Обманчивая красота чисел: почему не стоит так доверять цифрам при принятии решений

Роберт Макнамара, министр обороны США в 1960-х, был человеком цифр. Он верил в силу данных так же, как алхимики Средневековья верили в философский камень. Однако именно это завело его в ловушку, ставшую классикой управленческих (и бесчеловечных) ошибок. Во время войны во Вьетнаме Макнамара решил, что успех операции вполне можно измерить в телах врагов и объектах уничтоженной техники, — чем выше счет, тем ближе победа.  

Но идея, что численные показатели отражают реальность, разбилась о реальность. Вьетнамская деревня, пропитанная страхом, в отчеты не попадала. Солдаты с ПТСР, теряющие веру в собственное правительство, в статистику не укладывались. Бумажные победы никому не помогли. И сегодня ошибка Макнамары стала символом опасности слепой веры в данные. Когда бизнес-аналитики и политики по-прежнему рисуют мир с помощью цифр, история напоминает: числа лгут не намеренно, но с пугающей убедительностью. И иногда самая опасная иллюзия — та, что выглядит как точный расчет.

Что такое quantification fixation

Мы живем в мире, где данные стали основой для принятия любых решений, начиная с выбора лучшего кандидата на позицию и заканчивая оценкой успешности проекта. Цифры кажутся надежными и объективными, ведь на них не могут повлиять люди. В итоге страдают от этого все: от сотрудников редакции, чья работа измеряется лайками на постах, до жителей целой страны, чьи перспективы были ошибочно рассчитаны без оглядки на эмоции, культуру и контекст. 

Фиксация на количественных данных (quantification fixation) считается когнитивной ошибкой, при которой люди слишком полагаются на цифры и количественные показатели, игнорируя более сложные, качественные факторы. Хотя сам термин совсем новый — в исследованиях он появился в 2024 году — концепция чрезмерного упора на количественные метрики имеет чуть более давнюю историю.

Например, понятие metric fixation фигурировало в книге Джерри З. Мюллера The Tyranny of Metrics, опубликованной в 2018 году. Мюллер предупреждал об опасностях чрезмерного доверия к количественным показателям в ущерб качественным оценкам.

Почему мы верим числам и что из этого получается

Числа ассоциируются с объективностью и точностью, потому что, на наш взгляд, данные не могут лгать. Но в реальности цифры всегда интерпретируются, а их сбор и анализ связаны с предположениями и ограничениями. При этом люди склонны воспринимать количественные данные как окончательную истину, даже когда они не отражают всю картину. 

В исследовании, опубликованном в Proceedings of the National Academy of Sciences в 2024 году, ученые Линда Чанг, Эрика Киргиос, Сенхил Муллайнатан и Кэтрин Милкман изучили влияние количественных данных на принятие решений. Всего был проведен 21 эксперимент с более чем 23 000 участниками. В одном из них было предложено представить ситуацию, в которой они выбирают одного из двух программистов для повышения по службе.

Первый кандидат был представлен участникам как более перспективный с точки зрения карьерного роста, но имел меньшую вероятность остаться в компании на длительный срок. Второй, наоборот, демонстрировал более высокую вероятность долгосрочной работы в фирме, но с меньшими шансами на продвижение. Исследователи меняли только способ представления этих данных: в одних случаях в числовом формате презентовали информацию о перспективах продвижения по службе, в других в числах указывалась уже вероятность удержания на рабочем месте. 

Результаты показали, что участники чаще основывали решение на том критерии, который был представлен в числовом виде. Если вероятность карьерного роста была выражена в процентах, участники склонялись к выбору более перспективного кандидата. Но когда цифры касались удержания, предпочтение отдавалось тому, кто дольше оставался бы в компании.

Этот эффект и был назван исследователями quantification fixation. Ученые сделали вывод, что люди доверяют цифрам и часто упускают важные, но менее осязаемые факторы, такие как мотивация, лояльность или способность вдохновлять команду. 

