Алексей Ситников – Karmamagic (страница 98)
За последние тридцать лет объем данных, с которым мы имеем дело в повседневной жизни, увеличился в разы. Поэтому умение структурировать и анализировать информацию, а затем вычленять именно то направление, которому стоит уделить внимание, сейчас выходит на первое место среди полезных навыков. Умение осознанно подвергать тщательному исследованию не только внешний мир, но и его образ, «выстроенный» в мозгу, — один из главных признаков аналитического ума[694]. И этому вполне можно научиться. Ведь благодаря тому, что наш мозг обладает нейропластичностью, т. е. способностью создавать новые нейронные связи, мы имеем возможность приобретать новые знания, формировать новые привычки и модели поведения[695].
Самая простая тренировка для мозга — формирование полезных привычек, связанных с умственной деятельностью. Например, решать каждый день несколько головоломок, учить наизусть стихи, изучать иностранные языки. И чем раньше мы это начнем, тем больших успехов сможем добиться. В детстве для этого превосходно подходят пазлы, настольные игры, занимательные задачи и, конечно, квесты. Даже самые простые — вспомним, как все в юном возрасте любили играть в поиск сокровищ по карте. Великолепная прокачка аналитических навыков — шахматы. И освоить эту игру никогда не поздно. Чем чаще мы будем «выдергивать» мозг из ежедневной рутины, тем легче нам будет ориентироваться в современном мире, готовом захлебнуться от избытка информационных потоков.
Много веков подряд процесс обучения происходил одним и тем же образом — люди впитывали информацию, передаваемую от поколения к поколению, не подвергая ее анализу. Но технический прогресс, информационный взрыв и многократно возросшие объемы данных, которые необходимо было обрабатывать, поставили перед человечеством новую задачу. Сейчас важнейшей характеристикой интеллекта является не просто способность накапливать и запоминать информацию и, при необходимости, быстро находить, но, прежде всего, умение структурировать ее, решать сложные и нестандартные задачи, генерировать новые идеи. Современный человек должен много знать и уметь быстро выполнять сложные мыслительные операции.
В прежние эпохи потребность в таком развитом интеллекте носила очень локальный характер и была важна для весьма немногочисленных групп — жрецов, мыслителей, ученых. В современном информационном обществе востребованность аналитических способностей стремительно возрастает. Чем раньше мы научимся применять новые методы и подходы в работе с информацией в работе и повседневных делах, тем лучше и качественнее станет наша жизнь.
Например, многие современные системы организации производства используют технологии распределенного интеллекта — «дробление» крупных задач на подзадачи и дальнейшее распределение этих задач между отдельными исполнителями или группами исполнителей. Полученные результаты затем объединяются. Такая схема позволяет экономить время и максимально эффективно использовать возможности каждого сотрудника и применима во всех сферах жизни: от организации генеральной уборки силами всех членов семьи до решения сложных бизнес-задач.
Так, использование технологий распределенного интеллекта позволяет построить систему медицинской диагностики, когда в постановке диагноза участвует целый «виртуальный консилиум» баз знаний, подготовленных различными специалистами. Возможность обмена знаниями по Сети позволяет концентрировать различные знания в различных узлах Сети и затем комбинировать их и совместно использовать для решения определенной задачи[696].
Еще один пример использования технологий распределенного интеллекта — так называемые «фабрики мысли». Впервые словосочетание «Brain trust» (фабрика мысли, мозговой трест) появилось больше века назад, но крылатым стало с легкой руки американского журналиста Джеймса М. Кирана, который назвал «мозговым трестом» группы профессоров-советников, способствовавших победе Франклина Рузвельта на президентских выборах 1932 года. «Мозговыми трестами» стали именовать вообще любое сообщество экспертов, совместно разрабатывающих новые проекты, предлагающих новые идеи, ищущих способы решения поставленных задач[697]. Более современный термин «Think Tank» (мозговой центр) возник в годы Второй мировой войны и использовался для обозначения британских и американских государственных военно-аналитических организаций. После войны значение термина существенно расширилось — «мозговыми центрами» стали называть различные экспертно-аналитические структуры, как государственные, так и негосударственные[698].
