Итак, перед нами две проблемы: одно дело, если вы готовите отчет, а другое – если принимаете решение, опираясь на данные. Мы склонны переоценивать надежность измеряемых данных, а также находить закономерности и тренды в том, что может оказаться лишь погрешностью в вычислениях.

Простая практика – не преувеличивать важность точности при составлении таблиц и диаграмм. Нередко мы поддаемся этому, так как в Excel высчитываются проценты с точностью до двух знаков после запятой. Предположим, вы проводите опрос коллег, где лучше организовать рождественскую вечеринку, и получаете 23 ответа:

Согласно моей программе по созданию таблиц, это означает:

Но в чем суть десятичных значений? Вполне достаточно: 17 %, 57 % и 26 %. Хотя фактически цифры 4, 13 и 6 и так сообщают вам все, что нужно: большинство ваших коллег предпочитают пойти в ресторан. К показателям, которые получаются с помощью измерения, тоже следует относиться осмотрительно. Например, показатель вашей массы тела слегка изменяется в течение дня, поэтому не нужно бить тревогу, если сегодня после плотного ужина ваш вес на 0,5 кг больше, чем вчера утром. Это может быть как изменением массы тела, так и погрешностью вычислений. Возможно, в некоторых случаях оптимальным вариантом будет брать среднее арифметическое после нескольких измерений, но опять-таки не перестарайтесь с точностью.

Анализируя результаты исследований, подойдите к вопросу с другой стороны. Публикуемая статистика всегда должна приводиться с возможной погрешностью вычислений. В качественных таблицах и диаграммах отражается погрешность вычислений на коэффициент достоверности (90 % или 95 % – наиболее характерные показатели). Погрешность плюс-минус 2 % на коэффициент достоверности 90 % означает, что, если провести измерения 100 раз, 90 раз полученный результат не будет отклоняться от опубликованного показателя больше чем на 2 % в любую сторону.

Это чрезвычайно важная информация, если вы опираетесь на опубликованную статистику при принятии решений. Если статистические данные вам предоставляет какая-то компания, попросите ее отмечать эти интервалы в виде планок погрешности.

Столбец справа кажется меньше левого, но при этом планки погрешности пересекаются. Сложно сказать, означает ли это, что статистические данные, которые мы измеряли, разнятся в двух группах, учитывая наш доверительный интервал (если планки погрешности не пересекаются, тогда в этом можно быть уверенными).

Приведу пример. Недавно мне представили исследование оценки уровня обеспокоенности генеральных директоров компаний вопросами безопасности по шкале от 1 до 10. Компания, проводившая исследование, была счастлива, так как предлагаемый ими сервис направлен на решение проблемы безопасности, которая в исследовании названа самой серьезной с индексом 6,9. При этом индексы других проблем варьировались между 6,8 и 6,5. Это заставило меня уточнить у авторов исследования, насколько велики были планки погрешности. Выяснилось, что в ходе исследования опросили лишь небольшое число респондентов, их ответы сильно различались и все, что можно было утверждать с относительной достоверностью, – это что руководители компаний в более или менее равной степени обеспокоены многими проблемами безопасности. Если бы авторы исследования провели его еще раз с другой похожей группой респондентов, порядок приоритетности, скорее всего, был бы уже другим.

Этот отрицательный результат фактически представляет собой весьма полезную информацию: результаты исследования говорят, что руководители компаний не выделяют одну-единственную угрозу безопасности, а значит, они, вероятно, более восприимчивы к новой информации и обучению, чем к попыткам продать им одно средство для решения конкретной проблемы. Однако сделать такой вывод было бы практически невозможно, если слишком высоко оценить правильность результата, потому что данные кажутся точнее, чем на самом деле.

Нам не дано знать будущее, но можно в любом случае постараться его предугадать.

Можно подумать, что лидерами становятся люди, добивающиеся наибольших успехов; тем не менее статистика говорит, что нередко мы считаем лидерами людей, которые просто уверены в своем мнении, потому что большинство принимают эту уверенность за опыт. Даниэль Канеман[13], которому в 2002 году была присуждена Нобелевская премия за работу о том, как люди принимают (ошибочные) решения, предупреждает о том, что «эксперты не знают точно, где граница их профессионального опыта… Лидерство в нашем понимании ассоциируется с решительностью. Подобное представление о роли лидера вынуждает людей принимать решения довольно быстро… Мы очень хотим следовать за теми, кто знает, что делает, и кому не нужно долго над этим раздумывать».

Мы отдаем предпочтение авантюристам, которым повезло. По словам Канемана, «некоторые завоевывают репутацию успешных людей, хотя фактически все, что они сделали, – это рискнули в ситуации, в которой ни один здравомыслящий человек не пошел бы на риск». Или, как сформулировал это бизнес-гуру Томас Питерс[14]: «У хороших руководителей всегда перекос в сторону действий».

Проблема ли это? Да, поскольку у перекоса в сторону действий есть обратная сторона: недостаточное внимание к анализу информации. Мы склонны доверять руководителю, уверенному в своих действиях, менее склонны задавать вопросы и поэтому меньше полагаемся на собственные наблюдения или полученные данные, когда прогнозируем будущее.