Тим Филлипс - Управление на основе данных. Как интерпретировать цифры и принимать качественные решения в бизнесе

На самом деле на практике мы всегда используем оба подхода. Если бы мы опирались исключительно на рациональные данные, то во главе всех лучших компаний в мире должны были бы стоять бухгалтеры и специалисты по работе с информацией. Например, по словам исполнительного директора компании BT Group [26]Гэвина Паттерсона, он всегда смотрит, насколько развита интуиция у руководителя высшего звена. При этом компания, которая занимается строительством инфраструктуры стоимостью несколько миллиардов долларов со сроком окупаемости капиталовложений 10–20 лет, не имеет права начинать проекты по наитию.

Вы проверяете сотрудников. Вы тестируете свою продукцию. Почему бы в таком случае не проверять и ваши решения?

Хэл Вэриан, автор двух известных учебников по экономике, над которыми уже не один год корпят студенты, недавно занял должность главного экономиста в компании Google. Можно понять, зачем Google нужны бухгалтеры, – суммировать всю полученную прибыль и минимизировать налоги, но вот зачем компании понадобился экономист?

Если коротко, чтобы проводить эксперименты. В учебниках Вэриана экономика описана как абстрактная научная дисциплина в виде набора математических моделей. Но, по словам Хэла Вэриана, в мире больших данных по-настоящему ценны такие экономисты, которые в состоянии соотнести теорию с тем, чем вы занимаетесь на практике.

Эксперименты – это один из важнейших способов принятия решений в компании Google. «Все знают о больших данных, – говорит Хэл Вэриан. – Большие данные нередко отражают только корреляцию, но не причинно-следственные отношения. В Google, чтобы узнать о чем-то в любой конкретный момент времени, мы проводим более 1000 экспериментов».

Ранее я уже объяснял, почему корреляция не всегда бывает причиной или следствием и что есть способы определить, действительно ли одно явление вызывает другое. Один из лучших способов для этого, если он вам доступен, – это так называемое рандомизированное контролируемое исследование. Для его проведения вы случайным образом формируете две группы: А и В. Вы изменяете только один фактор в группе В и оцениваете ее результат. Если он тоже оказался другим, то, скорее всего, это вызвано изменением того самого фактора.

Возможно, вы тоже, сами того не зная, принимали участие в экспериментах Google. Например, компания постоянно меняет последовательность отображения результатов поиска, чтобы выдавать наиболее полезные результаты в первых строках списка. Для проверки эффективности изменений компания может предложить половине пользователей новый способ отображения результатов поиска, а половине – старый, а затем проанализировать, какой из них удобнее для потребителей.

У крупных технологических компаний есть преимущество при использовании этого метода – ежедневно к их услугам прибегают миллионы пользователей. Компании имеют возможность случайным образом выдавать пользователям разные дизайны сайта, чтобы посмотреть, какой из вариантов генерирует больше продаж, или даже протестировать новый тип шрифта или логотип.

У вас может не быть подобной роскоши, но вы (в разумных пределах) способны приблизительно воспроизвести этот метод. В реальной жизни естественные эксперименты происходят сплошь и рядом, это ситуации, в которых меняется только одно обстоятельство. Каждое принятое вами решение, по сути, не что иное, как естественный эксперимент. Определите интересующие вас показатели до принятия решения (например, число дней, которое ваши коллеги берут по болезни). Определите этот показатель после принятия решения. Сравните полученные результаты, уделяя внимание тому, чтобы сравнивались сопоставимые вещи. Внедрите этот метод во все свои проекты (часто мы бываем так рады, что нам в принципе удалось принять решение, и так боимся, что оно могло оказаться неверным, что не анализируем его впоследствии).

Проблема в том, что данные могут вас подвести. В большинстве случаев информация, полученная при проведении естественных экспериментов, оказывается ненадежной основой для принятия решений.

• В Сан-Франциско исследование, проведенное управлением городского транспорта, показало, что ежемесячное число поездок на единицу такси снизилось с 1424 в месяц в марте 2012 года до 504 в июле 2014 года: падение составило 65 %, а в качестве его причины назвали появление сервиса Uber. Проблема заключалась в следующем: разница в этих двух выборках была вполне предсказуемой, потому что в июле жители Сан-Франциско обычно пользуются такси гораздо меньше; кроме того, количество автомобилей-такси на дорогах увеличилось. Другие данные опровергают сделанное заключение о негативном влиянии сервиса Uber на службу такси. Когда одна из компаний-перевозчиков проанализировала данные за октябрь 2012 года и октябрь 2014 года, оказалось, что стоимость проезда в такси выросла на 3 %.