Статистика и наилучшие практики: как избежать ловушек «средней температуры по больнице»

В мире управления проектами, анализа данных и даже повседневной работы часто звучит термин «наилучшие практики» — проверенные методы, которые гарантируют эффективность и предсказуемый результат. Однако даже самые совершенные шаблоны действий могут оказаться бесполезными, если их применение сопровождается некорректным анализом данных. Яркий пример — злоупотребление статистикой, когда усреднение разнородных элементов создаёт иллюзию объективности, но на деле искажает реальность.

Что такое наилучшие практики?

Наилучший опыт — это проверенный подход, процедура или метод для выполнения повторяющейся деятельности или проекта наиболее оптимальным образом. Это своего рода шаблон, который используется для получения определенного результата. В самом истинном смысле этого термина лучшая практика относится к «отличному шаблону», который используется для получения определенного результата.

Эти шаблоны работают только при условии, что их применяют в подходящем контексте. Но что, если сам контекст оценивается неверно?

Проблема «средней температуры по больнице»

Статистику всегда можно притянуть для доказательства или опровержения чего угодно, но не всегда это будет достоверно — особенно когда в выборку попадают абсолютно непохожие элементы — тогда вычисление среднего теряет всякий смысл, её некорректное использование превращает данные в манипулятивный нарратив.

Классический пример: «Один бьётся в горячке, другой остывает в морге, а средняя температура по больнице 36,6 °C.»

Среднее арифметическое стирает критически важные различия.

Выводы становятся бессмысленными: нельзя лечить «усреднённого пациента».

Реальные проблемы (эпидемия, системные сбои, внутренние противоречия) остаются незамеченными.

Наилучшие практики работают только там, где их предпосылки соответствуют реальности. Если в данных есть аномалии (как «пациенты морга»), их нужно исключить или анализировать отдельно.

Что скрывается за средним значением?

Есть ли в выборке скрытые подгруппы?

Не смешиваем ли мы «яблоки с апельсинами»?

Пример из области логистики:

Компания внедряет «наилучшую практику» для ускорения доставки товаров. Среднее время доставки по всем заказам — 2 дня.

Однако анализ подгрупп показывает:

• 80% заказов доставляются за 1 день;
• 20% (удалённые регионы) — за 7 дней.

Итог:

Усреднение маскирует проблему логистики в удалённых районах.

«Наилучшая практика» не работает для 20% клиентов — нужна адаптация метода.

Пример из области организации рабочих пространств::

Компания планирует внедрить “лучшую практику” для повышения эффективности коммуникаций руководителей структурных подразделений со своими сотрудниками переместив управленцев из кабинетов в open-space. Все руководителя единогласно поддерживают планируемые изменения.

Однако анализ функционального взаимодействия показывает:

• персонал от 60 до 80 процентов времени обсуждает текущие задачи с руководителем индивидуально или в формате малых групп;
• один из основных факторов мешающих работе сотрудников – шум коллег ведущих деловые разговоры.

Итог:

Для повышения эффективности работы и функционального взаимодействия целесообразно не только сохранить кабинеты, но и организовать дополнительные места для функциональных коммуникаций.

Наилучшие практики и статистика — взаимодополняющие инструменты, но их сила раскрывается только при критическом подходе. Усреднение разнородных данных не дает информации для анализа и принятия обоснованных решений.

Чтобы избежать ловушек, всегда задавайте вопрос:

Что стоит за цифрами?

Кому, где, какая и почему подходит практика?

Как оценить перспективы, увеличить преимущества и уменьшить недостатки внедрения?

Только так статистика и анализ становятся не инструментом иллюзий, а основой для реальных улучшений.

Источник: https://dzen.ru/a/aDBnpKKhK14Azp_5