Как принять правильное управленческое решение

Искажение 2. Извлечение из памяти (зависит от особенностей структуры памяти)

Задача 2. Какой процент слов в английском языке начинается с буквы «а»?

Задача 3. У какого процента слов в английском языке третья буква «а»?

Большинство людей полагают, что слов, начинающихся с буквы «а», в английском языке больше, чем слов, в которых буква «а» третья, но на самом деле наоборот. Слов, начинающихся с буквы «а», в английском языке примерно 6 %, а слов, в которых «а» на третьем месте, – более 9 %. Почему люди уверены в обратном? Потому что нам легче извлекать из памяти слова по их первой букве, чем по третьей (Tversky & Kahneman, 1973), в чем вы можете сами убедиться, попытавшись сделать и то, и другое. Вспоминать слова на букву «а» легче, поэтому нам кажется, что их больше, чем слов, где буква «а» третья.

Тверски и Канеман (Tversky & Kahneman, 1983) продемонстрировали предвзятость вспоминания, попросив участников оценить, насколько часто встречаются слова из семи букв с буквой «n» на шестой позиции. Их респонденты сочли, что таких слов меньше, чем слов из семи букв с окончанием «-ing». Очевидно, что все наоборот, поскольку у всех слов из семи букв с окончанием «-ing» на шестом месте находится буква «n». Тверски и Канеман делают вывод, что слова с «-ing» легче извлекаются из памяти из-за характерного окончания, а поиск слов, в которых на шестом месте буква «n», более затруднителен и не выявляет эту группу слов так легко.

Мир структурирован во многом в соответствии с нашими стратегиями поиска. Выкладка товаров в супермаркете ориентирована на то, как покупатели перебирают в голове товары в поисках чего-то определенного. Почему на одном перекрестке находится несколько заправок? Почему престижные марки стараются открывать магазины в одном торговом центре? Почему крупнейшие банки расположены в пределах одного-двух кварталов друг от друга? Основная причина в том, что потребители запоминают местонахождение определенного типа товаров или магазинов и соответствующим образом организуют информацию в голове. Торговые точки открывают там, куда приходят в поисках соответствующих товаров или магазинов, – это повышает число покупателей.

Естественные для нас стратегии поиска могут нас и подвести. Например, при подборе персонала руководители часто опираются на свои социальные связи. При таком подходе не нужно разгребать сотни резюме, пришедших в ответ на вакансию, но это также существенно сужает круг поиска. Работники, нанятые по рекомендации знакомых, с большей вероятностью будут принадлежать к той же среде и культуре, что и сам руководитель, а также будут иметь похожее образование. Такая тактика экономит время, но может иметь далекоидущие последствия в плане разнообразия персонала в компании (Pager & Shepherd, 2008). Например, компания, которой руководит белый мужчина с университетским образованием, будет нанимать таких же сотрудников, не собираясь никого дискриминировать (Petersen, Saporta, & Seidel, 2000).

Как показывают первые два типа предвзятости (легкость вспоминания ввиду яркости впечатлений или структуры памяти), некорректное использование эвристики доступности может приводить к систематическим ошибкам в управленческих решениях. Мы убеждены в том, что наши воспоминания правдиво отражают мир за пределами нашего ближайшего восприятия. Принимая решения, мы должны осознавать, что интуиция может пустить нас по ложному следу, чтобы не зацикливаться на тех вариантах, к которым подталкивает нас наш мозг.

Искажения, основанные на эвристике репрезентативности

Искажение 3. Игнорирование базового уровня

Задача 4. Лизе 33 года, и она беременна первым ребенком. Ее беспокоит возможность появления врожденных заболеваний, таких как синдром Дауна. Доктор заверил ее, что ей не стоит переживать, так как вероятность рождения ребенка с синдромом Дауна у женщины ее возраста составляет 0,001. Тем не менее Лиза решает пройти исследование, известное как тройной скрининг. Если у ребенка есть синдром Дауна, тест дает положительный результат в 86 % случаев. При этом существует небольшая вероятность ложноположительных результатов: 5 % детей, не имеющих синдрома Дауна, диагностируются положительно. Лиза сдает анализ и получает положительный результат. С учетом результата анализа, какова вероятность, что ребенок Лизы будет страдать синдромом Дауна?

1. 0–20 %;

2. 21–40 %;

3. 40–60 %;

4. 61–80 %;

5. 81–100 %.

