Научная статья на тему '2017. 01. 035. Фокс Дж. От «Экономического человека» к бихевиористской экономике. Fox J. from «Economic man» to behavioral economics // Harvard business rev. - Boston, 2015. - Vol. 93, n 5. - p. 78-85. - Mode of access: https://hbr. Org/2015/05/from-economic-man-to-behavioral-economics'

2017. 01. 035. Фокс Дж. От «Экономического человека» к бихевиористской экономике. Fox J. from «Economic man» to behavioral economics // Harvard business rev. - Boston, 2015. - Vol. 93, n 5. - p. 78-85. - Mode of access: https://hbr. Org/2015/05/from-economic-man-to-behavioral-economics Текст научной статьи по специальности «Экономика и бизнес»

CC BY
115
19
i Надоели баннеры? Вы всегда можете отключить рекламу.
Ключевые слова
ПРИНЯТИЕ РЕШЕНИЙ / МЕТОДЫ АНАЛИЗА РЕШЕНИЙ / БАЙЕСОВСКИЙ ПОДХОД / ЭВРИСТИЧЕСКИЕ МЕТОДЫ / БИХЕВИОРИСТСКАЯ ЭКОНОМИКА
i Надоели баннеры? Вы всегда можете отключить рекламу.
iНе можете найти то, что вам нужно? Попробуйте сервис подбора литературы.
i Надоели баннеры? Вы всегда можете отключить рекламу.

Текст научной работы на тему «2017. 01. 035. Фокс Дж. От «Экономического человека» к бихевиористской экономике. Fox J. from «Economic man» to behavioral economics // Harvard business rev. - Boston, 2015. - Vol. 93, n 5. - p. 78-85. - Mode of access: https://hbr. Org/2015/05/from-economic-man-to-behavioral-economics»

тие технологий, рынок для которых еще не появился, тогда как второй подход означает вероятность создания технологий, которые никогда не найдут своего рынка.

Аналогичные альтернативы возникают при выборе инновационных процессов. Например, поэтапный процесс с регулярной оценкой проектов и переводом на следующий этап разработки, отличающийся высокой степенью структуризации и стремлением решать многие технические и рыночные проблемы на ранних этапах, эффективен для инноваций, использующих известные технологии и рынки. Но сложные проекты, связанные с неопределенностью и ориентированные на комбинацию новых технологий и новых рынков, нуждаются в процессах иного типа, включающих быстрое создание прототипов, экспериментирование, параллельное решение многих проблем, применение повторных циклов разработки. Четкость и ясность такого выбора, обеспечиваемые инновационной стратегией, важны также как фактор, способствующий организационным изменениям, необходимым для реализации инновации.

Таким образом, выработка стратегии - стартовый пункт для создания потенциала инновации. Решение этой комплексной задачи является функцией как всего высшего руководства организации, так и всех ее функциональных подразделений. Она распадается на ряд элементов, среди которых: прогнозирование влияния будущих инноваций на поведение потребителей и деятельность компании; планирование ресурсов по каждому типу инноваций; выбор альтернативных методов и процессов; корректирование стратегии в зависимости от динамики рынков, технологий, норм регулирования и поведения конкурентов. Подобно самому инновационному процессу стратегия означает постоянное экспериментирование, познание и совершенствование.

И.Г. Минервин

2017.01.035. ФОКС Дж. ОТ «ЭКОНОМИЧЕСКОГО ЧЕЛОВЕКА» К БИХЕВИОРИСТСКОЙ ЭКОНОМИКЕ.

FOX J. From «economic man» to behavioral economics // Harvard business rev. - Boston, 2015. - Vol. 93, N 5. - P. 78-85. - Mode of access: https://hbr.org/2015/05/from-economic-man-to-behavioral-economics

Ключевые слова: принятие решений; методы анализа решений; байесовский подход; эвристические методы; бихевиористская экономика.

Статья сотрудника «Bloomberg View»1, бывшего редактора «Harvard business review» посвящена исследованиям процессов принятия решений и их эволюции.

