Чтение онлайн

Но у Бергендаля появилась идея, чем можно его заменить. Почему бы не использовать наши данные о затратах на транспортную инфраструктуру как "нижний предел" - минимум - и предположить, что реальные затраты на вывод из эксплуатации и хранение ядерного оружия будут где-то выше этого уровня? Это была бы далеко не идеальная оценка. Но она имела гораздо больше смысла, чем та, которую составили консультанты. А вывод из эксплуатации начнется еще не скоро. Если шведское правительство введет эту смету сейчас и заставит атомную промышленность начать платить в фонд, правительство сможет скорректировать ее позже, когда узнает больше о выводе из эксплуатации в Швеции и других странах. Я был впечатлен. Это был такой разумный подход -опять же, фронезис. Мы работали над его разработкой, и он стал политикой Швеции.

Неудобная правда заключается в том, что я сам поддался "предубеждению уникальности", полагая, что такому беспрецедентному проекту, как вывод из эксплуатации атомных электростанций, нечему учиться на опыте других проектов. Это не так; как показал Бергендаль, чтобы увидеть это, нужно лишь немного логики и воображения.

РЕГРЕССИЯ К ХВОСТУ

Однако во всем этом есть большая оговорка с толстым хвостом. Представьте, что у вас есть график стоимости ремонта одной тысячи кухонь, который имеет форму классической колоколообразной кривой: большинство проектов сгруппированы вокруг среднего значения в середине, очень мало проектов в крайнем правом или крайнем левом углу, и даже самые экстремальные точки данных не сильно удалены от среднего значения. Как я уже говорил в главе 1, это то, что статистики называют "нормальным распределением".

При нормальном распределении наблюдается регрессия к среднему значению, то есть наблюдения в выборке стремятся вернуться к среднему значению совокупности по мере включения в нее большего числа наблюдений. Так, если подрядчик выполнил необычно дорогой ремонт кухни, вполне вероятно, что следующий, при прочих равных условиях, будет ближе к среднему значению и, следовательно, дешевле.

Когда вы имеете дело с нормальным распределением, вполне можно использовать среднюю стоимость в прогнозе эталонного класса, как я описал выше, и на этом закончить. Но, как отмечалось в главе 1, мой анализ показал, что лишь меньшинство из множества типов проектов в моей базе данных имеют "нормальное" распределение. Остальные - от Олимпийских игр до ИТ-проектов, атомных электростанций и больших плотин - имеют более экстремальные результаты в хвостах своих распределений. При таких толстохвостых распределениях среднее значение не является репрезентативным для распределения и, следовательно, не является хорошим оценщиком для прогнозов. Для самых толстохвостых распределений даже нет стабильного среднего значения, вокруг которого можно было бы сгруппировать результаты, потому что может появиться (и появится) еще более экстремальный результат, который отбросит среднее значение еще дальше, в хвост, к бесконечности. Так что вместо старой доброй регрессии к среднему получается то, что я называю "регрессией к хвосту". В такой ситуации полагаться на среднее и считать, что ваш результат будет близок к нему, - опасная ошибка.

Вот вам и теория. Что это означает на практике?

В идеале вы всегда должны знать, сталкиваетесь ли вы с толстохвостым дистрибутором или нет. Но если вы частное лицо, делающее ремонт на кухне, или малый бизнес, занимающийся мелким проектом, вы можете этого не знать. Даже если вы высокопоставленный государственный служащий, контролирующий национальную программу и имеющий в своем распоряжении всю мощь национального статистического агентства, как Андерс Бергендаль, вы можете не знать. В этом случае лучше использовать среднее значение или свое воображение, как это сделал Бергендаль, который даже не знал своего среднего значения, чем не использовать ничего.

Но, следуя принципу предосторожности, вам также следует проявить осторожность и предположить, что ваш проект является частью распределения с толстым хвостом, потому что это более вероятно, чем нет. Это означает, что вы должны предположить, что ваш проект имеет хотя бы некоторый риск не просто закончиться с небольшим опозданием или превышением бюджета; он может пойти вразнос и закончиться очень плохо. Чтобы защититься от этого, вам нужно снизить риск, как я описываю ниже.

Если вы работаете в крупной организации, вам лучше не использовать этот грубый подход. Вам нужно серьезно подойти к сбору достаточного количества данных, чтобы можно было провести статистический анализ распределения и определить, является ли оно нормальным или с толстым хвостом. Если оно нормальное или близкое к нормальному, сделайте прогноз по эталонному классу, используя среднее значение. Это все равно даст вам примерно 50-процентный риск небольшого превышения затрат. Если вы хотите еще больше снизить этот риск, добавьте 10-15 процентов на непредвиденные расходы (резерв), и все готово.

