Ты не слушаешь. Что мы упускаем, разучившись слушать, и как это исправить

Любимая мантра Наоми звучит так: «Важные вещи в жизни нельзя сосчитать». Она ничего не имеет против количественного анализа, которым сама много раз пользовалась для клиентов, обычно в виде опросов. Но опыт научил ее, что нужно «очень много слушать», а не только считать цифры, чтобы понимать изменчивые человеческие чувства, привычки и мотивации. Обзоры не могли предсказать, что домохозяйки катают по полу влажные бумажные полотенца, чтобы смягчить чувство вины. Однако именно это привело к созданию бренда стоимостью полмиллиарда долларов [125], который продается в пятнадцати странах. «Если вы опросите достаточное количество людей, то сможете рассказать историю, – сказала Наоми. – Но это будет не правда, а всего лишь история». Сила качественных исследований – сила активного слушания – заключается в том, что они объясняют статистику и показывают, где количественные методы могут дать сбой. По словам Наоми, сочетание качественного и количественного подхода может не полностью раскрыть правду, но вы получаете «более правдивую историю».

Такого же мнения придерживается Мэттью Салганик, профессор социологии Принстонского университета. Он принимает участие в работе нескольких центров междисциплинарных исследований в Принстоне, включая Центр проблематики информационных технологий и Центр статистики и машинного обучения. В своей книге «Бит за битом: социальные исследования в цифровую эпоху» [126] он написал об ограничениях больших данных. Он объяснил мне, что в широком смысле слова трудность с поиском ответов в больших массивах информации сходна с затруднениями пьяного человека, который ищет пропавшие ключи под фонарем. Спросите его, почему он ищет именно там, и он ответит: «Потому что там светло». Пакет информации проливает свет только на то, что содержится в самом пакете.

Это значит, что алгоритмы, полученные таким способом, сходным образом ограничены. Посмотрите на обширный список чтения Чарльза Дарвина [127], и вы поймете, что если бы он принимал решения о покупках на основе алгоритмических рекомендаций Amazon [128], то сейчас мы вряд ли имели бы «Происхождение видов путем естественного отбора». В дополнение к многочисленным книгам по зоологии и таким сочинениям, как «Население» Томаса Мальтуса и «Теория нравственных чувств» Адама Смита, Дарвин также читал французские исследования о влиянии проституции на мораль и общественную гигиену, «Робинзона Крузо» Даниэля Дефо, драмы Шекспира и романы Джейн Остин. Он следовал своим специфическим и непредсказуемым интересам, питавшим его творческую мысль и расширявшим его научный кругозор. Дарвин был человеком, а люди постоянно удивляют нас. Вариации образа мыслей и пути, которые мы выбираем, часто кажутся непостижимыми и не поддаются числовому прогнозированию.

Это отрезвляющий урок для компаний, которые пользуются «прослушиванием социальных сетей», иными словами, алгоритмами для мониторинга и анализа данных из Twitter, Instagram и Facebook для брендирования и совершенствования своих продуктов. По словам Салганика, использование информации из социальных сетей для оценки человеческого поведения все равно, что делать выводы, наблюдая за людьми в казино. Высокотехнологичная среда может что-то сообщить об их поведении, но оно не будет типичным.

Активное слушание – противоположность алгоритмическим методам. «Алгоритмы способствуют выдвижению догадок, которые в равной мере могут быть точными или маловероятными, – сказал Салганик. – Они не способствуют пониманию». Более того, по его словам, многие количественные аналитики даже не хотят знать, откуда поступают данные. Все, что им нужно, – это таблица со 100 колонками цифр, на основании которых они могут вывести формулу для колонки № 101. Им безразлично, кого или что представляют эти данные, а тем более стоящие за ними реальные жизненные проблемы, требующие решения. Салганик говорит, что, по его опыту, такой слепой подход обычно не дает результата: «Думаю, чем больше вы понимаете, что делаете, тем лучше статистическая модель, которую строите. А если вы на самом деле глубоко понимаете людей, представленных цифровыми данными, то результат оказывается еще лучше». Иными словами, даже в эпоху изобилия данных нам нужно слушать, чтобы добиваться понимания.