Milí študenti, vitajte pri ďalšej prednáške. Tentokrát si povieme, prečo sú veľmi často jednoduché vzorce a modely omnoho úspešnejšie ako renomovaní experti.
Početné a opakované výskumy potvrdzujú, že v spoločenských vedách sú štatistické predikcie omnoho presnejšie ako klinické predikcie. Alebo inak povedané, jednoduché štatistické modely vykazujú omnoho presnejšiu predikčnú schopnosť, ako zložité expertné posudzovania založené na erudovanosti a intuícii expertov. Prvý prišiel s presvedčivým dôkazom Paul Meehl. Profesionálni poradcovia predvídali budúce známky nových študentov prijatých na univerzitu. Mali k dispozícii ich známky zo strednej školy, výsledky niekoľkých testov schopností a s každým mali 45 minútový osobný pohovor. Štatistický algoritmus oproti tomu využil len zlomok týchto informácií – známky zo strednej školy a výsledky jedného testu schopností. Avšak predpovede algoritmu boli presnejšie, ako predpovede 11 zo 14 poradcov. Odvtedy sa urobili stovky podobných porovnaní a výskumov v rôznorodých oblastiach medicíny, športu, financií, práva, kriminality, atď. Všetky potvrdili víťazstvo matematiky nad expertnou intuíciou.
Jeden z výskumov je zvlášť zaujímavý a uskutočnil ho Orley Ashenfelter, profesor ekonómie na Princetonskej univerzite a milovník dobrého vína. Predmetom jeho štúdie bola predikcia budúcej hodnoty kvalitných bordeauxských vín na základe informácií dostupných v roku, kedy bolo víno vyrobené. Schopnosť predvídať budúce ceny takéhoto vína je dôležitá, pretože investori nakupujú takéto mladé víno rovnako ako obrazy s očakávaním, že sa zhodnotia, teda, že ich cena stúpne. Pritom rozdiely v cenách jednotlivých ročníkov môžu byť až desaťnásobné.
Ashenfelter vytvoril jednoduchý model, do ktorého zahrnul len tri premenné – priemernú teplotu v letných mesiacoch, množstvo zrážok v čase zberu úrody a množstvo zrážok v priebehu predchádzajúcej zimy. A výsledok. Jeho vzorec predvída budúce ceny omnoho presnejšie, než ceny mladého vína, ktoré sú (boli) dané ako výsledok expertného odhadu francúzskych enológov. Korelácia medzi skutočnými cenami a cenami na základe jeho vzorca je dokonca vyššia ako 0,9.
Reakcia francúzskych vinárov na tento výskum sa pohybovala niekde medzi divokou kritikou a hystériou. Jeden z nich povedal, že je to ako hodnotiť film, ktorý som nevidel.
Iný jednoduchý príklad: Stabilita manželstva = počet milovaní mínus počet hádok.
Jednoduché modely založené na sedliackom rozume môžu teda byť (a väčšinou aj sú) omnoho presnejšími nástrojmi predikcie ako expertné, na intuícii založené analýzy a predikcie.
Prečo je to tak? Dôležitú úlohu tu asi zohráva nekonzistentnosť expertných odhadov a ich ovplyvniteľnosť momentálnou náladou, pocitmi a podobne. Spomeňte si na štúdiu s izraelskými odvolacími sudcami, alebo s nemeckými sudcami hádžucimi kockou. Vzorce takýmto problémom nekonzistentnosti a ovplyvniteľnosti netrpia, naozaj sú konzistentné.
Ďalšou príčinou je nadmerná dôvera vo vlastné schopnosti, v dôsledku ktorej experti prisudzujú svojim pocitom príliš vysokú váhu dôležitosti.
Ochutnanie vína pri predikcii jeho budúcej ceny je v tomto prípade na škodu, nie na osoh, pretože sa na tento svoj osobný pocit spoľahnú viac, ako napríklad na to, aké počasie bolo, keď hrozno dozrievalo, aj keď vedia, že je to dôležité.
