داگلاس هوبارد

زندگی‌نامه‌ی داگلاس هوبارد

داگلاس دبلیو. هوبارد در سال ۱۹۶۲ در ایالات متحده متولد شد. او در جوانی به ارتش ملی آمریکا پیوست و بین سال‌های ۱۹۷۹ تا ۱۹۹۵ از سرباز ساده (مهندس رزمی) به سمت‌های کاپیتان و فرمانده واحدهای توپخانه و آموزشی رسید. این تجربه‌ی نظامی، با دوره‌‌هایی مانند دوره‌ی چتربازی و برنامه‌ی ROTC، نظم و تفکر سیستمی را در او تقویت کرد. هوبارد تحصیلات خود را در دانشگاه داکوتای جنوبی آغاز کرد و در سال ۱۹۸۶ مدرک لیسانس مدیریت بازرگانی و در سال ۱۹۸۸ کارشناسی ارشد سیستم‌های اطلاعاتی مدیریت را دریافت کرد. او همچنین دوره‌های فیزیک، شیمی، ریاضیات و علوم نظامی را در ساوت داکوتا ماینز گذراند.

هوبارد در حال حاضر در نزدیکی شیکاگو زندگی می‌کند و بیشتر از ۳۵ سال تجربه‌ی مشاوره در تحلیل‌های کمّی و تصمیم‌گیری دارد. او در سال ۱۹۹۷ مؤسسه‌ی پژوهشی تصمیم‌گیری هوبارد (HDR) را تأسیس کرد و از آن زمان بیش از دویست تحلیل ریسک/بازده برای پروژه‌های بزرگ را در صنایع گوناگون، از بیمه و داروسازی تا رسانه‌های سرگرمی و دولت، انجام داده است. او در دهه‌ی ۱۹۹۰ مشاور شرکت‌هایی مانند کوپرز اند لیبراند (۱۹۸۸-۱۹۹۱) و وودمن اکسیدنت اند لایف (۱۹۹۱-۱۹۹۳) بود و بین سال‌های ۱۹۹۴ تا ۱۹۹۸ مدیر AIE درریورپوینت شد و روش‌های کمّی خود را توسعه داد. هوبارد سخنران محبوبی در کنفرانس‌های جهانی درباره‌ی ارزش‌گذاری، ریسک، و تحلیل تصمیم است و مقالاتش در مجلاتی مانند Nature، The American Statistician، و Information Week منتشر شده‌اند.

داگلاس هوبارد به‌عنوان نویسنده

هوبارد نویسندگی را از زمان مشاوره در کوپرز اند لیبراند آغاز کرد؛ جایی که مشکلات پیچیده را به مدل‌های ریاضی تبدیل می‌کرد. او ایده‌هایش را ابتدا در پروژه‌های مشاوره‌ای آزمایش کرد و سپس در کتاب‌ها و مقالاتش منتشر کرد.

هوبارد نویسنده‌ی چهار کتاب تأثیرگذار است که بیشتر از دویست‌هزار نسخه در هشت زبان فروخته شده‌اند و در بیش از ۱۲ دانشگاه معتبر تدریس می‌شوند. سه کتاب او در برنامه‌ی آمادگی آزمون انجمن اکچوئری (Society of Actuaries) گنجانده شده‌اند. آثار او عبارت‌اند از:

• چگونه هر چیزی را اندازه‌گیری کنیم: یافتن ارزش مفاهیم ناملموس در کسب‌وکار (۲۰۰۷، بازنشر ۲۰۱۰ و ۲۰۱۴): این کتاب، که پرفروش‌ترین اثر آماری کسب‌وکار است، روش AIE را برای اندازه‌گیری مفاهیم به‌ظاهر غیرقابل‌اندازه‌گیری معرفی می‌کند.
• شکست مدیریت ریسک: چرا ایراد دارد و چگونه درستش کنیم (۲۰۰۹، بازنشر ۲۰۲۰): نقدی بر روش‌های ناکارآمد مدیریت ریسک و پیشنهاد مدل‌های کمّی اثبات‌شده.
• نبض: علم جدید استفاده از هیجانات اینترنتی برای ردیابی تهدیدات و فرصت‌ها (۲۰۱۱): رویکردی برای تحلیل داده‌های دیجیتال در پیش‌بینی ریسک‌ها.
• چگونه هر چیزی را در ریسک سایبری اندازه‌گیری کنیم (۲۰۱۶، با همکاری ریچارد سیرسن): کاربرد AIE در امنیت سایبری.

ایده‌ها و نظریه‌های داگلاس هوبارد

هوبارد با ابداع اقتصاد اطلاعات کاربردی (AIE) چارچوبی برای تصمیم‌گیری بهتر در شرایط عدم قطعیت می‌دهد. این نظریه‌ها از تجربه‌هایش در مشاوره و تحلیل‌های کمّی آمده‌اند؛ مانند پروژه‌های چندمیلیونی یا خدمت نظامی.

