Politici, rechters, managers, chirurgen, ondernemers, piloten. Vaak staat het nemen van beslissingen in hun werk centraal. Je zou dan verwachten dat zulke professionals een uitgebreide en intense opleiding besliskunde krijgen. Chirurgen krijgen hoogstens medische statistiek, een bijvak dat hen zelden kan boeien. Maar het nemen van beslissingen is iets anders dan toegepaste statistiek. Voor zover ik weet, is er geen vak besliskunde voor chirurgen en rechters. Naar mijn weten krijgen militairen en piloten wél zo'n opleiding. Zij zijn gemotiveerd om bij te leren. En iedereen begrijpt waarom: een rechter draagt niet de persoonlijke gevolgen van zijn vergissingen, een chirurg begraaft zijn blunders. Maar piloten (en in een oorlog militairen) worden begraven samen met hun vergissingen.

De illusie van de onafhankelijke schatter.

Hoe neem je beslissingen onder druk? Welke modellen bestaan er voor eenmalige beslissingen met een hoge inzet? Waar loopt het meestal fout? Het is echt niet zo moeilijk betrouwbare bronnen te vinden die je beter helpen te beslissen. Wie wil kan in het nieuwe boek Ruis van Nobelprijswinnaar Daniel Kahneman en collega's gouden raad vinden om betere beslissingen te nemen. Je kunt de inzichten uit dat boek toetsen aan de recente klucht over de onafhankelijke schatter voor het afsluiten van een hypothecaire lening. Iedereen die een tikkeltje interesse heeft in beter beslissen en dus Ruis heeft gelezen, wist dat een onafhankelijke schatter die de banken moet beschermen nonsens is. Pas na veel herrie heeft de Nationale Bank beslist dat de banken zich ook mogen baseren op betrouwbare statistieken. Al die herrie was helemaal niet nodig, waarschuwen Kahneman & CO.

Twee begrippen leer je al in de eerste vijf pagina's. Het eerste begrip is 'ruis'. Zal iedere onafhankelijke schatter hetzelfde schatten? Nee toch, iedereen weet dat schattingen van afstanden, de ernst van een ziekte, verwachte rendementen en prijzen van huizen heel ver uit elkaar kunnen liggen. Dat is 'ruis'. Ik hoor al de verdediging: "Ja, maar wij volgen een methode."

Goed zo, zeer terechte opmerking, de mens is notoir inconsistent zonder methode. Denk maar aan de beoordeling van een opstel of een tekening. Maar als je een heldere methode hebt, kun je die bespreken, standaardiseren en automatiseren. De overheid zou dan bijvoorbeeld een beperkt onderzoeksproject kunnen financieren om die methodes te verwetenschappelijken. "Dat kan niet," roepen de experts, "het menselijk oordeel moet tussenbeide komen. Elk geval is anders. Wij houden rekening met de unieke kenmerken van de situatie. Onze ervaring, ons gerijpt inzicht houdt daar rekening mee. Dat kan een algoritme niet." Er is wel een klein probleem: al die experts beklemtonen andere unieke kenmerken, en hun ervaring is gerijpt, vaak door uitzonderlijk pijnlijke vergissingen die ze nu nog altijd overcompenseren. Het is natuurlijk daarom dat telkens opnieuw wordt vastgesteld dat een neutrale methode het zoveel beter doet dan de expert. Die laatste zal uiteraard beklemtonen hoe hij het die keer bij het rechte eind had en het systeem een dwaze fout maakte, maar discreet zwijgen over de drie keer dat het omgekeerde het geval was.

Rest ons nog het tweede centrale begrip uit het nieuwe boek: 'bias', of systematische vertekening. Uiteraard lijden schatters die worden aangewezen en betaald door banken daar helemaal niet aan. Vrouwen schatten niet anders dan mannen. Architecten niet anders dan aannemers. Jongeren niet anders dan ouderen. Dat soort praatjes gelooft niemand. Behalve een politicus die geen boeken over besliskunde leest, en dan haastig moet terugkrabbelen omdat de sector het na al die jaren toch wel beter weet. Dat heet ' wisdom ofcrowds', maar om dat begrip echt goed te begrijpen moet je... opgeleid zijn in besliskunde.

