Как делаются большие дела. Удивительные факторы, которые определяют судьбу каждого проекта, от ремонта дома до освоения космоса и всего, что между ними

Гарднер Дэн

Я назвал этот процесс "прогнозированием эталонного класса" (RCF). После того как я разработал его для Гордона Брауна, британское правительство использовало его для прогнозирования сроков и стоимости крупных проектов и было настолько удовлетворено результатами, что сделало этот процесс обязательным. Дания сделала то же самое. RCF также используется в государственном и частном секторах в США, Китае, Австралии, Южной Африке, Ирландии, Швейцарии и Нидерландах. Весь этот опыт позволил провести тщательное тестирование, и целый ряд независимых исследований подтвердил, что "RCF действительно работает лучше всех", по словам одного из них.

Он показывает наилучшие результаты с большим отрывом. Разрыв между обычным прогнозом и прогнозом с использованием RCF зависит

от типа проекта, но более чем для половины проектов, по которым у нас есть данные, RCF лучше на 30 или более процентных пунктов. Это в среднем. Увеличение точности на 50 процентов - обычное явление. Улучшения более чем на 100 процентов - не редкость. Что особенно приятно, учитывая интеллектуальные корни метода, Дэниел Канеман в книге "Мышление, быстрота и медлительность" написал, что использование прогнозирования на основе эталонных классов - это "единственный наиболее важный совет относительно того, как повысить точность прогнозирования с помощью усовершенствованных методов".

ПОЧЕМУ ЭТО РАБОТАЕТ?

В основе прогнозирования эталонного класса лежит процесс привязки и корректировки, аналогичный тому, что делали Роберт Каро и MTR, но с использованием правильного якоря.

То, что делает эталонный класс правильным якорем, - это то, что я подчеркивал в предыдущей главе: релевантный реальный опыт. Один человек сделал ремонт кухни, используя базовые светильники и бытовую технику; без сюрпризов и с гладкой доставкой, он обошелся в 20 000 долларов и занял две недели. Другой сделал гранитную столешницу и много нержавеющей стали , а затем обнаружил, что проводка в доме не соответствует нормам; в итоге проект обошелся в 40 000 долларов, а благодаря электрику, который был перегружен работой, на его завершение ушло два месяца. Соберите множество подобных цифр, и вы обнаружите, что средний ремонт кухни обошелся в 30 000 долларов и занял четыре недели. Это реальные результаты, основанные на опыте, а не оценки, поэтому они не искажены психологией и стратегическими искажениями. Используйте их для обоснования своего прогноза, и вы создадите оценку, основанную на реальности и не искаженную поведенческими предубеждениями, что делает ее более точной.

Это также объясняет, почему корректировку следует использовать осторожно и экономно, если вообще использовать. Это возможность для возвращения предвзятости. Переборщите с этим, и ценность вашего непредвзятого якоря может быть утрачена.

RCF также позволяет справиться с кажущейся неразрешимой проблемой неизвестных Дональда Рамсфельда. Большинство людей считают, что неизвестные неизвестные нельзя прогнозировать, и это звучит разумно. Но данные по проектам в эталонном классе отражают все, что произошло с этими проектами, включая любые неизвестные сюрпризы. Мы можем не знать точно, что это были за события. Мы можем не знать, насколько масштабными или разрушительными они были. Но нам и не нужно знать ничего из этого. Все, что нам нужно знать, - это то, что цифры для эталонного класса отражают, насколько распространены и насколько велики были неизвестные неожиданности для этих проектов, а значит, и ваш прогноз будет отражать эти факты.

Помните ремонт Дэвида и Деборы в районе Коббл-Хилл в Бруклине? Все пошло кувырком, когда подрядчик разобрал пол на кухне и обнаружил некачественную работу, выполненную еще в 1840-х годах. Пришлось вырывать весь пол и устанавливать опоры в подвале. Это была неизвестность, которую трудно было бы заметить до начала работ. Но если бы время и стоимость проекта были спрогнозированы с использованием реконструкции старых нью-йоркских домов в качестве эталонного класса, частота и серьезность таких неприятных сюрпризов были бы закодированы в данных. В результате в расчетной стоимости и времени были бы учтены неизвестные, которые невозможно предсказать.

