Опасность вооруженных данными корпораций

Недавно три экономиста^{181} – Одед Нецер и Ален Лемар из Колумбийского университета и Михал Херценштейн из университета Делавэр – искали способы предсказать вероятность погашения кредита заемщиком. Ученые использовали данные сайта взаимокредитования Prosper. Потенциальные заемщики указывают краткое обоснование необходимости кредита и какое обеспечение они могут предоставить, а потенциальные кредиторы решают, могут ли они предоставить деньги. В целом около 13 % заемщиков^{182} не выполняют своих обязательств по кредиту.

Оказывается, язык потенциальных заемщиков является сильным прогностическим фактором вероятности возврата ими кредита. И это важный показатель – даже если кредиторы имеют возможность проконтролировать другую значимую информацию о потенциальных заемщиках, в том числе их кредитные рейтинги и доходы.

Ниже перечислены 10 обнаруженных исследователями словосочетаний, которые обычно используются при подаче заявки на кредит. Пять из них коррелируют с оплатой кредита положительно, другие пять – негативно. Иными словами, первые пять, как правило, используются людьми, которым можно доверять, а вторые пять – теми, кому не стоит верить. Посмотрите, сможете ли вы догадаться, какие где.

Можно подумать – по крайней мере, надеюсь на это, – что вежливый, открыто религиозный человек, дающий честное слово, окажется среди тех, кто наиболее вероятно погасит кредит. На самом деле это не так. Как показывает статистика, честность таких людей – ниже среднего значения.

Вот несколько фраз, сгруппированных по степени вероятности погашения кредита.

Прежде чем мы обсудим этические последствия этого исследования, давайте с помощью его авторов подумаем, что оно говорит о людях. Что мы должны понять на основании разделения слов на две категории?

Во-первых, рассмотрим выражения, на основании которых можно сделать предположение о большей вероятности выполнения платежей по кредиту. Такие словосочетания, как «низкая процентная ставка» или «после уплаты налогов» указывают на определенный уровень финансовой искушенности заемщика. Поэтому, пожалуй, не удивительно, что они коррелируют с его намерением вернуть кредит. Кроме того, если он или она говорит о своих позитивных достижениях – таких как «выпускник» и «свободный от задолженности», – больше вероятность того, что он или она оплатит и этот кредит.

Теперь рассмотрим выражения, предполагающие, что заемщик вряд ли собирается возвращать кредит. Вообще, если кто-то говорит вам, что обязательно все оплатит, он не будет этого делать. Чем более уверенно дается обещание платежа, тем выше шанс его нарушения. Если кто-то пишет «я обещаю, что верну, да поможет мне бог», он относится к числу людей, возвращение кредита которыми наименее вероятно. Воззвание к вашему милосердию и апелляция к находящемуся в больнице родственнику также означает, что кредит вряд ли будет возвращен. На самом деле упоминание любого члена семьи – мужа, жены, сына, дочери, матери или отца – это знак того, что свои деньги назад вы не получите. Еще одно слово, указывающее на невозврат – «объяснить». Оно означает: если люди пытаются объяснять, почему они собираются погасить кредит, значит, они, скорее всего, не будут этого делать.

У авторов нет объяснения, почему благодарность в обращении свидетельствует о повышении вероятности невозврата кредита.

В целом, по данным этих исследователей, предоставление детального плана платежей с указанием выполненных в прошлом обязательств вовсе не свидетельствует о том, что данный заемщик погасит данный кредит. Давать обещания и взывать к милосердию – это явный признак того, что человек не будет возвращать долг. Независимо от причин (или от того, что говорит нам о человеческой природе это стремление давать обещания, которые в действительности никто не собирается выполнять) ученые обнаружили, что этот тест дает чрезвычайно ценную информацию для прогнозирования невозврата кредита. Люди, упоминающие бога, в 2,2 раза чаще не отдают долги – и это один из самых высоких показателей невозврата.

Но авторы также считают, что их работа поднимает этические вопросы. Хотя это было просто академическим исследованием, некоторые компании заявляют, что используют подобные интернет-данные при одобрении кредитов. Допустимо ли это?

Хотим ли мы жить в мире, где с помощью слов, которые мы пишем, можно предсказать, будем ли мы погашать кредит? Это как минимум жутковато – и порой просто страшно.

В ближайшем будущем потребителю, желающему получить кредит, возможно, придется обеспокоиться не только своей финансовой историей, но и своей активностью в интернете. И результат может зависеть от факторов, кажущихся абсурдными – например, используется ли в постах слово «спасибо» или упоминается ли бог. Далее. Что сказать о женщине, которая должна помочь своей сестре, оказавшейся в больнице, и которая, безусловно, оплатит кредит? Кажется ужасным отказать ей только на том основании, что в среднем люди, взывающие о помощи на медицинские расходы, часто врут. Мир, функционирующий таким образом, начинает выглядеть мерзко.

