Андреас Вайгенд - BIG DATA. Вся технология в одной книге

Самое важное, что, получая инструменты для экспериментов с настройками обработки информации и возможность видеть, как изменяются результаты, мы приобретаем знания о функционале личных предпочтений. Что мы чувствуем, изучая возможности различных вариантов, и как это сказывается на процессе выбора? Психологи Дэниел Канеман и покойный Амос Тверски в своих эпохальных научных работах о принятии решений в условиях неопределенности показали, что при решении задач с множеством неизвестных, не позволяющих оперативно получить оптимальный результат, люди часто руководствуются эвристиками или ментальными упрощениями. Дэнни и Амос выделяли три основных типа эвристики: эвристику доступности , то есть легкость, с которой появляется некая мысль; эвристику репрезентативности , то есть желание придавать большую значимость тому, что кажется более типичным; и эвристику закрепления – склонность судить о чем-либо, отталкиваясь от некой отправной точки [421]. Почти через полвека с момента публикации их основополагающего труда образовалась целая область знаний с сотнями вариаций на тему эвристики. Однако получить лучшее представление о том, насколько мы подвержены эвристикам, можно только экспериментальным путем. А с использованием регулировок современных методов обработки данных можно исследовать свои предположения относительно текущей ситуации и ожидания от будущего.

Вот конкретный пример. Консультировать человека по поводу объема накоплений, который позволит безбедно существовать после выхода на пенсию, трудно, поскольку такой расчет будет обусловлен многими неизвестными. В каком состоянии будет экономика через пять или через десять лет? Насколько вырастут цены на энергоносители и какие новые источники энергии появятся? Каковы будут потребности человека в услугах здравоохранения, если он непредсказуемо заболеет? Все эти факторы окажут непосредственное влияние на финансовое положение будущего пенсионера, но информации о них крайне мало. Человек не сможет существенно влиять на них, даже если получит ответы от некоего оракула. Но зато он может проиграть несколько сценариев и посмотреть, какие последствия могут повлечь решения, которые он способен принимать. Поэкспериментировав с параметрами модели, например с макроэкономическими условиями и структурой пенсионных накоплений, он может оценить вероятность различных вариантов и, возможно, сделать вывод о наиболее комфортном из них, который, возможно, будет далек от первоначального представления. Нам нужно поручить инфопереработчикам создать такие инструменты многовариантного анализа и дать нам доступ к ним.

Многовариантный анализ полезен во многих областях жизни. Вообразите себя выпускником школы, которого принимают и в Гарвард, и в Стэнфорд. Какой из университетов выбрать? И как принимать решение? В 2014 году социальная сеть LinkedIn запустила сервис University Pages, который анализирует огромный массив размещенных на сайте резюме, чтобы выяснить, где работают выпускники определенного университета и как складываются их карьеры. Такая «обогащенная» информация может помочь принять решение на основе многовариантного причинно-следственного анализа, сфокусированного как на изначальных допущениях (какой университет), так и на результатах (вероятная карьера). Если у будущего студента уже есть карьерный ориентир (например, пойти работать в Google, McKinsey, Monsanto или Всемирный фонд дикой природы), он может проверить, отличает ли выпускников данного университета необычно высокая вероятность устроиться на работу к определенному работодателю. Можно посмотреть, какие университеты являются главными поставщиками кадров для определенных профессий, включая такие увлекательные занятия, как консультант общественных организаций, сценарист телесериалов или инженер по керамике. Можно поэкспериментировать с фильтрами, чтобы выяснить, какие специальные курсы, помимо основных общеобразовательных, увеличивают шансы попасть на желаемую работу после выпуска [422].

Как и во многих ситуациях выбора, планирование пенсионных накоплений и выбор высшего учебного заведения подразумевают, что придется чем-то поступиться. Часто люди не знают, насколько сильно им что-то нужно, до тех пор пока их не заставят отказаться от этого. Именно рассматривая альтернативы, мы приходим к пониманию того, какие результаты устраивают нас больше, а какие – меньше. Экспериментируя с настройками, люди получат возможность заранее оценить предстоящие варианты. Право на эксперимент открывает новые просторы для обоснования наших решений.