Текст книги "Убийственные большие данные. Как математика превратилась в оружие массового поражения"

Парадоксальным образом мощные по замыслу алгоритмы, создавшие рынок, – те самые, которые анализировали риск для разных категорий заемщиков и затем отражали этот риск в конкретных ценных бумагах, – оказались бесполезными, когда пришло время наводить порядок и подсчитывать истинную ценность всех этих бумаг. Математика может умножать бредовые данные, но не может их расшифровать. Это работа для людей. Только люди могут перебрать ипотечные контракты, отложить в отдельную стопку лживые обещания и благие намерения и придать кредитам реальную долларовую ценность. Это был очень трудоемкий процесс, потому что люди, в отличие от ОМП, не могут экспоненциально увеличивать масштабы своей работы; кроме того, для большей части финансовой индустрии эта работа имела низкий приоритет. В процессе этой длительной детоксикации стоимость долга – и домов, к которым этот долг был привязан, – конечно же, постоянно падала. А когда случился экономический крах, даже те владельцы домов, которые в свое время вполне могли позволить себе ипотеку, тоже внезапно оказались перед угрозой дефолта.

Как я уже упомянула, фонд D. E. Shaw находился в одном-двух шагах в стороне от рыночного коллапса. Но когда другие игроки стали уходить под воду, они начали с бешеной скоростью аннулировать свои сделки, а эти сделки затрагивали и наши контракты. В результате этого эффекта домино мы в начале второго полугодия 2008 года уже теряли деньги направо и налево.

В течение следующих месяцев катастрофа наконец разразилась в полную силу. Именно в этот момент все наконец увидели людей по ту сторону алгоритмов. Это были отчаявшиеся домовладельцы, которые теряли свою недвижимость, а также миллионы американцев, теряющих свои рабочие места. Дефолты по кредитным картам достигли рекордных показателей. Человеческие страдания, которые раньше прятались за цифрами, таблицами и уровнем риска, стали видны воочию.

Разговоры в D. E. Shaw стали крайне нервными. После падения банка Lehman Brothers в 2008 году финансисты начали обсуждать политические последствия. Похоже было, что Барак Обама выиграет выборы 2008 года. Начнет ли он бомбардировать индустрию новыми регулирующими правилами? Поднимет налоги на валовую прибыль? Эти люди не теряли дома и не выкачивали до дна кредиты по своим картам, лишь бы остаться на плаву. Но им тоже было о чем беспокоиться. Единственной возможностью было переждать обвал, позволить лоббистам делать их работу и посмотреть, не удастся ли в конце концов продолжать работу в том же духе, что и дальше.

К 2009 году стало понятно, что уроки рыночного коллапса не указали миру финансов никаких новых путей и не привили новых ценностей. Лоббисты по большей части одержали успех, и игра осталась прежней: выуживание «глупых денег». За исключением некоторых правительственных ограничений, добавивших новые полосы препятствий, которые предстояло преодолеть, жизнь в общем и целом продолжалась.

Но меня вся эта драма очень быстро подтолкнула в сторону утраты иллюзий. Особенно я была разочарована той ролью, которая сыграла в этих событиях математика. Мне пришлось столкнуться лицом к лицу с неприглядной правдой: люди сознательно создавали формулы, чтобы произвести впечатление, вместо того чтобы прояснить ситуацию. Я впервые напрямую столкнулась с этой токсичной концепцией, и в результате мне захотелось сбежать, вернуться в прошлое – к миру доказательств и кубиков Рубика.

И я уволилась из хедж-фонда в 2009 году с намерением работать над обезвреживанием финансового оружия массового поражения. Новые правительственные правила предписывали банкам привлекать независимых экспертов для анализа рисков. Я устроилась на работу в одну из компаний, которая предоставляла банкам таких специалистов: компания RiskMetrics Group располагалась в одном квартале к северу от Уолл-стрит. Наш продукт представлял собой россыпь цифр, которые складывались в предсказание того, как будет вести себя определенный пакет ценных бумаг или вид биржевых в течение следующей недели, следующего года или следующих пяти лет. Когда все ставят на любое движение на рынке, подобные умные расчеты риска идут на вес золота.

