Как с помощта на алго решенията може да се повиши коефициента на успеваемост

Как да преодолеем високите  разходи от лошо взетите решения базирани на шума

Някои работни места са освободени от шума. Служителите на банки или поща изпълняват сложни задачи, но те трябва да се придържат към строги правила, които ограничават субективната преценка и гарантират, че проектирането на идентични случаи се третира идентично.Компанията, чиито служители упражняват преценка, не очаква решенията да са напълно безшумни.

Много професионалисти си противоречат в преценките си базирани на една и съща информация, дадена в различни ситуации. В много задачи решенията ни са силно променливи: оценка на запасите, оценка на недвижими имоти, наказателна присъда, одит на финансови отчети и други. Професионалистите често взимат решения, които значително се отклоняват от техните собствени предишни решения и правилата, към които те твърдят, че се придържат.

Шумът е доста коварен. Много успешни компании губят значителна сума пари, без да го осъзнават. Да предположим, че оптималната оценка за даден случай е 100 000 долара. Каква би била цената на организацията, ако специалистът по случая оцени стойността на 115 000 долара? Каква ще е цената за неговата оценка от 85 000 долара? “Оценките на разходите са високи. Агрегирани над прогнозите, направени всяка година, разходите за шум са измерени в милиарди - недопустим брой дори за голяма глобална компания. Намаляването на шума с няколко процентни пункта ще бъде в десетките милиони. Забележително е, че дотогава организацията напълно игнорира въпроса за последователността.

Основното предимство на алгоритмите е, че те са без шум. За разлика от хората, формулата винаги ще води до един и същ изход. Превъзходната последователност позволява дори прости и несъвършени алгоритми да бъдат по-точни от човешките специалисти.

Шум срещу пристрастия

Когато хората мислят за грешки в преценката и вземането на решения, най-вероятно смятат социалните пристрастия като стереотипни малцинства или когнитивните пристрастия като свръх увереност и неоснователен оптимизъм. Безполезната променливост, която наричаме шум, е различен тип грешка. За да оценим разликата, да помислим за мащаба на нашата баня. Бихме казали, че скалата е предубедена, ако нейните показания са или твърде високи, или твърде ниски. Ако теглото ни изглежда зависи от това къде сме поставили краката си, скалата е шумна. Скалата, която постоянно подценява истинското тегло от точно четири килограма, е сериозно пристрастна, но без шум.

Шумът винаги е нежелан и понякога пагубен. Увеличаващият се шум винаги намалява точността, когато няма пристрастия. При наличие на предубеждения, увеличаващият се шум всъщност може да доведе до късмет.

Очевидно е полезно за една организация да знае за пристрастията и шума в решенията на своите служители, но събирането на тази информация не е лесно. Има различни проблеми при измерването на тези грешки. Основният проблем е, че резултатите от решенията често не са известни за в бъдеще, ако изобщо станат известни.

Там, където има преценка, има шум - и обикновено е повече, отколкото си мислим.
За разлика от пристрастието, шумът може да бъде измерен, без да се знае какъв ще бъде точният отговор.

Извършване на одити за шум

Целта на одита на шума не е да се изготви доклад, a да се подобри качеството на решенията и одитът може да бъде успешен само ако ръководителите на звената са готови да вземат неприятни резултати и да действат по тях.

Проблемът с шума е ефективно невидим в света на бизнеса - изненадата идва, когато надеждността на професионалната преценка е посочена като проблем. Какво пречи на компаниите да признаят, че преценките на служителите им са шумни? Отговорът се крие в две познати явления:
- Опитните професионалисти са склонни да имат висока увереност в точността на собствените си преценки
- И слагат под  голямо внимание интелигентността на своите колеги.Тази комбинация неизбежно води до надценяване на съгласието.

На повечето работни места хората се научават да правят преценки, като слушат ръководители и колеги да обясняват и критикуват - далеч по-малко достоверният източник на знания, отколкото да се учат от грешки. Годините трудов опит винаги увеличават доверието на хората в тяхната преценка, но при липса на бърза обратна връзка увереността не е нито гаранция за точност, нито консенсус.

Справяне на проблема с шума

Най-радикалното решение на проблема с шума е да се замени човешката преценка с формални правила - известни като алгоритми, които използват данни от случаи, за да предоставят прогноза или решение. Хората са се състезавали срещу алгоритми в няколко стотинконкурса за точност през последните 60 години, в задачи, вариращи от прогнозиране на продължителността на живота на онкоболните до прогнозиране на успеха на завършилите. Алгоритмите бяха по-точни от човешките експерти в около половината от проучванията и бяха приблизително свързани с хората в останалите. Връзките също трябва да се отчитат като печалби за алгоритми, които са по-рентабилни.

Ако планираме да използваме алгоритъм за намаляване на шума, няма нужда да чакаме данни за резултатите. Можем да извлечем максимално ползи, като използваме здравия разум за избор на вариации и най-простото правило за комбинирането им.

Проучванията показват, че алгоритмите се представят по-добре от хората при вземането на решения.

Без значение какъв тип алгоритъм използваме,  трябва да се поддържа максимален контрол. Алгоритмите трябва да се наблюдават и коригират за случайни промени. Мениджърите трябва също да следят отделните решения и да имат правомощието да отменят алгоритъма в ясно променящи се случаи.

Алгоритмите понякога се използват като междинен източник на информация за професионалисти, които вземат окончателните решения.

Внасяне на дисциплина в преценката

Замяната на човешките решения с алгоритъм трябва винаги да се обмисля, когато професионалната преценка е шумна, но в повечето случаи това решение ще бъде твърде радикално или просто непрактично. Алтернатива е да се приемат процедури, които насърчават последователността, като се гарантира, че служителите в същата роля използват сходни методи за търсене на информация, интегрирането й в случая и прилагането на това мнение в решение.

Обучението е от решаващо значение, но дори професионалистите, които са били обучени заедно, са склонни да се фокусират върху собствения си начин на работа. Предприятията понякога се борят с дрейфа, като организират кръгли маси, на които вземащите решения се събират, за да преразгледат случаите. За съжаление, повечето кръгли маси се провеждат по начин, който улеснява постигането на споразумение, тъй като участниците бързо се сближават по мненията, изразени първо или най-уверено. За да се предотврати подобно невярно споразумение, отделните участници в кръглата маса трябва да изучават случая независимо, да формулират становища, които са готови да защитят, и да предадат тези становища на лидера на групата преди срещата. Такива кръгли маси ще предоставят ефективно одит на шума с добавената стъпка от групова дискусия, изследваща различията в мненията.

Прочети още:

• Трите най-добри „safe havens“, ако пазара отново се разклати
• Хипотезата за ефективните пазари – реалност или отживелица
• Аматьор VS Професионалист. Разликата е в мисловната нагласа
• Историята на един трейдър: “Трейдинга може да превземе живота ви, но само ако го позволите”
• Корелацията между суровините и Канадския долар