«Большие данные» все исправят
Остерегайтесь простых (преимущественно технических) средств от всех проблем. «Большие данные» могут помочь, но они не избавят вас от необходимости принимать решения.
Популярное изречение, часто приписываемое гуру менеджмента Уильяму Демингу, гласит: «Мы верим в Бога, все остальные пусть предоставят факты». Неплохо сказано. В эпоху «политики постправды», «фальшивых новостей» и царящего в социальных сетях неконтролируемого исступления требовать от кого-то точных фактов — значит вносить свою лепту в ценности эпохи Просвещения. Сплетни и слухи — это еще не данные. Трудные и сложные решения должны основываться на доказательствах, а не на прихотях или предубеждениях.
На самом деле единственный в какой-то мере спорный вопрос относительно данных — как правильно употреблять это слово, в единственном или множественном числе (далее мы попытаемся немного размыть различие). Чего мы хотим? Фактов. Когда мы хотим их? Прямо сейчас.
Разумеется, в менеджменте не бывает ничего простого. По-видимому, верные данные неизбежно стали жертвой проклятия нововведений в сфере управления (см. Миф 37). Это причина того, почему мифы вокруг «больших данных» множатся и почему нам пришлось написать следующие несколько абзацев.
Окей, компьютер…
Легко смеяться над Томасом Уотсоном-старшим, бывшим главой IBM, который сказал (предположительно в 1943 году), будто бы спрос на компьютеры на мировом рынке вряд ли превысит пять штук. Уотсон-старший, возможно, недооценил будущий успех этих великолепных машин или переоценил их потенциальную вычислительную мощность. Эта цитата — напоминание о том, что некоторые из предсказаний в отношении IT, даже сделанных разбирающимися в отрасли людьми, не всегда сбывались.
Это касается и данных, точнее «больших данных», — добавление прилагательного «большой» служит свидетельством, что старое понятие стало очередной жертвой причудливых нововведений. Конечно, увеличение вычислительной мощности компьютеров позволило собрать огромное количество данных. Регрессионный анализ помогает обнаруживать закономерности и связи, невидимые невооруженному человеческому глазу. Их количество может быть впечатляющим. Некоторые считают, что количество уже переходит в качество.
Но верно и то, что, если долго мучить данные, они в конечном итоге сознаются в чем угодно. И когда люди слишком полагаются на них и не видят необходимости в собственном суждении, дела могут пошатнуться.
«Я бывала на очень многих заседаниях советов директоров, где все участники смотрели на электронные таблицы с кучей данных, — говорит Маргарет Хеффернан (полностью интервью с ней см. в приложении 5). — Я не думаю, что кто-то понимал, о чем говорят цифры. Потому эти люди попросили еще больше данных… Это стало надуманным оправданием. Сегодня мы производим так много данных, что они захлестывают нас, но большинству нужны все новые и новые цифры».
Допустимая погрешность
Последние два года политической неопределенности должны были доказать даже самым верным поклонникам «больших данных», что иногда надежные цифры подводят. В 2015 году у Консервативной партии не было шансов выиграть на всеобщих выборах в Великобритании, если верить опросам избирателей об их намерениях. Но тори победили. Год спустя компетентные исследовательские компании заявили, что группа «Остаться» на референдуме в Великобритании явно впереди — по некоторым данным, на 10%, — на самом же деле группа «Уйти» заняла первое место с разницей в четыре очка. И тогда же, в ноябре 2016 года, «непревзойденная и неизбежная» Хиллари Клинтон драматично проиграла вопреки тому, что говорили почти все эксперты (а эти данные стоили весьма дорого). Впрочем, прогноз, что она соберет большинство голосов, оказался правильным — но «большие данные» никак не намекнули на вещь, имевшую значение на самом деле: что победит Дональд Трамп. Наконец, всеобщие выборы в Великобритании в 2017 году также показали, что большинство респондентов неправильно оценивали свои прогнозы.
Опросы общественного мнения, предназначенные для выявления намерений избирателей, нельзя считать точными исследованиями. Голосование — это очень личное дело, и не всегда реально выявить истинные намерения голосующего или узнать правду у того, кто не хочет ее сообщать. В конце концов, люди могут изменить свое мнение после общения с интервьюером. Псефологи давно признали, что цифры в опросах общественного мнения содержат погрешность до плюс-минус трех процентных пунктов для каждого решения при условии достаточно большой выборки.
Кто-то возразит, что опросы общественного мнения — не самый репрезентативный пример того, почему на «большие данные» не всегда можно полагаться. Нет, этот пример честный. Фирмы, проводящие опросы избирателей, — те же самые, что занимаются исследованиями рынка и зарабатывают большую часть своих денег, изучая продукты и их потребителей. Политические опросы — дело не очень прибыльное: компании проводят их по собственным маркетинговым соображениям. Но из этого следует, что руководители не должны слишком полагаться и на исследования рынка. Разве вы можете быть уверены, что покупатели действительно говорят вам то, что думают? Клиенты Генри Форда не знали, что захотят купить автомобиль, а клиенты Sony не знали, что им понадобится персональный кассетный стереоплеер.
Какие выводы о нашей растущей зависимости от «больших данных» можно сделать из сказанного? О каких опасностях нам следует помнить? Качественные методы, если применять их осторожно, бывают настолько же надежны, как методы, основанные на анализе «больших данных» (а то и превосходят их). Но прежде всего нам нужно держать в уме необходимость человеческой оценки, предполагающей использование опыта, интеллекта, воображения и — да, чувств.
«Большие данные» и сильная интуиция
Антрополог Джон Кёрран любит говорить, что интуиция бывает так же важна, как и «большие данные». Он практикует неформальные встречи с покупателями в интересах своих коммерческих клиентов, где изучает поведение людей и задает вопросы. Собираемую им информацию нельзя назвать «большими данными». Но она помогает прояснить кое-что действительно ценное, что нельзя выявить посредством стандартного массового опроса.
По-прежнему правдиво утверждение «Мусор на входе, мусор и на выходе». Большие возможности «больших данных» сперва надо проверить. Алгоритмы не безупречны. Они делают то, что задали им программисты, а те имеют предубеждения и совершают ошибки. Цифры сами по себе, представленные без человеческого осмысления, не всегда представляют ценность. Есть известное изречение (его часто приписывают Эйнштейну, но на самом деле, вероятно, это сказал социолог Уильям Брюс Кэмерон), и оно звучит так: «Не все, что считается, берется в расчет, и не все, что считается важным, поддается счету».
В фильме Нормана Джуисона 1965 года «Цинциннати Кид» персонажи Эдварда Робинсона и Стива Маккуина во время игры в покер превзошли всех соперников благодаря своей интуиции и смелости. Один игрок, опиравшийся на математические таблицы вероятностей, был раздражен и потрясен безрассудными и рискованными решениями главных героев. Но Маккуин (игравший Кида) и Робинсон (игравший Ланси) знали, что делают. Они понимали, что у «больших данных» есть пределы, и чувствовали тот момент, когда лучше довериться себе и полагаться на собственное мнение.
