15.3 Ориентируемся на данные

В идеале каждое решение, принимаемое в компании, должно основываться на данных. Однако это не всегда возможно, потому что иногда необходимые данные просто еще не существуют, и у вас нет времени или ресурсов для их поиска. В таких случаях хорошие компании склонны полагаться на опыт своих лидеров, опираются на прошлое, которое помогает сориентироваться в будущем. Это прекрасно, однако лучше всего стараться принимать решения всякий раз, основываясь именно на данных. На объективных, проверенных, правильных и значимых данных.

Например, возьмем высказывания по типу «Windows лучше, чем Linux», «Java лучше, чем C#», «Cisco лучше, чем Juniper». Все это я слышал на собраниях, где принимаются важнейшие долгосрочные технологические решения, и ни одно из этих высказываний не основано на фактах. Будучи консультантом, я пытаюсь выяснить, каковы же факты.

Например: «Для нас Windows лучше Linux, потому что большинство работников понимают Windows. Windows может отлично запускать веб-сервер Apache, от которого зависит наше приложение. У нас есть корпоративное соглашение о поддержке Windows, в то время как на четырех машинах с Linux ее нет». Это уже что-то! Теперь мы видим факты, и они помогают придать контекст и смысл первоначальному утверждению о том, что «Windows лучше, чем Linux». У нас есть данные, которые мы можем изучить, проверить и на их основе принять решение.

«Если мы внедрим новую систему управления версиями, то сэкономим время». Звучит как теория, мнение или даже убеждение, но на факт не похоже. «Текущая система управления требует от каждого разработчика примерно четырех часов дополнительного рабочего времени в неделю на разрешение конфликтов слияния кода. Каждому из них платят 84 доллара в час в виде полной заработной платы, что составляет около 336 долларов в неделю или 17 472 долларов в год. На десять разработчиков уходит 174 720 долларов в год потраченного впустую времени. Предлагаемая система автоматизирует процесс слияния, и другие пользователи заявили, что это сокращает их накладные расходы на 50 %. Таким образом, мы рассчитываем на годовую экономию в размере 87 360 долларов, что намного перевешивает затраты на миграцию и внедрение системы. Я считаю, что нам стоит провести эксперимент, чтобы проверить, удастся ли добиться 50 % экономии в нашей среде».

Это набор утверждений, основанный на данных. Несмотря на то что часть из них была непроверенной, мы предложили путь продвижения, основанный на данных, который предполагал тестирование заявленного уровня экономии. Заработная плата – это факт, и его может проверить любой сотрудник компании через бухгалтерию. Предполагается, что показатель «четыре часа в неделю» также можно проверить, допустим, путем проведения эксперимента, в котором рабочее время измеряется более строго, чем обычно. Эти утверждения вышли за рамки наших предположений и «веры»: человек изложил некоторые факты, выдал свою теорию и предложил ее проверить. Вот как это нужно делать!

15.4 Берегитесь данных

Марк Твен однажды сказал: «Существуют три вида лжи: ложь, наглая ложь и статистика». Другими словами, данные могут работать как на нас, так и против нас. Статистика – одна из распространенных форм данных, на которые полагаются компании, – может трактоваться любым способом, необходимым для подтверждения своего мнения.

Предположим, вы сидите на совещании по разработке продукта, и кто-то говорит: «Нам нужно изменить начальный экран, потому что данные показывают, что пользователи в нем путаются». Затем вам показывают краткий график, полученный из недавнего исследования клиентов, который отображает, что большинству действительно неудобно использовать главный экран. Данные выглядят убедительно, однако их все равно стоит изучить.

Допустим, исследование проходило в виде опроса, и вопрос звучал так: «Считаете ли вы, что главный экран слишком запутан и его сложно использовать?» Далее предположим, что в опросе участвовали всего десять человек. Выходит, полученные данные ненадежны: вопрос написан таким образом, что на него можно ответить «да» не задумываясь, а число опрошенных людей не статистически значимо. Критически мыслящий человек, углубившись в «исследование клиентов», мог бы указать на эти недостатки и предложить провести более тщательное исследование, чтобы получить более надежный набор данных.

Данные не собираются сами по себе. Их находят люди или компьютеры, которые были запрограммированы людьми. У всех нас есть предубеждения; следовательно, все данные могут быть предвзятыми. Предположим, что вы работаете над программным приложением, которое имеет встроенные механизмы для создания отчетов о поведении пользователя. Собранные данные помогут вам проанализировать, какие функции используются чаще всего. Однако вы обнаружили, что, возможно, по юридическим причинам ваш код сбора данных не используется для приложения, развернутого в Азии. Данные теперь ненадежны, потому что они не отражают полную картину мира. «Смещение» в данных может быть непреднамеренным и неизбежным, но, тем не менее, остается смещением.

Поэтому, хотя важно мыслить критически и ориентироваться на данные, также важно критически относиться к самим данным. Убедитесь, что вы понимаете, откуда они берутся, какие в них могут присутствовать предубеждения и как вы можете их контролировать, прежде чем полностью на них положиться.

15.5 Рекомендуемая литература

Упражнения для развития критического мышления – Critical Thinking Exercises, mng.bz/y9AG

Джонатан Хабер, Critical Thinking (MIT Press Essential Knowledge Series, 2020).

Марсель Данези, Master Your Mind: Critical-Thinking Exercises and Activities to Boost Brain Power and Think Smarter (Rockridge Press, 2020).

15.6 Упражнения

Я хочу предложить вам пару упражнений, которые помогут сосредоточиться на критическом мышлении.