• اقتصاد اطلاعات کاربردی (AIE):روشی برای اندازه‌گیری مفاهیم ناملموس و بهبود تصمیم‌گیری با استفاده از تحلیل بیزی، شبیه‌سازی مونت‌کارلو و نظریه‌ی بازی‌ها. هوبارد در مصاحبه با فایننشال تایمز (۲۰۲۰) توضیح داد که AIE با محاسبه‌ی ارزش اقتصادی اطلاعات، سازمان‌ها را از تمرکز بر اندازه‌گیری‌های کم‌ارزش بازمی‌دارد. او این روش را در بیشتر از دویست پروژه، از سرمایه‌گذاری‌های فناوری تا لجستیک نظامی، پیاده کرده است.
• جایگزینی ماتریس ریسک: هوبارد ماتریس‌های ریسک سنتی (مانند نمودارهای ۵×۵) را کاملاً بی‌فایده می‌داند؛ زیرا مقیاس‌های مبهمی مانند «زیاد/متوسط/کم» دارند. او در شکست مدیریت ریسک روش «جایگزینی یک‌به‌یک» را پیشنهاد می‌کند که احتمال و تأثیر مالی را به‌صورت کمّی تخمین می‌زند. برای مثال، او در پروژه‌ای برای یک شرکت دارویی، ریسک شکست پروژه را با احتمال سالانه و دامنه‌ی مالی مشخص کرد.
• اندازه‌گیری مفاهیم ناملموس: هوبارد در کتاب چگونه هر چیزی را اندازه‌گیری کنیم استدلال می‌کند که هر چیزی، حتی مفاهیم ذهنی مانند رضایت مشتری، قابل‌اندازه‌گیری است. او از تجربه‌ی مشاوره‌اش در صنعت بیمه مثال می‌زند؛ جایی که تأثیر تبلیغات بر فروش را با مدل‌های آماری کمّی‌سازی کرد.
• برتری مدل‌های آماری بر شهود انسانی: هوبارد با استناد به تحقیقات پل میل، نشان می‌دهد که مدل‌های آماری در پیش‌بینی (مانند شکست کسب‌وکارها یا نتایج پزشکی) از کارشناسان انسانی بهتر عمل می‌کنند. او می‌گوید که مدل‌سازی آماری در پروژه‌هایش برای شرکت‌های فناوری، خطاها را تا سی درصد کاهش داد.
• هوش مصنوعی و تصمیم‌گیری: هوبارد معتقد است هوش مصنوعی ابزار قدرتمندی برای کم کردن عدم قطعیت است؛ اما نیاز به نظارت انسانی دارد. او در فایننشال تایمز (۲۰۲۳) هشدار داد که استفاده‌ی نادرست از ابزارهایی مانند چت‌بات‌ها خطاهای شناختی را تقویت می‌کند. در پروژه‌ای برای یک شرکت بیمه، او از AI برای تحلیل داده‌های تاریخی استفاده کرد تا پیش‌بینی‌های ریسک را بهبود بخشد؛ اما تأکید کرد که انسان باید تصمیم نهایی را بگیرد.

نقدهای واردشده به داگلاس هوبارد

ایده‌های هوبارد، به‌ویژه روش اقتصاد اطلاعات کاربردی (AIE)، مورد تحسین گروه‌هایی مانند گارتنر و فورستر ریسرچ قرار گرفته‌اند؛ اما با انتقاداتی نیز مواجه شده‌اند:

