Computerworld, США

«Социальные» программы помогут принимать правильные решения

Перед тем как проектировать дорожки в городском парке, опытный дизайнер изучает, где обычно ходят люди. Таким образом обычно удается выяснить наиболее удачные маршруты.

Бернардо Хьюберман: «Все, что мы пытаемся сделать, — это использовать мощь скрытого. Нашей работой движет идея сделать все скрытые знания доступными»

Похожей стратегии придерживается возглавляемая Бернардо Хьюберманом исследовательская группа из HP Labs Systems Research Center. Предметом изучения стали потоки сообщений электронной почты внутри организации, а целью — выявление естественных «групп по интересам», полученную информацию от которых можно употребить для принятия более разумных решений и формирования более точных бизнес-прогнозов.

При помощи алгоритма, оценивающего параметр betweeness centrality, что можно перевести как «усредненная центрированность» — степень влиятельности отдельных личностей в социальной сети, Хьюберман и его коллеги классифицировали сотни тысяч сообщений электронной почты в соответствии с тем, как они перемещались в пределах определенных подразделений HP. Оказалось, что каждодневная работа зачастую выполнялась самоорганизующимися группами сотрудников, которые формально никак в определенные подразделения не объединялись. Была выдвинута теория о том, что члены таких коллективов де-факто образовывали экспертные группы, чьи бизнес-решения оказывались лучше, чем решения экспертов «по должности».

Чтобы доказать верность этой гипотезы, Хьюберман со своими сотрудниками попросили полтора десятка менеджеров HP по всему миру предсказать месячный доход и прибыль подразделения компании. Исследователи разработали алгоритм для подсчета отклонений в оценках менеджеров. В качестве приза Хьюберман пообещал выделить небольшую сумму денег, которая уменьшится или увеличится в зависимости от точности прогнозов.

Точность прогноза

В ходе эксперимента группа менеджеров постоянно предугадывала финансовые результаты более точно, чем экспертная автоматизированная финансовая система, которая «штатно» использовалась для оценки будущих результатов.

Хьюберман полагает, что правильность его гипотезы можно подтвердить, организовав соревнования между неформальной и формальной группами людей, принимающих те или иные решения. Причина же заключается в том, что информация, используемая для прогнозирования финансовых результатов, исходит из наиболее сведущих источников, хотя высокий уровень их осведомленности может не соответствовать должности.

К тому же, чтобы неформальные эксперты выполнили задачу максимально продуктивно, стимул необходим только номинально.

«Всего лишь обещание небольшого денежного приза — менее ста долларов — заставляет людей вести себя совершенно иначе, — отметил он. — Более того, и деньги требуются не всегда. Люди в компаниях озабочены своим статусом. Если они предсказывают правильно, называйте их ?герцогами? или ?баронами?. Всегда найдется способ повысить статус сотрудников, не прибегая к денежным поощрениям».

Брайан Уитворт, доцент Технологического института штата Нью-Джерси, написал несколько исследований по так называемым «социальным вычислительным средам». Он отмечает, что идеи и работы Хьюбермана применимы к социальной среде Глобальной сети.

«Традиционно люди считают Internet всего лишь технической системой, тогда как на самом деле она является еще и системой социальной, соединяя людей, — считает Уитворт. — Хьюберман описывает взаимодействие между людьми, связанными посредством Internet. Он полагает, что это знаменует начало десятилетия социальных вычислительных систем, когда все программное обеспечение будет по крайней мере учитывать существование социальных групп либо полностью ориентироваться на работу таких неформальных образований».

Действительно, Хьюберман заявлял, что имеет представление о том, как построить «навигатор корпоративного знания», который позволит организациям собрать все знания, находящиеся в головах людей, а не только в документах, хранящихся на каких-то серверах. Группы по интересам и экспертным знаниям могут быть определены не только за счет изучения потоков электронной почты, но также по типам документов, к которым обращаются сотрудники, и Web-сайтам, которые они посещают.

В завершение своей работы команда Хьюбермана разработала одноранговую систему, которая автоматически создает профили пользователей на основе их действий и сохраняет их на ПК сотрудников. Таким образом пользователи могут обращаться к так называемым «неформальным экспертам».

Неформальные эксперты

К примеру, если кто-то в организации хочет узнать, где в Пекине можно найти приличный ресторанчик, система автоматически пошлет этот запрос только тем, чьи профили соответствуют запросу. Подходящими кандидатами могут оказаться люди, путешествовавшие в Китай или знающие китайский язык.

«Знание выявляется автоматически, — поясняет Хьюберман. — Некоторые называют это социальными программами. Все, что мы пытаемся сделать, — это использовать мощь скрытого. Нашей работой движет идея сделать все скрытые знания доступными».

Как отмечает Хьюберман, для начала компании могут использовать эту технику, чтобы понять, как на самом деле организуется работа в корпорации и чем это отличается от ее формальной организации.

Информация из различных групп по интересам может также использоваться для поддержки принятия решений другими экспертами. К примеру, ученые-медики могут заранее предсказывать вспышки болезни за счет изучения статистики покупок определенных медикаментов в аптеках.

Хьюберман осознает, что существуют проблемы конфиденциальности, которые должны быть решены до того, как его технологии можно будет применять. Однако в пределах одной организации все сообщения электронной почты обычно являются ее собственностью, поэтому, по крайней мере на первых порах, эта технология будет использоваться именно внутри компаний.