Как вы искали верный ответ? Если так же, как и большинство людей, то вы пришли к выводу, что у Лизы велики шансы родить ребенка с синдромом Дауна – ведь тест оказывается верным в 86 % случаев.

Проблема этого рассуждения в том, что оно игнорирует «базовый процент» – общую информацию о частоте встречаемости синдрома Дауна. В среднем из тысячи женщин возраста Лизы, которые сдадут анализ, только у одной родится ребенок с синдромом Дауна, и с вероятностью 86 % эта женщина получит положительный результат. Остальные 999 женщин родят здоровых детей – но из-за 5 %-ной вероятности ложноположительного результата почти 50 (49,95) из них получат положительный анализ. Следовательно, правильный ответ в задаче таков, что при положительном результате теста у ребенка Лизы будет синдром Дауна с вероятностью 0,86 / (0,86 + 49,95) = 1,7 %. Из-за упрощенного подхода эвристики репрезентативности специфическая информация о ситуации Лизы и результат ее анализа заставляют людей отбрасывать важные сведения, а именно базовый уровень распространения синдрома Дауна.

Эта тенденция проявляется тем сильнее, чем ярче и убедительнее специфическая информация, что Канеман и Тверски показали в исследовании 1972 г. Участникам предоставили описание человека, который любил головоломки, имел способности к математике и был интровертом. Некоторым из них сообщили, что это описание одного из группы людей, в которой было 70 инженеров и 30 адвокатов. Другим сказали, что в группа состояла из 30 инженеров и 70 адвокатов. Респондентов попросили оценить вероятность того, что описанный человек – инженер. Даже признавая, что описание не дает твердых оснований заключить, был ли человек инженером или юристом, большинство сочло, что черты характера описывают инженера, причем эта оценка практически не зависела от базового количества инженеров в группе (70 % или 30 %).

Участники корректно учитывали базовые данные, когда не было иной информации. В отсутствие личного описания люди вполне разумно пользовались базовым распределением и делали вывод, что случайно выбранный человек из группы, состоящей в основном из юристов, скорее всего, будет юристом. Таким образом, люди понимают важность информации о базовом распределении, но отбрасывают эти данные, когда получают индивидуализирующие сведения.

Игнорирование базового уровня может иметь ряд неблагоприятных проявлений. Опишем три из них:

1. Начинающие предприниматели проводят намного больше времени, воображая свой успех, нежели изучая статистику банкротств (Moore, Oesch, & Zietsma, 2007). Бизнесмены полагают, что базовый уровень неудач не имеет к ним отношения. В результате многие из них все теряют.

2. Университеты отдают предпочтение абитуриентам из школ с более снисходительным подходом к оценкам. Игнорируя базовое распределение оценок в разных школах, приемные комиссии воспринимают высокие оценки как свидетельство более существенных академических успехов – даже если абитуриент учился в школе, где всем ставят хорошие оценки (Moore, Swift, Sharek, & Gino, 2010; Swift, Moore, Sharek, & Gino, 2009).

3. Люди склонны осуждать тех, кто потерпел неудачу, даже если неблагоприятный исход наступил по воле случая (Gino, Moore, & Bazerman, 2009). Из-за действия эвристики репрезентативности мы склонны считать, что наши действия и последующие события связаны причинно-следственной связью, даже если это не так.

Искажение 4. Игнорирование размера выборки

Задача 5. В городе работают два роддома, большой и маленький. В большом роддоме каждый день рождается около 45 младенцев, а в маленьком – около 15. Как известно, примерно 50 % детей – мальчики, однако точное количество мальчиков и девочек немного меняется день ото дня. Иногда мальчиков больше половины, иногда меньше (Тверски и Канеман, 1974).

На протяжении года каждый роддом отмечал дни, в которые мальчиков родилось более 60 %. В каком роддоме, по вашему мнению, зафиксировали больше таких дней?

1. В большом роддоме;

2. В маленьком роддоме;

3. Примерно одинаково (в пределах 5 %).

Большинство выбирает вариант «в», ожидая, что количество дней, в которых рождается 60 % или еще больше мальчиков, будет примерно одинаковым в обоих роддомах – но здесь важно учитывать размер выборки. Статистически у нас намного больше шансов обнаружить 60 % мальчиков в меньшего размера выборке, нежели в большей. Представьте, что вы бросаете монету. Что более вероятно: получить более 60 % орлов их трех бросков монеты или из 3000 бросков? Три броска монеты дадут более 60 % орлов в половине случаев. 10 бросков монеты дадут более 60 % орлов примерно в 17 % случаев. Три тысячи бросков – и 60 % орлов выпадут с вероятностью лишь 0,000001 % (один раз из миллиона). И все же большинство считает, что вероятность одинаковая для обоих роддомов, игнорируя размер выборки.

