Отмененный проектПредисловие. Проблема, которая никуда не деласьГлава 1. Мужские СиськиГлава 2. АутсайдерГлава 3. ИнсайдерГлава 4. ОшибкиГлава 5. КоллизияГлава 6. Правила мышленияГлава 7. Правила предсказанийГлава 8. Вот и слава пришлаГлава 9. Рождение боевых психологовГлава 10. Эффект изоляцииГлава 11. Правила отменыГлава 12. Облако возможностейКода. Бора-БораПримечания и источникиВыражение признательностиСноски

Майкл Льюис
Отмененный проект

Michael Lewis

THE UNDOING PROJECT

© Michael Lewis, 2017

Школа перевода В. Баканова, 2017

© Издание на русском языке AST Publishers, 2019

* * *

Дачеру Келтнеру, моему главному проводнику в джунглях

Сомнение неприятно, но состояние уверенности абсурдно.

Вольтер

Предисловие. Проблема, которая никуда не делась

В 2003 году я опубликовал книгу под названием «Moneyball. Как математика изменила самую популярную спортивную лигу в мире»^[1] о бейсбольной команде «Окленд атлетикс». О том, как искали новые способы отбора игроков и переоценили стратегию самой игры.

По сравнению с другими командами у «Атлетикс» было меньше денег на игроков, поэтому руководство клуба попыталось переосмыслить игру. Используя статистические данные, проанализированные людьми, далекими от спорта, они открыли некое новое знание о бейсболе. Это знание позволило им заткнуть за пояс менеджмент прочих бейсбольных команд. Руководители «Атлетикс» нашли достоинства в игроках, которых другие отбраковали или просмотрели, и обнаружили много глупости в том, что раньше считалось бейсбольной мудростью.

Книга вызвала раздражение у некоторых бейсбольных экспертов – маститых тренеров, известных скаутов и журналистов, однако читателям эта история показалась столь же интересной, как и мне. Многие извлекли из приемов построения бейсбольной команды более масшатабный урок. Если высокооплачиваемые знаменитости бизнеса, существующего с 1860-х годов, могут так ошибаться, то кто не ошибается? Если рынок игроков в бейсбол оказался таким неэффективным, то, возможно, и с другими не все в порядке? Если свежий аналитический подход привел к новым знаниям в бейсболе, то почему он не может этого сделать в других областях человеческой деятельности?

За прошедшее десятилетие методы сбора данных и их анализа с целью выявления рыночной неэффективности, примененные «Окленд атлетикс», для многих стали образцом для подражания. Я читал статьи о том, как эти подходы использовали в образовании, киноиндустрии, страховой медицине, гольфе, сельском хозяйстве, книгоиздании (!), президентской кампании, государственном управлении, банковском деле и так далее.

«Мы стали «оклендить» своих форвардов», – жаловался один из тренеров «Нью-Йорк джетс» в 2012 году. А когда законодательный орган Северной Каролины принял чертовски сложные для понимания афроамериканцев законы, основанные на анализе численных данных, комик Джон Оливер^[2] назвал это «оклендским расизмом».

Но энтузиазм при замене старого – экспертного – подхода на новый – цифровой – часто был довольно поверхностным. И когда новые методы не приводили к немедленному успеху (а порой и когда приводили), их критиковали и от них отказывались. В 2004 году «Бостон ред сокс» воспользовался методикой «Окленд атлетикс» и выиграл мировую серию впервые за почти сто лет. Используя те же приемы, они повторили свой успех в 2007 и 2013 годах. Однако в 2016-м, после трех неудачных сезонов, они объявили, что отходят от цифровых методов и возвращаются к оценкам бейсбольных экспертов. «Пожалуй, мы чересчур сильно полагались на цифры», – сказал владелец команды Джон Генри.

Писатель Нейт Сильвер несколько лет с потрясающим успехом прогнозировал результаты выборов президента США для New York Times, используя статистические методы, которым он научился, когда писал о бейсболе. Увы, Сильвер не смог предсказать взлет Дональда Трампа, и цифровой подход для предсказания электоральных результатов оказался под вопросом, причем в той же самой New York Times.

«Ничто не заменит старомодную журналистику, ведь политика – это, по сути, человеческая деятельность и потому не обязана следовать прогнозам и обоснованиям», – писал колумнист Times поздней весной 2016 года. И неважно, что несколько вполне

--">