Ментальные модели – это способ нашего восприятия мира, набор инструментов, при помощи которых мы мыслим. Каждая модель предлагает собственную систему взглядов на жизнь, позволяющую толковать различные реальные ситуации.
Впервые термин «ментальные модели» был использован шотландским психологом Кеннетом Крейком (Kenneth Craik) в работе «Природа объяснения» в середине XX века. Крейк предположил, что мозг создает «уменьшенные модели действительности» и использует их для оценки грядущих событий.
Всего существуют десятки тысяч различных ментальных моделей, имеющих отношение к разным дисциплинам, однако, как сказал известный американский адвокат и экономист Чарли Мангер (Charlie Munger), «всего 80 или 90 основных моделей способны сделать из вас опытного человека, уверенно ориентирующегося в 90% жизненных ситуаций».
В этой статье мы постараемся осветить несколько наиболее важных из них.
/ фото Hey Paul Studios CC
Системный подход как методический принцип используется в различных отраслях науки и деятельности человека. Основоположником общей теории систем считается австралийский биолог Людвиг фон Берталанфи (Ludwig von Bertalanffy). Он рассматривал систему как совокупность взаимосвязанных элементов, имеющую выход (цель), вход (ресурсы), связь с внешней средой и обратную связь.
Без метода Systems Thinking сегодня не обходится ни один вид профессиональной деятельности. Например, его назначение в управлении проектами заключается в направлении усилий менеджера на системное развитие компании. Он может рассматривать проект как сложную систему: все начинается с постановки и согласования цели, затем следует планирование, выполнение предусмотренных работ и получение необходимого результата.
Системный подход предполагает постоянный контроль за ходом проекта, выявление отклонений от плана и принятие корректирующих действий (вплоть до согласованного с заинтересованными лицами изменения основных параметров проекта: сроков, бюджета, характеристик результатов и целей).
Это еще одна ментальная модель, которая представляет собой процесс анализа возможных вариантов развития событий в будущем. В этом случае используется опыт прошлого, когда изучаются сложившиеся ранее устойчивые тенденции, то есть в процессе анализа сценариев рассматриваются возможные варианты развития событий и поворотные моменты, связанные с уже прошедшими событиями.
Опыт показывает, что предпочтительнее одновременно формировать три сценария: оптимистичный, пессимистичный и наиболее вероятный, поскольку большее их количество может привести к неверному анализу. Проект считается устойчивым, если при всех сценариях он оказывается эффективным и реализуемым с точки зрения финансов, а возможные неблагоприятные последствия устраняются мерами, предусмотренными организационно-экономическими механизмами.
На практике анализ сценариев может выполняться как с помощью электронных таблиц (например Excel), так и с применением специальных компьютерных программ, позволяющих использовать методы имитационного моделирования (как вариант Simulink).
Исследования различных естественных – природных, экономических и социальных – данных показывают, что многие показатели распределены именно в соответствии со степенным законом. Чаще всего для его иллюстрации используют закон Парето (принцип 20/80), который гласит, что 20% усилий дают 80% результата, а остальные 80% усилий – оставшиеся 20%.
Он может использоваться как база при анализе факторов эффективности любой деятельности и оптимизации её результатов: правильно выбрав минимальный набор необходимых действий, можно быстро завершить значительную часть проекта. Более того, может оказаться так, что дальнейшие улучшения будут неэффективными и неоправданными (согласно кривой Парето).
Одной из самых первых корпораций, взявших на вооружение Принцип 80/20, стала американская компания IBM. В 1963 году сотрудники IBM обнаружили, что примерно 80% компьютерного времени тратится на обработку 20% команд. Компания немедленно переписала системное ПО таким образом, чтобы сделать их наиболее эффективными. Это позволило IBM увеличить скорость работы своих компьютеров и обогнать конкурентов.
Этот закон играет исключительно важную роль в теории вероятностей. Физическая величина подчиняется нормальному распределению, когда она подвержена влиянию огромного числа случайных помех. В наших реалиях это достаточно частое явление, потому нормальное распределение наиболее распространено.
Неточные методы моделирования основываются на центральной предельной теореме, которая гласит, что если сложить множество независимых величин с одинаковым распределением и конечной дисперсией, то сумма будет нормально распределена.
В популярных психологических тестах часто используются списки вопросов, ответы на которые сопоставлены с определённым количеством баллов. В зависимости от суммы этих баллов испытуемого причисляют к той или иной категории. Оказывается, что, согласно центральной предельной теореме, если вопросы не имеют никакого смысла и никак не соотносятся с теми категориями, к которым причисляют испытуемых (то есть тест фальшивый), то распределение сумм будет приближенно нормальным.