Чтобы просчитать степень риска, наша команда применяла метод Монте-Карло. Вообразите, что вы крутанули колесо рулетки в казино десять тысяч раз и каждый раз тщательно записали результаты. При использовании метода Монте-Карло вы обычно начинаете с истории рынка и прогоняете тысячи тестовых сценариев. Как изучаемый вами портфель ценных бумаг вел себя на рынке каждый день начиная с 2010 года? А с 2005-го? Устоит ли он в самые тяжелые дни краха? С какой вероятностью для него возникнет смертельная опасность в течение следующего года или двух? Чтобы рассчитать эти вероятности, ученые прогоняют тысячи тысяч моделей. У этого метода много недостатков, но он представляет собой простой способ хоть как-то управлять своими рисками.

Моя работа заключалась в том, что я была посредником между нашими риск-менеджерами и самыми большими и придирчивыми знатоками рисков – квантитативными хедж-фондами. Я связывалась с фондами или они связывались со мной, и мы обсуждали любые вопросы, которые у них возникали по поводу чисел. Однако чаще всего они информировали меня только тогда, когда мы совершали ошибки. Дело в том, что хедж-фонды всегда считали себя умнейшими из умных, и учитывая то, что правильное понимание риска – основа их существования, они никогда не стали бы полностью полагаться на сторонние организации вроде нашей. У них были собственные группы, занимавшиеся подсчетами риска, и наши продукты они покупали в основном для того, чтобы хорошо выглядеть в глазах инвесторов.

Кроме этого, я отвечала на вопросы по горячей линии, иногда – от представителей больших банков. Им очень хотелось поправить свой пошатнувшийся имидж и выглядеть ответственными; именно поэтому они и обращались к нам. Но, в отличие от хедж-фондов, они мало интересовались самим нашим анализом. Риск в их портфелях был фактором, который они практически игнорировали. В течение моей работы на горячей линии у меня сложилось чувство, что люди, предупреждающие о риске, воспринимались ими как назойливые надоедалы или, еще того пуще, как угроза банковской безопасности. Это восприятие не изменилось даже после катаклизмов 2008 года – и было несложно понять почему. Если уж они выжили в такой катастрофе – потому что были слишком большими, чтобы рухнуть[3]3
  Too big to fail – термин, появившийся в середине 1980-х годов и описывающий финансовые учреждения, настолько большие и настолько взаимосвязанные со всей остальной экономикой, что их крушение повлекло бы катастрофические последствия для экономики в целом (и, следовательно, они в любом случае должны быть спасены с помощью государства). Термин был популяризован книгой американского журналиста Эндрю Соркина (рус. изд.: Эндрю Росс Соркин. Слишком большие, чтобы рухнуть / пер. Михаила Кононенко. М.: Corpus, 2012).


[Закрыть], – какой им был смысл волноваться из-за рисков после этого?

Отказ признавать наличие риска – давняя традиция в мире финансов. Культуру Уолл-стрит определяют ее трейдеры, а риски – это то, что они постоянно недооценивают. Это результат того, что мы оцениваем профессионализм трейдера по его «коэффициенту Шарпа»: он рассчитывается как отношение прибыли, которую приносит трейдер, к стандартному (среднеквадратичному) отклонению для его портфеля[4]4
  Коэффициент Шарпа показывает, насколько хорошо риск компенсируется доходностью актива. При одинаковом ожидаемом доходе актив с более высоким коэффициентом Шарпа считается менее рискованным.