В настоящее время существуют различные направления в исследовании процессов принятия решений, взаимодействующих и нередко конкурирующих друг с другом, отмечает автор. Среди них выделяются аналитическая школа (анализ решений) и эвристическая школа, или бихевиористская (поведенческая) экономика, которая в последнее время заняла доминирующее положение в этой области, существенно обогатила понимание этих процессов и превратилась в фактор, оказывающий значительное влияние на бизнес, правительство и финансовые рынки.

Взрывной рост интереса к этой проблематике отмечен во время и после Второй мировой войны. В период войны специалисты, знакомые с вероятностными величинами, - математики, физики, экономисты - сыграли беспрецедентную роль в планировании военных операций. Они пользовались аналитическими методами, получившими название «исследование операций» (operations research), для совершенствования контроля качества на производстве, прокладывания безопасных маршрутов кораблей через океаны, расчетов для артиллерии противовоздушной обороны, взламывания германских шифров и т.д.

Впоследствии этот логический статистический подход получил распространение и в других областях, в том числе в области анализа решений, который в простейшей форме состоял из следующих этапов: 1) формулирование проблемы; 2) определение возможных направлений действий; 3) систематическая оценка каждого варианта. Это отражало насущную потребность в разработке стандартного подхода к выбору альтернатив в условиях неопределенности. Один из таких методов основывался на теореме Т. Байеса (байесовский подход).

1 Мультиплатформный проект медиахолдинга «Bloomberg». - Режим доступа: http://www.bloombergview.com. - Прим. реф.

Математик Дж. фон Нейман, автор термина «гарантированное взаимное уничтожение» (в условиях ядерной войны), инициировал исследование принятия решений на основе концепции ожидаемой полезности (expected utility). В написанной им совместно с экономистом О. Моргенштерном книге («Теория игр и экономическое поведение», 1944) ожидаемая полезность определяется как результат предполагаемых событий в комбинации с их вероятностью. Однако большинство жизненных ситуаций значительно сложнее. Выигрышный вариант состоит в отсутствии единственного правильного ответа при наличии единственного корректного способа перепроверки вероятностей при вводе новой информации. В этом принципе возродились идеи так называемой Байесовской статистики (которая в действительности связана преимущественно с именем П.-С. Лапласа), получившей развитие в середине ХХ в. (например, в работе Л.Дж. Сэвиджа «Основания статистики», 1954). Одним из первых и влиятельных воплощений этого подхода стала теория портфельных инвестиций Г. Марковица, принесшая ему Нобелевскую премию в 1990 г.

Дальнейшее развитие в теорию анализа решений внесли профессора Гарвардского университета Г. Райффа и Р. Шляйфер, показавшие недостаточность стандартной статистики и опиравшиеся на байесовский подход. Предложенное Райффа «дерево решений» стало инструментом расчета математического ожидания различных вариантов и важнейшим предметом обучения в Гарвардской и других школах бизнеса, принявших этот подход. Несколько отличной стала концепция Р. Ховарда, введшего сам термин «анализ решений» (decision analysis). Занимаясь в Стэндфордском университете в 1964-1965 гг. применением теории принятия решений к строительству атомных электростанций, он объединил ожидаемую полезность и байесовскую статистику с компьютерным моделированием и методами конструирования, получив методику анализа решений.

За этой эволюцией рационалистического подхода к исследованию принятия решений последовал «реванш иррациональности». Экономисты применили концепцию ожидаемой полезности не в качестве модели, а как описание реального процесса. Предполагалось, что «экономический человек» как рациональное существо способен последовательно оценивать вероятности, не зная матема-

тических формул, просто потому, что на свободном рынке преобладает рациональное поведение.

Вопрос о том, как в действительности люди принимают решения, перешел в сферу психологии. Пионером такого подхода стал У. Эдвардс, который начал экспериментальные исследования о степени соответствия оценок вероятности концепции Сэвиджа. В 1968 г. Эдвардс пришел к выводу, что люди являются «консервативными процессорами информации», т.е. не в полной мере рациональными с точки зрения принципов анализа решений, но близкими к этому для решения большинства задач.