Это значит, что большинство испытуемых окажутся причислены к некоторой средней категории. Поэтому, если после прохождения какого-либо теста вы «попали» в середину шкалы, то, вполне возможно, сработало нормальное распределение, и тест бесполезен. Подробнее о нормальном распределении можно прочитать здесь.
Анализ чувствительности заключается в оценке влияния изменения исходных параметров проекта на его конечные характеристики, в качестве которых, обычно, используется внутренняя норма прибыли или чистая приведенная стоимость (NPV).
В основе анализа чувствительности лежит вопрос «А что произойдет, если…?», который призван определить насколько сильно изменится эффективность проекта при отклонении одного из исходных параметров от нормы. Этот вид анализа позволяет определить наиболее критические переменные, которые в наибольшей степени способны повлиять на осуществимость и эффективность проекта. В качестве исходных переменных могут быть приняты объём продаж, цена за единицу продукции, срок задержек платежей, уровень инфляции и т. д.
Результаты анализа чувствительности приводятся в табличной или графической формах, хотя последняя является более наглядной. Однако анализ чувствительности имеет серьезное ограничение – он является однофакторным методом, потому неприменим в ситуациях, когда изменение одной переменной влечет за собой изменение другой.
Этот подход позволяет измерить совокупные затраты и выгоды от реализации проекта, используя одну и ту же единицу измерения (обычно деньги). В процессе анализа ищется ответ на следующие вопросы: «Стоит ли этот товар или проект своих денег?» или «Какой вариант наиболее выгоден?».
Проблема при сравнении затрат и выгод состоит в том, что затраты, как правило, материальны, конкретны и выражаются финансовыми показателями (цена программного обеспечения, стоимость услуг по установке), тогда как преимущества не всегда могут быть выражены в денежном эквиваленте (повышение эффективности бизнес-процессов). По этой причине такой анализ следует проводить только в том случае, если все задействованные параметры могут быть представлены «в деньгах». Обычно это невозможно, когда речь идет об этических, внутренних, временных и эстетических составляющих.
Этот вид моделирования представляет собой имитацию управления каким-либо реальным процессом или системой в течение некоторого времени. К имитационному моделированию прибегают в тех случаях, когда нет возможности провести исследование на реальном объекте или построить аналитическую модель. Получается, что этот метод является единственным практически реализуемым методом, предназначенным для исследования сложных систем.
Цель имитационного моделирования – воспроизведение поведения системы на основе результатов анализа наиболее существенных взаимосвязей между её элементами. Методология имитационного моделирования позволяет строить модели, описывающие различные процессы так, как они проходили бы в действительности, давая возможность оценить риски при реализации крупного проекта и минимизировать потери. Сама имитация осуществляется с помощью специализированных компьютерных программ, таких как Arena от компании Systems Modeling Corporation.
Оптимальность по Парето – это состояние системы, в котором значение каждого частного показателя не может быть улучшено без ухудшения других. Говоря простыми словами, это получение максимума возможных благ из имеющихся ресурсов. Для этого нужно постоянно соотносить выгоды и издержки, то есть вести себя рационально.
Рациональное поведение заключается в том, что производитель и потребитель благ стремятся максимизировать свои выгоды и минимизировать затраты. Парето-улучшение имеет место тогда, когда изменение экономической ситуации приводит к улучшению положения хотя бы одного индивидуума без ухудшения положения другого. Иными словами, это такие изменения, при которых никто не проигрывает, но хотя бы один выигрывает.
Оптимум Парето является популярной моделью для исследования эффективности, но редко применяется для социальных исследований, поскольку имеет два недостатка. Во-первых, он не учитывает распределение ресурсов между людьми. Как писал нобелевский лауреат по экономике Амартия Сен (Amartya Sen), «состояние общества может быть оптимальным по Парето, но при этом одни могут находиться в крайней нищете, а другие – купаться в роскоши, поскольку нищета одних не может быть смягчена без снижения уровня роскоши богатых».
Во-вторых, оптимум Парето полагает, что эффективность достигается стихийно, без вмешательства государства, а это не всегда соответствует реальному положению вещей. Подробнее об эффективности по Парето вы можете почитать здесь.
Действие каждой из вышеуказанных ментальных моделей выходит за рамки одной конкретной дисциплины. Например, закон Парето находит применение в менеджменте, экономике, торговле и других областях.
«Модели должны быть заимствованы из различных дисциплин, потому что мудрость мира не заключена в единственной академической кафедре», – пишет Чарльз Мангер (Charles Munger) в своей автобиографической книге «Альманах бедного Чарли» (Poor Charlie's Almanac).
