Работа рулит! Почему большинство людей в мире хотят работать именно в Google, стр. 42

Правила работы… по управлению производительностью

Правильно формулируйте цели.

Собирайте обратную связь от коллег.

Используйте процесс калибровки итоговых рейтингов.

Проводите обсуждения вопросов оплаты отдельно от вопросов развития персонала.

Глава 8

На разных концах шкалы, или «Два хвоста»

Главные возможности связаны с лучшими и худшими сотрудниками

У вашей команды есть два «хвоста».

Все измеримое сводится к следованию правилу сортировки: от низшего к высшему, от малого к большому, от близкого к дальнему. Помните, когда вы были ребенком, учитель просил класс построиться по росту? Я всегда был среди тех, кто выше. Тогда рассортировать нас было легко. В классе из 30 человек бывали двое-трое, которые точно знали, что их место всегда в правом краю, и еще несколько самых маленьких, которых всегда отправляли налево. А еще было 20 или больше ребят примерно одного роста, с разницей сантиметров в пять, которые сбивались в кучу, лихорадочно пытаясь выстроиться в линию.

Наверное, уже сотню лет учителя сортируют учеников по росту и, похоже, получают от этого удовольствие.

В 1914 г. Альберт Блэксли из учебного заведения, ныне известного как Коннектикут-колледж, попросил студентов выстроиться в шеренгу по росту. Как, наверное, и у вас в классе, большинство студентов в итоге собрались в середине, а несколько человек оказались на разных концах ряда. Показатели роста студентов колледжа обычно соответствуют разбивке в диапазоне от 4 футов 10 дюймов до 6 футов 2 дюймов (от 150 до 190 см); как вы видите, концентрация выше всего в центре.

Реальная гистограмма для 175 студентов колледжа мужского пола122

Рост студентов соответствует нормальному распределению, где два «хвоста» с обоих концов представлены студентами с «экстремальными» показателями роста

То же справедливо и для гуглеров. Мы просили их построиться по росту, и в результате получили нормальное распределение с такими же «хвостами». Гуглеры изрядно повеселились, выполняя задание: я такого не ожидал, если честно123

Любая разбивка описывает паттерн, полученный на основе данных. Показатели роста лучше всего описывает нормальное распределение. Оно также­ известно как колоколообразная кривая из-за формы и как гауссова кривая — по имени Карла Фридриха Гаусса, который описал его в своей работе в 1809 г.124

«Хвосты» в разбивке — члены команды с показателями роста, выпадающими на концы шкалы: скажем, менее 163 см и более 180 см. Это те самые «верхние» и «нижние» 10%, которые представлены в разбивке на примере ниже.

Гауссово распределение (гауссиана) очень популярно у ученых и представителей бизнеса. С его помощью можно описать распределение многих параметров: рост, вес, экстраверсия и интроверсия, ширина древесных стволов, размер снежинок, скорость автомобилей на трассе, процент дефектов изготовления, количество входящих звонков в клиентскую службу и т. д. Более того, все, что распределяется по гауссиане, имеет среднее и стандартное отклонения, с помощью которых можно предсказывать будущее поведение объекта или явления. Стандартное отклонение описывает вероятность определенного числа вариаций (или отклонений). Например, женщины в США имеют средний рост 163 см125, а стандартное отклонение составляет менее 5 см. Это значит, что 68% женщин имеют рост от 155 до 170 см. Это одно стандартное отклонение. 95% значений находится в пределах двух стандартных отклонений от среднего — от 147 до 178 см. А 99,7% находятся не далее чем в трех стандартных отклонениях от среднего: от 137 до 188 см. Если вы проверите, как обстоят дела у вас в офисе или по соседству, то увидите, что в целом все именно так. (Средний рост мужчин составляет 178 см примерно с тем же диапазоном примерно в 5 см на каждое стандартное отклонение. Вы могли заметить, что на фото Блэксли средний рост мужчин — 170 см. Благодаря улучшениям в питании за последние 100 лет американцы стали выше.)

Но в достоинстве гауссова распределения также кроется и его недостаток. Им так легко пользоваться и оно явно описывает так много различных явлений, что применяется даже тогда, когда некорректно отражает реальность. Гауссово распределение как средство прогнозирования занижает периодичность наступления значимых природных и экономических событий­ (сильные землетрясения, ураганы и колебания на фондовом рынке), критические расхождения в экономических результатах для людей (увеличивающаяся пропасть между 1% самых богатых и 1% самых бедных) и исключительные результаты, которых добиваются отдельные люди (Майкл Джордан в сравнении с другими баскетболистами его поколения). Землетрясение 2011 г. в Японии (с магнитудой 9 баллов), размер состояния Билла Гейтса (свыше 70 млрд долларов), даже население Нью-Йорка (8,3 млн человек) заметно отличаются от средних значений, и вряд ли гауссова модель сможет это предсказать в качестве вероятного сценария, хотя, как мы знаем, все это реальные факты126.

Статистически эти явления лучше всего описывает экспоненциальная кривая. На рисунке ниже она представлена рядом с гауссовой кривой.

Сравнение распределения показателей роста людей и магнитуды землетрясений. Рост отклоняется от средних значений примерно вполовину с обеих сторон (выше среднего и ниже среднего). А подавляющее большинство землетрясений имеет магнитуду ниже среднего

Большинство компаний управляет кадрами на основе нормального распределения: большинство сотрудников получают ярлык «нормальных», а самые плохие и лучшие отправляются в «хвосты». «Хвосты» так же несимметричны, как и при распределении по росту, потому что отстающих увольняют, а самых плохих даже на порог не пускают; так что левый «хвост» короче. Кроме того, компании обращаются с кадрами так, как если бы реальность соответствовала распределению по гауссиане. Это неправильно.

На деле производительность в организациях для большинства должностей распределяется по экспоненте. Эрман Агуинус и Эрнест О’Бойл из Университета Индианы и Университета Айовы разъясняют: «Вместо большой группы средних исполнителей, которые преобладают… по закону больших чисел, наблюдается ситуация, при которой основную работу выполняет небольшая группа элитных сотрудников»127. Большинство организаций­ и недооценивают, и недостаточно вознаграждают заслуги лучших работников, даже не осознавая этого. В главе 10 я объясню, почему это так, и покажу, как можно лучше управлять кадрами и вознаграж­дать их.

Пока достаточно указать, что у каждой команды есть «хвосты» — люди, которые располагаются с обоих концов кривой распределения рабочей эффективности. Большинство компаний избавляются от «исполнителей нижнего хвоста», которые живут в постоянном страхе совершить ошибку и каждую минуту ожидают увольнения. У «исполнителей верхнего хвоста» жизнь — просто сказка: продвижения, бонусы и восхваления от коллег и начальства.

Помогите нуждающимся

Большинство компаний упускают из виду, что люди из «нижнего хвоста» олицетворяют грандиозную возможность повысить производительность компании, а представители «верхнего хвоста» могут объяснить, как ее реализовать.