что-то из этого. Должен ли я по умолчанию принять решение об использовании или нет?» Большинство людей, скорее всего, ответят отрицательно, за возможным исключением тех, кто думает, что система машинного обучения будет хорошо смотреться в резюме.

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. Определившись с тем, каким будет курс ваших действий по умолчанию в условиях отсутствия новой информации, нужно подумать, как вы будете реагировать на данные, когда они появятся. Какими они должны быть, чтобы отговорить вас от вашей стратегии по умолчанию? Чтобы ответить на этот вопрос, вы должны представить разные последующие состояния реальности. 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 (Cassie Kozyrkov) — главный специалист по теории принятия решений в Google.