[Закрыть]. Этот коэффициент критически важен для карьеры трейдера, его ежегодного бонуса, его самооценки. Если мы лишим этих трейдеров их физических тел и начнем воспринимать их исключительно как набор алгоритмов, эти алгоритмы будут постоянно сосредоточены на оптимизации коэффициента Шарпа. В идеале он будет расти – или, по крайней мере, не падать слишком низко. Поэтому, если один из отчетов по рискованности свопов кредитного дефолта поднимет степень риска одного из ключевых вкладов трейдера, его коэффициент Шарпа упадет. Это может стоить ему сотен тысяч долларов, когда дело дойдет до расчета его ежегодного бонуса.

Очень быстро я осознала, что занимаюсь просто штамповкой привычных решений. В 2011 году настало время снова сменить работу – и я увидела, что рынок для математиков вроде меня стремительно расширяется. В то время мне было достаточно напечатать два слова в моем резюме – и я уже была провозглашена новым специалистом по обработке информации, готовым погрузиться в мир онлайн-экономики. В результате я оказалась в нью-йоркском стартапе под названием Intent Media.

Начала я с разработки моделей, которые предсказывали поведение посетителей сайтов, посвященных путешествиям. Ключевой вопрос заключался в том, с какой целью кто-то заходит на сайт Expedia: просто посмотреть на картинки или собирается в самом деле потратить деньги? Те, кто не собирался ничего покупать, мало что значили в качестве потенциального источника дохода. Поэтому таким пользователям мы показывали рекламу фирм-конкурентов – Travelocity или Orbitz. Если посетитель кликал по рекламе, это приносило нам несколько центов – лучше, чем ничего. Однако мы не собирались показывать эти объявления серьезным покупателям. В худшем случае мы получали десяток центов дохода за размещение рекламы – и посылали при этом потенциальных клиентов к конкурентам, где они могли оставить тысячи долларов за гостиничные номера в Лондоне и Токио. Понадобились бы тысячи просмотров рекламных объявлений, чтобы возместить хотя бы несколько сотен долларов из упущенной прибыли от этих клиентов. Поэтому было крайне важно удержать их на нашем сайте.

Моей задачей была разработка алгоритма, который мог бы отличить созерцателя витрин от покупателя. Ориентироваться при этом можно было на несколько очевидных сигналов. Зарегистрировался ли человек на сайте? Совершал ли он уже покупки? Я также обращала внимание и на другие факторы, например на время дня и дату. Определенные недели были особенно урожайными. Например, один из пиков приходился на День поминовения в середине весны, когда огромное количество людей практически одновременно определялись со своими планами на лето. Мой алгоритм придавал больше ценности покупателям в течение подобных периодов: в это время повышалась вероятность, что они действительно что-то купят.

Принципы работы статистики, как выяснилось, было очень легко перенести из хедж-фондов в онлайн-коммерцию: самой большой разницей было то, что вместо движений в рынке я теперь предсказывала клики конкретных людей.

На самом деле я увидела огромное количество параллелей между финансами и Большими данными. Обе индустрии черпают работников из одного и того же кадрового резерва: в основном из элитных университетов, таких как Массачусетский технологический институт (MIT), Принстон или Стэнфорд. Эти новые работники отчаянно стремятся к успеху и всю жизнь сосредоточены на внешних количественных показателях, таких как результаты SAT[5]5
  Scholastic Assessment Test – стандартизованный тест для приема в американские вузы. По мнению образовательной организации College Board, хорошие результаты SAT вкупе с высоким средним баллом за освоение школьной программы лучше отражают готовность к обучению в вузе, чем просто средний балл.


[Закрыть] (академических оценочных тестов) и поступление в колледжи. В области как финансов, так и технологий они получают один и тот же месседж: они разбогатеют и будут править миром. Их продуктивность демонстрирует, что они на правильном пути, и это конвертируется в долларовый эквивалент. Успех приводит к ложному выводу: все, что они делают, чтобы заработать больше денег, – это хорошо. Они таким образом «создают добавленную ценность». Иначе за что бы их вознаграждал рынок?

