Каждый раз, когда финансовый директор строит прогноз на три года вперёд, опираясь на данные за три прошлых года, он повторяет ошибку, которую физики зафиксировали как фундаментальную ещё в 1960-х. Не аналитическую. Не методологическую. Фундаментальную - в смысле встроенную в природу сложных систем.
Стивен Хокинг потратил десятилетия на понимание того, где заканчивается предсказуемость вселенной. Бизнес эти пределы продолжает игнорировать - с методичностью, заслуживающей отдельного изучения.
Дальше - про то, почему прогноз на основе исторических данных это не «научный подход», а систематическая ошибка мышления. И что с этим делать.
Хокинг о предсказуемости: пределы, которые бизнес игнорирует
В лекции Does God Play Dice Хокинг показывает, почему детерминистская картина мира кажется привлекательной, и почему она, по его мнению, не вполне соответствует физической реальности. Хокинг раскрывает идею о том, что если знать положение и скорость каждой частицы во вселенной, можно предсказать её состояние в любой момент прошлого и будущего.
Его же слова:
«If at one time, we knew the positions and speeds of all the particles in the universe, then we could calculate their behaviour at any other time, in the past or future»
Звучит убедительно. Именно поэтому опасно.
Лапласовский демон: красивая идея, которая не работает
Эту идею сформулировал Пьер-Симон Лаплас в 1814 году. Воображаемый интеллект, способный знать «all forces that set nature in motion, and all positions of all items of which nature is composed», - Лапласовский демон - сделал бы неопределённость невозможной. Для такого разума ничто не было бы неизвестным.
Два века эта идея задавала тон науке. Потом наука сама её опровергла.
Принцип неопределённости Гейзенберга поставил жёсткий предел: нельзя одновременно с абсолютной точностью измерить и положение, и импульс частицы. Не потому что приборы несовершенны. Потому что это фундаментальное свойство природы. Демон не может существовать - у него нет инструментов для сбора данных.
Квантовая механика закрыла вопрос о принципиальной предсказуемости. Но оставила открытым другой - о практической.
Горизонт предсказуемости - у каждой системы он свой
Даже в системах, где квантовые эффекты несущественны, предсказуемость ограничена. Хокинг формулирует прямо: «our ability to predict the future is severely limited by the complexity of the equations, and the fact that they often have a property called chaos».
В 1963 году математик Эдвард Лоренц обнаружил это на практике, когда перезапустил метеорологическую симуляцию с округлёнными начальными данными - 0,506 вместо 0,506127. Через несколько итераций расчёты разошлись радикально. Разница в одну тысячную на входе давала другую погоду на выходе.
Статья Лоренца в Journal of Atmospheric Sciences запустила теорию хаоса. На конференции AAAS в 1972 году он сформулировал вопрос, ставший метафорой эпохи: «Предсказуемость: может ли взмах крыльев бабочки в Бразилии вызвать торнадо в Техасе?»
Ответ: да, при определённых условиях - может. Именно это делает долгосрочные прогнозы принципиально ненадёжными.
Для погоды горизонт предсказуемости - около двух недель. Комитет Чарни установил это ещё в 1966 году: прогноз на 10-дневный период «теряет значительную часть достоверности к десятому дню». Технологии с тех пор улучшились. Горизонт почти не вырос - потому что проблема не в вычислительной мощности, а в природе систем.
Почему бизнес непредсказуем: теория хаоса и рынок
Физический маятник подчиняется уравнениям. Нет обратной связи, нет адаптации. Дай те же начальные условия - получишь тот же результат.
Рынок устроен иначе. Бизнес-среда классифицируется как комплексная адаптивная система (complex adaptive system, CAS) - концепция, которую разрабатывает Институт Санта-Фе с 1984 года. Определяющее свойство таких систем: «the behavior of the ensemble may not be predictable according to the behavior of the components». Система состоит из агентов, которые наблюдают за ней, реагируют на неё и тем самым её меняют.