Это этический вопрос: есть ли у корпораций право судить о нашей пригодности получать их услуги, основываясь на абстрактных, но статистически прогностических критериях, не связанных непосредственно с этими услугами?

Оставим мир финансов. Давайте посмотрим на случаи, имеющие более серьезные последствия – например при найме на работу. Работодатели при оценке кандидатов все чаще просматривают соцсети. Нет никаких проблем, если они ищут доказательства обливания грязью предыдущих работодателей или раскрытия конфиденциальных сведений с прошлого места работы. Можно даже найти некоторое оправдание отказу нанять кого-то, чьи записи в Facebook или в Instagram свидетельствуют о чрезмерном употреблении алкоголя. Но что если HR-специалисты находят совершенно безобидный показатель, соотносящийся с чем-то, что их беспокоит?

Исследователи из Кембриджского университета и Microsoft дали 58 тысячам американских пользователей Facebook различные тесты, касающиеся их личности и интеллекта. И обнаружили, что лайки на Facebook часто коррелируют с IQ^{183}, экстравертностью и добросовестностью. Например, люди, признающиеся в любви к Моцарту, грозам и картошке в виде спиралек, как правило, имеют более высокий IQ. А те, кто любит мотоциклы «Харлей-Дэвидсон», кантри-группу «Lady antebellum» или страницу «Мне нравится быть мамой», как правило, имеют более низкий показатель интеллекта. Некоторые из этих корреляций могут быть связаны с «проклятием размерности». Если вы протестируете достаточно много параметров, некоторые из них будут случайным образом коррелировать. Но часть интересов могут коррелировать с IQ вполне законно.

Тем не менее кажется несправедливым, что умный человек, которому – такое случается – нравятся «Харлеи», может не получить соответствующую его квалификации работу только потому, что он, сам того не понимая, сигнализировал о низком IQ.

Справедливости ради следует сказать, что эта проблема не нова. О людях уже давно судят по факторам, не связанным напрямую с производительностью – по твердости рукопожатия или по чистоте одежды. Но опасность информационной революции заключается в том, что по мере все большего оцифровывания нашей жизни эти приблизительные суждения могут становиться все более запутанными – и при этом все более навязчивыми. Улучшение прогнозирования может привести ко все более и более отвратительной дискриминации.

Более точные данные могут привести к другой форме сегрегации, которую экономисты называют «ценовой дискриминацией». Предприятия часто пытаются выяснить, какую плату они должны взимать за товары или услуги. В идеале они хотят брать с клиентов максимум того, что те готовы платить – таким образом будет извлекаться максимально возможная прибыль.

Большинство предприятий, как правило, в конечном итоге выбирают одну цену, которую готов заплатить каждый потребитель. Но иногда они знают, что члены определенной группы в среднем платят больше. Именно поэтому цены на билеты в кинотеатры для клиентов средних лет выше – у них доходы более высокие, чем у студентов или пенсионеров. Именно поэтому авиакомпании часто берут больше за билет с клиентов, купивших его в самую последнюю минуту. Это ценовая дискриминация.

Большие данные позволяют предприятиям существенно лучше изучить, за что клиенты готовы платить и как разделить людей на группы. Компания Optimal Decisions Group была пионером в использовании научных данных для определения цены, которую потребители готовы платить за страховку. Как это было сделано? Специалисты компании использовали методологию, уже обсуждавшуюся в этой книге. Они нашли клиентов, наиболее похожих на тех, кто желал купить страховку в то время, и оценили, насколько высокую страховую премию те желают получить. Другими словами, был использован метод двойников. Поиск двойников – это здорово, если он помогает нам предсказать, вернется ли бейсболист к своему былому величию. Поиск двойников – это отлично, если он помогает нам вылечить кого-то. Но поиск двойников, помогающий корпорации выжать из вас все до последней копейки? Это уже не так круто. Мой брат-мот будет иметь право жаловаться, если с него возьмут больше, чем с меня-скряги.

Азартные игры – это та область, в которой возможность увеличения числа клиентов потенциально опасна. Большое казино использует нечто вроде поиска двойников для лучшего понимания своих клиентов. Цель? Извлечь максимально возможную прибыль и убедиться, что все больше ваших денег идет в его казну.