В обеих культурах богатство больше не представляет собой средство выживания. Оно напрямую привязывается к ценности отдельно взятой личности. Молодой обитатель пригорода, обладающий массой преимуществ (образование в частной школе, усиленная подготовка к вступительным экзаменам в колледж, семестр за границей – в Париже или Шанхае), все равно тешит себя иллюзией, что в мир привилегий он попал благодаря собственным талантам, усиленной работе и выдающимся способностям в области решения проблем. Деньги уничтожают любые сомнения. А другие члены его круга подыгрывают ему, создавая сообщество взаимного восхищения. Они с радостью доказывают нам, что представляют собой продукты работы дарвиновского естественного отбора, тогда как со стороны это выглядит как комбинация слепой удачи и выигрыша у системы.

В обеих индустриях реальный мир со всеми его проблемами воспринимается с большой дистанции. Работающие в них люди стремятся подменить людей наборами данных, превратить их в более эффективных покупателей, избирателей или работников, чтобы оптимизировать какую-нибудь цель. Это совсем легко сделать и оправдать, когда успех приходит в виде безличного результата и когда задействованные люди остаются такими же абстракциями, как цифры на экране.

Параллельно с работой в области обработки данных я уже вела свой блог – и все больше была вовлечена в движение «Захвати Уолл-стрит». Все больше и больше меня беспокоило отчуждение технических моделей от реальных людей – и моральные последствия этого отчуждения. На самом деле я видела появление того же механизма, который я наблюдала в мире финансов: ложное чувство безопасности, которое вело к распространению далеких от совершенства моделей, определения успеха, которые служили оправданиями самим себе, и растущие петли обратной связи. Людей, которые пытались противодействовать этим процессам, обзывали ностальгирующими луддитами.

Я гадала, какой аналог кредитного кризиса мог бы случиться в области Больших данных: пока что вместо бума я наблюдала эволюционирующую антиутопию со все увеличивающимся неравенством. Алгоритмы позаботятся о том, чтобы те, кого они объявили неудачниками, неудачниками и остались. Счастливое меньшинство станет еще больше контролировать экономику данных, купаясь в возмутительной роскоши и убеждая себя в том, что оно ее заслуживает.

Проработав два года в области Больших данных и многому научившись, я поняла, что мой путь к окончательной утрате иллюзий более или менее завершился: злоупотребление математикой приобретает все более впечатляющие масштабы. Несмотря на ежедневное ведение блога, я почти перестала успевать отслеживать все способы манипуляции, контроля и запугивания людей алгоритмами. Это началось с учителей, пострадавших от ярма модели подсчета качества их работы, но ими не закончилось. Чувствуя все растущую тревогу, я ушла с работы, чтобы сосредоточить все усилия на исследовании этой проблемы.

Гонка вооружений: поступление в колледж

Если вы сядете поужинать с друзьями где-нибудь в Сан-Франциско или Портленде, то, скорее всего, обнаружите, что никто из вас не хочет попробовать то, что заказал другой. Никто не ест одно и то же, все придерживаются разных диет – от веганской до разных вариантов палеодиеты, причем свято их соблюдают как минимум месяц или два. А теперь представьте себе, если одна из таких диет – допустим, та же диета пещерного человека – стала национальным стандартом и 330 миллионов людей обязаны соблюдать ее требования.

Эффект будет разрушительным. Для начала единая национальная диета просто уничтожит экономику сельского хозяйства. Спрос на официально одобренные сорта мяса и сыра (а затем и цены на них) взлетит до небес. В то же время отрасли, занимающиеся выращиванием продуктов, которые отвергнуты диетой, например сои и картофеля, будут разорены. Разнообразие практически исчезнет. Пострадавшие фермеры пустят ненужные больше площади зерновых на разведение коров и свиней, даже если почва для этого не подходит. Увеличившееся поголовье скота будет потреблять огромное количество воды. И, наконец, нет нужды говорить о том, что единая диета превратит многих из нас в совершенно несчастных людей.