Начав в 1969 г. серию экспериментов, Д. Канеман, получивший впоследствии Нобелевскую премию, и привлеченный им сотрудник Эдвардса А. Тверски пришли к выводу, что люди оценивают вероятности и принимают решения иначе, чем это предлагалось в концепции анализа решений. По их мнению, делая прогнозы и вынося суждения в условиях неопределенности, люди не делают расчеты и не пользуются методами статистической теории прогнозирования, а полагаются на некоторые эвристические подходы, которые могут как давать разумные решения, так и вести к серьезным и систематическим ошибкам1. Канеман и Тверски не считали эвристику непригодным практическим методом, но сосредоточили внимание на опасностях, с ним связанных, таких как эффект обладания, эффект доступности и т.п. Исследование путей, следуя по которым люди нарушают принципы рациональности, составило концепцию «эвристики и предубеждений» (heuristics-and-biases), которая, будучи примененной к финансовым рынкам, получила определение «бихевиористской экономики» (behavioral economics) и стала влиятельным направлением в психологии и экономике.

Иллюстрацией полезных свойств эвристики служит пример равномерного размещения средств пенсионных накоплений фирмы среди некоторого числа пенсионных фондов. Такая инвестиционная стратегия может казаться глупой, но в большинстве ситуаций работает по крайней мере не хуже, чем методы оптимизации инвестиционного портфеля на основе исторически накопленных данных

1 Kahneman D., Tversky A. On the psychology of prediction // Psychological rev. - 1973. - Vol. 80, N 4. - P. 237-251. - Mode of access: http://psycnet.apa.org/psy cinfo/1974-02325-001. - Прим. реф.

статистики. Как показало одно из исследований, методы оптимизации дают достоверно лучшие результаты только при обработке статистики за 250 лет. Иногда меньше информации лучше, чем больше. Примерами противоположных свойств эвристики служат эффект узнавания, когда сам факт знакомого понятия или имени оказывается индикатором его значимости; эффект доступности (если что-либо легко вспоминается, оно представляется как более вероятное); эффект обладания (люди практически инвариантно придают большую ценность предметам, которыми обладают, чем тем, которых у них нет, даже если их рыночная цена одинакова).

В то же время вопрос о том, как принимать более эффективные решения, оставался не столь ясным. Как признавал сам Канеман и его последователи, их цель состояла лишь в том, чтобы показать неадекватность модели рационального агента. Однако эвристика не была абсолютным новшеством. Г. Саймон использовал это понятие еще в 1950-е годы. Он отмечал, что лица, принимающие решения, редко имеют возможность применить аналитические методы оптимизации. Они следуют принципу «удовлетворительности», а не ищут наилучшие. Такая «ограниченная рациональность», как Саймон назвал этот подход, отличается от направленности подхода Канемана и Тверски: если они показали, как люди отступают от рационалистической модели, то Саймон утверждал ее преимущества. В 1980-е годы к его мнению присоединились и другие исследователи.

Самым убедительным из них оказался немецкий психолог и статистик Г. Гигеренцер, который, исследовав историю теории вероятностей, пришел к убеждению, что байесовский подход, поддерживаемый концепцией анализа решений, не будучи некорректным, является лишь одним из возможных, и, следовательно, сама эта концепция - неполной. Гигеренцер и ряд других исследователей считают, что не следует отвергать эвристику, внутренние чувства, интуитивные решения и другие методы как абсолютно худшие по отношению к вероятностным аналитическим методам. Канеман впоследствии присоединился к этому мнению. В исследовании, проведенном совместно с Г. Клейном; он показал, что достоверные знания, основанные на интуиции, возникают в условиях предсказуемых ситуаций в сочетании с возможностями для обучения. Однако, по мнению Гигеренцера, это не единственная ситуа-

ция, когда эвристика превосходит метод анализа решений, при высокой степени неопределенности вероятностные величины, закладываемые в модель принятия решения, ненадежны, и лучшим выходом может стать эвристический метод. Опыт последних лет (прежде всего глобальный финансовый кризис) подтверждает это мнение.

