Не лги себе. Почему Big Data знает тебя лучше, чем ты сам, и как использовать это, чтобы добиться успеха

Идея принесла выдающиеся результаты. В книге Moneyball приводится довольно известный факт: в Oakland Athletics платили очень скромные зарплаты, но при этом команда выходила в плей-офф в 2002 и 2003 годах [4] . С тех пор роль аналитики в бейсболе резко возросла. Клуб Tampa Bay Rays, о котором говорили, что он больше следует Moneyball, чем сама команда Oakland Athletics из Moneyball [5] , вышел в World Series 2020, несмотря на третий с конца уровень зарплат в бейсболе.

4

Michael Lewis “Moneyball: The Art of Winning an Unfair Game” (New York: Norton, 2004).

5

Jared Diamond, “How to succeed in baseball without spending money”, Wall Street Journal, October 1, 2019.

Принципы Moneyball и лежащая в их основе здравая идея, что когнитивные искажения могут быть компенсированы данными, повлияли на многие учреждения и виды спорта. Команды NBA все больше используют аналитику, прослеживающую траекторию каждого броска [6] . В данных о 300 миллионах бросков были найдены значительные отклонения от оптимальной техники. Оказывается, что для среднего игрока NBA, выполняющего бросок в прыжке, вероятность пропустить бросок с недолетом вдвое выше, чем бросок с перелетом. А когда он выполняет бросок из угла, он скорее промахнется в сторону, противоположную щиту, потому что может опасаться попасть в него. Игроки воспользовались подобными данными, чтобы и корректировать когнитивные искажения, и одновременно делать больше бросков.

6

Ben Dowsett, “How shot-tracking is changing the way basketball players fix their game”, FiveThirtyEight, August 16, 2021, https://fivethirtyeight.com/features/how-shot-tracking-is-changing-the-way-basketball-players-fix-their-game/.

Фирмы Кремниевой долины в значительной степени опираются на принципы, изложенные в Moneyball. Google, где я в прошлом работал аналитиком данных, определенно верит в полезность данных при принятии важных решений. Была довольно известная история, когда оттуда уволился дизайнер, недовольный тем, что компания предпочитала данные, а не интуицию квалифицированных дизайнеров. Последней каплей для него стал эксперимент, в котором компания испытывала сорок один оттенок синего [7] для гиперссылок в Gmail, чтобы выяснить на практике, какой из них даст больше всего кликов. Возможно, дизайнер и был недоволен, но эксперимент принес Google 200 миллионов долларов дополнительного дохода в год [8] . Google ни разу не поколебался в своей вере в данные – и со временем превратился в компанию ценой в 1,8 триллиона долларов. Как сказал ее бывший исполнительный директор Эрик Шмидт: «В Бога мы верим. Все остальные должны предоставлять данные» [9] .

7

Douglas Bowman, “Goodbye, Google”,March 20, 2009.

8

Alex Horn, “Why Google has 200m reasons to put engineers over designers”, Guardian, February 5, 2014.

9

“Are we better off with the internet?” YouTube, uploaded by the Aspen Institute, July 1, 2012, https://www.youtube.com/watch?v=djVrLNaFvIo.

Джеймс Симонс, математик мирового класса и основатель компании Renaissance Technologies, принес строгий анализ данных на Уолл-стрит. Он и его группа количественных аналитиков создали беспрецедентный массив данных, содержащий одновременно курсы акций и события реального мира, и подвергли его анализу на предмет закономерностей. Какова тенденция изменения курсов после того, как компания-эмитент объявляет о прибылях? А при дефиците хлеба? А после упоминания компании в газете?

С момента основания Renaissance ее флагманский инвестиционный фонд Medallion [10] , который в своей торговой стратегии опирается исключительно на закономерности в данных, всегда приносил 66 % прибыли до вычета налогов и сборов. В тот же период S&P 500 приносил 10 % до вычета. Экономист Кеннет Френч (его имя связывают с гипотезой эффективного рынка, говорящей о практической невозможности обеспечить показатели существенно выше S&P 500) так объясняет успех Renaissance: «Видимо, они просто лучше всех остальных» [11] .

10

Gregory Zuckerman, The Man Who Solved the Market (New York: Penguin, 2019).

11

Amy Whyte, “Famed Medallion fund ‘stretches… explanation to the limit,’ professor claims”, Institutional Investor, January 26, 2020, https://www.institutionalinvestor.com/article/b1k2fymby99nj0/Famed-Medallion-Fund-Stretches-Explanation-to-the-Limit-Professor-Claims.