Что общего у единой национальной диеты с ОМП? Масштаб. Любая формула – идет ли речь о диете или об индивидуальном номере налогоплательщика – в теории может быть совершенно невинной. Но когда она превращается в национальный или международный стандарт, она создает свою собственную деформированную и искривленную экономику. Именно это и случилось с высшим образованием.

Начался этот процесс в 1983 году. Пытаясь выжить, журнал U. S. News & World Report задумал амбициозный проект. Было объявлено, что журнал проведет оценку 1800 колледжей и университетов по всей стране и расположит их в рейтинге по качеству образования. Этот рейтинг стал бы полезным инструментом, который мог бы помочь миллионам молодых людей правильно сделать первый большой выбор в их жизни. Для многих из этих молодых людей он стал бы указанием на начало карьерного пути, дал бы им новых друзей, а может быть, и спутника жизни. Более того, редакторы надеялись, что рейтинг колледжей может стать новостной сенсацией. Возможно, тираж U. S. News даже сравнится на какое-то время с его соперниками-гигантами – Times и Newsweek.

Но на основе какой информации строить такой рейтинг? В самом начале журналисты основывали свои расчеты исключительно на результатах опросных листов, которые рассылались президентам университетов. В результате лучшим национальным университетом был назван Стэнфорд, а лучшим гуманитарным вузом – Амхерстский колледж. Рейтинги пользовались большой популярностью у читателей, однако многие администраторы колледжей были просто в бешенстве. Журнал был завален жалобами на то, что рейтинг несправедлив. Многие президенты колледжей, студенты и выпускники настаивали на том, что их вуз заслуживает более высокой оценки. Все, что оставалось журналистам, – это обратиться к фактам.

В последующие годы редакторы U. S. News снова и снова пытались понять, что тут вообще можно измерить и оценить. Именно так начинаются многие модели – с серии догадок. Процесс этот нельзя назвать научным, и к статистическому анализу он имеет весьма отдаленное отношение. Люди просто думали над тем, что важнее всего в образовании, затем выясняли, какие переменные им стоит принимать во внимание, и, наконец, решали, какой вес придать каждой из этих величин в формуле.

В большинстве дисциплин анализ, загружаемый в модель, требует гораздо большей тщательности. В агрономии, например, исследователи должны сравнить вводные параметры (почву, солнечный свет, удобрения) и параметры, получившиеся на выходе, то есть определенные свойства урожая. Затем они могут экспериментировать и оптимизировать результаты, исходя из целевого параметра, будь то цена, вкус или питательная ценность. Это не значит, что агрономы не могут создать оружия математического поражения – очень даже могут и иногда создают (особенно если отказываются принимать во внимание долгосрочные и разнообразные последствия применения пестицидов). Однако из-за того, что их модели по большей части четко нацелены на чистый результат, они идеальны для научных экспериментов.

Журналисты U. S. News, однако, имели дело с «качеством образования» – гораздо менее четкой величиной, чем цена кукурузы или количество миллиграммов белка в каждом зернышке. У них не было четких параметров, по которым можно было бы оценить, какое воздействие четырехлетнее обучение оказывает на одного студента, не говоря уже о миллионах студентов. Они не могли измерить количество усвоенного материала, счастье, уверенность в своих силах, дружбу и другие аспекты студенческого четырехлетнего опыта. Идеальная цель высшего образования, сформулированная президентом США Линдоном Джонсоном, – «углубление личной самореализации, усиление личной продуктивности и повышение личной самооценки» – не укладывалась в их модель.

Вместо этого они выбрали прокси, которые, как им казалось, коррелировали с успехом. Они посмотрели на результаты SAT, на соотношение студентов и преподавателей и на процент зачисления абитуриентов. Они проанализировали процент первокурсников, которые доучились до второго курса, а также процент выпускников. Они подсчитали процент выпускников, которые жертвовали деньги альма-матер, рассудив, что, раз у них возникло желание поддержать вуз, значит, им, скорее всего, понравилось там учиться. Три четверти ранжирования должно было производиться алгоритмом – то есть мнением, формализованным в коде, – в который были включены все эти прокси. Оставшаяся четверть рейтинга формировалась с учетом субъективных мнений официальных представителей колледжей по всей стране.