Секрет успеха заключается в том, чтобы иметь в распоряжении как можно больше моделей, в противном случае вы рискуете оказаться в ситуации, описанной Маслоу: «Для человека с молотком любая проблема выглядит как гвоздь».
Ментальные модели помогут увидеть ситуацию под другим углом и решить кажущуюся сложной задачу. Эффект их применения особенно заметен, когда в результате мыслительных тренировок вы получаете способность видеть сразу несколько вариантов решения проблемы.
Универсального метода не существует, однако, освоив несколько ментальных моделей, вы сможете выбирать наиболее эффективную по ситуации. Старайтесь по-новому глядеть на вещи – это самый лучший подход к преодолению трудностей.
P.S. Парочка дополнительных материалов по теме из нашего блога на Хабре:
P.P.S. Материалы о разработке нашего IaaS-провайдера:
Впервые термин «ментальные модели» был использован шотландским психологом Кеннетом Крейком (Kenneth Craik) в работе «Природа объяснения» в середине XX века. Крейк предположил, что мозг создает «уменьшенные модели действительности» и использует их для оценки грядущих событий.
Всего существуют десятки тысяч различных ментальных моделей, имеющих отношение к разным дисциплинам, однако, как сказал известный американский адвокат и экономист Чарли Мангер (Charlie Munger), «всего 80 или 90 основных моделей способны сделать из вас опытного человека, уверенно ориентирующегося в 90% жизненных ситуаций».
В этой статье мы постараемся осветить несколько наиболее важных из них.
/ фото Hey Paul Studios CC
Системный подход (Systems Thinking)
Системный подход как методический принцип используется в различных отраслях науки и деятельности человека. Основоположником общей теории систем считается австралийский биолог Людвиг фон Берталанфи (Ludwig von Bertalanffy). Он рассматривал систему как совокупность взаимосвязанных элементов, имеющую выход (цель), вход (ресурсы), связь с внешней средой и обратную связь.
Без метода Systems Thinking сегодня не обходится ни один вид профессиональной деятельности. Например, его назначение в управлении проектами заключается в направлении усилий менеджера на системное развитие компании. Он может рассматривать проект как сложную систему: все начинается с постановки и согласования цели, затем следует планирование, выполнение предусмотренных работ и получение необходимого результата.
Системный подход предполагает постоянный контроль за ходом проекта, выявление отклонений от плана и принятие корректирующих действий (вплоть до согласованного с заинтересованными лицами изменения основных параметров проекта: сроков, бюджета, характеристик результатов и целей).
Анализ сценариев (Scenario analysis)
Это еще одна ментальная модель, которая представляет собой процесс анализа возможных вариантов развития событий в будущем. В этом случае используется опыт прошлого, когда изучаются сложившиеся ранее устойчивые тенденции, то есть в процессе анализа сценариев рассматриваются возможные варианты развития событий и поворотные моменты, связанные с уже прошедшими событиями.
Опыт показывает, что предпочтительнее одновременно формировать три сценария: оптимистичный, пессимистичный и наиболее вероятный, поскольку большее их количество может привести к неверному анализу. Проект считается устойчивым, если при всех сценариях он оказывается эффективным и реализуемым с точки зрения финансов, а возможные неблагоприятные последствия устраняются мерами, предусмотренными организационно-экономическими механизмами.
На практике анализ сценариев может выполняться как с помощью электронных таблиц (например Excel), так и с применением специальных компьютерных программ, позволяющих использовать методы имитационного моделирования (как вариант Simulink).
Экспоненциальный (степенной) закон (Power law)
Исследования различных естественных – природных, экономических и социальных – данных показывают, что многие показатели распределены именно в соответствии со степенным законом. Чаще всего для его иллюстрации используют закон Парето (принцип 20/80), который гласит, что 20% усилий дают 80% результата, а остальные 80% усилий – оставшиеся 20%.
Он может использоваться как база при анализе факторов эффективности любой деятельности и оптимизации её результатов: правильно выбрав минимальный набор необходимых действий, можно быстро завершить значительную часть проекта. Более того, может оказаться так, что дальнейшие улучшения будут неэффективными и неоправданными (согласно кривой Парето).
Одной из самых первых корпораций, взявших на вооружение Принцип 80/20, стала американская компания IBM. В 1963 году сотрудники IBM обнаружили, что примерно 80% компьютерного времени тратится на обработку 20% команд. Компания немедленно переписала системное ПО таким образом, чтобы сделать их наиболее эффективными. Это позволило IBM увеличить скорость работы своих компьютеров и обогнать конкурентов.
