Om Pareto-prinsippet, og kunsten å velge konkurransearena

Du har garantert hørt om det. Pareto-prisnippet, eller 80/20-regelen, som hevder at 80% av resultatet kommer fra 20% av innsatsen. Fordelingsforholdet er selvfølgelig ikke satt i stein, men poenget om at brorparten av resultatet kommer fra en liten del av innsatsen virker fornuftig. Pareto-prinsippet har blitt viktig for meg fordi det hjelper meg bruke tiden riktig, og den gjør meg oppmerksom på at ubalanserte fordelinger kan være tilstede i fenomener jeg analyserer.  

Opprinnelsen stammer fra år 1896 når Vilfredo Pareto observerte at rundt 80% av landområdene i Italia var eid av omtrent 20% av befolkningen. 

Og at 20% av ertespirene i hagen hans inneholdt 80% av ertene. 

Disse observasjonene ledet han videre til to teorier:

    1. Økonomi-teorien: 20% av folkene har 80% av pengene
    2. Produktivitetsteorien: 20% av innsatsen gir 80% av resultatene

 

Det virker ikke helt ulogisk, og lar seg åpenbart anvende i vår tid. For eksempel kan man si at:

  • 80% av inntekten kommer fra 20% av kundene
  • 20 % av dine ansatte bærer 80% av ansvaret, eller
  • 80% av det du har lært av å lese bøker kommer fra 20% av bøkene du har lest.

 

Inspirasjonen til å skrive dette innlegget fikk jeg når jeg leste boken «Signal and the Noise» av Nate Silver. Det forfatteren bringer til bordet som fanget min oppmerksomhet er forklaring på hvordan konkurransenivået i et område påvirker hvor gode resultater du må oppnå for å være konkurransedyktig. Altså om 80% resultater er bra nok. 

I dette innlegget gjør jeg mine betraktninger av Pareto-prinsippet, og utfører en uformell kontroll av modellen i lys av egne resultater fra sykkelritt. Jeg prøver også å reflektere over om konkurransenivået på områder som har vært, eller er, betydelige for meg har vært avgjørende for min suksess (eller mangel på sådan). 

Hva er Pareto prinsippet?

Pareto-prinisppet har navnet fra en italiensk matematiker (Vilfredo Pareto), og peker på et ikke-lineært forhold mellom innsats og resultater. Det er dette som gjør at 20% av innsatsen kan gi 80% av resultatene.
 
Nate Silver illustrerer Pareto-prinsippet med kurven nedenfor:

Pareto fordelingen

X-aksen refererer til mengden innsats (eller % av innsats/ erfaring du har brukt sammenlignet med de beste på et aktuelt område). Y-aksen er hvor god du er (eller treffprosenten din). Pareto-prinsippet illustrerer at læringskurven er bratt i starten, og når den optimale nytte relativ til innsats ved omtrent 20% innsats. Etter dette må du stadig jobbe hardere for marginale forbedringer. 

I boken til Nate Silver bruker han poker som eksempel, og hevder at du kan komme langt ved å gjøre noen få grunnleggende ting riktig (som å kaste de dårligste hendene, satse på de beste, og reflektere litt over hva motstanderen kan ha på hånden). Med disse grepene mener forfatteren at du i 80% av tilfellene vil spille hånden din på samme måte som de beste pokerspillerne i verden, selv om du bare har brukt 20% så lang tid på å lære spillet.

På samme måte tror jeg du i aksjemarkedet med noen enkle handleregler om makroøkonomi, teknisk analyse, og en forståelse av markedspsykologi, kan ta de samme beslutning som de beste investorene 80% av tiden.

Om 80% riktig er bra nok sier vi foreløpig ikke noe om. Det som avgjør hvor god du må være for at det skal være verdt bryet å komme dit er hvor stor konkurransen er innenfor det aktuelle området. La oss kalle det terskelen for suksess.

Terskelen for suksess

Terskelen for suksess representerer det typiske nivået du kan forvente innenfor et område. Dette vil for eksempel være median-nivået på pokerspillere, eller historiske avkastning i aksjemarkedet. Nate Silver kaller dette «Water Level» og illustrerer det med en horisontal linje for å vise at det er nivået du må komme over for at det skal være verdt bryet (i zero-sum spill). 

Med andre ord er det ikke så viktig hvor god du er (hvor høyt på y-aksen du er). Det som betyr noe er hvor god du er sammenlignet med de du konkurrerer mot (hvor høyt på y-aksen det typiske nivået innenfor det aktuelle området er).

