Читаем Smart Management онлайн бесплатно
Перевод этой книги подготовлен сообществом "Книжный импорт".
Каждые несколько дней в нём выходят любительские переводы новых зарубежных книг в жанре non-fiction, которые скорее всего никогда не будут официально изданы в России.
Все переводы распространяются бесплатно и в ознакомительных целях среди подписчиков сообщества.
Подпишитесь на нас в Telegram: https://t.me/importknig
Йохен Реб & Шенхуа Луань & Герд Гигеренцер «Умный менеджмент. Как простые эвристики помогают лидерам принимать правильные решения в неопределенном мире»
Оглавление
Часть
I
1 То, чему вас (скорее всего) не научат в бизнес-школе
Помните пандемию COVID-19, последующее нарушение глобальных цепочек поставок и вызванный этим дефицит товаров? До пандемии многие учреждения цеплялись за иллюзию определенности - веру в то, что мир более определен, чем он есть на самом деле. После десятилетий, в течение которых мы придерживались предположения, что все риски можно предвидеть, количественно оценить и контролировать, в корпоративные и государственные структуры вновь приходит осознание реальности неопределенности. Различие между риском и неопределенностью лежит в основе принятия эффективных решений с помощью умной эвристики.
В бизнес-школах учат многим навыкам, но, как правило, упускают некоторые из самых полезных, когда речь идет о принятии решений. Это упущение не случайно. Курсы по менеджменту, лидерству и финансам учат начинающих менеджеров, что рациональное принятие решений означает выбор альтернативы с наибольшей ожидаемой полезностью, что требует предвидения всех возможных последствий каждого потенциального варианта. Хорошие менеджеры, как говорится, ищут все подходящие варианты, тщательно анализируют все возможные последствия, взвешивают полезности по вероятностям и вычисляют, какой вариант максимизирует ожидаемую полезность. Во всем мире в бизнес-школах этой процедуре обучают легионы студентов. Утверждение "чем больше, тем лучше" превратилось в статью веры: предполагается, что больше данных, больше обработки информации и больше анализа улучшат процесс принятия решений.
Когда-то давно Бенджамин Франклин посоветовал своему племяннику, который подумывал о женитьбе: Если сомневаетесь, перечислите плюсы и минусы всех вариантов, взвесьте их и сделайте расчет; в противном случае вы никогда не женитесь. 1 Однако мало кто выбирает себе партнера, делая расчет, и это вполне справедливо. Поиск подходящего партнера сопряжен с высокой степенью неопределенности, о чем свидетельствует количество разводов. Когда речь идет о браке, невозможно предугадать все возможные последствия, не говоря уже об их точной вероятности. То же самое происходит и в бизнесе: невозможно предугадать все возможные последствия выхода на зарубежный рынок, приобретения компании или найма нового генерального директора.
В общем, процедура максимизации ожидаемой полезности, которой учат в бизнес-школах и которую пропагандировал Бенджамин Франклин, полезна в стабильных, четко определенных ситуациях, когда ничего неожиданного не происходит. Однако руководители компаний работают во все более изменчивом, неопределенном, сложном и неоднозначном мире (VUCA). Здесь советы собирать всю информацию, рассматривать все варианты и предвидеть все возможные последствия и связанные с ними вероятности малоэффективны. Он создает иллюзию уверенности.
Тем не менее, менеджеры регулярно решают, кого нанять, когда завершить проект и приобрести другую компанию. Чтобы принять эти решения, они полагаются на набор инструментов, называемых эвристикой. Удивительно, но в бизнес-школах редко обучают студентов тому, как использовать эти мощные инструменты для принятия разумных решений. Вместо этого, если эвристика вообще упоминается, ее представляют как нечто, чего следует избегать в пользу более сложных стратегий принятия решений. Научно-популярные книги повторяют этот негативный взгляд и склонны приписывать (задним числом) всевозможные бедствия, от ожирения до финансовых кризисов, "эвристике и предубеждениям". 2 В этой книге мы поделимся с вами более позитивным, реалистичным и практичным взглядом и дадим систематическое введение в науку и искусство принятия эвристических решений.