Рынок читает прогнозы и меняет поведение
В этом принципиальное отличие бизнеса от физики. Когда прогнозисты предсказывают рост цены нефти, трейдеры реагируют на прогноз, меняя цену. Прогноз влияет на предмет прогноза. В физике такого нет: маятник не читает уравнения.
Аналитик, делающий прогноз на три года вперёд, видит цифры прошлого. Но не видит тысячи агентов, которые читают те же данные, делают свои выводы и принимают решения, меняющие будущее. Каждый прогноз - это вмешательство в систему.
Три свойства хаотических систем, которые делают экстраполяцию бесполезной
У сложных адаптивных систем есть свойства, которые методология бизнес-прогнозирования игнорирует.
Нелинейность. Небольшое изменение на входе может дать несоразмерно большое изменение на выходе. Маленький стартап с правильной технологией способен уничтожить рыночного лидера за два года. Никакая линейная экстраполяция этого не предскажет.
Петли обратной связи. Действия участников рынка влияют на условия игры других участников. Успех одной компании привлекает конкурентов, которые меняют рынок - и делают исходную стратегию устаревшей.
Эмерджентность. Свойства системы не выводятся из свойств компонент. Samsung, Google и Xiaomi по отдельности - понятные компании. Вместе они создали рынок, который уничтожил Nokia. Этого нельзя было предсказать, анализируя каждую из них по отдельности.
Три механизма самообмана в бизнес-планировании
Хаотическая природа бизнес-среды - структурная проблема. Есть ещё три методологических ловушки, в которые попадает прогнозирование.
Survivorship bias - почему данные врут по определению
В 2001 году Джим Коллинз опубликовал «Good to Great». Методология: из 1435 компаний выбраны 11, чьи акции обогнали рынок за 40 лет, и в них найдены «общие признаки успеха».
Проблема - в структуре анализа. Коллинз смотрел только на победителей и никогда не проверял, есть ли те же «великие» качества у компаний, которые не стали великими. Отсутствие контрпримеров делает любой вывод неверифицируемым.
Итог предсказуем. Инвестирование в портфель 11 «великих» компаний в год публикации приносило результат хуже S&P 500. Одна из них - Fannie Mae - потребовала государственного вмешательства почти на $116 млрд. Инвесторы, купившие акции в 2001 году, потеряли более 80% вложений.
Ошибка Коллинза не в злом умысле. В структурном дефекте данных: кладбище неудавшихся компаний в анализ не попало. Это и есть survivorship bias - систематическое завышение вероятности успеха из-за того, что неудачи не попадают в выборку. Любое исследование «лучших практик» воспроизводит ту же ошибку. Истории успеха собирают аудиторию. Истории провалов - нет.
Чёрный лебедь не в модели - не потому что редкий, а потому что неудобный
Нассим Талеб разработал концепцию «чёрного лебедя» для описания событий с тремя характеристиками: редкость, экстремальное воздействие, ретроспективная очевидность - кажется предсказуемым постфактум.
Ключевое: чёрный лебедь «lies outside the realm of regular expectations, because nothing in the past can convincingly point to its possibility». Прошлые данные не сигнализируют о его приближении по определению. Если бы сигнализировали - он не был бы чёрным лебедем.
Это означает: модели, построенные на прошлых данных, структурно исключают именно те события, которые оказывают наибольшее воздействие. Их нет не потому что аналитик некомпетентен. Потому что их в данных нет.
Катастрофы умных людей
Против тезиса «у них просто не было данных» есть три кейса с командами, у которых данных было больше, чем у всех остальных.
LTCM: когда нобелевские лауреаты оказались неправы
Long-Term Capital Management основан Джоном Меривезером в 1993 году. В команде - нобелевские лауреаты Майрон Скоулз и Роберт Мертон, получившие премию именно за модели ценообразования финансовых инструментов. Стратегия: арбитраж на временных расхождениях цен с высоким кредитным плечом.
