فراتر از اعداد؛ معماری تصمیم‌گیری

 کتاب تصمیم‌گیری ورای اعداد

 برقراری تعادل میان اطلاعات و شهود نوشته کریستوفر جی. فرانک، پل مگنونه و اودد نتزر، دقیقا بر همین نقطه تاکید دارد. نگاه نویسندگان این کتاب آن نیست که داده و تحلیل کمّی را کم‌اهمیت بدانند، بلکه معتقدند در محیط‌های پیچیده، تصمیم‌گیرندگان موفق کسانی هستند که میان اطلاعات، تحلیل و شهود حرفه‌ای تعادل برقرار می‌کنند. از دیدگاه آنان، داده‌ها واقعیت‌های قابل اندازه‌گیری را آشکار می‌کنند؛ اما این توانایی تفسیر انسان است که مشخص می‌کند کدام داده اهمیت دارد، چه معنایی دارد و چگونه باید به اقدام تبدیل شود. این نگاه برای اقتصاد و سیاستگذاری عمومی اهمیت ویژه‌ای دارد؛ زیرا اقتصاد یک سیستم پیچیده انسانی است و برخلاف یک رابطه مکانیکی، رفتار آن تنها با چند شاخص عددی قابل توضیح نیست. تورم، رشد اقتصادی، سرمایه‌گذاری یا نرخ ارز، صرفا اعداد نیستند، بلکه نتیجه تعامل میان نهادها، انتظارات، فناوری، رفتار بنگاه‌ها، کیفیت حکمرانی و شرایط اجتماعی هستند.

به همین دلیل، مساله اصلی در سیاستگذاری مدرن، دسترسی به داده بیشتر نیست، بلکه ایجاد معماری تصمیم‌گیری است. معماری تصمیم‌گیری یعنی ایجاد فرآیندی که در آن داده‌های معتبر، تحلیل علمی، تجربه میدانی و قضاوت حرفه‌ای در کنار هم قرار گیرند تا سیاستگذار بتواند مساله واقعی را تشخیص دهد و راه‌حل مناسب را انتخاب کند. هربرت سایمون، اقتصاددان و برنده جایزه نوبل، با مفهوم عقلانیت محدود نشان داد که تصمیم‌گیرندگان در دنیای واقعی هرگز با اطلاعات کامل و شرایط کاملا قابل پیش‌بینی مواجه نیستند. محدودیت زمان، اطلاعات و پیچیدگی محیط باعث می‌شود تصمیم خوب، الزاما نتیجه داشتن بیشترین اطلاعات نباشد، بلکه نتیجه انتخاب اطلاعات درست و تفسیر صحیح آنها باشد.

تجربه بحران‌های اقتصادی نیز این واقعیت را تایید می‌کند. در بحران مالی جهانی سال۲۰۰۸، بسیاری از بزرگ‌ترین موسسات مالی جهان به مدل‌های پیچیده آماری و حجم عظیمی از داده‌های تاریخی دسترسی داشتند، اما نتوانستند احتمال وقوع یک بحران سیستماتیک را به‌درستی تشخیص دهند. مشکل، نبود داده نبود؛ مشکل این بود که مدل‌ها بیش از حد به الگوهای گذشته وابسته شده بودند و تغییر رفتار سیستم را به‌موقع تشخیص ندادند. بنابراین، داده‌های تاریخی می‌توانند گذشته را توضیح دهند، اما همیشه آینده را پیش‌بینی نمی‌کنند. آینده اقتصاد تحت تاثیر عواملی قرار دارد که ممکن است در داده‌های گذشته وجود نداشته باشند، از شوک‌های فناوری و انرژی گرفته تا تغییرات سیاسی و اجتماعی.

از این منظر، تفاوت مهمی میان داده زیاد و داده مفید وجود دارد. داده مفید، داده‌ای نیست که صرفا حجم بیشتری داشته باشد، بلکه داده‌ای است که به یک پرسش مشخص پاسخ دهد، از کیفیت کافی برخوردار باشد و بتواند به شناخت سازوکارهای اقتصادی کمک کند. انباشت اطلاعات بدون چارچوب تحلیلی مناسب، گاهی به جای افزایش کیفیت تصمیم، موجب توهم دقت می‌شود، یعنی تصمیم‌گیرنده تصور می‌کند چون اطلاعات بیشتری در اختیار اوست، الزاما فهم دقیق‌تری از مساله دارد.