«Люди, которым удобнее работать с цифрами (те, у кого выше субъективная способность к количественной оценке), с большей вероятностью будут демонстрировать фиксацию на количественной оценке. Поскольку она становится все более распространенной, то сама беглость сравнения именно чисел может систематически искажать решения», — пишут исследователи в выводе.

Есть и другой риск: когнитивная ошибка не приходит одна. То есть в анализ чисел люди привносят те же предубеждения, что и в любые другие мыслительные операции. Исследование Итая Яная из Нью-Йоркского университета и Мартина Лерхера из Университета Генриха Гейне, опубликованное в 2020 году на платформе bioRxiv, демонстрирует связь между анализом чисел и когнитивной ошибкой подтверждения, знаменитом confirmation bias. Ее суть в том, что люди склонны воспринимать информацию так, чтобы она подкрепляла их существующие убеждения, даже если объективные данные нейтральны.

Сначала студентов попросили оценить, каков, по их мнению, общий уровень корреляции между богатством и счастьем — положительный или отрицательный. После этого им показали вымышленный набор данных о связи между этими двумя переменными для выборки в 1000 человек. График был одинаковым для всех участников, в нем исследователи ничего не меняли. 

Те студенты, которые уже ожидали увидеть положительную связь между богатством и счастьем, гораздо чаще видели такую корреляцию в данных. И наоборот: те, кто заранее предполагал отсутствие связи или ее отрицательный характер, склонялись к подтверждению своей гипотезы.

Почему опасно фиксироваться на числах 

Искажается цель

Это не психология, а экономический принцип, сформулированный британским экономистом Чарльзом Гудхартом в 1975 году: «Когда мера становится целью, она перестает быть хорошей мерой». Иными словами, если определенный показатель начинает использоваться в качестве целевого ориентира, он утрачивает эффективность как объективная метрика, поскольку становится объектом манипуляций и искажений. Люди начинают работать на показатели, а не на реальную задачу. 

Хороший пример — классическая ошибка плановой экономики: оценка продуктивности сотрудников ведется по числу выполненных задач и произведенных товаров, а качество и внешний вид, как и потребность рынка в этих товарах, перестает иметь значение. 

Игнорируются нематериальные факторы

Лидерские качества, творчество, эмоциональное благополучие, командная работа — все это трудно измерить. Но они могут быть куда важнее цифр в долгосрочной перспективе. Многократно цитируемое исследование Gallup показало, что высокая вовлеченность сотрудников повышает производительность на 17-21%, хотя этот показатель невозможно выразить простыми числами. А стартапы, такие как Airbnb и Spotify, добились успеха не благодаря жестким метрикам, а за счет доверия к уровню креативности своих команд и способности быстро адаптироваться.  

Более показательный пример, который напрямую связан с качеством жизни, — система здравоохранения. Во многих странах работа врачей оценивается по числу проведенных операций или принятых пациентов, а не по качеству предоставляемой помощи. Это может приводить к снижению качества обслуживания, поскольку врачи стремятся увеличить количество в ущерб вниманию к пациенту. 

Например, в Германии врачи общей практики в среднем принимают 254 пациента в неделю — самый высокий показатель среди стран, поделившихся статистикой. Но такое количество может ограничивать время, уделяемое каждому пациенту, и снижать качество предоставляемой помощи. Кроме того, стремление больниц снизить показатели смертности или показатели загруженности может приводить к преждевременной выписке пациентов, которая увеличивает риск повторной госпитализации и даже смерти. 

Теряются контекст и нюансы

Попытки свести многоаспектные задачи к простым числам приводят к потере контекста и нюансов. Пример, который субъективно понятен читателю: качество образовательного процесса в конкретной школе нельзя оценить по средним баллам выпускников на ЕГЭ. Если вы возьмете отдельного ученика и спросите его о «качестве» прошедших 11 лет, скорее всего, в числе примеров, отражающих состояние (а это процесс, а не результат), возникнут не оценки в дипломе и уровень подготовки к вузу, а атмосфера в классе, внешкольная деятельность и харизма педагогов.  