Сегодня эвристический подход занял доминирующую позицию в научных общественных кругах как обладающий многими достоинствами и наиболее пригодный для получения представляющих интерес экспериментальных результатов. В условиях, характеризуемых высокой неопределенностью, многочисленностью возможных альтернатив или небольшим объемом выборки, эвристика дает лучшие результаты, чем более аналитические подходы. К такому выводу недавно пришли Гигеренцер и его группа в Институте развития человека им. Макса Планка в Берлине, проводя исследование так называемой «экологической рациональности».

Но и анализ решений не сдал позиций, хотя соответствующие работы ведутся в ограниченном числе университетов. Наибольшее применение он имеет в таких отраслях, как нефтяная и газовая, а также фармацевтическая промышленность, где необходимо принимать крупные решения с длительным инвестиционным горизонтом и при наличии в той или иной мере достоверной информации. Примером служит компания «Chevron», имеющая в своем штате 250 специалистов по анализу решений.

Для крупных и дорогих проектов, имеющих доступ к достаточно надежным данным (таких как строительство нефтеперерабатывающего завода), методы анализа операций чрезвычайно ценны. Они также полезны при ведении переговоров и принятии коллективных решений. Люди, привычные к ним, нередко применяют подобные методы (например, метод дерева решений) даже в простых ситуациях, требующих быстрой реакции.

Некоторые аспекты анализа решений стали использоваться в сфере информатики. Байесовский подход нашел непосредственное применение в прогнозировании, связанном с президентскими выборами. Сочетание различных методов в большей мере характерно для практики принятия решений, чем для научных изысканий. Очевидно, что будет укрепляться точка зрения, согласно которой эффективный процесс принятия решений сочетает применение эв-

ристики, рационалистических моделей и методов предупреждения ошибок.

Возникают и другие важные направления. Исследования в области нейробиологии, находящиеся в начальной стадии, в ходе своего развития (при получении новых данных о работе мозга) могут привести к изменению набора факторов в анализе решений. Решения все в большей мере становятся областью деятельности компьютеров, которые не подвержены свойственным человеку ограничениям, связанным с предпочтениями и возможностями обработки информации. Прогресс в развитии искусственного интеллекта объединяет методы анализа решений и методы эвристики, но вопрос о преимуществах тех и других остается открытым.

Менеджмент сталкивается с сочетанием повторяющихся ситуаций, в которых основанные на опыте интуитивные решения представляют огромную ценность, и новых ситуаций, в которых такая интуиция бесполезна. Он имеет дело с проектами, параметры риска и прибыльности которых можно просчитать. Однако, если проект включает новаторские действия, то такие расчеты могут ввести в заблуждение. По этой причине, делает вывод автор, именно в менеджменте наиболее необходимы различные стратегии принятия решений.

И.Г. Минервин

2017.01.036. УОРРИК Д.Д., МИЛЛИМЕН ДжФ., ФЕРГЮСОН Дж.М. СОЗДАНИЕ КУЛЬТУРЫ ВЫСОКОЙ ПРОИЗВОДИТЕЛЬНОСТИ. WARRICK D.D., MILLIMAN J.F., FERGUSON J.M. Building high performance cultures // Organizational dynamics. - 2016. - Vol. 45, N 1. - P. 64-70. - Mode of access: http://www.sciencedirect.com/scien ce/article/pii/S0090261615000832

Ключевые слова: корпоративная организационная культура; стратегия обслуживания потребителей; управление персоналом.

Профессора Университета Колорадо (Колорадо-Спрингс, США) рассматривают опыт торговой и сервисной интернет-компании «Zappos» по созданию организационной культуры (ОК), способствующей коллективной взаимопомощи сотрудников, творческому подходу к решению проблем, высокому уровню производительности труда и удовлетворения запросов потребителей. По-

i Надоели баннеры? Вы всегда можете отключить рекламу.