Потребители будущего. Кто они и как их понять
Шрифт:
Также учитываются округленные коэффициенты – текущие фигуры в экономике, доходы с учетом инфляции на следующий год, ценность компании на фондовой бирже, ее позиция относительно конкурентов на рынке, сильные и слабые стороны ее инвесторов, сильные и слабые стороны конкурентов и так далее.
Очевидно, чем больше коэффициентов вы внесете, тем более точным получится результат, но сколько всего их нужно? Сколько требуется информации или данных (в противоположность знаниям)? И самое главное, что нам вводить? Подробности о погоде от синоптиков? О тен–денциях ежегодных отпусков? О трудовом стаже или служащих компа–нии? А как насчет их
На этом месте неоклассические экономисты (или брокеры, если мы имеем дело с прогнозированием на фондовой бирже) нажмут кнопку «запустить программу» и пожалуются: «слишком много данных», многие из них «слишком иррациональны, слишком непоследовательны».
Считается, что в таких моделях прогнозирования следует придерживаться простоты, что линейность – это главное
Считается, что в таких моделях прогнозирования следует придерживаться простоты, что линейность —это главное. Что эти модели, если они рациональны и управляются экспертами, как-нибудь приведут к истине. Исключив из модели или программы человеческий аспект, вы также исключите то, что делает ее более-менее точной.
Синоптики сталкиваются с этим постоянно.
В США в марте 2001 года все говорили, что плохая погода неминуема, что ожидается снег, но не должно быть ничего похожего на бурю столетия, случившуюся в 1993-м, когда значительная часть Восточного побережья была парализована из-за трехфутовых сугробов. Однако самые мощные из погодных суперкомпьютеров предрекали худ–шее: в марте 2001-го объявлялись штормовые предупреждения, и экст–ренные службы готовились к снежной буре.
Метеорологи старой школы были в сомнениях, но данные говорили сами за себя, поэтому синоптики просто представили их публике в ка–честве факта. Наступило 6 марта, и, как и предполагалось, пошел снег, но по меркам Штатов это было не страшнее обычного снегопада, при котором дети катаются на санках. Почему же компьютеры допустили ошибку? Они не могли справиться с вычислениями достаточно быстро или достаточно гибко, либо у них было слишком много данных, откло–няющихся от нормы, – коэффициентов, которые программисты сочли нерелевантными. Поэтому они сделали то, что делает большинство про–грамм с линейной или округленной моделью прогноза, столкнувшись с большим количеством данных, – использовали умные алгоритмы, которые отбрасывают некоторые подробности, даже те, которые самым непосредственным образом могут повлиять на результат.
Это сглаживание, или алгоритмический прыжок, часто применяет–ся в большинстве моделей прогнозирования в биологии, физике и хи–мии, и поэтому мы перешли к более сложным адаптивным процессам и процессорам. Денежные рынки, однако, продолжают использовать эти модели, опираясь на экспертов, которые мыслят во многом так же – ра–ционально, соответственно сглаживая выступающие углы, учитывая только логические факторы. Между тем, как показывают онлайн-игры и виртуальные фондовые биржи, новички, использующие эмоциональные и иррациональные, но зато более интуитивные и реалистичные подходы к предсказанию рыночных ситуаций, превосходят экспертов.
Голливудская биржа и Электронная биржа штата Айова (Биржа пред–сказаний) являются тому доказательством. Каждая обменивает предска–зания на виртуальные ценные бумаги или игрушечные деньги, и каждая раз за разом оказывается более точной в предсказаниях
Похоже, что люди могут успешно работать вместе, используя инту–ицию, эмоции, собственные понятия о риске – в онлайне, если не хо–тят смущать друг друга, или же рядом с коллегами – с целью анализа рынков, основываясь на том, что дает им наблюдение и эмоциональное восприятие мира.
В 2001-м, например, Голливудская биржа настолько точнее предсказала вручение «Оскаров», чем специалисты от индустрии, что теперь студии платят ей за подробную информацию. Аналогично Биржа предсказаний теперь используется брокерами, инвесторами и растущим числом анали–тиков с Уолл-стрит, чтобы получить более точное представление о том, когда могут случиться прорывы в ключевых областях сектора биотех–нологий или лечении рака и СПИДа. В этом и заключается «экономика удовлетворения» – использовать иррациональное, эмоциональное и алогичное для создания развивающейся сети, внутри которой можно предсказывать и понимать людей и будущее.
Такие люди, как Эрик Бонабью (прогнозист консалтинговой ком–пании ICosystem), именно это и делают – используют темперамент, чтобы объяснить, почему, например, большая часть ежегодных потерь французских и итальянских банковских систем приходится на август; почему небольшое увеличение числа покупателей приводит супермаркет к ухудшению продаж вина; почему микроскутеры становятся неотъем–лемой городской транспортной игрушкой для поколения кофе-латте и Кархартта, в то время как мини-скутеры (или не менее странно выгля–дящие продукты вроде Sinclair C5) не имеют успеха?
Материал, с которым работают Бонабью и его коллеги, состоит, без сомнения, из нашей нелогичности, из наших мечтаний. Подобно игро–кам Голливудской биржи, они также дают большую точность, чем тра–диционные модели, действующие сверху вниз, которые берут глобальные уравнения и структуры и применяют их к локальным ситуациям так, что большая картина накладывается на малую, сводя ее роль, по сути, к нулю, убирая ее влияние на результат.
Для оценки «макро» используйте «микро»
Спонтанные модели действуют наоборот. Они берут микрофакторы и смотрят, какое влияние на макро– те могут оказать. Таким образом, «спонтанность» – это система или философия, действующая снизу вверх, которая берет человека, отдельного индивидуума, и смотрит, как он может взаимодействовать с окружающими его людьми и каковы могут быть последствия такого взаимодействия.
Как показывают системы спонтанного моделирования и как обна–руживают экономисты спонтанности, рынки и тенденции не только сложны, но и противоречивы.
Представьте, например, шоссе в два ряда, заблокированное интен–сивным движением. Логика подсказывает, что, если вы достроите еще один ряд с подходящими въездами и выездами, это ускорит движение (а с экономической точки зрения еще и даст больше прибыли городу в краткосрочной перспективе). Но Бонабью и его коллеги откажутся – и будут правы: движение станет еще интенсивнее, что приведет к еще большим пробкам и вызовет еще большее раздражение водителей.
Однако еще в 1968 году, до Бонабью и «экономики бабочек», проблему обнаружил немецкий инженер по исследованию операций, и с тех пор она известна как парадокс Браеса.