Еще пример: международные климатические инициативы оценивают страны по сокращению выбросов углекислого газа. Однако, фокусируясь на числовых показателях, часто игнорируется способ, которым было достигнуто сокращение, отраженное в отчете. Например, в рамках Парижского соглашения страны берут на себя добровольные обязательства сокращать выбросы. Однако для решения этой задачи развитые страны «экспортируют» в бедные регионы производства, которые сопровождаются значительными выбросами СО2 (выплавка стали, цемента, стекла и другие). Таким образом одни государства перекладывают на другие свои выбросы, а в отчетах отражают снижение эмиссий.

Возрастает шанс манипуляции с данными

Числа легко поддаются искажению ради достижения субъективно «правильных» результатов, что может привести к самообману и принятию неверных решений. Например, компании ориентируются на просмотры и охваты как на маркеры успеха маркетинговых или PR-акций. Однако такие метрики не отражают вовлеченность аудитории, лояльность к бренду или реальный интерес к продукту.

Кампании с миллионами просмотров могут не привести к росту продаж и к той самой лояльности, в то время как нишевое мероприятие с небольшим охватом вполне может оказаться более эффективным. В итоге все будет зависеть от того, что вы считаете «эффективным», за какими корреляциями наблюдаете и какую цель ставите.

На что влияет искусственный интеллект

Кажется, что модели ИИ и опора на алгоритмы станут решением проблемы: компьютеры не держатся за показатели и не занимаются самообманом. Но возникает «еще одно но». В исследовании 2024 года, проведенном Хоссейном Никпаямом и Мирко Кремером из Франкфуртской школы финансов и менеджмента и Франсисом де Верикуром из ESMT Berlin, было показано, как именно современные менеджеры реагируют на отклонения от рекомендаций искусственного интеллекта.

В ходе экспериментов участникам предлагалось принимать решения на основе рекомендаций алгоритма. Когда они игнорировали советы ИИ и полагались на собственное суждение, реакция руководителей была однозначной: те обвиняли участников, если решение оказывалось ошибочным, и не поощряли их, даже если оно приводило к положительному результату. 

Этот эффект напоминает корпоративную мудрость из 80-х: «Еще никого не уволили за покупку IBM». В современном мире, кажется, формируется аналогичная установка: «Никого не уволят за следование алгоритмам ИИ». Менеджеры склонны рассматривать рекомендации искусственного интеллекта как надежный способ перестраховаться, перекладывая ответственность за ошибки с человека на систему. 

Как избежать числовой ловушки

Цифры манят своей простотой, но они не умеют видеть людей. Они не знают, как чувствует себя команда, уставшая гнаться за KPI. Не слышат клиентов, которые терпят плохой сервис ради скидок. Они не замечают, когда растущая прибыль маскирует токсичную корпоративную культуру. Цифры показывают только то, что можно измерить, и в этом они похожи на нейросети. Однако если научиться мыслить критически, вы сможете использовать данные себе во благо. 

• Научитесь задавать неудобные вопросы. Если продажи растут, кто эти покупатели? Если показатели больницы улучшаются, как чувствуют себя пациенты после выписки? 

• Добавьте к количественным данным качественные наблюдения. Опросы сотрудников, интервью с клиентами, эмоциональные отзывы — все это заполняет пробелы, которые оставляют числа. 

• Доверяйте людям, а не только таблицам. Руководители с эмоциональным интеллектом и умением слушать команду способны поймать сигналы, которые игнорируют алгоритмы. 

• Относитесь к данным как к черновикам, а не к конечной истине. Любая метрика отражает лишь часть реальности, поэтому всегда проверяйте контекст. Какие вопросы она задает, а какие игнорирует? Что произойдет, если заменить числа на истории? О чем они молчат? Мог ли кто-то изменить показатели ради своей выгоды? 

• Учитесь балансировать. Данные — полезный инструмент, но они должны работать в тандеме с критическим мышлением и человеческим фактором. Важно помнить, что за каждой цифрой стоит человек, а люди — пока единственный ресурс, способный думать, чувствовать и принимать решения.

Мнение автора может не совпадать с мнением редакции