Первый рейтинг, основанный на вычислении данных, был опубликован в U. S. News в 1988 году, и его результаты казались вполне разумными. Однако, когда рейтинг вырос до статуса национального стандарта, материализовалась зловещая петля обратной связи. Проблема заключается в том, что рейтинги подпитывают сами себя. Если колледж однажды получил низкую оценку в U. S. News, то его репутация сразу была слегка подмочена, а это тут же сказывалось на условиях обучения в нем. Лучшие студенты и лучшие преподаватели начинали его избегать. Выпускники возмущались и переставали жертвовать деньги. Рейтинг снижался еще сильнее. Короче говоря, рейтинг становился судьбой.

В прошлом администраторы колледжей располагали самыми разными способами добиться успеха, и многие из них были основаны на личностном факторе. Студенты восхищались определенными профессорами. Некоторые выпускники делали выдающиеся карьеры в качестве дипломатов или предпринимателей. Другие публиковали романы, которые получали престижные награды. Слава передавалась из уст в уста, и все способствовало повышению репутации колледжа. Но в самом ли деле Макалестер лучше Рида?[6]6
  Макалестер-колледж и Рид-колледж – частные гуманитарные университеты в штатах Миннесота и Орегон соответственно.


[Закрыть] Правда ли Айова лучше Иллинойса?[7]7
  Здесь автор вспоминает традиционное противостояние баскетбольных сборных Айовы и Иллинойса в студенческой баскетбольной лиге (NCAA).


[Закрыть] Сложно сказать. Колледжи – это как разные типы музыки или как разные диеты. Всегда найдется место для противоположных точек зрения – как и хорошие аргументы в защиту каждой из них. Теперь же огромную репутационную экосистему колледжей и университетов накрыла своей тенью одна-единственная колонка цифр.

Если вы посмотрите на эту ситуацию с точки зрения президента какого-нибудь университета, она будет выглядеть очень печально. Большинство этих людей, без сомнения, дорожат своим университетским опытом – это одна из причин, мотивировавших их взобраться по лестнице академической карьеры. В то же время, оказавшись на вершине этой карьеры, они вынуждены тратить огромную энергию на улучшение показателей по пятнадцати параметрам, которые определила для них шайка журналистов из какого-то второсортного издания. Они снова оказались чуть ли не на студенческой скамье – им снова нужно получить хорошие оценки от тех, кто выдает им задания. На самом деле они оказались в ловушке жесткой модели, в ловушке ОМП.

Если бы рейтинг U. S. News не пользовался таким успехом, он был бы не так страшен. Однако он превратился в титана и очень быстро провозгласил себя национальным стандартом. С тех самых пор рейтинг начал вязать узлы из нашей образовательной системы, установив очень жесткий список того, что необходимо делать – как администрациям колледжей, так и студентам. Рейтинг U. S. News обладает огромным масштабом, широко распространяет ущерб и порождает бесконечную спираль деструктивных петель обратной связи. И пусть он не столь непрозрачен, как многие другие подобные модели, он все равно представляет собой стопроцентное оружие математического поражения.

Некоторые администраторы шли на самые отчаянные меры, чтобы продвинуться в рейтинге вверх. Бэйлорский университет, например, заплатил за то, чтобы принятые в него студенты заново сдали SAT, надеясь, что еще одна попытка улучшит их результат – а заодно и рейтинг университета. Элитарные частные учебные заведения вроде Бакнеллского университета в Пенсильвании или университета Клермонт Маккенна в Калифорнии отослали фальшивые результаты в U. S. News, завысив результаты SAT своих абитуриентов. А в нью-йоркском Айона-колледже признались в 2011 году, что подделывали сведения практически по всем параметрам: результаты тестов, коэффициенты поступления и выпуска, количество поступивших, перешедших на второй курс, соотношение студентов и преподавательского состава и даже суммы пожертвований выпускников. Ложь помогла – по крайней мере, на какое-то время. В U. S. News подсчитали, что ложные данные подняли Айона-колледж с 50-го на 30-е место среди региональных колледжей северо-востока США.

