Как делаются большие дела. Удивительные факторы, которые определяют судьбу каждого проекта, от ремонта дома до освоения космоса и всего, что между ними - Бент Фливбьерг
Шрифт:
Интервал:
Закладка:
Я знаю по опыту, что люди иногда испытывают трудности не потому, что это сложно, а потому, что это просто. Слишком просто. В конце концов, их проект особенный, или они так думают, а этот процесс не подчеркивает этого, поэтому они усложняют его. Они думают, что если они делают ремонт кухни, то не должны говорить, что "один из этих" - это "класс ремонтов кухни". Это слишком просто. Вместо этого они пытаются создать сложное определение класса, которое, как им кажется, будет точно соответствовать их конкретному проекту. Вместо того чтобы рассматривать класс как "ремонт кухни", они называют его "ремонт кухни с гранитной столешницей и немецкой техникой в многоэтажных кондоминиумах, расположенных в моем районе". Это ошибка. Она игнорирует множество полезной информации. И это значительно усложняет сбор необходимых данных, о чем я расскажу ниже.
То же самое может произойти и с корректировками. Их следует делать только в том случае, если есть четкие и убедительные причины считать, что ваш проект будет значительно выше или ниже среднего. Но чем больше вы делаете поправок, тем больше ваш проект отличается от среднего. А ваш проект - особенный! Поэтому кажется правильным корректировать, корректировать и еще раз корректировать, даже если эти корректировки основаны не более чем на смутных ощущениях. Это тоже ошибка.
Это все предрассудки об уникальности, которые хотят снова внедриться в ваши решения, когда вы пытаетесь их устранить. Не слушайте его. Упростите процесс: Дайте широкое определение классу. Делайте ставку на инклюзивность. И корректируйте среднее значение только тогда, когда для этого есть веские причины, то есть существуют данные, которые подтверждают необходимость корректировки. Если сомневаетесь, пропустите корректировку вообще. Среднее по классу – это якорь, а якорь - это ваш прогноз. Да, это очень просто. Но простота - это хорошо; она не допускает погрешностей.
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
