Что мы можем прогнозировать?

Что мы можем прогнозировать?

Несколько упрощая, все события в мире подразделяются на два типа — конформирующие некой стабильной исторической модели и не конформирующие ей. Надежные прогнозы можно делать только о первом типе. Как говорилось в предыдущей главе, даже в этом случае предсказание конкретного результата невозможно — равно как и прогнозирование результата броска игральной кости. С другой стороны, коль скоро мы можем собрать достаточное количество данных о прошлом, то в состоянии и весьма достойно спрогнозировать пусть не сам результат, но хотя бы его вероятность. К счастью, во многих случаях этого вполне достаточно.

Каждый год, например, все мы рискуем подхватить грипп. Лучшее, что можно предсказать, — в любом отдельно взятом сезоне у нас есть некоторая вероятность заболеть. Поскольку людей так много, а уровень заболеваемости год от года остается относительно неизменным, фармацевтические компании неплохо представляют, сколько вакцин от гриппа им необходимо доставить в определенный уголок земного шара в тот или иной месяц. Аналогичным образом существенно варьируется и вероятность непогашения кредитов людьми даже с одинаковым материальным положением. Все зависит от того, что происходит в их жизнях. Однако банки могут на удивление точно спрогнозировать совокупный уровень невыплат — путем изучения ряда социально-экономических, демографических и поведенческих переменных. Интернет-компании все чаще прибегают к целым массивам данных о просмотренных веб-страницах — для вычисления вероятности того, что данный конкретный пользователь кликнет на данный конкретный результат поиска, благосклонно отреагирует на некий новостной материал или прислушается к определенной рекомендации. Как пишет политолог Ян Эйрес в своей книге «Super Crunchers», предсказания подобного рода завоевывают все большую популярность в таких областях с большими базами данных, как финансы, здравоохранение и электронная коммерция. Скромные прибыли, связанные с построенными на этих данных прогнозами, здесь часто могут суммироваться миллионы или даже миллиарды раз (в некоторых случаях — каждый день), что в итоге дает существенную прибыль^{173}.

Впрочем, в бизнесе, правительстве и планировании существует много областей, которые опираются на предположения, не вписывающиеся в эту модель. Например, когда издатель решает, какую сумму предложить потенциальному автору в качестве аванса, он фактически делает прогноз о будущих продажах заявленной книги. С одной стороны, чем больше экземпляров будет продано, тем выше будет авторский гонорар и тем большим должен оказаться аванс — чтобы автор не подписал контракт в другом месте. С другой стороны, если издатель переоценит успешность будущей книги и переплатит автору, это, безусловно, будет хорошо для последнего, но плохо для первого. Когда киностудия решает дать зеленый свет тому или иному фильму, она, по сути, вычисляет будущие кассовые сборы и уже на основе этого определяет, сколько может потратить на воплощение проекта в жизнь и последующее продвижение его на рынке. Аналогичным образом обстоят дела с фармацевтическими компаниями. Приняв решение о начале клинических испытаний нового препарата, они основывают огромные расходы на некоем прогнозе о вероятности успеха этих испытаний и об итоговой величине спроса на исследуемое лекарство.

Получается, все упомянутые сферы деятельности зависят от прогнозов — существенно более сложных, чем предсказание уровня заболеваемости гриппом в Северной Америке этой зимой или вероятности того, что данный пользователь щелкнет мышью по данному онлайн-объявлению. Как правило, когда издатель предлагает аванс за книгу, до ее публикации остается один-два года. Следовательно, вычисление должно касаться не только качества и типа самой книги, но и состояния рынка на момент ее выхода из печати, рецензий и множества других относящихся к делу факторов. Точно так же прогнозы о кинофильмах, новых лекарствах и других типах деловых проектов и научно-технических разработок являются, по сути, прогнозами о сложных, многогранных процессах, длящихся в течение нескольких месяцев или лет. Но это — полбеды. Поскольку ответственные лица принимают решения лишь единицами за год, они лишены даже возможности компенсировать эту неопределенность большим количеством прогнозов.

Тем не менее даже в этих случаях принимающие решения специалисты могут опереться на данные прошедших периодов. Издатели — проследить, насколько хорошо раскупались книги определенного типа. Киностудии — изучить кассовые сборы похожих фильмов, прибыли от продаж DVD и сопутствующих товаров. Фармацевтические компании — оценить востребованность и стоимость аналогичных лекарств на рынке. Маркетологи — проследить успех сравнимых продуктов, а издатели журналов — реализацию через газетные киоски предыдущих изданий. Кроме того, ответственные лица имеют в своем распоряжении и множество других данных — включая маркетинговые исследования, внутренние оценки обсуждаемого проекта и собственные знания промышленности в целом. Следовательно, если в период между принятием решения о запуске проекта и его итоговой реализацией не произойдет никаких глобальных изменений, можно говорить о более или менее надежных прогнозах. Но как их делать?