Многомерное онтологизирование

Многомерное онтологизирование

от Евгений Волков -
Количество ответов: 0

Как принимать лучшие решения

https://hbr-russia.ru/management/prinyatie-resheniy/789114

Как принимать лучшие решения

|12 декабря 2018|Скотт Пейдж

«Мудрость — это умение организовывать свой опыт и знания на матрице различных моделей»

— Чарльз Мангер

Компании буквально завалены данными — от геокодированных данных о транзакциях до трафика веб-сайтов и семантического анализа годовых корпоративных отчетов. Эти данные могут приносить пользу — но только при правильном обращении. Обычно это значит, что данные должны быть включены в модель. Под моделью я подразумеваю формальное математическое представление, которое можно подстраивать под имеющуюся информацию и использовать для ее анализа.

Некоторые организации пользуются моделями, даже не подозревая об этом. Например, моделью можно считать кривую доходности, которая позволяет сравнивать облигации с одинаковым профилем риска, но разной датой погашения. Критерии приема на работу — тоже модель. Когда вы записываете требования вакансии, вы создаете модель, которая превращает данные о кандидате в рекомендации о том, стоит ли принимать его на работу. Есть организации, которые разрабатывают и более сложные модели. Структурные модели предназначены для отражения реальности, другие — собирают информацию с помощью инструментов машинного обучения и искусственного интеллекта.

Все самые передовые организации (от Alphabet и Berkshire Hathaway до ЦРУ) пользуются моделями. Они даже делают кое-что более впечатляющее: используют комбинации моделей.

Без моделей трудно разобраться в данных. Данные помогают описывать реальность, хотя и не идеально. Но сами по себе они не могут давать рекомендации по принятию решений. Если вы заметите, что ваши наиболее результативные команды — также самые разнообразные по составу, это может вас заинтересовать. Но чтобы превратить эту информацию в идею, нужно использовать какую-либо модель мира: например, можно предположить, что большее разнообразие взглядов в команде ведет к принятию более качественных решений. Эта гипотеза и будет такой моделью.

Одиночные модели дают хорошие результаты, но комбинации моделей работают еще лучше. Поэтому лучшие специалисты по прогнозам и наиболее эффективные команды разработчиков используют ансамбли моделей. Такой подход я называю «многомодельным мышлением».

В этой статье я расскажу, почему множество моделей лучше, чем одна, а также опишу три правила составления собственного ансамбля моделей: расширение фокуса внимания, усиление прогнозирования и поиск конфликта.

Чем полезны модели

Начнем с нескольких фактов о моделях. Модель — это формальное представление определенного множества или процесса с использованием переменных и математической формулы. (Многие люди строят в голове или записывают более неформальные модели, но формализация моделей помогает прояснить их и делает их более полезными.) Например, для выбора перспективных стартапов компания Point Nine Capital использует линейную модель, основанную на переменных, которые представляют качество команды и технологических решений каждого стартапа. Ведущие вузы, например, Принстонский и Мичиганский университеты, используют вероятностные модели, чтобы оценить будущую успеваемость абитуриентов на основе их среднего балла, оценок тестирований и других переменных. Кроме того, университеты пользуются моделями, чтобы помочь студентам освоить наиболее удачные модели поведения. В таких моделях переменными выступают изменения в оценках учеников в течение семестра. Компания Disney пользовалась агентным моделированием при разработке парков развлечений и аттракционов. Эта модель создавала компьютерное изображение парка, наполненного посетителями, и имитировала их действия, чтобы компания могла увидеть, как различные решения могут влиять на функционирование парка. Бюджетное управление Конгресса США пользуется экономической моделью, включающей доходы населения, уровень безработицы и статистику о здоровье граждан для оценки расходов на изменения в законах о здравоохранении.

Во всех этих случаях модели организуют большие потоки данных. Они помогают лидерам лучше излагать информацию и объяснять происходящие процессы. Они также обеспечивают логическую связность данных, чем помогают при принятии стратегических решений и прогнозировании. Неудивительно, что модели дают более точные прогнозы, чем большинство людей. При прямой конкуренции между людьми, которые пользуются моделями, и теми, кто обходится без них, первые побеждают — и обычно с большим преимуществом.

Модели побеждают, так как обладают качествами, отсутствующими у людей. Они могут использовать больше данных, их можно тестировать, корректировать и сравнивать, они не совершают логических ошибок и им не свойственны когнитивные искажения. (Они, впрочем, могут включать и воспроизводить ошибки человека, и это один из поводов комбинировать несколько разных моделей.)

Комбинирование нескольких моделей

Применять одну модель хорошо, а множество моделей вместе — еще лучше, особенно при оценке комплексных проблем. И вот почему: моделям свойственно упрощать. Неважно, сколько данных включает модель, она всегда будет упускать какие-либо переменные или связи. Поэтому любая модель может оказаться неверной.

всего слов - 656