Вот как это работает. Казино полагает, что у каждого игрока есть «болевая точка». Это сумма убытков, которые достаточно сильно пугают его – настолько, что он или она не возвращается в казино в течение длительного периода времени. Предположим, например, что у Хелен «болевая точка» – 3000 долларов. Это означает, что если она потеряет их, то казино потеряет клиента – возможно, на несколько недель или месяцев. Если Хелен проиграет 2999 долларов, ей это не понравится. Кто, в конце концов, любит расставаться с деньгами? Но это не деморализует ее настолько сильно, чтобы завтра вечером она не вернулась.

Представьте на минуту, что вы – управляющий казино. И представьте, что Хелен пришла поиграть в игровые автоматы. Каков оптимальный результат? Понятно, вы хотите, чтобы она подошла как можно ближе к своей «болевой точке», но не ступила на нее. Вы хотите, чтобы она оставила в казино 2999 долларов – достаточно для того, чтобы принести вам большую прибыль, но не настолько много, чтобы больше к вам не вернуться.

Как это можно сделать? Ну, есть способы заставить Хелен перестать играть после того, как она потеряла определенную сумму. Например, вы можете предложить ей бесплатное питание. Принять такое предложение достаточно заманчиво, и она бросит автомат ради еды.

Но этот подход связан с серьезной проблемой. Откуда узнать «болевую точку» Хелен? Ведь у людей они разные. Для Хелен это 3000 долларов, а для Джона она может составлять 2000. А для Бена это может быть 26 000. Если вы убедите Хелен остановить игру после того, как она проиграла 2000 долларов, то потеряли прибыль. Если вы ждали слишком долго после того, как она проиграла 3000 долларов, то потеряли на некоторое время ее саму. Далее. Хелен может не захотеть сообщать вам о своей «болевой точке». Она даже может не знать о ней.

Так что же делать? Если вы дошли до этого места в книге, то, вероятно, сможете угадать ответ. Нужно использовать научные данные. Вы узнаете о клиентах все, что нужно – их возраст, пол, почтовый индекс и поведение в азартных играх. На основании информации о проигрышах, выигрышах, посещениях и пропусках можно оценить «болевые точки».

Вы собрали всю возможную информацию о Хелен и находите похожих на нее игроков – более или менее двойников. Затем выясняете их «болевой порог». Вероятно, это будет та же сумма, что и у Хелен. Именно так и поступает казино «Harrah’s», нанявшее компанию «Терабайт», которая имеет доступ к большим данным.

Скотт Гноу, генеральный менеджер «Терабайта», в своей замечательной книге «Super Crunchers» объясняет, что менеджеры казино, увидев, что клиент приближается к «болевой точке», подходят к нему и говорят: «Я вижу, у вас был тяжелый день. Я знаю, что вам понравится наш стейк-хаус. Предлагаю вам сейчас отвести жену на ужин за наш счет».

Это может показаться верхом щедрости – бесплатный обед. Но на самом деле это не так. Казино просто пытается заставить клиентов выйти из игры прежде, чем они потеряют так много, что больше никогда сюда не вернутся. Иными словами, менеджмент использует сложный анализ данных, чтобы постараться извлечь из клиентов как можно больше денег в долгосрочной перспективе.

Мы вправе опасаться, что все большее и большее использование онлайн-данных даст казино, страховым компаниям, кредиторам и другим юридическим лицам слишком большую власть над нами.

С другой стороны, большие данные позволяют и потребителям получить определенную компенсацию от предприятий, берущих с них слишком много или поставляющих некачественную продукцию.

Мощное оружие – сайты вроде Yelp, которые публикуют обзоры ресторанов и компаний, предоставляющих различные услуги. Недавнее исследование экономиста Майкла Лука из Гарварда показало, в какой степени те или иные бизнесы пострадали по милости Yelp^{184}. Сравнивая отзывы с данными о продажах в штате Вашингтон, он обнаружил: уменьшение числа звезд на Yelp^[41] на одну снижает доходы ресторана на 5–9 %.

Потребителям в их борьбе с бизнесом также помогают сайты, сравнивающие торговые площадки и отели – такие, как Kayak и Booking.com. Как обсуждалось во «Фрикономике» ^[42], когда интернет-сайты начали публиковать отчеты о ценах разных страховых компаний, эти цены резко упали. Если страховщики берут слишком много, клиенты узнают об этом и найдут себе других. Какой оказалась общая экономия для потребителей? Один миллиард долларов в год.

Другими словами, данные в интернете могут подсказать компаниям, каких клиентов стоит избегать, а каких использовать. Они также могут подсказать клиентам, с какими фирмами не стоит связываться, а также какие из них пытаются их, клиентов, использовать. На сегодняшний день большие данные помогают обеим сторонам в борьбе друг с другом. Мы должны убедиться, что борьба по-прежнему честная.