Эвристика - это простое правило, которое позволяет принимать решения быстро, экономно и точно. Эвристики являются необходимыми инструментами в ситуациях неопределенности (т. е. когда условия, необходимые для максимизации полезности, отсутствуют). Различие между ситуациями риска, когда максимизация возможна, и ситуациями неопределенности, когда она невозможна, восходит к экономисту Фрэнку Найту. 3 С тех пор она упоминается практически в каждом учебнике по экономике, но впоследствии игнорируется. Здесь мы уделяем неопределенности то внимание, которого она заслуживает, и, следовательно, серьезно относимся к эвристике.
Вначале мы познакомимся с тремя лауреатами Нобелевской премии по экономике. Что они думали о принятии решений? И как они на самом деле принимали свои решения?
Герберт Саймон и сатисфакция
В 1978 году Герберт А. Саймон был удостоен Нобелевской премии по экономическим наукам "за его новаторские исследования процесса принятия решений в экономических организациях". 4 Процесс принятия решений может определить подъем или падение организации. Поразительно, однако, что этот самый процесс редко рассматривается в теориях организаций и экономики. Вместо этого экономическая теория утверждает, что менеджеры ведут себя так, будто максимизируют свою ожидаемую полезность, независимо от того, как они принимают решения. Саймон отверг предположение классической теории о том, что руководители являются всезнающими максимизаторами прибыли или полезности, и подчеркнул полное отсутствие доказательств того, что теория описывает, как на самом деле принимаются решения. Отвечая на подобную критику, Милтон Фридман в 1953 году знаменито заявил, что не имеет значения, описывает ли ожидаемая максимизация полезности процесс принятия решений или нет; это просто инструмент для предсказания поведения, и все, что имеет значение, - это точность предсказания.
Однако обзор пятидесятилетних исследований функций полезности - в том числе функций полезности дохода, функций полезности богатства и функции ценности в теории перспектив - показал, что способность функций полезности "предсказывать вне выборки находится в диапазоне от слабой до несуществующей". 5 Этот вывод подтверждает критику Саймона о том, что теория ожидаемой полезности не только не описывает, как принимаются решения, но и является слишком неопределенной и гибкой, чтобы хорошо предсказывать.
Вне выборки означает, что прогнозы делаются за пределами данных, использованных для создания модели. В отличие от этого, полезность и другие сложные модели часто проверяются путем простого подбора их параметров к уже известным данным о выборе. Иногда ошибочно говорят, что эти модели "предсказывают" решения, в то время как на самом деле они оптимизируют соответствие с прошлыми данными. Оптимизация - это математическая концепция, которая означает определение максимума или минимума кривой, например кривой полезности. Различие между подгонкой и предсказанием очень важно. Очевидно, что более сложная модель с большим количеством свободных параметров может лучше соответствовать прошлым данным. Однако часто полученная в результате модель оказывается слишком подходящей и менее способной к прогнозированию - например, когда будущее не похоже на прошлое. 6 Таким образом, даже если принять сомнительный аргумент Фридмана о том, что теории должны только предсказывать результаты, а не описывать процесс поведения, ожидаемая полезность все равно будет плохо работать: она не описывает и не предсказывает хорошо, по крайней мере в неопределенном мире бизнеса.