Размер выборки – это фундаментальная переменная в статистике, но, согласно Тверски и Канеману (Tversky & Kahneman, 1974), мы редко ее учитываем, потому что, имея дело с выборками, люди пользуются эвристикой репрезентативности. Например, они размышляют о том, насколько типичным является случай рождения 60 % мальчиков в один день, а не о размере выборки. А именно он критичен для решения задачи.

Посмотрим, что означает это искажение для рекламной стратегии. Специалисты по маркетингу прекрасно знают, что больший объем выборки дает более точные оценки, но ради выгоды своих заказчиков пользуются ошибками мышления потребителей: «Четверо из пяти стоматологов рекомендуют жевательные резинки без сахара». Но без упоминания общего числа опрошенных стоматологов результаты опроса ничего не значат! Если в опросе приняли участие 5–10 дантистов, размер выборки не позволяет судить обо всех представителях этой профессии.

Искажение 5. Неверное понимание случайностей

Задача 6. У вашей пары трое детей, все девочки. Сейчас, ожидая четвертого ребенка, вы задаетесь вопросом, больше ли шансов в этот раз, что родится мальчик? Какова вероятность, что у вас родится еще одна девочка?

1. 6,25 %, то есть ¹/₁₆ – потому что вероятность, что родятся четыре девочки подряд, равна ¹/₁₆;

2. 50 %, то есть ¹/₂, потому что примерно одинаковы шансы родиться и у мальчика, и у девочки;

3. 6,25–50 %.

Используя эвристику репрезентативности, большая часть людей интуитивно склоняется к тому, что рождение четырех девочек подряд маловероятно, поэтому они предполагают, что в этом случае вероятность рождения девочки обязана быть меньше 50 %. Проблема в том, что пол ребенка каждый раз определяется случайно, и гены, от которых он зависит, не знают, сколько до этого у пары родилось девочек.

Этот вопрос созвучен исследованию Канемана и Тверски (Kahneman & Tversky, 1972), согласно которому люди ожидают, что последовательность случайных событий будет выглядеть хаотичной. А именно: участники опроса сочли последовательность выпадения орла и решки О–Р–О–Р–Р–О более правдоподобной, чем О–О–О–Р–Р–Р, которая непохожа на случайную, и чем О–О–О–О–Р–О, которая будто бы не соответствует равной вероятности. Статистика, конечно, говорит нам, что все эти последовательности одинаково вероятны из-за независимости каждого из последовательных случайных повторений опыта.

Задача 6 провоцирует нашу веру в то, что случайные и неслучайные события компенсируют друг друга. Будет ли четвертый ребенок мальчиком? Может быть. Но ваши предыдущие успехи в зачатии девочек не будут иметь к этому отношения.

Логика, стоящая за непониманием сущности случайностей, стоит и за известной «ошибкой игрока». Получив слабые комбинации в 10 раундах покера, игрок убежден, что теперь ему «положена» сильная комбинация. Выиграв тысячу долларов в лотерее штата Пенсильвания, женщина меняет свое счастливое число – ведь не может одно и то же число выпасть дважды? Тверски и Канеман (Tversky & Kahneman, 1974) пишут: «Случайность часто видится людям как самокорректирующийся процесс, в котором отклонение в одну сторону неизбежно влечет компенсацию в другую сторону, чтобы восстановить равновесие. На самом деле отклонения не исправляются по ходу случайного процесса, они просто растворяются в большем объеме данных».

В предыдущих примерах герои надеялись, что случайные отклонения выровняются. В некоторых ситуациях наш разум истолковывает случайность шиворот-навыворот. Наше понимание случайности, по-видимому, зависит от того, насколько контролируемым, целенаправленным и простым кажется итог опыта (Oskarsson, Van Boven, McClelland, & Hastie, 2009). При очевидно случайных исходах, типа брошенной монеты или набора генов, эвристика репрезентативности заставляет нас ожидать автоматически корректируемый процесс, стремящийся походить на случайный. Но если опыт осуществляется целеустремленным субъектом, мы рассматриваем последовательности как намеренные или как минимум как отражающие способности субъекта. Если ваш любимый спортсмен не промахнулся четыре раза подряд, будет ли вероятность его следующего попадания выше, ниже или такой же, как если бы предыдущих четырех попаданий не было? Большинство фанатов, комментаторов и игроков отвечают «выше». Нам кажется, что баскетболист, забросивший мяч в корзину несколько раз подряд, в ударе!