Первые четыре года подтверждали правоту моделей: +21% (1994), +43% (1995), +40% (1996), +17% (1997). Данные говорили - система работает.
17 августа 1998 года Россия девальвировала рубль и объявила дефолт по облигациям. Этого не было в модели. Модель строилась на данных рынков, которые не переживали суверенного дефолта крупной экономики.
С начала 1998 года до краха фонд потерял 52% стоимости капитала, или $2,5 млрд. Итоговые убытки составили $4,6 млрд. Спасение организовала ФРС: 14 крупнейших финансовых институтов собрали пакет помощи в $3,625 млрд.
Чёрный лебедь не спрашивал разрешения у нобелевских лауреатов.
Nokia и Kodak: идеальные данные, неверные выводы
В третьем квартале 2007 года Nokia занимала 48,7% рынка смартфонов - по данным IDC. В четвёртом квартале того же года доля составляла около 51% по Gartner. Доля iPhone - около 5%. Данные говорили: Nokia - бесспорный лидер, iPhone - нишевый продукт.
Во втором квартале 2013 года доля Nokia составила 3,1%. Компания продана Microsoft. За шесть лет компания прошла путь от 437,1 млн устройств в год до 4,4 млн смартфонов. Данные 2007 года не лгали. Nokia действительно была лидером. Проблема - экстраполяция. Позиция «мы захватили рынок» превратилась в «мы сохраним захват рынка», хотя второй вывод из первого не следует.
История с Kodak ещё точнее. В декабре 1975 года инженер Стивен Сассон завершил внутри компании первую цифровую камеру. 3,6 кг, разрешение 0,01 мегапикселя, изображение сохранялось на кассету за 23 секунды. Руководство решило не выводить на рынок - опасались каннибализации плёночного бизнеса. По описанию World Economic Forum, цифровое направление было «tucked into corners of the organization, always subordinate to film». В 2007 году патент истёк. В 2012 году Kodak подал заявление о банкротстве.
Общий знаменатель всех трёх кейсов - не отсутствие данных. Данные были. Проблема - убеждённость в том, что прошлое продолжается.
Наука о прогнозировании: что реально работает
Наука не говорит «не прогнозируй». Это было бы слишком простым выводом. Она говорит: знай, где заканчивается горизонт, и обновляй модель.
Тетлок и суперпрогнозисты - чем они отличаются от аналитиков с Excel
В 2005 году Филип Тетлок опубликовал результаты 15-летнего исследования: прогнозы экспертов в среднем лишь немногим лучше случайного. Но часть аналитиков стабильно обыгрывает остальных.
Good Judgment Project под руководством Тетлока, Барбары Меллерс и Дона Мура выявил, что лучшие прогнозисты - «суперпрогнозисты» - опережали аналитиков разведки, имеющих доступ к секретным данным, примерно на 30%. У аналитиков было больше информации. Суперпрогнозисты работали иначе.
Ключевое отличие: они не экстраполируют прошлое. Работают с вероятностями («вероятность 60%, что...»), постоянно пересматривают позиции при появлении новых данных и готовы признать ошибку. «Superior forecasting ability is not an innate talent but rather a set of learnable skills and thinking patterns» - вывод Тетлока. Разница не в объёме данных. В том, как с ними работают.
Горизонт предсказуемости в бизнесе - сколько месяцев реально?
Если для погоды горизонт - две недели, что реально для бизнеса?
По данным McKinsey, опрос 130 CFO в 2019 году показал: менее половины компаний используют все доступные им данные при составлении прогнозов. Прогнозы спроса крупных международных производителей систематически отклонялись на 30% и более. Это цифры хорошо управляемых компаний с профессиональными командами, не стартапов.
Применение AI-инструментов в цепочках поставок снижает ошибки прогнозирования на 20-50% и дефицит товаров - на до 65%. Радикальное улучшение. Но даже после него прогнозы остаются прогнозами - с горизонтом и вероятностью, а не точными предсказаниями.