Når du spiller poker hjelper det for eksempel ikke om du gjør de riktige beslutningene 80% av tiden hvis de du spiller mot tar riktige beslutninger 95% av tiden. Da taper du fortsatt penger på å spille og blir snart blakk. Nate Silver skildrer hvordan terskelen økte  i poker på grunn av noen strukturelle endringer i lovverket som førte til at bare de erfarne (beste) spillerne fortsatte å spille etter 2006. Det førte til at han ikke lengre var god nok til å tjene penger på spillet, innså at terskelnivået hadde økt over hans evne og sluttet.

Med andre ord, hvis terskelen for suksess er lav (lav konkurranse) kan du komme veldig langt med relativt liten innsats, som poker pre 2006, i følge forfatteren. Men hvis terskelen er høy har du ikke annet valg enn å jobbe hardt og mye for kun marginale forbedringer for å bli konkurransedyktig. Kurven er som et isfjell, og det som stikker over terskelnivået er bare toppen av isfjellet, og skjuler massen av innsats under vannflaten.

Egne erfaringer med Pareto-prinsippet

Om kurven kan kritiseres for noe må det være mangelen på beviser for at den er som den er – det er altså kun et teoretisk rammeverk. For min del føler jeg at likevel at modellen stemmer godt med hvordan det oppleves for meg å lære nye ting. Effekten er enorm i starten, etterfulgt av en periode der du må jobbe hardt for fremgangen, før du når et slags platå. 

Som en rask anekdotisk test av Pareto-prinsippet plotter jeg inn data fra jeg begynte å sykle terrengsykkel i 2011. I denne sammenhengen er x-aksen dato på sykkelrittene jeg deltok på, som betyr at innsats er definert som antall år med trening. 
Y-aksen viser normalisert plassering relativt til konkurrentene mine på hvert ritt. En z-score på 0 er lik gjennomsnittet,  som er nivået man kan forvente innenfor disse sykkelrittene og dermed også pr definisjon terskelen for suksess (Water Line).

Som trendlinjer viser tok det meg 2-3 år med trening før jeg tangerer terskel-linjen. Da kunne jeg med andre ord skilte med å være raskere enn en gjennomsnittlig mosjonist på lokale terrengsykkelritt. Etter en stund begynte nivået å stagnere og jeg klarte ikke lenger bedre plasseringene mine. Helt i henhold til hva modellen foreslår. Jeg kom til et nivå hvor jeg følte jeg måtte jobbe ganske hardt for ganske marginale forbedringer. Etter en periode med stagnasjon begynte jeg å miste motivasjonen (og fikk et par barn), som sikkert er forklaringen i at kurven min ikke bare flatet ut, den vendte ned.

Aksjemarkedet vil jeg tro hadde en lavere terskel for mange år siden, men er i dag kompetativt, overanalysert, og en må regne med å bruke mye energi og tid for å ha sjanse på å slå markedet konsekvent. Derfor velger jeg å bruke tiden min på andre ting og investerer i indeksfond – da oppnår jeg per definisjon dem samme som markedet, og min erfaring tilsier at du må mye høyere opp enn 80% for å slå markedet over tid.

​Spørsmålet er om det er lurt å unngå områder hvor terskelnivået virker for høyt, og heller bruke energien sin på områder med relativt lav terskel for suksess, hvor du kommer langt bare med å ha den grunnleggende forståelsen i orden. Eller er det feigt eller uærlig på noen måte? Jeg vet ikke, men det kan ikke være irrasjonelt å søke maksimal nytte av energien man bruker på ett område.

Hvis du for eksempel har gode analytiske egenskaper er det et spekter av områder hvor du kan anvende det. Siden håndverket stort sett er likt må det jo være smart å vurdere konkurransenivået i forskjellige bransjer. Jeg jobber i dag med dataanalyse i helsesektoren, og selv om håndverket  er temmelig likt det jeg tidligere gjorde i finansbransjen er ikke konkurransen på på dette feltet like høyt. Det er ikke mangelen på smarte mennesker i helsesektoren akkurat, men de har ikke pleid å bry seg med dataanalyse. Det gjør at feltet mitt i den bransjen er litt umodent, og selv om det bringer med seg noen helt egne utfordringer så betyr det også at jeg har mye større mulighet til å bli veldig god – så fort jeg har den grunnleggende forståelsen i orden.

Legg inn en kommentar