این موضوع برای اقتصاد ایران اهمیت دوچندان دارد. چالش اصلی اقتصاد ایران صرفا کمبود آمار نیست، بلکه ضعف در معماری تولید، یکپارچه‌سازی و استفاده از داده‌ها برای تصمیم‌گیری است. کشور دارای منابع متعدد آماری است، بانک مرکزی، مرکز آمار، وزارتخانه‌ها، گمرک، سازمان‌های تخصصی و مراکز پژوهشی هرکدام بخشی از واقعیت اقتصادی را اندازه‌گیری می‌کنند، اما مشکل زمانی ایجاد می‌شود که این داده‌ها به یک تصویر مشترک و قابل اتکا برای سیاستگذاری تبدیل نمی‌شوند، به عبارت دیگر، اقتصاد ایران با کمبود عدد مواجه نیست، با کمبود توانایی تبدیل عدد به شناخت مواجه است. برای مثال، در حوزه انرژی، داده‌های متعددی درباره مصرف، تولید، یارانه، شدت انرژی، سرمایه‌گذاری و بهره‌وری وجود دارد. اما زمانی که این داده‌ها در یک چارچوب جامع کنار هم قرار نگیرند، سیاستگذاری به سمت تصمیم‌های کوتاه‌مدت و واکنشی حرکت می‌کند، درحالی‌که مساله اصلی انرژی ایران تنها میزان مصرف یا قیمت نیست، بلکه ترکیبی از بهره‌وری پایین، فناوری فرسوده، ساختار انگیزشی نامناسب، ضعف سرمایه‌گذاری و کیفیت حکمرانی است. همین مساله درباره شاخص‌های کلان اقتصادی نیز وجود دارد. برای مثال، رشد نقدینگی یک واقعیت آماری مهم است، اما خودِ عدد نقدینگی پاسخ سیاستی ارائه نمی‌کند. پرسش اصلی این است که نقدینگی چگونه ایجاد شده، در چه بخش‌هایی جریان یافته و چه اثری بر تولید، سرمایه‌گذاری و تورم گذاشته است. یک حجم مشابه از منابع مالی می‌تواند در یک اقتصاد به توسعه ظرفیت تولیدی و فناوری منجر شود و در اقتصادی دیگر، به دلیل ضعف نهادی و نبود ظرفیت جذب، به تورم و فعالیت‌های غیرمولد تبدیل شود. در این نقطه، نقش شهود حرفه‌ای اهمیت پیدا می‌کند. شهود اقتصادی به معنای حدس شخصی یا تصمیم‌گیری بدون داده نیست، بلکه حاصل سال‌ها مواجهه با داده، تجربه، شناخت ساختار اقتصاد و توانایی تشخیص روابط پنهان میان متغیرهاست. یک سیاستگذار حرفه‌ای فقط به عدد نگاه نمی‌کند، بلکه می‌پرسد این عدد چه چیزی را نشان می‌دهد، چه چیزی را پنهان می‌کند و چه سازوکاری پشت آن قرار دارد. تجربه کشورهای موفق توسعه‌ای نیز نشان می‌دهد که توسعه، نتیجه داشتن منابع یا داده‌های بیشتر نیست، بلکه نتیجه توانایی تبدیل منابع و اطلاعات به تصمیم‌های موثر است. کره‌جنوبی در مسیر صنعتی‌شدن، صرفا اعتبار و سرمایه را افزایش نداد، بلکه آنها را با اهداف مشخص مانند توسعه صادرات، یادگیری فناوری و افزایش بهره‌وری پیوند داد. چین نیز توانست اطلاعات اقتصادی را در خدمت یک راهبرد مشخص توسعه‌ای قرار دهد و سرمایه را به سمت ایجاد ظرفیت‌های صنعتی هدایت کند. درس اصلی این کشورها این است که توسعه با انباشت منابع آغاز نمی‌شود، با ایجاد ظرفیت استفاده درست از منابع آغاز می‌شود. برای اقتصاد ایران، اصلاح معماری تصمیم‌گیری نیازمند چند تحول اساسی است:

نخست، نظام آماری باید از تولید انبوه گزارش‌ها به سمت تولید داده‌های مساله‌محور حرکت کند. هدف داده، صرفا انتشار عدد نیست، بلکه باید به حل یک مساله اقتصادی مشخص کمک کند.

دوم، داده‌های اقتصادی باید از حالت جزیره‌ای خارج شوند. تصمیم درباره صنعت، انرژی، تجارت، اشتغال و سرمایه‌گذاری نیازمند تصویری یکپارچه از اقتصاد است، نه مجموعه‌ای از شاخص‌های جداگانه.

سوم، ارتباط میان دولت، دانشگاه و بخش خصوصی باید تقویت شود، زیرا واقعیت اقتصادی فقط در آمارهای رسمی دیده نمی‌شود، بلکه در رفتار بنگاه‌ها، خانوارها و فعالان اقتصادی نیز آشکار است.

چهارم، سیاست‌ها باید پس از اجرا ارزیابی شوند. اقتصادهایی که یاد می‌گیرند از نتایج سیاست‌های خود استفاده کنند، توانایی اصلاح مسیر و تصمیم‌گیری بهتر را پیدا می‌کنند.

* پژوهشگر اقتصاد بخش عمومی