Впрочем, абсолютное большинство администраторов колледжей не стали прибегать к столь вопиющим способам повышения своего рейтинга. Вместо обмана они изо всех сил работали над тем, чтобы улучшить каждый из показателей, включенных в рейтинг. Они могли бы сказать, что это самое эффективное использование их ресурсов. В конце концов, если их работа удовлетворит алгоритм U. S. News, значит, они соберут больше денег, привлекут более ярких студентов и преподавателей, продолжат путь к верхним строчкам списка. Разве у них есть иной выбор?

Роберт Морс, работающий в журнале с 1976 года и отвечающий за рейтинг колледжей, постоянно указывает в интервью, что рейтинг заставляет колледжи ставить перед собой осмысленные цели. Если они смогут улучшить результаты выпуска или объединить студентов в меньшие группы, это только к лучшему. Образование выиграет от сосредоточения усилий. Морс признает, что самые релевантные данные – чему именно студенты научились в том или ином вузе – журналу недоступны, тем не менее модель U. S. News, основанная на допущениях, является лучшей из возможных.

Однако, когда вы создаете модель из прокси, людям гораздо легче ее обыграть. Это происходит потому, что допущениями легче манипулировать, чем сложной реальностью, которую они подменяют. Вот пример. Давайте представим себе, что некий сайт ищет специалиста по работе с социальными сетями. Многие люди желают устроиться на эту работу, они присылают резюме с перечислением множества маркетинговых кампаний, которые они проводили. Но на то, чтобы отследить и оценить всю их работу, требуется слишком много времени. Поэтому менеджер по приему на работу сотрудников решает применить прокси: она обращает внимание на то, у кого из претендентов больше всего фолловеров в Twitter. Это же признак вовлеченности в социальные сети, не так ли?

Да, это кажется достаточно разумным допущением. Но что произойдет, если информация о том, что толпа фолловеров в «Твиттере» – гарантия получения работы в данной компании, станет общеизвестной (а это, несомненно, произойдет)? Тогда кандидаты будут делать все, чтобы увеличить их число. Некоторые заплатят 19,95 доллара какому-нибудь сервису, который организует им тысячи фолловеров – в основном ботов. Когда люди обыгрывают систему, прокси теряет свою эффективность. Обманщики выдают ложноположительный результат.

В случае с рейтингом U. S. News все – от перспективных студентов и выпускников до сотрудников кадровых отделов – быстро приняли рейтинг в качестве стандарта качества образования. И колледжи стали играть по этим правилам. Они пытаются улучшить каждый из параметров, измеряемых моделью подсчета. И многие на самом деле были более всего разочарованы именно теми 25 % оценок, повлиять на которые было не в их власти, – то есть данными анкет, заполняемых президентами и проректорами колледжей.

Эта часть анализа, как и любое собрание субъективных мнений, не может не содержать старомодных предубеждений и простого невежества. И у нее есть тенденция удерживать знаменитые вузы наверху списка, потому что широкая публика знает только о них. А для вузов, которые еще только стремятся вверх, ситуация лишь усложняется.

К 2008 году Техасский христианский университет (TCU) в Форт-Уэрте сильно упал в рейтинге U. S. News. За три года до этого университет занимал 97-е место, а затем скатился до 105-го, 108-го – и, наконец, до 113-го. Это обстоятельство сильно встревожило активных выпускников и тех, кто поддерживал университет, и поставило ректора Виктора Боскини в крайне сложное положение. «Это совершенно непонятная ситуация», – заявил ректор в интервью tcu360.com, новостному сайту университета. Боскини настаивал, что на самом деле университет улучшил каждый свой показатель: «Мы улучшили коэффициент удержания студентов, объемы привлеченных средств – словом, все показатели, на которые они ориентируются».

