Механизмы власти. 57 правил управления компанией и страной. Майкл Барбер
Читать онлайн книгу.
это риск для репутации. Но мысль Дэвида была верной: если хочешь, чтобы тысячи государственных служащих брали свою долю ответственности в процессе достижения цели, нужно четко дать понять, что ты тоже серьезно относишься к своей.
Нейт Сильвер в книге «Сигнал и Шум. Почему одни прогнозы сбываются, а другие – нет»[13], авторитетном исследовании «искусства и науки предсказаний», подталкивает нас к вероятностному мышлению при прогнозировании: вместо «кажется, завтра будет дождь» – «с вероятностью 90 % завтра будет дождь». Это, конечно, правильный способ аналитического мышления на этапе обсуждения целевых показателей. Сильвер доказывает еще одно ключевое положение – опасно основываться исключительно на данных. Своим анализом игр Главной лиги бейсбола он спровоцировал оживленную дискуссию относительно того, что служит лучшим предсказанием будущих побед: анализ данных или мнение скаутов. Он приходит к твердому выводу, что эффективнее всего будет их сочетание. Статистические выводы намного более надежны, если они подкреплены теорией и авторитетным мнением или, по крайней мере, более глубоким осмыслением коренных причин. Как говорит экономист Ян Хациус (на которого ссылается Сильвер), нужен весь рассказ. Одних лишь статистических данных недостаточно.
Как бы в подтверждение тому, в 2013 г. молодой норвежец Магнус Карлсен стал чемпионом мира по шахматам, с легкостью обыграв индийца Вишванатана Ананда. У компьютеров Карлсен также выигрывает, хотя еще в 1997 г. шахматный суперкомпьютер Deep Blue выиграл у его глубокоуважаемого предшественника Гарри Каспарова. С учетом всего многократного увеличения вычислительной мощности (не говоря о том, что в анализатор было введено намного больше шахматных партий), как же так случилось, что столько лет спустя лучшие компьютеры не могут обыграть этого норвежского выскочку? Кажется, ответ в том, что компьютерный анализ помог и Магнусу Карлсену – он может извлечь все эти огромные массивы информации из компьютера, а затем еще применить свою субъективную оценку. На последнее компьютер, конечно, не способен. Подобно шотландской легенде об орле и крапивнике, где орел взмывает на огромную высоту, а крапивник, сидя на спине у орла, оказывается немного выше, накладываемая на компьютерный анализ человеческая способность к рассуждению дает последнему преимущество перед машиной.
История важна, и не только как гарантия наилучшего предсказания. Чтобы целевые ориентиры могли воздействовать на тех, кто стоит «на земле», они должны мотивировать, за ними должна стоять нравственная цель. Без этого ни глубокий анализ, ни успешный бенчмаркинг, ни вероятностное мышление – ничто не даст результат. Кто-то – в идеале, лидер – должен рассказать хорошую историю. Представьте себе, как накануне битвы при Азенкуре Генрих V произносит свою речь «о нас, о горсточке счастливцев, братьев…», а дальше сообщает, что, поскольку обстоятельства против них, их шансы на победу составляют 10 % или что в семи из десяти проведенных сражений, подобных этому, выигрывала та армия, что воевала
Сильвер Нейт. Сигнал и Шум. Почему одни прогнозы сбываются, а другие – нет. Спб.: Азбука-Аттикус, 2015.