Можно указать кучу биологических, эмоциональных и физических причин, почему это может быть правдой, но исчерпывающие исследования продемонстрировали, что это мнение фантастически, ошеломляюще неверно! Анализируя броски команды «Филадельфия Севенти Сиксерс» и «Бостон Селтикс», Гилович, Валлоун и Тверски (Gilovich, Vallone, & Tversky, 1985) обнаружили, что результаты спортсмена перед броском никак не меняли вероятность промаха. С этим соображением сложнее всего смириться! Все мы помним серии из пяти попаданий подряд, полосы удач для нас – неотъемлемая часть спорта. Но мы не думаем о серии из четырех попаданий: «На пятый раз он промахнулся». Мы усматриваем ложную связь, хотя фактически это все та же ситуация работы случая (точнее, обычной для конкретного игрока вероятности успеха).

Вера в феномен игрока «в ударе» происходит от умения человеческого мозга распознавать паттерны. Мы узнаем лица, читаем плохой почерк, понимаем искаженную речь лучше, чем самый совершенный компьютер. Но эта же способность заставляет нас видеть паттерны там, где их нет. Несмотря на отчаянную веру фанатов, тысячи исследований доказывают, что такого понятия как «в ударе» не существует – есть только вероятностные последовательности и случайные серии результатов, частично зависящие от мастерства игрока, а частично от удачи (Reifman, 2011).

Вера, что существует состояние «в ударе», оказывает интересное влияние на тактику игроков. Передача мяча игроку «в ударе» повсеместно считается хорошим маневром. Соответственно, команда соперников будет больше опекать такого игрока. Но представьте, что другой член команды, который не «в ударе», но с таким же уровнем мастерства, находится в более выгодной позиции. В этом случае вера в игрока «в ударе» не только ошибочна, но и чревата потерей очков.

Непонимание случайностей не ограничивается игроками, спортивными фанатами и дилетантами. Психологи-исследователи Тверски и Канеман (Tversky & Kahneman, 1971) установили, что сами ученые подвержены эффекту «малой выборки»: им кажется, что выводы, сделанные по малой выборке, должны куда лучше переноситься на всю популяцию, из которой была сделана выборка, чем это диктуют законы статистики. Чрезмерно веря в первые результаты, ученые переоценивают степень, в которой найденные эффекты можно обобщить на все население. Эвристика репрезентативности так глубоко укоренена в наш мыслительный процесс, что даже научный метод и акцент на корректное применение статистики не всегда устраняют ее искажающее влияние.

Искажение 6. Регрессия к среднему

Задача 7. Вы менеджер бейсбольной команды, выступающей в премьер-лиге. Сезон 2010 г. только что завершился. Одна из ваших главных задач – прогноз результативности игроков в будущем сезоне. Вы должны предсказать показатель отбивания для девяти конкретных игроков. Этот показатель, отражающий эффективность отбивающего, лежит в диапазоне от 0 до 1, большее значение соответствует лучшему результату. Вам известны показатели отбивания девяти игроков за 2010 г., а вам необходимо дать прогноз на 2011 г. для каждого из них. Заполните значения в правой колонке.

Как, по-вашему, должен строиться подобный прогноз в отсутствие более подробной информации о каждом из игроков? Ваш ответ будет зависеть от того, насколько прогнозируемыми вы сочтете показатели отбивания – о чем мы спросили вас в задаче 11. Если вы полагаете, что показатели отбивания не меняются год от года, то вы решите, что все игроки повторят свои результаты. Если вы считаете, что прошлогодние результаты можно вообще не учитывать в прогнозе, тогда допустимо считать, что каждый игрок отработает на среднем для команды уровне за 2010 г. (0,276).

Большинство людей понимают, что связь результатов игрока в бейсбол – или, скажем, финансовых показателей компании – «год к году» неоднозначна. Законы статистики диктуют нам, что любой выходящий из ряда вон результат со временем, скорее всего, регрессирует к среднему. Игрок или фирма, удачно завершившие год, едва ли могут рассчитывать на точно такой же успех в будущем году. Но мало кто системно применяет этот принцип, когда нужно дать прогноз. Чаще всего, решая задачу 8, люди предсказывают, что в 2011 г. игрок почти в точности повторит показатель 2010 г.