Pretrvávajúca alergia voči algoritmom je daná aj tým, že ľuďom pripadá prirodzenejšie, ak veci posudzujú živí ľudia, obzvlášť expert a nie nejaké vzorce, alebo algoritmy. Argument analógie hodnotenia vína bez ochutnania a hodnotenia filmu bez pozretia sa javí ako veľmi logický a silný, napriek tomu, že nie je.
Kedy môžeme expertom dôverovať a kedy nie?
Znamená vyššie uvedená nespoľahlivosť expertných predikcií a vyššia spoľahlivosť matematických algoritmov, že expertom netreba veriť vo všeobecnosti? Určite nie, len treba rozlišovať, kedy je spoľahlivosť expertných predikcií vyššia kedy nižšia.
Kedy je intuícia naozajstnou schopnosťou a kedy je to len ilúzia platnosti a ilúzia schopnosti? Naozajstná intuícia je schopnosť rozpoznať niečo. Aby sa takáto schopnosť rozvinula, musí sa týkať činností a prostredia, ktoré majú v sebe pravidelnosť a človek (expert) musí mať príležitosť naučiť sa tieto pravidelnosti rozpoznať, teda musí mať teoretickú, ale najmä praktickú prípravu.
Šachy sú typickým príkladom takéhoto pravidelného, usporiadaného prostredia. Podobne, aj keď menej usporiadané prostredie a podmienky majú lekári, sestry, hasiči, športovci. Na rozdiel od nich burzoví makléri, investiční poradcovia, politológovia, či klinickí psychológovia pôsobia v prostredí s omnoho horšou predvídateľnosťou a usporiadanosťou procesov.
Pokiaľ je prostredie dostatočne pravidelné, a pokiaľ mal expert dostatok príležitostí naučiť sa tieto pravidelnosti rozoznávať, môžeme jeho intuícii dôverovať.
Ďalšie časté chyby a skreslenia v myslení a konaní sú v oblasti riadenia zložitých projektov nasledovné:
- Klam plánovania
- Pohľad zvnútra a absencia pohľadu zvonku
- Iracionálna zarputilosť
- Prílišný optimizmus, nadmerná sebaistota a zabúdanie na konkurenciu
Klam plánovania je daný nerealistickými predpokladmi, ale aj motiváciou k schváleniu plánu a to je vždy pravdepodobnejšie pri podhodnotení nákladov a nadhodnotení výsledku.
Pohľad zvonku znamená porovnanie s referenčnými informáciami, napríklad podobnými projektmi, ktoré boli v minulosti realizované.
Iracionálna zarputilosť znamená, že dokonca aj v prípade existencie pohľadu zvonka a predchádzajúcich skúseností s klamom plánovania majú ľudia tendenciu nereálny projekt, alebo nereálne parametre projektu obhajovať.
Prílišný optimizmus, nadmerná sebaistota a zabúdanie na konkurenciu sú atribútmi mnohých manažérov. Platí, že mierny optimizmus je optimálny, prehnaný optimizmus však vedie k prílišnej sebadôvere a prílišnej tendencii riskovať. Je to spojené aj s nepochopením regresie k priemeru a so stotožnením šťastnejších období s vlastnou výnimočnosťou a podobne.
Možným riešením vyššie menovaných skreslení a chýb v riadení projektov (alebo aspoň zníženia rizika) môže byť tzv. predsmrtná (premortem) analýza. Vyvinul ju Gary Klein a v zásade ide o to, že ešte pred schválením nejakého dôležitého projektu sa zvolá porada, na ktorej sa dá nasledovné zadanie. Predstavte si, že sme o rok starší a projekt, ktorý sme schválili pred rokom (teda ten, o ktorom teraz rozhodujeme) skrachoval. Napíšte hneď teraz v priebehu 10 min. krátku históriu tohto fiaska. Teda popíšte, ako a prečo sa to mohlo stať.
Najväčšou výhodou premortem analýzy je, že legitimizuje pochybnosti, ktoré sú prirodzene potlačené v záverečných fázach schvaľovania projektu. Okrem toho eliminuje ukotvenie, framing a priming.
Ďakujem za pozornosť a teším sa na stretnutie pri ďalšej prednáške tohto trimestra.
Diskusia
Diskusia je zatiaľ prázdna.