Окружи себя лучшими
Шрифт:
И выучите все фразочки из книги «Л.О.Ж.Ь.», чтобы сразу заметить, если кто-то вознамерится скормить их вам!
Глава 11
Шансы не в вашу пользу
Всем нам приходилось слышать истории о том, как шимпанзе, младенцы, коты и метатели ножей вслепую вдруг начинали покупать и продавать акции и зарабатывали на этом больше профессиональных фондовых менеджеров. Недавно было проведено исследование, авторы которого, сотрудники Школы бизнеса Кэсса Лондонского городского университета, сравнили 10 миллионов «обезьяньих» (случайно созданных и оцененных компьютером) индексов с реальными рыночными индексами, взвешенными по капитализации (теми, которые рекомендуют инвесторы-гуру
Увы, по части отбора людей дела у нас обстоят не лучше, чем у обезьян. Если мы попробуем измерить эффективность работы интервьюера и посмотрим, как соотносится его оценка с дальнейшей деятельностью кандидата на новом рабочем месте, разброс будет огромный. Допустим, максимальный коэффициент корреляции (1) может дать только Господь Бог — он знает все, не подвержен когнитивным искажениям, никогда не лжет и прав в 100% случаев. Так вот, лучшие профессиональные интервьюеры (я называю их «вице-боги») показывают результат примерно в 0,7, то есть их оценки верны в 70% случаев. Большинство же людей имеют показатель в 0,3, то есть правы примерно в 30% случаев, а уж в оценках худших профессиональных интервьюеров может даже наблюдаться отрицательная корреляция (примерно –0,1) с реальным результатом. Если вы знаете такого интервьюера и в курсе, что он всегда ошибается, разумнее всего будет выслушать его и поступить наоборот!
И вот что нужно знать: даже если вы будете лучше «вице-бога», при выборе лучших людей шансы все равно против вас. Чтобы показать это наглядно, я часто привожу одну задачку. Допустим, вам нужно нанять только тех, кто работает лучше, чем 90% их коллег. Предположим, вы бываете правы в 90% случаев (невиданный результат!). Следовательно, когда вы относите человека к 10% лучших, вы будете правы в 9 случаях из 10; точно так же, относя человека к 90% оставшихся, вы будете правы в 9 случаях из 10. А теперь допустим, что на протяжении своей карьеры вы должны оценить сотню кандидатов. Сколько из тех, кого вы отнесете к 10% лучших, действительно будут лучшими? Не спешите, подумайте и запишите ответ.
Я сотни раз предлагал эту задачу тысячам студентов, специалистов и менеджеров со всего мира. Обычно ответы колеблются от 9 до 90%. Редко кто может интуитивно дать правильный ответ, да и вычисления верно делают немногие.
А правильный ответ — 50%. Вы будете ошибаться в половине случаев. Один раз увидеть лучше, чем сто раз услышать, не так ли? Тогда посмотрите на рис. 11.1, чтобы разобраться в математической подноготной этого дела.
Рис. 11.1. Шансы на то, что вы выберете лучшего (если вы правы в 90% случаев)
В самом начале у вас 100 кандидатов. Десять из них, по определению, принадлежат к 10% лучших, но кто именно — вы не знаете. Их я разместил на самом верху рисунка. Оценивая их с 90%-ной точностью, вы закономерно получите 9 лучших. Но когда вы приметесь оценивать оставшихся 90 кандидатов, то опять же будете правы лишь в 90% случаев, совершенно верно отбракуете 81 кандидата, но ошибочно причислите к лучшим еще девятерых, которые к лучшим не относятся. В итоге вы отберете 18 человек, из которых только половина заслуживает высокой оценки, и понятия не будете иметь, кто из них настоящий самородок, а кто — результат вашей ошибки.
Заметьте, мы исходили из того, что вы правы в 90% случаев — недосягаемая для простых смертных цифра. Если же предположить, что вы правы всего в 70% случаев (то есть прочли эту книгу и встали наравне
Рис. 11.2. Шансы на то, что вы выберете лучшего (если вы правы в 70% случаев)
И все же вы можете повысить свои шансы, если возьмете на вооружение несколько полезных приемов.
Во-первых, постарайтесь, чтобы кандидатов было много, больше, чем бывает в среднем. Знаете, зачем горнодобывающие компании тратят массу времени и денег на разведку? Чтобы потом добывать и обрабатывать только ту руду, в которой содержится высокая доля нужного им ископаемого. Так и вы для начала постарайтесь собрать группу, в которой звезд будет больше 10%. Обратитесь к источникам, узнайте, где найти самых грамотных кандидатов, тщательно проанализируйте характеристики тех, кто лучше всего работал на вас в прошлом. Так, например, когда я искал контролеров, то многих великолепных кандидатов нашел в лучших бухгалтерских компаниях.
Во-вторых, постарайтесь проверить уровень кандидатов, предложив им стандартное рабочее задание или практическую задачу. Не ограничивайтесь интервью и проверкой рекомендаций. Конечно, если вы ищете человека на высокую должность, предполагающую разные задачи, это вам вряд ли удастся, но стандартные профессии — от сборщика автомобилей до программиста, от графического дизайнера до спичрайтера — нередко позволяют проверить кандидата на компетентность.
И наконец, обязательно попросите, чтобы вам помогли оценить кандидата. В горном деле для получения чистейшего золота используется последовательность фильтров. Тот же прием годится и для принятия решений по поводу людей. Впрочем, как я еще объясню в следующей главе, к этому процессу имеет смысл подключить лишь нескольких «вице-богов» — но ни в коем случае не «обезьян».
Глава 12
Проблема демократии
Рассказывая о моделях, которые применяются в организации для принятия решений о людях, руководитель нередко использует политические метафоры. Порой описывают настоящую диктатуру, в рамках которой лидер группы, подразделения или компании единолично решает, кого нанять, уволить, перевести или продвинуть. Вариант получше — благожелательная монархия: король или королева правит всем, но всегда учитывает интересы группы. Бывает, говорят о демократии — все заинтересованные стороны имеют право голоса или, в экстренном случае, право вето. Увы, ни одна из этих систем не идеальна. Потому что в действительности нам необходима избирательная аристократия, при которой для принятия решения формируется группа из трех наиболее компетентных оценщиков, способных снабдить вас ценной информацией.
Это решение я предлагаю не только как консультант по поиску и подбору топ-менеджеров с многолетним стажем и самым невероятным опытом, но и как инженер, тщательно просчитавший все плюсы и минусы модели. Вернемся к гипотетическому примеру из главы 11 и представим себе, что вы — «вице-бог» и способны выбрать лучшего работника в 90% случаев. Если у вас будет сотня кандидатов, в половине случаев вы примете ошибочное решение. Но если вы привлечете к делу еще одного (такого же хорошего) специалиста по отбору и поручите ему опрашивать только тех, кого вы одобрили, в его распоряжении изначально окажется более качественная выборка и шансы на ложноположительный результат — на то, что оба вы причислите к лучшим средненького работника, — упадут до 10%. Добавляем третью ступень фильтрации — и вот мы имеем всего 1% ошибок (рис. 12.1). Это хорошая новость.