Закон нормального распределения (Normal Distribution)
Этот закон играет исключительно важную роль в теории вероятностей. Физическая величина подчиняется нормальному распределению, когда она подвержена влиянию огромного числа случайных помех. В наших реалиях это достаточно частое явление, потому нормальное распределение наиболее распространено.
Неточные методы моделирования основываются на центральной предельной теореме, которая гласит, что если сложить множество независимых величин с одинаковым распределением и конечной дисперсией, то сумма будет нормально распределена.
В популярных психологических тестах часто используются списки вопросов, ответы на которые сопоставлены с определённым количеством баллов. В зависимости от суммы этих баллов испытуемого причисляют к той или иной категории. Оказывается, что, согласно центральной предельной теореме, если вопросы не имеют никакого смысла и никак не соотносятся с теми категориями, к которым причисляют испытуемых (то есть тест фальшивый), то распределение сумм будет приближенно нормальным.
Это значит, что большинство испытуемых окажутся причислены к некоторой средней категории. Поэтому, если после прохождения какого-либо теста вы «попали» в середину шкалы, то, вполне возможно, сработало нормальное распределение, и тест бесполезен. Подробнее о нормальном распределении можно прочитать здесь.
Анализ чувствительности (Sensivity analysis)
Анализ чувствительности заключается в оценке влияния изменения исходных параметров проекта на его конечные характеристики, в качестве которых, обычно, используется внутренняя норма прибыли или чистая приведенная стоимость (NPV).
В основе анализа чувствительности лежит вопрос «А что произойдет, если…?», который призван определить насколько сильно изменится эффективность проекта при отклонении одного из исходных параметров от нормы. Этот вид анализа позволяет определить наиболее критические переменные, которые в наибольшей степени способны повлиять на осуществимость и эффективность проекта. В качестве исходных переменных могут быть приняты объём продаж, цена за единицу продукции, срок задержек платежей, уровень инфляции и т. д.
Результаты анализа чувствительности приводятся в табличной или графической формах, хотя последняя является более наглядной. Однако анализ чувствительности имеет серьезное ограничение – он является однофакторным методом, потому неприменим в ситуациях, когда изменение одной переменной влечет за собой изменение другой.
Анализ затраты-выгоды (Сost-benefit Analysis)
Этот подход позволяет измерить совокупные затраты и выгоды от реализации проекта, используя одну и ту же единицу измерения (обычно деньги). В процессе анализа ищется ответ на следующие вопросы: «Стоит ли этот товар или проект своих денег?» или «Какой вариант наиболее выгоден?».
Проблема при сравнении затрат и выгод состоит в том, что затраты, как правило, материальны, конкретны и выражаются финансовыми показателями (цена программного обеспечения, стоимость услуг по установке), тогда как преимущества не всегда могут быть выражены в денежном эквиваленте (повышение эффективности бизнес-процессов). По этой причине такой анализ следует проводить только в том случае, если все задействованные параметры могут быть представлены «в деньгах». Обычно это невозможно, когда речь идет об этических, внутренних, временных и эстетических составляющих.
Имитационное моделирование (Simulation modeling)
Этот вид моделирования представляет собой имитацию управления каким-либо реальным процессом или системой в течение некоторого времени. К имитационному моделированию прибегают в тех случаях, когда нет возможности провести исследование на реальном объекте или построить аналитическую модель. Получается, что этот метод является единственным практически реализуемым методом, предназначенным для исследования сложных систем.
Цель имитационного моделирования – воспроизведение поведения системы на основе результатов анализа наиболее существенных взаимосвязей между её элементами. Методология имитационного моделирования позволяет строить модели, описывающие различные процессы так, как они проходили бы в действительности, давая возможность оценить риски при реализации крупного проекта и минимизировать потери. Сама имитация осуществляется с помощью специализированных компьютерных программ, таких как Arena от компании Systems Modeling Corporation.
Эффективность (оптимальность) по Парето (Pareto Efficiency)
Оптимальность по Парето – это состояние системы, в котором значение каждого частного показателя не может быть улучшено без ухудшения других. Говоря простыми словами, это получение максимума возможных благ из имеющихся ресурсов. Для этого нужно постоянно соотносить выгоды и издержки, то есть вести себя рационально.
Рациональное поведение заключается в том, что производитель и потребитель благ стремятся максимизировать свои выгоды и минимизировать затраты. Парето-улучшение имеет место тогда, когда изменение экономической ситуации приводит к улучшению положения хотя бы одного индивидуума без ухудшения положения другого. Иными словами, это такие изменения, при которых никто не проигрывает, но хотя бы один выигрывает.