• پیچیدگی AIE برای سازمان‌های کوچک: فایننشال تایمز (ژانویه ۲۰۱۰) در نقد کتاب چگونه هر چیزی را اندازه‌گیری کنیم اشاره کرده که روش AIE به دلیل نیاز به دانش آماری پیشرفته و ابزارهایی مانند شبیه‌سازی مونت‌کارلو، برای شرکت‌های کوچک یا تیم‌هایی با منابع محدود چالش‌برانگیز است. مثلاً یک شرکت نوپا ممکن است نتواند هزینه‌های لازم برای پیاده‌سازی این روش یا استخدام مشاوران متخصص را تأمین کند.
• چالش‌های عملی در جایگزینی ماتریس ریسک: بعضی منتقدین در شکست مدیریت ریسک نوشته‌اند که روش جایگزینی یک‌به‌یک هوبارد، هرچند دقیق‌تر از ماتریس‌های سنتی ریسک است، برای سازمان‌هایی که به ابزارهای ساده عادت دارند، زمان‌بر و دشوار است. برای مثال، مدیران در صنعت نفت و گاز ممکن است به دلیل سهولت ماتریس‌های سنتی، در برابر پذیرش این روش مقاومت نشان دهند.
• مقاومت فرهنگی در برابر اندازه‌گیری کمّی: برخی منتقدان باور دارند که در سازمان‌هایی که فرهنگ تصمیم‌گیری آن‌ها مبتنی بر شهود و تجربه است، پذیرش رویکردهای کاملاً کمّی مانند AIE دشوار است. برای مثال، مدیران باسابقه ممکن است به دلیل اعتماد به سال‌ها تجربه‌ی خود، در برابر اندازه‌گیری‌های عددی و مدل‌های آماری مقاومت نشان دهند.
• هزینه و زمان‌بر بودن جمع‌آوری داده‌های دقیق: ههوبارد بر این باور است که هر چیزی را می‌توان اندازه‌گیری کرد؛ اما جمع‌آوری داده‌های دقیق و معتبر برای مفاهیم ناملموس ممکن است پرهزینه و زمان‌بر باشد. این مسئله به‌ویژه در سازمان‌های بزرگ که با داده‌های حجیم و پراکنده سروکار دارند، چالش‌آفرین است.
• خطر ساده‌سازی بیش از حد پدیده‌های پیچیده: برخی صاحب‌نظران نگرانند که اصرار بر اندازه‌گیری کمّی همه چیز، ممکن است باعث ساده‌سازی بیش از حد پدیده‌های پیچیده‌ی انسانی و سازمانی شود. این رویکرد شاید جنبه‌های کیفی و ظریف را که به سادگی قابل‌اندازه‌گیری نیستند، نادیده بگیرد یا ارزش آن‌ها را کم جلوه دهد.
• تفسیر نادرست نتایج کمّی: اگر تحلیلگران یا تصمیم‌گیران دانش کافی برای تفسیر صحیح نتایج کمّی را نداشته باشند، حتی با وجود اندازه‌گیری‌های دقیق، ممکن است به نتایج گمراه‌کننده یا تصمیمات نادرست برسند. AIE نیاز به افراد آموزش‌دیده در آمار و تحلیل دارد.

چرا باید آثار داگلاس هوبارد را خواند؟

در جهانی پر از عدم قطعیت، داگلاس هوبارد ابزارهایی برای تصمیم‌گیری دقیق به شما می‌دهد. کتاب چگونه هر چیزی را اندازه‌گیری کنیم به شما نشان می‌دهد که حتی مفاهیم پیچیده‌ای مانند «رضایت کارمند» یا «ریسک پروژه» را می‌توان با اعداد سنجید. کتاب شکست مدیریت ریسک، نقدی تکان‌دهنده بر روش‌های ناکارآمد است و ابزارهایی برای دوری از تله‌های تصمیم‌گیری ارائه می‌دهد. کتاب نبض به مدیران نشان می‌دهد چگونه از داده‌های دیجیتال برای پیش‌بینی فرصت‌ها استفاده کنند. هوبارد از تجربه‌هایش، مانند تحلیل ریسک برای پروژه‌های بزرگ یا خدمت در ارتش، درس‌هایی عملی و ملموس استخراج کرده است. مدیران، تحلیلگران یا هر کسی که می‌خواهد در دنیای پرریسک امروزی تصمیمات هوشمندانه‌تری بگیرد، باید مطالعه‌ی آثار هوبارد را شروع کنند.

جوایز و افتخارات داگلاس هوبارد

• ۲۰۱۵: دریافت عنوان همکار (Fellow) از Royal Society of Arts, Manufactures and Commerce

• ۲۰۰۷-۲۰۲۳: گنجانده شدن سه کتاب در برنامه‌ی آمادگی آزمون Society of Actuaries

• ۲۰۱۰، ۲۰۱۴:کتاب چگونه هر چیزی را اندازه‌گیری کنیم، پرفروش‌ترین کتاب آماری کسب‌وکار

• ۲۰۲۰: تحسین نسخه‌ی دوم شکست مدیریت ریسک توسط فایننشال تایمز و Risk Management Journal

نقل‌قول‌های داگلاس هوبارد

-اگر نمی‌توانید چیزی را با اعداد بیان کنید، دانش شما ناچیز و ناکافی است؛ شاید نقطه‌شروعی برای دانش باشد، اما هنوز به علم نرسیده‌اید.

-توضیحاتی که به توطئه، طمع یا حماقت نسبت داده می‌شوند، ساده‌تر پذیرفته می‌شوند تا توضیحات پیچیده‌تری که ممکن است به حقیقت نزدیک‌تر باشند.

-تقریباً درست از کاملاً اشتباه بهتر است.

-موفقیت به پشتکار، سرسختی و آمادگی برای تلاش زیاد بستگی دارد.

-اگر یک مسئله را به‌خوبی بفهمید، نیمی از راه‌حل را فهمیده‌اید.

-باید اندازه‌گیری را زنجیره‌ای چندمرحله‌ای از تفکر در نظر گرفت. استنتاج‌ها از مشاهدات بسیار غیرمستقیم به دست می‌آیند.

-ریسک همیشه در هر تصمیمی هست؛ بنابراین تحلیل تصمیم به‌طور ذاتی شامل ارزیابی ریسک است.

-باید اندازه‌گیری را مشاهداتی در نظر گرفت که عدم قطعیت را به‌صورت کمّی کاهش می‌دهند.