Таким образом, прогнозирование по эталонным классам лучше справляется с предубеждениями. Оно лучше в отношении неизвестных. Оно простое и легко выполнимое. И он доказал свою эффективность в обеспечении

более точных прогнозов. Я счастлив, что его взяли на вооружение различные организации по всему миру - гораздо больше, чем я думал, когда впервые разрабатывал метод для Гордона Брауна, - но я бы не стал винить тех, кто задается вопросом, почему, учитывая все его достоинства, он не используется еще больше, чем сейчас, повсеместно.

На это есть три причины. Первая заключается в том, что для многих людей и организаций тот факт, что RCF устраняет предубеждения, является ошибкой, а не особенностью. Как я уже говорил в главе 2, некачественное прогнозирование - это хлеб с маслом для бесчисленных корпораций. Они не хотят, чтобы люди, которые утверждают проекты и оплачивают счета, имели более точное представление о том, сколько будут стоить проекты и сколько времени они займут. Они будут придерживаться статус-кво, по крайней мере до тех пор, пока их не заставят измениться - например, возложив на них юридическую ответственность за вопиюще необъективные прогнозы, что происходит все чаще.

Вторая проблема, которую необходимо преодолеть, - это сила предубеждения уникальности. Канеман пишет о том, как он вместе с коллегами взялся за создание учебника. Все согласились, что на это уйдет примерно два года. Но когда Канеман спросил единственного члена группы, имевшего значительный опыт в создании учебников, сколько времени это обычно занимает, тот ответил, что не может припомнить ни одного проекта, который занял бы меньше семи лет. Хуже того, по его словам, около 40 процентов таких проектов никогда не завершаются. Канеман и его коллеги на мгновение опешили, но затем продолжили работу, как будто и не слышали этих нежелательных фактов, потому что их проект казался другим. Так всегда бывает. "В этот раз все по-другому" - таков девиз предубеждения уникальности. В итоге учебник был закончен спустя восемь лет. Если величайший из ныне живущих исследователей когнитивных предубеждений может быть обманут предубеждением уникальности,, то неудивительно, что остальные из нас тоже уязвимы или что для того, чтобы избежать этой ловушки, требуется осознание и постоянные умственные усилия.

Третья причина, по которой RCF все еще не так широко используется, как следовало бы, самая простая. Это данные. Вычислить среднее значение легко, но только когда у вас в руках есть цифры. Это и есть самая сложная часть.

НАЙДИТЕ ДАННЫЕ

В вышеупомянутом примере с ремонтом кухни я считал само собой разумеющимся, что у вас есть данные о ремонте кухни, которые позволят вам рассчитать среднюю стоимость. Но, скорее всего, у вас их нет. И вам будет трудно их найти. Я знаю это по собственному опыту, потому что искал достоверные данные о ремонте кухни, не смог их найти, а экономист, изучающий экономику ремонта жилья, сказал, что, насколько ему известно, они не были собраны. Правда, если вы наберете в поисковике "средняя стоимость ремонта кухни", то найдете компании, предлагающие различные цифры, как правило, в широком диапазоне. Но откуда взялись эти цифры? Основаны ли они на множестве реальных результатов или это просто рекламный ход? Вы не можете этого знать. А вы должны знать, если хотите получить достоверный прогноз.

Это распространенная проблема. Старые данные по проекту редко рассматриваются как ценный ресурс и собираются. Отчасти это происходит потому, что планировщики и менеджеры проектов ориентированы на будущее, а не на прошлое. Как только проект завершен, их внимание сосредоточено на следующем новом проекте, и никто не думает о том, чтобы оглянуться назад и собрать данные по старому проекту. Но дело еще и в том, что те, кто видит ценность в данных, часто заинтересованы в том, чтобы держать их в секрете. Например, многие ли крупные строительные компании хотят, чтобы домовладельцы имели достоверные данные о стоимости ремонта дома? Это объясняет, почему на создание моей базы данных по крупным проектам, охватывающей множество различных типов проектов, ушли десятилетия, и она является единственной в своем роде в мире.