Продолжаем серию постов о математической статистике с точки зрения бизнеса. В прошлый раз мы разобрались, почему среднее значение может создавать иллюзию понимания происходящего. Сегодня поговорим о другой проблеме: даже если среднее рассчитано правильно, оно ничего не говорит о стабильности процессов. А, для бизнеса предсказуемость иногда важнее самого результата. Ведь одно дело знать, что доставка занимает в среднем три дня, и совершенно другое - понимать, когда клиент действительно получит заказ.

Представим две компании. За последние пять заказов компания А показала следующие сроки доставки: 3, 3, 3, 3 и 3 дня. Компания Б: 1, 1, 3, 5 и 5 дней. Средний срок у обеих одинаковый - 3 дня. Если руководитель посмотрит только на KPI, он увидит идентичные результаты. Но для клиента это совершенно разные сервисы. В первом случае можно уверенно планировать получение заказа, а во втором остается надеяться на удачу. Компании Б также сложнее планировать загрузку сотрудников и гарантировать соблюдение сроков. Получается, одинаковая средняя эффективность не означает одинаковое качество процесса.

Здесь мы подходим к понятию разброса. Простыми словами, он показывает, насколько сильно отдельные результаты отличаются друг от друга. Для его измерения используют дисперсию и стандартное отклонение. Логика достаточно простая: сначала определяем, насколько каждое значение отличается от среднего, затем возводим эти отклонения в квадрат, чтобы положительные и отрицательные разницы не компенсировали друг друга, и усредняем результат.

Дисперсия = сумма квадратов отклонений от среднего / количество наблюдений.

Для компании А дисперсия равна нулю, поскольку все доставки занимают ровно три дня. Для компании Б она составляет 3,2 дня². Но квадратные дни неудобно интерпретировать, поэтому из дисперсии извлекают квадратный корень и получают стандартное отклонение. В нашем случае это примерно 1,79 дня. Оно показывает характерный масштаб колебаний относительно среднего, но не устанавливает гарантированные границы сроков доставки.

Теперь перенесем эту логику на бизнес. Представьте два отдела продаж, каждый из которых в среднем приносит 10 миллионов рублей ежемесячно. Первый стабильно выполняет план, а второй чередует рекордные месяцы с практически полным отсутствием продаж. Формально результаты одинаковые, но первому отделу гораздо проще планировать бюджет, инвестиции и расходы. Второму приходится постоянно учитывать риск кассовых разрывов. Получается, разброс напрямую влияет на стоимость неопределенности, а значит, и на управленческие решения.

При этом минимальный разброс не всегда означает лучший результат. Например, в венчурных инвестициях высокая изменчивость может быть осознанной платой за потенциально большую доходность. Поэтому задача статистики не в том, чтобы избавиться от всех отклонений, а в том, чтобы понимать их причины и последствия. Иногда полезно дополнительно смотреть на квартили, которые показывают, как распределяются наблюдения, и помогают не делать выводы по нескольким экстремальным значениям.

Главная мысль: KPI показывает, какого результата мы достигаем, а разброс помогает понять, насколько этот результат предсказуем. Поэтому, когда в следующий раз увидите отчет со средними сроками, выручкой или производительностью, задайте дополнительный вопрос: «А насколько сильно отдельные значения отличаются друг от друга?». Возможно, ответ расскажет о состоянии бизнеса больше, чем вся первая страница дашборда.

Запомните, даже самый спокойный медведь умеет рычать, когда надо. Берегите голову, берегите данные — и пусть в вашем дне будет немного тишины, ясности и добрых переменных.