Квартальные горизонты - разумны. Годовые планы с фиксированными целями - ближе к художественной литературе. Трёхлетние стратегии, записанные в Excel как прогноз, а не как сценарий - иллюзия контроля, задокументированная в красивых таблицах.
Альтернативы экстраполяции: инструменты адаптивного планирования
Проблема не в планировании как таковом. Проблема в конкретной методологии - линейной экстраполяции как основе стратегии. Её можно заменить инструментами, которые учитывают неопределённость, а не игнорируют её.
Сценарное планирование: Shell предсказал нефтяной кризис 1973 года
С 1967 года Пьер Вак вместе с Джимми Дэвидсоном и Тедом Ньюлендом разрабатывали для Shell долгосрочные альтернативные сценарии - до 2000 года. Не один прогноз. Несколько сценариев, включая «implausible assumptions and highly improbable situations».
Методология строилась на принципе, неудобном для корпоративного контекста: «The objective has never been to predict the future. The aim of a scenario is to modify a decision-maker's mental model.»
В октябре 1973 года война Судного дня и эмбарго ОПЕК ударили по нефтяным компаниям. Shell оказалась единственной крупной компанией отрасли, уже отрепетировавшей ответные действия. Не потому что предсказала войну. Потому что работала с несколькими версиями будущего и была готова к нескольким исходам.
Как сделать план, который не ломается от чёрных лебедей
Pre-mortem. Метод разработан исследователем Гэри Кляйном. Логика обратная стандартному анализу: группа представляет, что план уже провалился через год и ищет причины постфактум. Исследование Veinott, Klein и Wiggins (2010) с 178 студентами показало: участники pre-mortem групп демонстрировали наибольшее снижение самоуверенности по сравнению с группами, применявшими стандартную критику или анализ «за и против». Метод одобрен Даниэлем Канеманом и Ричардом Талером, применяется в армии США и корпоративных советах директоров.
Антихрупкость. Концепция Талеба: строить систему, которая выигрывает от неопределённости, а не только выдерживает её. «The resilient resists shocks and stays the same; the antifragile gets better». Практическое следствие: в периоды волатильности искать асимметричные ставки с ограниченным потенциалом потерь и открытым потенциалом выигрыша.
Короткие горизонты с явными триггерами пересмотра. Вместо годового плана-монолита - квартальные циклы с зафиксированными условиями обновления. Не «план на год», а «план до первого значимого изменения на рынке».
Хокинг понимал пределы предсказуемости точнее, чем большинство финансовых директоров. Его главный тезис: сложные системы принципиально ограничивают предсказуемость - не из-за недостатка данных, а потому что в их природе заложены хаос и чувствительность к начальным условиям.
Бизнес - это сложная адаптивная система. Данные из прошлого описывают прошлое. Экстраполяция этих данных в будущее предполагает, что система останется стабильной, агенты не изменят поведение, а чёрные лебеди не прилетят. Это условие не выполнялось в истории ни разу - ни для Nokia в 2007-м, ни для LTCM в 1998-м, ни для Kodak в 1975-м.
Разница между «данные информируют решение» и «данные предсказывают будущее» - это разница между стратегическим мышлением и театральным планированием. Первое признаёт неопределённость и работает с ней. Второе документирует иллюзию контроля в красивых таблицах.
При следующей стратегической сессии есть смысл задать один вопрос: что именно из того, что было правдой три года назад, будет правдой ещё через три? Иногда ответ - многое. Чаще - меньше, чем кажется.
Как начать бизнес с Китаем в 2026 и продавать не только в России, а по всему миру
Всё описанное выше - про ловушку экстраполяции - особенно актуально для тех, кто строит бизнес на международных рынках. Данные о China trade из 2019-2020 годов описывают совершенно другую реальность, чем та, что существует сейчас. Новые маршруты, новые схемы расчётов, новые игроки. Работать «по старым картам» здесь дороже всего.
Следите за нами: