Зачем будущему инженеру учиться принимать решения, когда данных недостаточно

Учебные задачи часто устроены удобно: есть исходные данные, известны условия, а в конце должен получиться правильный ответ. В реальной инженерной работе такой определенности значительно меньше. Информации может не хватать, измерения содержат погрешность, условия меняются, а решение все равно необходимо принять. Поэтому одна из важных способностей будущего инженера — научиться действовать в условиях неопределенности.

Неопределенность не означает решение наугад

Если невозможно точно предсказать результат, это еще не значит, что остается полагаться на интуицию. Инженерный подход предлагает другую последовательность: определить, что известно наверняка, отделить факты от предположений, сформулировать гипотезу и заранее установить допустимую ошибку. Если возможно — сначала проверить решение в модели или небольшом эксперименте.

Главное здесь — не исключить ошибку полностью, а ограничить ее возможные последствия. Такой принцип работает далеко за пределами инженерии. Один из необычных примеров — финансовый рынок. Результат отдельной сделки невозможно знать заранее, зато можно определить условия входа, размер риска и критерии, при которых первоначальная гипотеза будет признана ошибочной.

Поэтому рынок интересен будущему инженеру не обязательно как способ заработка. Его можно рассматривать как модель системы, где приходится принимать решения при неполных данных.

Добавьте к задаче внешние ограничения

Для простого эксперимента даже не нужны реальные деньги. Можно взять исторические данные, сформулировать элементарную торговую гипотезу и определить правила: при каких условиях принимается решение, какой результат считается ошибкой и насколько большой она может быть.

После этого появляется более интересная инженерная задача: что произойдет с моделью, если добавить внешние ограничения? Если сам эксперимент оказался интересен, следующим шагом можно сравнить проп компании, выбрать две-три программы и изучить их лимиты дневной и общей просадки, правила расчета риска и ограничения торговых стратегий. Покупать челлендж для этого не требуется — задача состоит в другом.

Попробуйте мысленно поместить одну и ту же модель в условия разных программ. В одной системе первоначальные правила могут работать без изменений. В другой придется уменьшить допустимый риск. В третьей окажется, что некоторые действия вообще не соответствуют установленным ограничениям.

Получается классическая инженерная ситуация: система остается той же, но меняются граничные условия — и вместе с ними меняется допустимое решение.

Анализируйте решение, а не только результат

Есть еще один важный навык. Удачный результат не всегда доказывает правильность первоначального решения, как и неудачный результат автоматически не делает решение ошибочным.

Гипотеза могла быть хорошо обоснована, но привести к неблагоприятному исходу. И наоборот, решение, принятое без достаточных оснований, иногда случайно оказывается успешным. Поэтому после любого эксперимента полезно возвращаться к исходной логике: какие данные были доступны, какие предположения сделаны, правильно ли оценивался риск и что можно изменить в следующий раз.

Инженерное мышление начинается не там, где человек умеет решить задачу с заранее известным ответом. Оно особенно ценно там, где ответа еще нет: нужно принять обоснованное решение при неполной информации, ограничить последствия возможной ошибки и затем проверить собственную гипотезу на практике.