Если вы столкнулись с распределением с толстым хвостом, переключите свое мышление с прогнозирования одного результата ("Проект будет стоить X") на прогнозирование риска ("Проект с вероятностью X процентов будет стоить больше Y"), используя весь диапазон распределения. В типичном распределении с толстым хвостом, используемом в управлении проектами, около 80 % исходов будут составлять тело распределения. Это вполне нормально; ничего страшного в этом нет. Для этой части распределения вы можете защитить себя обычным способом, используя доступные непредвиденные расходы, которые впишутся в бюджет. Но хвостовые исходы - "черные лебеди" - охватывают около 20 процентов распределения. Это означает, что вероятность оказаться в хвосте составляет 20 процентов, а это слишком большой риск для большинства организаций. На непредвиденные расходы может потребоваться 300, 400 или 500 процентов от средней стоимости - или 700 процентов, как мы видели на Олимпийских играх в Монреале в главе 2. Это непомерно много. Обеспечение таких непредвиденных расходов - это не бюджетирование, это раздувание бюджета. Так что же делать с хвостом? Отрезать его.

Это можно сделать с помощью снижения рисков. Я называю это "управлением черными лебедями".

УПРАВЛЕНИЕ ЧЕРНЫМ ЛЕБЕДЕМ

Некоторые хвосты легко обрезать. Цунами - это толстый хвост, но если вы построите дом в глубине страны или возведете достаточно высокую морскую стену, вы устраните угрозу. Землетрясения также имеют толстый хвост, но если строить по сейсмостойкому стандарту , как мы сделали со школами в Непале, вы будете защищены. Другие хвосты требуют комбинации мер; например, в случае пандемии необходимо сочетание масок, тестов, вакцин, карантинов и закрытых помещений, чтобы предотвратить распространение инфекций. Это и есть управление "черными лебедями".

Для крупных проектов управление "черным лебедем" обычно требует сочетания мер. Я начал эту книгу с одной из них: "Думай медленно, действуй быстро". Мы увидели, что доставка - это тот момент, когда все может пойти ужасно и дорого. Эффективным средством снижения этого риска является тщательное планирование, обеспечивающее быструю доставку и сужающее временной промежуток, в который могут ворваться "черные лебеди". Завершение проекта - это высшая форма предотвращения "черного лебедя"; после завершения проекта он уже не может взорваться, по крайней мере, в том, что касается доставки.

Следующий важный шаг - перестать думать о "черных лебедях" так, как это делает большинство людей. Они не являются внезапными несчастными случаями, которые невозможно понять или предотвратить. Их можно изучить. И смягчить последствия.

Меня и мою команду попросили сделать именно это в отношении High Speed 2, или HS2, - высокоскоростной железнодорожной магистрали стоимостью более 100 миллиардов долларов, которая пройдет от Лондона до северной Англии, если и когда она будет построена. Используя нашу базу данных, мы сначала изучили распределение затрат на сопоставимые проекты высокоскоростных железных дорог по всему миру. Конечно, распределение оказалось с толстым хвостом. Высокоскоростная железная дорога - дело рискованное, как мы убедились на примере Гонконга. Поэтому мы сосредоточились на проектах, находящихся в хвосте, и выяснили, что именно заставило каждый из них взорваться. Ответы оказались на удивление простыми. Причинами были не "катастрофические" риски, такие как терроризм, забастовки или другие неожиданности; это были стандартные риски, которые уже есть в реестре рисков каждого проекта. Мы выявили около дюжины таких рисков и обнаружили, что проекты срывались из-за их комплексного воздействия на проект, и без того находящийся в стрессовом состоянии. Мы обнаружили, что проекты редко падают по одной-единственной причине.

Одним из самых распространенных источников неприятностей для высокоскоростных железных дорогь стала археология. Во многих частях света, и уж точно в Англии, строительные проекты строятся на слоях истории. Как только проект начинает копать, велика вероятность того, что он обнаружит реликвии прошлого. В этом случае закон требует прекратить работы до тех пор, пока квалифицированный археолог не обследует место, не задокументирует его, не удалит артефакты и не убедится, что ничего важного не потеряно. Опытные менеджеры знают об этом и держат археолога на быстром наборе.

Обычно этого достаточно. Но иногда крупные проекты прорезают города и ландшафты, поэтому, когда артефакты обнаруживаются в одном месте и археологи приступают к работе, вскоре их находят в другом месте. И еще на одном. И еще. Просто археологов не так много, и, в отличие от сантехников или электриков, реагирование на экстренные вызовы не является обычной частью их работы. Поэтому, когда несколько открытий накладываются друг на друга, задержки могут стать серьезными. А эти задержки, в свою очередь, могут задержать другие работы. В результате возникает цепная реакция неудач, подобно веренице автомобилей, врезающихся друг в друга на обледенелой улице. Таким образом, то, что начинается как одно незначительное столкновение, превращается в пробку, способную сорвать весь проект.