Чарлз Дахигг - Восемь правил эффективности: умнее, быстрее, лучше. Секреты продуктивности в жизни и бизнесе

• Название: Восемь правил эффективности: умнее, быстрее, лучше. Секреты продуктивности в жизни и бизнесе
• Автор: Чарлз Дахигг
• Жанр: Научная Фантастика
• Год: 2017
• ISBN: 978-5-17-094948-9

Какие решения приближают нас к успеху?

Какие цели делают невозможное возможным?

Как переосмысливать ситуации таким образом, чтобы вместо проблем видеть скрытые возможности?

Как открыть свой разум новым, креативным идеям?

Как ускорить процесс обучения за счет замедления потока данных?

Чарлз Дахигг дает ответы на эти и другие вопросы в своей книге «Восемь правил эффективности: умнее, быстрее, лучше».

Восемь частей – восемь идей, которые помогут вам стать умнее, быстрее и лучше во всем, что вы делаете, не жертвуя тем, что вам дорого и важно!

---

109

В ответ на электронное письмо, призванное исключить фактические ошибки, Крэндалл писала: «Суть этой истории (во всяком случае, для меня), заключалась в том, что профессионалы видят значимые паттерны, которые новички обычно упускают из вида. Будучи опытной медсестрой, Дарлин видела сотни детей. Ей не нужно помнить каждого… Все они слились в единый образ недоношенного младенца в десять недель. Довольно часто она сталкивалась и с сепсисом (по ряду причин, не связанных с качеством медицинской помощи, сепсис – распространенная проблема в отделениях интенсивной терапии новорожденных). Сочетание симптомов (окровавленный пластырь, пониженная температура, вздутый живот, сонливость/вялость) вызвали осознание, что „этому ребенку плохо“ и „вероятно, у него сепсис“. По крайней мере, так она сказала нам в ходе интервью… Я согласна, что люди часто прибегают к внутреннему повествованию, чтобы разобраться в происходящем – особенно в тех случаях, когда они что-то не понимают. Дарлин же прекрасно отдавала себе отчет, что происходит, – она поняла это сразу, в ту же секунду… Думаю, здесь дело в опыте, в разнице между видением и пониманием данной конкретной ситуации опытным специалистом и новичком. Рассказывание историй требует времени, к тому же сами истории всегда линейны (сначала произошло это, потом то, затем другое). Когда опытные люди описывают случаи, подобные случаю Дарлин, все происходит очень быстро: они „считывают“ ситуацию, понимают, что происходит, и знают, что делать».

110

В ответ на электронное письмо, призванное исключить фактические ошибки, Каснер дал следующие пояснения: «Я бы не сказал, что пилоты играют „пассивную“ роль; скорее им чрезвычайно сложно поддерживать внимание на автоматизированной системе, которая по определению сверхнадежна и безотказна. Люди не очень-то любят сидеть и смотреть в одну точку… Наши ресурсы внимания весьма ограничены (только представьте, как часто нашим детям удается сделать какую-нибудь пакость у нас за спиной и улизнуть безнаказанными). Поэтому мы постоянно вынуждены поддерживать внимание на том, что, на наш взгляд, наиболее важно. Если бортовой компьютер прямо перед моим носом безукоризненно работал сто часов подряд, я едва ли сочту, что он – самое важное, о чем я должен думать. Кстати, в этот самый момент мой ребенок, возможно, воплощает в жизнь очередную безумную идею, которая сойдет ему с рук. Наше исследование, посвященное склонности летчиков „витать в облаках“ [Thoughts in Flight: Automation Use and Pilots’ Task-Related and Task-Unrelated Thought], показало: во время полета „не связанные с текущей задачей“ мысли у действующего пилота занимают около 30 % времени, а у наблюдающего пилота – 50 % времени. А почему бы и нет? Если у вас нет ничего важного или срочного, о чем я должен думать, я сам найду, чем занять свой мозг».

111

Sinan Aral, Erik Brynjolfsson, Marshall Van Alstyne, «Information, technology, and information worker productivity», Information Systems Research 23, № 3 (2012): 849–867; Sinan Aral, Marshall Van Alstyne, «The diversity-bandwidth trade-off», American Journal of Sociology 117, № 1 (2011): 90-171; Nathaniel Bulkley, Marshall W. Van Alstyne, «Why information should influence productivity» (2004); Nathaniel Bulkley, Marshall W. Van Alstyne, «An Empirical Analysis of Strategies and Efficiencies in Social Networks», Boston U. School of Management research paper № 2010-29, MIT Sloan research paper № 4682-08, 1/02/ 2006, http://ssrn.com/abstract=887406; Neil Gandal, Charles King, Marshall Van Alstyne, «The Social Network Within a Management Recruiting Firm: Network Structure and Output», Review of Network Economics 8, № 4 (2009): 302-24.