Эти научно-исследовательские организации концентрируются на оригинальных исследованиях и образовательных программах, направленных на обучение и оказание воздействия на политиков, ученых и лиц, формирующих общественное мнение. «Фабрики мысли» представляют собой одно из звеньев в системе принятия решений в государстве и воплощают соединение организованной в корпорацию силы интеллекта с силой и глобальным охватом государства[699].
Общее число «фабрик мысли» по всему миру сейчас превышает 8,2 тысячи. Креативные исследовательские коллективы существуют уже почти в 170 странах мира. Чуть меньше трети всех «фабрик» сконцентрированы в США. Соединенные Штаты можно назвать крупнейшим игроком на этом рынке. За достаточно длительную историю — первый подобный институт появился в США около века назад — успели сформироваться «фабрики мысли» нескольких поколений. Начиналось все с образования исследовательских центров в рамках крупнейших университетов страны, а затем постепенно трансформировалось в отдельный институт гражданского общества. В Пенсильванском университете США проводятся ежегодные обследования «фабрик мысли» по всему миру, по итогам которых публикуются отчеты с перечнями ведущих центров в мире в целом, а также по отдельным регионам и направлениям[700].
Несмотря на то, что фабрики мысли всегда выглядели как нечто более современное и гибкое по сравнению с традиционными академическими структурами, в современных условиях, когда цифровая среда меняется очень быстро, они начинают отставать от своих более мобильных конкурентов. По мнению Майкла Коннери, вице-президента по коммуникациям компании Weber-Shandwick в Вашингтоне, «случайная находка, выловленная из тщательно фильтруемой ленты социальной сети, с той же вероятностью может оказать влияние на нашу работу, как и результаты тщательного и продуманного исследования»[701]. Многие уже не тратят время на поиск информации — она ищет нас сама: ленты наших социальных сетей сегодня строятся не по принципу «новости друзей», а по принципу «контент, который может нас заинтересовать». Это — результат работы компаний, которые, используя технологии глубинного анализа данных (в том числе и той информации, которую мы размещаем в соцсетях), умело манипулируют нашим поведением.
Одна из них — Cambridge Analityca, частная английская компания, специализирующаяся на сборе и анализе данных о пользователях Интернета. В частности, собирая и анализируя информацию о пользователях Facebook (персональные данные, контакты, «лайки», подписки и т. п.), в компании составляют психометрические профили групп пользователей, содержащие, помимо традиционно используемых в маркетинге социально-демографических характеристик, массу полезного для дальнейшего использования — убеждения, особенности характера, политические предпочтения, интересы и многое другое. Дальнейшие исследования позволяют вывести корреляцию между, казалось бы, не пересекающимися характеристиками. Например, что люди, которым нравится Nike и KitKat, склонны более негативно оценивать действия определенного ближневосточного государства, чем те, кто предпочитает Adidas и Bounty[702]. Вся эта информация позволяет компании не только максимально адресно предлагать рекламу, но и подавать ее в той форме и с тем смысловым и эмоциональным наполнением, на которые каждый конкретный пользователь отреагирует нужным для рекламодателя образом. Эти наработки были успешно (хотя компания официально опровергла использование психографических методов в своих исследованиях) использованы в предвыборной кампании Дональда Трампа — эффективная работа с избирателями в Интернете считается одной из главных причин его победы.
Важную роль анализ данных играет в бизнес-процессах — на его основании делаются прогнозы, разрабатываются стратегии развития и новые подходы к управлению проектами. Например, появление так называемых гибких подходов — Scrum, Kanban и десятка других методов — было спровоцировано стремлением производителей программного обеспечения сделать лучший продукт. Первоначально все этапы разработки шли друг за другом, не пересекаясь, — каждый следующий этап начинался после завершения предыдущего. И если, например, в какой-то момент возникала новая интересная идея, то в большинстве случае ее приходилось игнорировать, чтобы не переделывать все предыдущие этапы. В итоге продукты получались хуже, чем могли бы. А возможность тестировать, анализировать и менять продукты в процессе работы — сделала весь процесс гибким.
В основе гибких подходов лежит философия Agile, которая применима в принципе ко всем сферам жизни. Суть в том, чтобы делить большой путь на короткие отрезки, постоянно проводя анализ: помогает ли нам это двигаться в направлении нашей цели.