Выбор сильнейших. Как лидеру принимать главные решения о людях - Клаудио Фернандес-Араос

Статистики показали, что в такой ситуации лучшей стратегией является «правило 37 процентов». Визирю следует спросить первых 37 девушек и запомнить наибольшую цифру приданого, которую назовет одна из них (обозначим эту цифру как Н). После этого, начиная с тридцать восьмой по счету девушки, он должен остановиться на первой, назвавшей цифру больше, чем Н. Так визирь обеспечит себе наивысшую вероятность правильности выбора и возможность сохранить голову на плечах.

Но «правило 37 процентов» имеет и очевидные ограничения. Во-первых, чтобы сделать окончательный выбор, вам надо провести как минимум 38 интервью (т. е. 37 + 1) из ста возможных, на самом же деле – наверняка больше. А если ваша база насчитывает 1000 кандидатов? У вас найдется время, чтобы оценить (как минимум!) 371 из них?

Некоторые исследователи рассматривали эту проблему под рубрикой «быстрое и экономичное принятие решений», пытаясь найти способы достижения лучших результатов на гораздо меньшей выборке кандидатов. Одна из групп, исповедующая принцип «меньше – это больше», обнаружила, что более простые правила, например «проверь дюжину» (то есть проанализируй 12 кандидатов и после этого начинай сравнивать следующих с лучшими из предыдущих), не только намного более экономичны (с точки зрения количества проанализированных кандидатов), но и более действенны^{157}. Конечно, это правило не максимизирует вероятность выявления лучшего кандидата, но оно позволяет найти кандидата с наивысшей ожидаемой ценностью и при этом снижает вероятность откровенно неудачного выбора. Интересно, что правило «проверь дюжину» работает не только на выборках в количестве 100 кандидатов, но и на пулах в несколько тысяч человек.

В этих изысканиях нет ничего удивительного, если принять в расчет статистику экстремальных величин. Если вы возьмете случайную выборку из нормального распределения, ожидаемая величина максимума будет расти с ростом размера выборки. Однако когда выборка будет достаточно большой, ожидаемая величина максимума уже не будет заметно расти с ростом размера выборки. Если вы рассмотрите стандартное нормальное распределение (у которого среднее значение равно 0 и стандартное отклонение равно 1) и возьмете выборку размером 1, то ожидаемое значение по определению будет равно 0. По мере роста размера выборки можно посчитать и ожидаемую величину максимума в этой выборке. Если мы возьмем очень большую выборку, то ее максимум, скорее всего, окажется в районе 2 (число 2 по определению равняется двум стандартным отклонениям от среднего, что в нормальном распределении должно случаться с небольшой вероятностью).

На рис. 6.3 показана ожидаемая величина максимума такого распределения в зависимости от размера выборки. Как видно, выборка размером 10 экземпляров дает ожидаемую величину, близкую к 1,6, что не так уж далеко от практического максимума (т. е. 2). Это объясняет действенность стратегии «проверь дюжину» в ситуации выбора кандидатов из очень большого пула.

Рис. 6.3. Ожидаемая величина максимума стандартного нормального распределения