Читаем Искусственный интеллект на службе бизнеса полностью

Улучшение прогнозов повлияло на набор инфилдеров, но само функционирование команды осталось неизменным. Бейсболисты, выбранные прогностической машиной, играли почти так же, как и предыдущие, разве что делали чуть больше уоков. А за скаутами сохранилось право голоса при наборе[119].

Более заметно изменился набор аутфилдеров, и в результате последовала перестройка структуры организации. Главное, что команда наняла людей, которые могли сообщить машинам, что именно прогнозировать, и использовать этот прогноз для отбора игроков (в первую очередь это Пол Деподеста и другие, их общий вклад в фильме воплотился в персонаже по имени Питер Брэнд, которого сыграл Джона Хилл). Команда также создала новую должность саберметрического аналитика: он определяет критерии положительной отдачи для команды от участия разных игроков. Саберметрический аналитик – разработчик функции вознаграждения в бейсболе; сейчас в большинстве команд есть как минимум один такой специалист, и под разными названиями эта профессия появляется и в других видах спорта.

Улучшенный прогноз создал новую позицию в структуре организации. Ученые-исследователи, специалисты по анализу данных и вице-президенты по аналитике играют главные роли в онлайновых фронт-офисах. В Houston Astros есть даже специальный отдел теории принятия решений, который возглавляет бывший инженер НАСА Сиг Междал. Стратегические перемены также повлияли на то, как команда нанимает игроков. Эти профессиональные аналитики хорошо знают математику, а лучшие из них идеально подбирают задание для прогностической машины. Они обеспечивают суждение.

Возвращаясь к элементарной экономике, на которой основаны все наши доводы, добавим, что прогноз и суждение дополняют друг друга.

Чем шире распространяются прогнозы, тем выше ценится суждение. Команды все чаще нанимают новых советников, у которых не всегда есть непосредственный опыт участия в игре, и они – в соответствии со стереотипом – не очень-то вписываются в атлетическую среду профессионального спорта. Но даже закоренелым «ботаникам» в этой роли необходимо хорошо разбираться в игре, потому что прогностические машины в спортивном менеджменте ведут к повышению ценности людей, способных судить об отдаче и, следовательно, принимать решения, исходя из прогнозов.

Стратегический выбор требует нового суждения

Реорганизация менеджмента бейсбольной команды выносит на свет очередной важный для руководства вопрос, связанный со стратегическим выбором в отношении ИИ. До саберметрики суждение бейсбольных скаутов сводилось к аргументам «за» и «против» отдельных игроков. Но благодаря количественным показателям стало возможным прогнозировать эффективность группы игроков. Суждение перенаправили с изучения отдачи от конкретных игроков на отдачу от конкретной команды. Теперь улучшенные прогнозы позволяют менеджеру принимать решения, в большей степени соответствующие целям организации: устанавливать, какая команда выиграет, а не какие игроки окажутся лучше. Чтобы извлечь максимум из прогностических машин, необходимо переосмыслить функцию вознаграждения для всей организации и действовать в соответствии с целями. Это непростая задача. Помимо набора игроков следует изменить и маркетинг команды и, скорее всего, отвести на второй план индивидуальные показатели. Сходным образом тренеры должны понимать причины, по которым выбрали именно этих игроков, и их роль в составе команды в каждой игре. И наконец, даже игрокам необходимо знать, как их роль меняется в зависимости от того, есть ли у соперников аналогичные прогностические инструменты.

Преимущества, которые у вас уже могут быть

Помимо прочего, стратегия нацелена на извлечение прибыли – кто извлечет прибыль, которую сулит улучшение прогнозов?

Руководители часто утверждают, что данные представляют собой стратегический ресурс, поскольку в них нуждаются прогностические машины. Другими словами, если у вас есть данные за много лет, скажем, по продажам йогуртов, они могут кому-нибудь понадобиться для прогнозирования продаж с помощью прогностической машины. Следовательно, для владельца данные представляют ценность, словно нефтяные запасы.

Перейти на страницу:

Все книги серии МИФ. Бизнес

Похожие книги

От хорошего к великому. Почему одни компании совершают прорыв, а другие нет...
От хорошего к великому. Почему одни компании совершают прорыв, а другие нет...

Как превратить среднюю (читай – хорошую) компанию в великую?На этот вопрос отвечает бестселлер «От хорошего к великому». В нем Джим Коллинз пишет о результатах своего шестилетнего исследования, в котором компании, совершившие прорыв, сравнивались с теми, кому это не удалось. У всех великих компаний обнаружились схожие элементы успеха, а именно: дисциплинированные люди, дисциплинированное мышление, дисциплинированные действия и эффект маховика.Благодаря этому компании добивались феноменальных результатов, превосходящих средние результаты по отрасли в несколько раз.Книга будет интересна собственникам бизнеса, директорам компаний, директорам по развитию, консультантам и студентам, обучающимся по специальности «менеджмент».

Джим Коллинз

Деловая литература / Личные финансы / Финансы и бизнес
Как гибнут великие и почему некоторые компании никогда не сдаются
Как гибнут великие и почему некоторые компании никогда не сдаются

Джим Коллинз, взирая взглядом ученого на безжизненные руины когда-то казавшихся несокрушимыми, а ныне канувших в Лету компаний, задается вопросом: как гибнут великие? Действительно ли крах происходит неожиданно или компания, не ведая того, готовит его своими руками? Можно ли обнаружить признаки упадка на ранней стадии и избежать его? Почему одни компании в трудных условиях остаются на плаву, а другие, сопоставимые с ними по всем показателям, идут ко дну? Насколько сильными должны быть кризисные явления, чтобы движение к гибели стало неотвратимым? Как совершить разворот и вернуться к росту? В своей книге Джим Коллинз отвечает на эти вопросы, давая руководителям обоснованную надежду на то, что можно не просто обнаружить и остановить упадок, но и возобновить рост.

Джим Коллинз

Деловая литература