На самом деле статистика показывает, что корреляция между показателями отбивания игроков бейсбольной высшей лиги двух подряд идущих сезонов составляет примерно 0,4. Игроки из задачи 8 играли за «Техас Рейнджерс», ниже приведены их имена и показатели отбивания в сезонах 2010 г. и 2011 г.

Корреляция между результатами 2010 и 2011 гг. для этих игроков оказалась примерно такой же, как и для лиги в целом (0,41). Можно заметить, что выделяющиеся в ту или иную сторону результаты оказались ближе к среднему: самые худшие показатели улучшились, а выдающиеся спортсмены показали более скромные результаты. Например, Джош Хэмилтон, лидировавший среди всех игроков Главной лиги бейсбола с результатом 0,359 в 2010 г., набрал в 2011 г. лишь 0,298. Его результат в 2011 г., хоть и вполне достойный, позволил ему занять лишь 30-е место в лиге.

Соответственно, вы могли бы дать неплохие прогнозы в задаче 8, если бы решили, что показатели отбивания всех игроков в сезоне 2011 г. окажутся на общекомандном уровне 2010 г. И было бы еще лучше, если бы вы взяли среднее значение из личного результата игрока и общекомандного показателя 2010 г.

Регрессия к среднему имеет место, когда результат помимо прочих факторов зависит от фактора случайности. У одаренных детей часто бывают менее успешные братья и сестры. У невысоких родителей рождаются дети ростом повыше. Лучшие новички скромнее выглядят в своем втором сезоне (так называемый синдром второкурсника). Фирмы, получившие огромную прибыль, показывают не такой сильный финансовый результат год спустя. И всякий раз, узнав об этом предсказуемом паттерне, люди удивляются.

Почему концепция регрессии к среднему, один из фундаментальных принципов статистики, настолько противоречит интуиции? Канеман и Тверски (Kahneman & Tversky, 1973) считают, что в этом виновата эвристика репрезентативности. По их мнению, люди обычно предполагают, что будущие результаты (например, продажи в текущем году) находятся в прямой связи с прошлыми (продажи за предшествующий год). Мы привыкли строить наивные прогнозы, основываясь на предположении идеальной корреляции с уже имеющимися данными.

В некоторых случаях интуиция все же подсказывает, что произойдет регрессия к среднему. В 2001 г., после того как Барри Бондс совершил в одном сезоне 73 «хоум-рана», мало кто ожидал, что в следующем сезоне он сможет это повторить. Когда Уилт Чемберлен заработал 100 очков в одной игре, никто не ожидал, что в следующей игре он тоже наберет 100 очков. Когда твердый троечник получает четверку в четверти, его родители не надеются на повтор этого результата в следующей четверти. Когда агент по недвижимости заключает целых пять сделок за месяц, его коллеги не верят в столь же высокие продажи в следующем месяце. Когда результат слишком незауряден, мы знаем, что долго так продолжаться не может. Таким образом, в необычных обстоятельствах мы понимаем, что неизбежна регрессия к среднему, но в обыденных ситуациях забываем это правило.

Вспомним классический пример Канемана и Тверски, в котором непонимание регрессии заставило людей переоценивать наказания и недооценивать поощрения. Рассказывая о тренировочных полетах, опытный инструктор упомянул, что после похвалы за мягкую посадку обычно следовала более жесткая посадка, а строгий выговор за неудачу приводил к улучшению. Слушатели пришли к выводу, что похвала не способствует обучению, а критика сказывается благоприятно. Очевидно, что имела место регрессия к среднему, а обратная связь могла вообще не иметь никакого эффекта. Но слушатели, подверженные искаженному суждению, решили, что наказание более эффективно, чем поощрение.

Что происходит, когда руководители забывают о принципе регрессии? Представьте сотрудника, который показал отличные результаты в отчетном периоде, – и он, и его босс могут безосновательно ожидать этого и далее. Когда результаты работника регрессируют к среднему уровню, он вместе со своим начальником будет искать оправдания случившемуся. Менеджеры, не учитывающие регрессию к среднему, обречены на ложные ожидания. Они строят необоснованные прогнозы и питают нереалистичные надежды на результаты своих сотрудников.