Politici, rechters, managers, chirurgen, ondernemers, piloten. Vaak staat het nemen van beslissingen in hun werk centraal. Je zou dan verwachten dat zulke professionals een uitgebreide en intense opleiding besliskunde krijgen. Chirurgen krijgen hoogstens medische statistiek, een bijvak dat hen zelden kan boeien. Maar het nemen van beslissingen is iets anders dan toegepaste statistiek. Voor zover ik weet, is er geen vak besliskunde voor chirurgen en rechters. Naar mijn weten krijgen militairen en piloten wél zo'n opleiding. Zij zijn gemotiveerd om bij te leren. En iedereen begrijpt waarom: een rechter draagt niet de persoonlijke gevolgen van zijn vergissingen, een chirurg begraaft zijn blunders. Maar piloten (en in een oorlog militairen) worden begraven samen met hun vergissingen. Hoe neem je beslissingen onder druk? Welke modellen bestaan er voor eenmalige beslissingen met een hoge inzet? Waar loopt het meestal fout? Het is echt niet zo moeilijk betrouwbare bronnen te vinden die je beter helpen te beslissen. Wie wil kan in het nieuwe boek Ruis van Nobelprijswinnaar Daniel Kahneman en collega's gouden raad vinden om betere beslissingen te nemen. Je kunt de inzichten uit dat boek toetsen aan de recente klucht over de onafhankelijke schatter voor het afsluiten van een hypothecaire lening. Iedereen die een tikkeltje interesse heeft in beter beslissen en dus Ruis heeft gelezen, wist dat een onafhankelijke schatter die de banken moet beschermen nonsens is. Pas na veel herrie heeft de Nationale Bank beslist dat de banken zich ook mogen baseren op betrouwbare statistieken. Al die herrie was helemaal niet nodig, waarschuwen Kahneman & CO. Twee begrippen leer je al in de eerste vijf pagina's. Het eerste begrip is 'ruis'. Zal iedere onafhankelijke schatter hetzelfde schatten? Nee toch, iedereen weet dat schattingen van afstanden, de ernst van een ziekte, verwachte rendementen en prijzen van huizen heel ver uit elkaar kunnen liggen. Dat is 'ruis'. Ik hoor al de verdediging: "Ja, maar wij volgen een methode." Goed zo, zeer terechte opmerking, de mens is notoir inconsistent zonder methode. Denk maar aan de beoordeling van een opstel of een tekening. Maar als je een heldere methode hebt, kun je die bespreken, standaardiseren en automatiseren. De overheid zou dan bijvoorbeeld een beperkt onderzoeksproject kunnen financieren om die methodes te verwetenschappelijken. "Dat kan niet," roepen de experts, "het menselijk oordeel moet tussenbeide komen. Elk geval is anders. Wij houden rekening met de unieke kenmerken van de situatie. Onze ervaring, ons gerijpt inzicht houdt daar rekening mee. Dat kan een algoritme niet." Er is wel een klein probleem: al die experts beklemtonen andere unieke kenmerken, en hun ervaring is gerijpt, vaak door uitzonderlijk pijnlijke vergissingen die ze nu nog altijd overcompenseren. Het is natuurlijk daarom dat telkens opnieuw wordt vastgesteld dat een neutrale methode het zoveel beter doet dan de expert. Die laatste zal uiteraard beklemtonen hoe hij het die keer bij het rechte eind had en het systeem een dwaze fout maakte, maar discreet zwijgen over de drie keer dat het omgekeerde het geval was. Rest ons nog het tweede centrale begrip uit het nieuwe boek: 'bias', of systematische vertekening. Uiteraard lijden schatters die worden aangewezen en betaald door banken daar helemaal niet aan. Vrouwen schatten niet anders dan mannen. Architecten niet anders dan aannemers. Jongeren niet anders dan ouderen. Dat soort praatjes gelooft niemand. Behalve een politicus die geen boeken over besliskunde leest, en dan haastig moet terugkrabbelen omdat de sector het na al die jaren toch wel beter weet. Dat heet ' wisdom ofcrowds', maar om dat begrip echt goed te begrijpen moet je... opgeleid zijn in besliskunde.