Понимание природы вариабельности — непредсказуемых слабых (если повезет) отклонений от среднего — это одна из четырех частей
[148] системы глубинных знаний, необходимых для ведения устойчивого бизнеса, описанной Эдвардсом Демингом{83
[149]. С другой стороны, статистическое мышление не свойственно человеку, о чем писали Даниэль Канеман{84
[150] и Нассим Талеб{85
[151], опираясь на свои эксперименты, «жертвами» которых становились даже профессора-математики.
Здесь мы опять приходим к тому, что знаем о будущем далеко не все. Если мне известна моя средняя производительность, это еще не означает, что я знаю, какое количество работы я смогу выполнить за следующую неделю. Я могу только делать предположения, да и то лишь в том случае, если мне известно, насколько сильно моя производительность может отклоняться от среднего значения.
Если моя средняя производительность в неделю составляет 10 мозговатточасов, то производительность за последние шесть недель вполне может выглядеть примерно так:
Кстати, ни в одну из недель я не выполнил работы ровно на 10 мозговатточасов — это вполне нормально. И если бы я пообещал наработать на 40 мозговатточасов за первые четыре недели, то был бы неприятно удивлен, выполнив задач лишь на 35 мозговатточасов. Повторюсь, в тех случаях, когда нам приходится анализировать данные о своей производительности для того, чтобы брать на себя обязательства, нельзя опираться лишь на значение средней производительности — важно еще, насколько наша производительность может отклоняться от этого среднего. Понимание степени разброса нашей производительности поможет оценить буфер, который нужно заложить, чтобы не нарушить обязательств. Надеюсь, вы помните, что заложить буфер недостаточно — это многие делают, но не многим это помогает. Важно грамотно распорядиться этим временем и не растратить его до того, как начнется работа по выполнению взятых на себя обязательств (см. параграф 4.1.7).
Если мы не учитываем возможные флуктуации, то запросто можем пообещать сделать работы на 40 мозговатточасов за четыре недели, а потом нарушить это обещание. Конечно, этот срыв планов, скорее всего, удалось бы объяснить — людям свойственно давать всему логические объяснения и строить замысловатые теории даже вокруг статистического шума и флуктуаций (отлично об этом написано у Талеба{86
[152]).
Страсть все объяснять в совокупности с элементами случайности и с когнитивным искажением «что вижу, то и есть» (из-за которого нам сложно поверить в наличие того, чего мы не видим) в некоторых случаях могут приводить к эффекту программистского оптимизма
[153]: «Сколько времени у меня займет выполнение этой задачи? Мне кажется, что два дня… Хотя в прошлый раз задачу, которая, как казалось, займет два дня, я делал неделю. Но это из-за того, что упал сервер. В позапрошлый раз задача, которая, как казалось, займет два дня, я тоже делал неделю, но там была беда с поздней поставкой макетов от отдела дизайнеров. В позапозапрошлый раз задачу в два дня я делал тоже неделю, но там просто нельзя было обойтись без аналитика, а у него как раз тогда родился сын. Что это все может означать?.. Ну, в этот раз вроде ни у кого сын не рождается, дизайнеры все предоставили, а сервера новые и надежные… Значит, я точно справлюсь за два дня!»
[154] Скорее всего, по факту задача опять займет неделю, потому что возникнет конфликт со сторонней библиотекой, потребуется исправить ошибку в соседнем модуле, случится еще какая-то непредвиденная беда
[155].
Непонимание природы флуктуаций может повлечь за собой еще одну неприятность — одураченность случайностью. Так называется феномен, когда чисто случайные отклонения начинают получать осмысленные объяснения, которые становятся базой для построения разного рода теорий и принятия разного рода управленческих решений. Часто этими управленческими решениями становятся решения о поощрении или наказании сотрудников. Одна из очень поучительных историй на эту тему была описана Канеманом в его книге{87
[156] под названием «регрессия к среднему». Дело происходило, опять же, в израильских ВВС. Канеман, тогда еще молодой психолог, рассказывал командованию, что поощрение за хорошие результаты работает лучше, чем наказание за плохие. Ему возразил инструктор, сказав, что он уже многие годы наблюдает обратную закономерность: если его ученик выполнит маневр плохо и инструктор отругает его за это, то следующее выполнение маневра будет лучше и наоборот — если он выполнит маневр хорошо и его за это похвалят, то следующее выполнение маневра будет, скорее всего, хуже. Неужели из этого нельзя сделать вывод о том, что наказания работают, а поощрения вредят?
Если вы еще не поняли, почему это происходит, давайте представим такой эксперимент. Вам дают игральный кубик, ваша задача — выбросить максимально возможное число. Если выпадет единица и вас за это отругают, следующая попытка, скорее всего, окажется лучше, не так ли? Даже если ругать за выпавшие два очка, то в следующем броске вы также с большой вероятностью покажете лучший результат. На самом деле после неудачного броска вы с большой вероятностью улучшите свой результат вне зависимости от того, похвалят вас или накажут. Но очень часто мы — живые люди — путаем временну ю последовательность событий с причинно-следственной связью: вас поругали, вы улучшили результат, следовательно, именно наказания помогают вам совершенствоваться, давайте начнем наказывать всех, и наступит счастье. Налицо одураченность случайностью.
