Читать книгу HR-аналитика. Путеводитель по анализу персонала онлайн
Главное – не пытаться объять необъятное, двигаться последовательно от простого к сложному и внедрять новые инструменты и технические решения в повседневную работу. Помните, только наглядные результаты вашего труда и приложенных усилий будут поддерживать ваши мотивацию и вовлеченность.
HR-аналитика и недетерминированные системы
Это, пожалуй, единственный раздел в книге, который будет посвящен несколько абстрактной теме; а потому, если любезный читатель преследует сугубо утилитарные цели, данную часть можно смело пропустить. Остальных же ожидает путешествие в небольшую метеолабораторию, где в 1961 году метеоролог и математик Эдвард Лоренц занимался прогнозированием погоды.
Для своей работы Лоренц разработал модель, которая описывала взаимосвязь между разными переменными (температурой, атмосферным давлением, скоростью и направлением ветра и прочими) в конкретный момент времени. Для определения связи между этими переменными Лоренц составил ряд уравнений. Значение переменных в каждый последующий момент зависело от их значения в предыдущий и рассчитывалось согласно этим уравнениям. Таким образом, модель была полностью определена – детерминирована, то есть какое-либо отклонение от заданных условий не должно было приводить к значительному изменению результата. Опираясь на эти расчеты, система начала строить график прогноза погоды.
Лоренц решил подробнее изучить уже построенный машиной график. В качестве начальных данных он ввел значения переменных из середины прогноза. Система должна была бы точно воспроизвести вторую половину графика, ведь условия (температура, давление и пр.) не изменились, и продолжить строить его дальше. Однако Лоренц обнаружил нечто совершенное иное – графики оказались разными. Причем если вначале график еще более или менее повторял исходный вариант, то к концу не имел с ним совсем ничего общего. И чем на более отдаленное время система строила прогноз погоды, тем сильнее итоговый график отличался от исходного (см. рис. 1.6).
Рисунок 1.6.
Выходило, что модель, в которой случайность была полностью устранена (ведь все изменения описывались на уровне алгоритмов), при одних и тех же начальных значениях выдавала совершенно разные прогнозы.