112

В ответ на электронное письмо, призванное исключить фактические ошибки, Ван Олстин писал: «Согласно одной из первоначальных гипотез, прибыльность небольшой нагрузки объяснялась высокой производительностью, обусловленной специализацией. Если вы постоянно делаете одно и то же, очень скоро вы будете делать это очень хорошо. Идея восходит к Адаму Смиту и его знаменитому примеру булавочной фабрики как доказательству эффективности разделения труда. В нашем контексте генерализация – иными словами, выполнение разнотипных задач – подразумевала участие в проектах трех категорий: финансы, образование и коммерческие ИТ. Это очень разные отрасли. Каждая категория требует особых знаний и особых социальных сетей. Специализация, напротив, предполагала сосредоточение на каком-то одном типе проектов – например финансовых. Это позволяло существенно расширить знания в основной области, а также соответствующим образом адаптировать социальную сеть – в данном случае ограничить ее исключительно финансовыми контактами. По крайней мере, такова одна из теорий, почему специализация иногда предпочтительнее генерализации. Безусловно, специализация ограничивает количество возможных проектов – в данный конкретный момент финансового проекта может не быть, зато есть один или даже несколько проектов в сфере образования или ИТ. Правда, если вы подождете, скорее всего, получите другой финансовый проект».

113

В ответ на электронное письмо, призванное исключить фактические ошибки, Ван Олстин указал и другие причины, почему участие в небольшом количестве новых проектов выгодно: «Первая причина – это многозадачность. На начальном этапе участие в новых проектах повышает выход – в данном случае доходы от деятельности консультантов. При этом рост выручки может продолжаться и после того, как производительность по данному проекту начнет падать. Рассмотрим проект как совокупность задач (оценка потребностей клиента, определение целевых кандидатов, отбор кандидатов, проверка резюме, представление возможных вариантов клиентам, заключение сделки…). Взяв новую работу, человек автоматически начинает уделять текущей работе меньше внимания. В результате текущий проект может занять больше времени; следовательно, период, по окончании которого он или она получает деньги, растягивается на больший срок. Общая производительность, впрочем, поначалу может даже повыситься. Доходы, которые приносит сотрудник, работающий над шестью проектами, как правило, превышают доходы, которые приносит сотрудник, работающий над четырьмя проектами. При этом каждый из шести проектов занимает больше времени, чем он занял бы, если бы проектов было четыре. В какой-то момент, однако, происходит резкий спад. Новые проекты отнимают слишком много времени, и доходы начинают уменьшаться. Каждый следующий проект ощутимо снижает производительность. Как сказал один консультант, „когда жонглируешь несколькими мячами сразу, есть опасность уронить все“. На выполнение задач уходит слишком много времени, некоторые проекты так и остаются незавершенными. В итоге поток доходов превращается в тоненькую струйку. Существует оптимальное количество проектов, которые может взять на себя один сотрудник – не больше двенадцати. Вторым соображением, как вы правильно заметили, является доступ к обширной информации. Впрочем, и здесь наблюдается аналогичная инвертированная U-образная кривая. Отслеживая электронную переписку, мы смогли подсчитать, сколько новой информации получал каждый человек. Новую информацию мы измеряли как с точки зрения „новизны“, то есть степени необычности того или иного факта относительно других фактов, так и с точки зрения „объема“ – количества новых фактов, которые получал человек… На начальных этапах свободный доступ к новой информации явно вел к повышению производительности. Суперзвезды получали примерно на 25 % больше новой информации, чем их типичные сверстники, что помогало прогнозировать успешность. В конце концов, однако, производительность сотрудников, которые получали абсолютный максимум новых данных – примерно в два раза больше, чем суперзвезды, – оказалась ниже производительности суперзвезд. Здесь возможны две причины. Первая – избыточная информация могла быть слишком необычной, неактуальной или не применимой на практике. Вторая – такой переизбыток информации было просто невозможно обработать. Работа с огромным массивом новых данных – своеобразный аналог игры „Где же Уолдо?“ для белых воротничков: как бы вы ни старались, вы не можете вычленить важную информацию из окружающего ее шума. Оба этих фактора являлись статистически значимыми предикторами суперзвезд».