Дональд Сулл - Простые правила

В противовес сложным моделям простые правила берут в расчет только критически важные переменные. Отметая второстепенные факторы и малоубедительные призрачные корреляции, эмпирические правила устраняют шумовой фон. Отсутствие этого самого шума позволяет выработать решения, которые хорошо работают в широком диапазоне сценариев, а не в отдельно взятой ситуации. Вспомним правила триажа, позволяющие медикам быстро оценить тяжесть ранений, полученных в бою. Несмотря на простоту, эти принципы диагностики поразительно эффективно прогнозируют исход лечения ошеломляюще разнообразных травм [74] Field Triage Scores (FTS) in Battlefield Casualties: Validation of a Novel Triage Technique in a Combat Environment / Brian J. Eastridge et al. // American Journal of Surgery. 2010. Vol. 200, no. 6. P. 724–727. Практика ускоренной сортировки раненых (триажа) в пунктах первой помощи доказала свою работоспособность и в цивильных условиях; см.: Validation of the Emergency Severity Index (ESI) in Self-Referred Patients in a European Emergency Department / Jolande Elshove-Bolk et al. // Emergency Medicine Journal. 2007. Vol. 24, no. 3. P. 170–174. . В очень сложных системах, таких, например, как фондовый рынок или экономика в целом, где причинно-следственные связи малопонятны и к тому же со временем меняют характер, особенно велик риск чрезмерной аппроксимации. Статистики установили, что при прогнозировании экономических трендов сложные модели систематически проигрывают простым, причем точность прогнозов первых со временем нисколько не повысилась [75] Профессор Скотт Армстронг из Уортонской школы бизнеса сделал обзор тридцати трех исследований, сопоставив достоинства простых и сложных статистических моделей, при помощи которых прогнозируются результаты работы бизнеса и экономики. В двадцати одном исследовании он не обнаружил различий в точности прогнозов. В пяти исследованиях сложные модели проявили себя лучше, чем простые, а в семи исследованиях простые модели одержали верх над сложными. См.: Armstrong J. Scott. Forecasting by Extrapolation: Conclusions from 25 Years of Research // Interfaces.1984. Vol. 14. P. 52–66. Спирос Макридакис более двадцати лет устраивал серии «соревнований» для статистических моделей и систематически обнаруживал, что сложные модели уступают простым подходам. История этих соревнований обобщена в: Makridakis Spyros, Hibon Michele. The M3-Competition: Results, Conclusions, and Implications // International Journal of Forecasting. 2000. Vol. 16, no. 4. P. 451–476. . Когда моделируешь сложные системы, изощренность модели не всегда ведет к ее эффективности [76] С точки зрения статистики модель, тесно приближенную к базовой функции, которая генерирует наблюдаемые данные, называют моделью с низким смещением. Сложные модели превосходят простые в плане возможностей минимизировать смещение. Но у сложных моделей вероятность высокой дисперсии выше, поскольку они распознают шум как сигнал. Когда моделируются сложные системы с малопонятной базовой причинностью, всякий раз приходится делать выбор между смещением и дисперсией. См.: Neural Networks and the Bias/Variance Dilemma / Geman et al. .

Простые правила не только исключают чрезмерную аппроксимацию данных, но также вбирают в себя взаимосвязанные характеристики самого контекста. Кэти с Крисом Бингэмом из Университета Северной Каролины изучили предпринимательские решения о расширении бизнеса за рубежом [77] Bingham Christopher B., Eisenhardt Kathleen M. Rational Heuristics: The ‘Simple Rules’ That Strategists Learn from Process Experience // Strategic Management Journal. 2011. Vol. 32, no. 13. P. 1437–1464. . Один успешный американский предприниматель руководствовался простым правилом: «Выходи на рынки англоговорящих стран». Пускай и нехитрое, это правило фактически заместило собой целый ряд переменных, важных для успешного роста. Этот предприниматель вырос в Англии и еще в детстве познакомился с культурой государств, прежде входивших в Британское Содружество, объединившее в свое время большинство англоговорящих стран мира. В этих странах широко распространен интернет, у них высокие показатели экспорта и ВВП на душу населения, и потому они выглядели самым подходящим рынком для технологических продуктов данного предпринимателя. В сущности, это простое правило касалось не просто языка, а чего-то намного большего. Словно лакмусовая бумажка, оно позволило без глубоких изысканий сразу выделить экономически привлекательные рынки.

Мы часто полагаем, что лучший способ принимать решения — это обдумать все факторы, могущие повлиять на наш выбор, и взвесить их относительную важность. Однако психологи установили, что многие люди в попытках все учесть нередко завышают значение второстепенных факторов в ущерб тем, которые критически важны. В ходе одного исследования студентов просили, прежде чем они выберут учебный курс, обдумать и расставить по степени важности несколько факторов — таких, как необходимая учебная литература, расписание лекций, обязательные требования и рейтинг курса среди выпускников [78] Wilson Timothy D., Schooler Jonathan W. Thinking Too Much: Introspection Can Reduce the Quality of Preferences and Decisions // Journal of Personality and Social Psychology. 1991. Vol. 60, no. 2. P. 181–192. . Контрольной группе дали ту же информацию и просто попросили выбрать себе учебный курс. В итоге те, кому не предлагали взвешивать каждый фактор, приняли решение на основании лишь отзывов студентов прошлых выпусков. Недолго думая, молодые люди сосредоточили внимание на одной переменной. Как позже выяснилось, решение их однокашников, принятое с учетом всех факторов, оказалось менее удачным (это определили по степени их конечной удовлетворенности выбранным учебным курсом). А все потому, что студенты отвлеклись на малозначимые факторы и допустили ошибку, придав важнейшим факторам меньше значения, чем те заслуживали. Между тем простые правила сводят к минимуму риск переоценить второстепенные соображения, поскольку ставят в центр внимания критерии, наиболее важные для принятия удачных решений.