Но как нам принимать важные решения, касающиеся личной жизни? Как выбрать партнера для брака, как ходить на свидания, как проводить время, соглашаться ли на то или иное предложение о работе?

На кого мы больше похожи – на Oakland Athletics в 2002 году или на прочие бейсбольные команды в то же время? На Google или на привычный магазин? На Renaissance Technologies или на обычного управляющего инвестиционным фондом?

Я бы сказал, что большинство из нас принимают важнейшие решения, опираясь на интуицию. Может быть, мы посоветуемся с кем-то из друзей, родственников или самозваных гуру по части искусства жить. Может быть, прочитаем какие-то ни на чем не основанные советы. Бросим беглый взгляд на самую базовую статистику. И затем просто сделаем то, что кажется нам правильным.

«Что бы произошло, начни мы решать самые важные жизненные вопросы с опорой на данные?» – спрашивал я себя, смотря бейсбольный матч по телевизору. Если бы мы администрировали свою жизнь так же, как Билли Бин – клуб Oakland Athletics?

Я знаю, что в наши дни подобный подход становится все более осуществимым. В своей предыдущей книге «Все лгут» я показывал, как новые данные, которые стали доступны нам благодаря Интернету, меняют наши представления об обществе и работе человеческого ума. Может быть, статистическая революция началась с бейсбола именно из-за статистической информации, которую собирали и на которую создавали спрос сумасшедшие болельщики. Так сказать, «революция Moneyball для нашей жизни» стала возможной благодаря данным, которые собрали наши компьютеры и смартфоны.

Давайте зададимся не таким уж тривиальным вопросом: что делает людей счастливыми?

Данные, необходимые для строгого и систематического ответа на этот вопрос, в XX веке были недоступны.

Когда революция Moneyball потрясла мир бейсбола, в распоряжении сайберметристов были аккуратнейшим образом зарегистрированные данные по каждой игре и им было что анализировать. Но аналитики данных тогда не располагали подобными сведениями относительно существенных жизненных решений и настроений обычных людей. В те времена счастье, в отличие от бейсбола, не поддавалось строгому анализу.

Но теперь такая возможность есть.

Блестящие специалисты из Google, Джордж Маккеррон и Сюзанна Мурато, при помощи аппаратов iPhone сформировали не имеющий аналогов массив данных о счастье и назвали свой проект Mappiness [12] . Они привлекли к работе десятки тысяч пользователей, которых опрашивали по нескольку раз в течение дня. Им задавали простые вопросы: что они делают в данный момент, с кем они, насколько при этом счастливы. Таким образом они получили массив данных более чем из трех миллионов «замеров счастья». Это нельзя даже сравнивать с десятками измерений, на которые опирались исследования счастья в прошлом.

12

Дополнительную информацию о проекте Mappiness можно найти по адресу http://www.mappiness.org.uk.

Некоторые из скрытых в этих миллионах точек результатов наводят на размышления. Например, болельщики получают больше страданий от проигрыша своей команды, чем радости от ее победы. Иногда они противоречат нашим интуитивным представлениям: так, употребление алкоголя во время исполнения рутинных обязанностей в среднем доставляет больше удовольствия, чем во время общения с друзьями. Иногда результаты представляются здравыми: работа имеет тенденцию раздражать – если только мы не работаем вместе с друзьями.

Но полезны эти результаты всегда. Вы никогда не задавались вопросом, как в точности погода влияет на настроение? Какие занятия в среднем чаще всего обманывают нас в смысле ожидаемого удовольствия? Насколько деньги действительно важны для счастья? В какой мере настроение зависит от среды? Благодаря Маккеррону и Мурато у нас теперь есть достоверные ответы на эти вопросы – и они будут предметом восьмой и девятой глав. Я даже завершу эту книгу надежной формулой счастья, выведенной из замеров на тысячах смартфонов. Я называю ее «ответом на главный вопрос жизни, полученным при помощи данных».

Итак, последние четыре года я, вдохновившись примером бейсбола, погрузился в напряженную научную работу. Я говорил со специалистами. Читал академические публикации. Рассматривал приложения к публикациям под таким углом, который – я совершенно уверен в этом – еще не приходил в голову ни одному ученому. Провел несколько собственных исследований и интерпретировал их результаты. Свою задачу я видел в том, чтобы найти своих Биллов Джеймсов в таких областях, как брак, воспитание детей, спортивные достижения, финансовое благосостояние, удача, стиль и счастье, – и дать каждому из вас возможность стать Билли Бином своей жизни. Я готов поделиться всем, что узнал.