Оптимум Парето является популярной моделью для исследования эффективности, но редко применяется для социальных исследований, поскольку имеет два недостатка. Во-первых, он не учитывает распределение ресурсов между людьми. Как писал нобелевский лауреат по экономике Амартия Сен (Amartya Sen), «состояние общества может быть оптимальным по Парето, но при этом одни могут находиться в крайней нищете, а другие – купаться в роскоши, поскольку нищета одних не может быть смягчена без снижения уровня роскоши богатых».
Во-вторых, оптимум Парето полагает, что эффективность достигается стихийно, без вмешательства государства, а это не всегда соответствует реальному положению вещей. Подробнее об эффективности по Парето вы можете почитать здесь.
Заключение
Действие каждой из вышеуказанных ментальных моделей выходит за рамки одной конкретной дисциплины. Например, закон Парето находит применение в менеджменте, экономике, торговле и других областях.
«Модели должны быть заимствованы из различных дисциплин, потому что мудрость мира не заключена в единственной академической кафедре», – пишет Чарльз Мангер (Charles Munger) в своей автобиографической книге «Альманах бедного Чарли» (Poor Charlie's Almanac).
Секрет успеха заключается в том, чтобы иметь в распоряжении как можно больше моделей, в противном случае вы рискуете оказаться в ситуации, описанной Маслоу: «Для человека с молотком любая проблема выглядит как гвоздь».
Ментальные модели помогут увидеть ситуацию под другим углом и решить кажущуюся сложной задачу. Эффект их применения особенно заметен, когда в результате мыслительных тренировок вы получаете способность видеть сразу несколько вариантов решения проблемы.
Универсального метода не существует, однако, освоив несколько ментальных моделей, вы сможете выбирать наиболее эффективную по ситуации. Старайтесь по-новому глядеть на вещи – это самый лучший подход к преодолению трудностей.
P.S. Парочка дополнительных материалов по теме из нашего блога на Хабре:
- Ученые опять «ломают голову»: Возможен ли апгрейд мозга и что стоит от него ожидать
- «Ближе к народу»: Нужно ли руководителю разбираться в программировании
P.P.S. Материалы о разработке нашего IaaS-провайдера:
Поделиться с друзьями
Комментарии (6)
Shortki
27.08.2016 22:38Если правильно определить целевую функцию, то принцип Парето работает. В вашем же примере можно считать избыток средств отдельных индивидуумов недостатком (так как очевидно что в этом случае ими пользуются неэффективно), после чего перераспределение благ будет соответствовать принципу.
У Парето более важен другой недостаток — склонность фиксации на локальных максимумах/минимумах, иногда это критический важный порок подхода.mr_arthur
27.08.2016 23:43это не недостаток метода, а недостаток системы целеполагания т.к. если цель общая (генеральная) неизвестна или известна, но заменена на личную (локальную).
Иными словами классическая ошибка руководства если управление ориентировано на общую (генеральную) цель через декомпозицию на личные (локальные) цели при отсутствия понимания того что сумма результатов по личным (локальным) целям ни в коем случае не равно результату по общей (генеральной) цели.Shortki
28.08.2016 00:01Это само собою — постоянно улучшая текущую систему невозможно построить новую систему, это кстати основной вопрос к теории эволюции. Но заменяя локальное целеполагание на стратегическое планирование, в итоге мы заменяем принцип Парето на другой.
Обычно каким-нибудь стратегическим методом система загоняется в новое (часто не оптимальное) состояние, а там уж по принципу Парето постепенно находится локальный максимум, и так до следующего стратегического толчка.mr_arthur
28.08.2016 22:47Парето — это методика анализа сложных систем, которая предполагает что сложные системы неоднородны и в виду этого различные части системы имеют различную степень влияния на общий результат работы системы. В частности утверждается что примерно 20% системы производят около 80% результата.
Согласитесь чтобы уметь вывести систему на оптимум необходимо проверить и уточнить данное утверждение в конкретной рабочей системе и применить полученное знание для недопущения локальной оптимизации.
maxzhurkin
29.08.2016 09:47Предложение «Поэтому, если после прохождения какого-либо теста вы «попали» в середину шкалы, то, вполне возможно, сработало нормальное распределение, и тест бесполезен» построено таким образом, что его отрицание тоже претендует на свою долю истинности.
// Ваш К.О.
mr_arthur
Экспоненциальный (степенной) закон (Power law) = Эффективность (оптимальность) по Парето (Pareto Efficiency) т.е. про одно и тоже разными словами, ну самое животрепещущее Системный подход (Systems Thinking) под номером в списке моделей поглощает практически без остатка все модели те что ниже по списку.