Вместо этого Саймон предложил лицам, принимающим решения, удовлетворять их в ситуациях, когда оптимизация невозможна. Термин "сатисфичинг", возникший в Нортумбрии (регион в Англии на границе с Шотландией), означает "удовлетворять". Саймон узнал о сатисфакции из непосредственного опыта: В середине 1930-х годов, только что закончив занятия по экономической теории в Чикагском университете, он попытался применить максимизацию полезности к бюджетным решениям в департаменте отдыха родного Милуоки. К своему удивлению, он узнал, что менеджеры не сравнивают предельную полезность предлагаемых расходов с их предельными затратами. Вместо этого они просто вносили дополнительные изменения в прошлогодний бюджет, занимались привычками и торговались или голосовали на основе своей идентификации с организациями. Саймон пришел к выводу, что в реальном мире бизнеса рамки максимизации полезности "безнадежны". 7 Этот опыт привел его к новому вопросу: Как люди рассуждают, когда условия рациональности, постулируемые моделью неоклассической экономики (например, наличие полной информации и работа в условиях риска, а не неопределенности), не выполняются? Он нашел ответ в эвристических процессах, включая распознавание, удовлетворение, эвристический поиск и уровни стремления. Изучение эвристики позволяет нам как описывать процесс, так и предсказывать результаты решений.
Саймон жил так, как учил его сатисфакция. Он принимал решения легко и быстро, рассматривая лишь несколько вариантов и их основные последствия. По словам его дочери, Кэтлин Саймон Фрэнк, он всегда был готов жить с результатами своих решений, а не постоянно обдумывать их. 8 Он был очень приземленным, вел экономный образ жизни, каждый день носил одну и ту же одежду. У него было всего три рубашки: одна, которую он носил, одна в стирке и одна в шкафу. Саймон вел сытую жизнь, используя сэкономленное таким образом время для того, чтобы предаваться своей любви к широкому научному чтению, слушать своих студентов и обсуждать идеи.
Гарри Марковиц и правило 1/N
Через двенадцать лет после Саймона, в 1990 году, Гарри Марковиц получил Нобелевскую премию по экономическим наукам за теорию выбора портфеля. В отличие от теории Саймона, которая описывала, как люди на самом деле принимают решения, теория Марковица была нормативной, то есть она предписывала, как инвесторы должны распределять богатство в активах, различающихся по доходности (среднему значению) и риску (дисперсии). Марковиц был награжден за разработку математической формулы - средневариационного портфеля, - которая направлена на максимизацию прибыли. В бизнес-школах по всему миру продолжают преподавать его формулу и ее многочисленные варианты. Метод требует исчерпывающего анализа финансовых данных для прогнозирования будущих доходностей, вариаций и ковариаций. Для большого количества активов это может потребовать оценки тысяч или даже миллионов чисел.
Когда Марковиц занимался собственными инвестициями в период после выхода на пенсию, можно было бы предположить, что он следовал своей собственной формуле, удостоенной Нобелевской премии. На самом деле он опирался на эвристику, известную как правило 1/N: инвестируйте свои деньги поровну в N вариантов. Если N = 2, это означает распределение 50:50, и так далее. В поведенческих финансах опора на 1/N называется наивной диверсификацией и объясняется когнитивными ограничениями и иррациональностью людей. Но это явно не относится к экономисту с таким авторитетом, как Марковиц. Позже он объяснил, что его решение инвестировать в равной степени в акции и облигации направлено на то, чтобы избежать будущих сожалений: "Знаете, если фондовый рынок пойдет вверх, а меня на нем не будет, я буду чувствовать себя глупо. А если он упадет, а я буду на нем, я буду чувствовать себя глупо. Так что я выбрал 50 на 50". 9
Те, кто считает 1/N наивным, упускают из виду важный факт. Теория выбора портфеля Марковица оптимальна только в мире, где можно предвидеть все будущие доходности, вариации и ковариации всех активов. Однако в неопределенном мире оценка тысяч или миллионов параметров на основе прошлых данных приводит к чрезмерной подгонке. Правило 1/N, напротив, не имеет свободных параметров, поэтому оно не может привести к перестройке. То, что кажется ограничением - отсутствие свободных параметров - может оказаться преимуществом в прогнозировании. Соответственно, последующие исследования показали, что при инвестировании в акции правило 1/N часто превосходит портфель средней дисперсии, поскольку оно более надежно и не перестраивается. 10 Меньше может быть больше.
Райнхард Зельтен: Теория игр и проблемы реального мира
