“Суперфрейкономика” (Superfreakonomics) – краткий обзор книги
Superfreakonomics рассказывает о том, как можно найти неочевидные решения сложных проблем, ориентируясь на необработанные, жёсткие данные и мысля как экономист, что позволит вам быть ближе к истине, чем все остальные.
Суперфрикономика – это продолжение безумно популярной книги Фрикономика, опубликованной в 2009 году Стивеном Левиттом и Стивеном Дж. Дубнером. Как и все их книги, написанные в соавторстве, она использует экономический подход к происходящему в реальном мире, что означает использование статистики и достоверных данных, чтобы выяснить, что на самом деле движет человеческим поведением.
В этой книге затрагиваются такие интересные темы, как проституция, терроризм и глобальное потепление. Однако уроки, которыми я хочу с вами поделиться, относятся к более общему уровню, потому что я думаю, что это поможет вам лучше всего воспринять идеи этой книги.
Вот 3 урока, которые помогут вам увидеть мир как можно более ясно:
- Стимулы редко работают так, как запланировано.
- Вы можете найти простые решения сложных проблем, уменьшив масштаб.
- Не существует такого понятия, как слишком много данных. Всегда собирайте как можно больше.
Вы думаете, что предсказать поведение человека сложно? Вот фильтр, который поможет вам находить истину чаще, чем когда-либо!
Даже самые лучшие стимулы не срабатывают так, как планировалось, и всегда имеют побочные эффекты.
Несмотря на то что мы не можем заглянуть людям в голову и узнать, что именно заставляет их работать, мы все равно постоянно руководствуемся силой стимулов . Правительства, компании, школы, даже просто другие люди постоянно пытаются заставить нас делать что-то, предлагая нам определённые вознаграждения.
Идея достаточно проста: вы обещаете кому-то вознаграждение B за выполнение действия A и надеетесь, что все в вашей целевой группе проявят желаемое поведение.
Однако здесь действует скрытая сила: закон непредвиденных последствий. Дабнер и Левитт придумали эту фразу для описания поведения, которое возникает после предоставления стимулов, которые не были запланированы .
Например, в Германии правительство постоянно пытается заставить людей производить меньше отходов с помощью таких забавных идей, как вывоз мусора только раз в три месяца, уменьшение размеров мусорных баков или введение платы за объем. Пока что все эти идеи ужасно провалились, что привело лишь к появлению креативных идей о том, как избежать новых систем, например, выбрасывать мусор в лесу или спускать еду в унитаз.
Но даже те стимулы, которые действительно работают, не будут работать для всех, и все они будут иметь некоторые побочные эффекты. Вы можете заставить своих детей мыть посуду, если пообещаете им 1 доллар за каждую вымытую тарелку, но это также может заставить их мыть ее даже тогда, когда она не грязная, или ожидать денег за другие домашние дела.
Не забывайте: у всех стимулов есть предполагаемые и непредусмотренные последствия!
Простые решения сложных проблем часто скрыты на более общем уровне.
Что делают учёные, если не могут найти решение проблемы? Они собирают данные! Данные всегда помогут вам найти решение, но они могут сделать это не так, как вы думаете.
Для особо сложных проблем решение часто лежит на один уровень выше самой проблемы. Одна точка данных, экстремальное значение или выброс, или точки данных, которые вы думали собрать, но не собрали, часто рассказывают гораздо более откровенную историю, чем «нормальные» данные.
Это связано с явлением, называемым упущенной переменной (omitted variable bias), которое означает, что вы забыли включить в анализ один из самых важных факторов . Например, существует корреляция между потреблением шоколада в стране и количеством лауреатов Нобелевской премии, но это не значит, что употребление шоколада повышает вероятность получения Нобелевской премии. Просто так сложилось, что более богатые страны с высоким уровнем образования также тратят больше денег на роскошные продукты.
Аналогично, иногда проще найти решения, которые предотвратят возникновение проблемы изначально, чем решать ее уже после того, как она возникла.
Например, Игнац Земмельвейс обнаружил, как снизить материнскую смертность после родов, когда сравнил свою больницу, в которой было отделение вскрытия, с другой, в которой его не было. Ещё не разработав теорию микробов, он решил, что во время вскрытия должно происходить что-то, что приводит к заражению молодых матерей, и поэтому посоветовал врачам мыть руки – и это сработало как чудо.
Точно так же в 1950-х годах был разработан автомобильный ремень безопасности: почему бы не защитить голову от ударов, а не пытаться сделать так, чтобы она мягко приземлялась при столкновении?
Поэтому, когда вы сталкиваетесь со сложной проблемой, уменьшите масштаб, сделайте шаг назад и посмотрите за пределы стандартных данных.
У вас никогда не будет достаточно данных, поэтому всегда собирайте как можно больше.
И наконец, поскольку самые ценные данные – это те, которые вы редко наблюдаете, а также те, которые, как вам кажется, отсутствуют в обычной картине, вам нужно много данных, чтобы их найти.
Чем больше у вас данных, тем больше контринтуитивных выводов появится, поэтому всегда собирайте как можно больше данных .
Например, в книге Four Minute Books я предусмотрел множество мест, где люди могут оставить свой отзыв, например форму предложения книги, предложение ответить на моё первое письмо, а также интегрировал опросы в последовательности писем, например Time 2 Read .
Таким образом, я всегда собираю больше данных на автопилоте, которые затем могу объединить с конкретными вопросами в определённые моменты времени, например, с опросом, который я разослал перед созданием Time 2 Read в первую очередь.
Данные никогда не вредят, наоборот, поэтому убедитесь, что вы всегда получаете больше данных!
Статистика – это тема, которая очень волнует меня в 2016 году. Есть что-то такое в сведении вопросов к цифрам, что заставляет вас мыслить рационально и смотреть на то, что происходит на самом деле, а не строить догадки на основе собственных, запутанных чувств и интуиции. В гиперчувствительном мире, наполненном мусорными новостями, побеждает тот, кто может сделать это лучше всех, а я очень хочу, чтобы победили вы и я, поэтому рекомендую вам «Суперфрейкономику».
Кому бы я порекомендовал книгу «Суперфрикономики»?
27-летнему научному сотруднику, который в этом семестре решает очень сложную задачу и не может найти решение в своих данных, 44-летнему руководителю отдела продаж, которому нужно придумать новую систему мотивации для своей команды, и всем, кто никогда раньше не проводил опросы.
“Суперчеловек” (Super Human) – краткий обзор книги
“Superbetter” – краткий обзор книги
“Суперкоммуникаторы” (Supercommunicators) – краткий обзор книги
“Суперинтеллект” (Superintelligence) – краткий обзор книги
“В окружении идиотов” (Surrounded by Idiots) – краткий обзор книги