В своем анализе ситуации Боскини не учел два фактора. Во-первых, рейтинговая модель U. S. News не оценивала каждый колледж в отрыве от других. Учебное заведение, которое улучшало свои показатели, могло все равно опускаться в рейтинге, если конкуренты улучшали свои показатели быстрее. Говоря академическим языком, модель U. S. News распределяла колледжи по кривой Гаусса. И это подпитывало процесс, который можно было сравнить с гонкой вооружений.

Другой проблемой была репутация – то есть те самые 25 процентов, которые TCU не мог контролировать. Рэймонд Браун, декан по вопросам приема студентов, отмечал, что репутация – самый весомый фактор, «что абсурдно, потому что это совершенно субъективные оценки». Уэс Вэггонер, директор по делам первокурсников, добавил, что колледжи рекламируют себя друг другу, чтобы улучшить репутационный рейтинг. «Я постоянно получаю по почте послания, в которых другие колледжи пытаются убедить нас в том, что они хорошие», – сказал он.

Несмотря на все это ворчание, TCU твердо вознамерился улучшить те 75 % результата, которые он мог контролировать. В конце концов, если рейтинг университета поднимется, повысится и его репутация. Со временем представители других вузов заметят прогресс TCU и станут оценивать университет выше. Ключевой задачей было запустить движение в правильном направлении.

TCU начал кампанию по сбору средств с целевой суммой 250 миллионов долларов. Результаты намного превзошли запланированные – кампания принесла 434 миллиона долларов к 2009 году. Один только этот фактор уже увеличил рейтинг TCU, поскольку успешность привлечения средств была одним из показателей. Большую часть этих денег университет потратил на усовершенствование кампуса, в частности, 100 миллионов на новый центральный двор и организацию нового студенческого союза – и все это с целью сделать TCU более привлекательным для студентов. И хотя в этом нет ничего плохого, эти меры очень удачно подпитывали алгоритм U. S. News. Чем больше студентов хотят поступить в университет, тем более придирчивым он может быть.

Что, вероятно, еще важнее, TCU построил новый суперсовременный спортивный центр и вкачал деньги в университетскую программу по американскому футболу. В последующие годы «Рогатые лягушки» (Horned Frogs) – футбольная команда TCU – стала национальным феноменом. В 2010 году «лягушки» не проиграли ни одной игры, в конце концов разгромив команду Висконсинского университета в новогоднем матче на стадионе «Роуз Боул».

Этот успех позволил TCU воспользоваться плодами так называемого эффекта Флюти (Flutee effect). В 1984 году, в ходе одной из самых захватывающих университетских игр в истории, квотербек Бостонского колледжа Дуг Флюти завершил длинный пас в последнюю секунду матча, в результате чего команда выиграла у Университета Майами. Флюти стал легендой. В течение двух лет поток заявок на поступление в Бостонский колледж вырос на 30 %. Подобный всплеск популярности случился и в Джорджтаунском университете, когда его баскетбольная команда под руководством Патрика Юинга трижды пробивалась в национальный чемпионат. Спортивные победы, как выяснилось, оказались самой эффективной рекламой для некоторых абитуриентов. Для тысяч спортивно ориентированных старшеклассников, которые смотрят университетские серии по телевидению, вузы с сильными спортивными командами кажутся весьма привлекательными. Студенты гордятся именами своих университетов, разрисовывают лица и отмечают спортивные победы. Заявки на поступление резко увеличиваются. Чем больше студентов хотят поступить в вуз, тем выше администрация может задрать планку – средний балл абитуриентов. Это помогает повысить рейтинг. И чем больше абитуриентов будут отвергнуты, тем ниже (и тем лучше для рейтинга!) окажется процент зачисления.