То же самое может произойти и с корректировками. Их следует делать только в том случае, если есть четкие и убедительные причины считать, что ваш проект будет значительно выше или ниже среднего. Но чем больше вы делаете поправок, тем больше ваш проект отличается от среднего. А ваш проект - особенный! Поэтому кажется правильным корректировать, корректировать и еще раз корректировать, даже если эти корректировки основаны не более чем на смутных ощущениях. Это тоже ошибка.
Это все предрассудки об уникальности, которые хотят снова внедриться в ваши решения, когда вы пытаетесь их устранить. Не слушайте его. Упростите процесс: Дайте широкое определение классу. Делайте ставку на инклюзивность. И корректируйте среднее значение только тогда, когда для этого есть веские причины, то есть существуют данные, которые подтверждают необходимость корректировки. Если сомневаетесь, пропустите корректировку вообще. Среднее по классу – это якорь, а якорь - это ваш прогноз. Да, это очень просто. Но простота - это хорошо; она не допускает погрешностей.
Я назвал этот процесс "прогнозированием эталонного класса" (RCF). После того как я разработал его для Гордона Брауна, британское правительство использовало его для прогнозирования сроков и стоимости крупных проектов и было настолько удовлетворено результатами, что сделало этот процесс обязательным. Дания сделала то же самое. RCF также используется в государственном и частном секторах в США, Китае, Австралии, Южной Африке, Ирландии, Швейцарии и Нидерландах. Весь этот опыт позволил провести тщательное тестирование, и целый ряд независимых исследований подтвердил, что "RCF действительно работает лучше всех", по словам одного из них.
Он показывает наилучшие результаты с большим отрывом. Разрыв между обычным прогнозом и прогнозом с использованием RCF зависит от типа проекта, но более чем для половины проектов, по которым у нас есть данные, RCF лучше на 30 или более процентных пунктов. Это в среднем. Увеличение точности на 50 процентов - обычное явление. Улучшения более чем на 100 процентов - не редкость. Что особенно приятно, учитывая интеллектуальные корни метода, Дэниел Канеман в книге "Мышление, быстрота и медлительность" написал, что использование прогнозирования на основе эталонных классов - это "единственный наиболее важный совет относительно того, как повысить точность прогнозирования с помощью усовершенствованных методов".
ПОЧЕМУ ЭТО РАБОТАЕТ?
В основе прогнозирования эталонного класса лежит процесс привязки и корректировки, аналогичный тому, что делали Роберт Каро и MTR, но с использованием правильного якоря.
То, что делает эталонный класс правильным якорем, - это то, что я подчеркивал в предыдущей главе: релевантный реальный опыт. Один человек сделал ремонт кухни, используя базовые светильники и бытовую технику; без сюрпризов и с гладкой доставкой, он обошелся в 20 000 долларов и занял две недели. Другой сделал гранитную столешницу и много нержавеющей стали , а затем обнаружил, что проводка в доме не соответствует нормам; в итоге проект обошелся в 40 000 долларов, а благодаря электрику, который был перегружен работой, на его завершение ушло два месяца. Соберите множество подобных цифр, и вы обнаружите, что средний ремонт кухни обошелся в 30 000 долларов и занял четыре недели. Это реальные результаты, основанные на опыте, а не оценки, поэтому они не искажены психологией и стратегическими искажениями. Используйте их для обоснования своего прогноза, и вы создадите оценку, основанную на реальности и не искаженную поведенческими предубеждениями, что делает ее более точной.
Это также объясняет, почему корректировку следует использовать осторожно и экономно, если вообще использовать. Это возможность для возвращения предвзятости. Переборщите с этим, и ценность вашего непредвзятого якоря может быть утрачена.
RCF также позволяет справиться с кажущейся неразрешимой проблемой неизвестных Дональда Рамсфельда. Большинство людей считают, что неизвестные неизвестные нельзя прогнозировать, и это звучит разумно. Но данные по проектам в эталонном классе отражают все, что произошло с этими проектами, включая любые неизвестные сюрпризы. Мы можем не знать точно, что это были за события. Мы можем не знать, насколько масштабными или разрушительными они были. Но нам и не нужно знать ничего из этого. Все, что нам нужно знать, - это то, что цифры для эталонного класса отражают, насколько распространены и насколько велики были неизвестные неожиданности для этих проектов, а значит, и ваш прогноз будет отражать эти факты.