Производительнее процессор – производительнее работа

Насколько производительность ПК влияет на производительность труда сотрудника? На этот вопрос нет однозначного ответа. Производительность конечного пользователя является предметом многих исследований последних лет. Но способность зафиксировать и измерить улучшения на уровне отдельного пользователя наталкивается на скорость изменения в данной индустрии - новые процессоры, новые жесткие диски и т. д.

Более того, аналитики так и не сошлись во мнении, что же считать более производительной работой конечного пользователя. Наиболее употребимые переменными, по которым сегодня предлагается измерять производительность конечного пользователя (по мере нарастания степени абстракции): время ответа системы, продуктивность или скорость выполнения различных задач, результативность работы в целом (эффективность использования ПК для различных сложных работ) и качество принимаемых решений.

Однако на основе большинства этих переменных трудно строить какие-либо методики измерений - они слишком абстрактны и не поддаются количественному анализу. Исследователи классифицируют зависимость качества принимаемых решений и их полезность от характеристик аппаратного обеспечения как слабую. Переменная, сильно зависящая от характеристик аппаратного обеспечения, - это время ответа. Очевидно, что зависимость между временем ответа и аппаратными компонентами технологии, например скоростью процессора, может быть выделена. Приводимое нами исследование и ставило своей целью измерить воздействие, которое оказывает процессор на скорость работы пользователя. Кроме того, в исследовании сделана попытка оценить влияние скорости процессора на качество работы пользователя.

Методика эксперимента

Это исследование оценивает эффект, производимый увеличением процессорной мощности на персональную продуктивность работы. В эксперименте участвовало 150 человек, которые были случайным образом разбиты на четыре группы (группа А - 44 человека, группа В - 34 человека, группа С - 38 человек и группа D - 34 человека). Каждая из групп проходила последовательно через два теста. Оба теста, предлагаемые для эксперимента, были похожи. В первую очередь на рабочих местах используются текстовые процессоры, за ними идут работа с таблицами и почтой. Эти задачи требуют значительного количества времени и усилий от конечного пользователя по введению информации и ее редактированию. Поэтому каждый тест содержал 52 вопроса, состоявших их базовых операций, которые следовало выполнить в Internet Explorer, Word, Excel. Порядок и число операций в каждой секции были идентичны с несущественными для задач эксперимента различиями. (Например, первый тест предлагал участникам найти и открыть файл star.doc, а второй - файл circle.doc.) В рамках каждого теста участникам давалось 20 минут, чтобы ответить на как можно большее количество вопросов.

Исследованию подверглись две переменных. Первая - производительность работы, которая измерялась как прямое воздействие скорости процессора на общее количество ответов на вопросы за определенный промежуток времени. И вторая - результативность, которая оценивалась измерением количества правильных ответов на тестовые вопросы.

Чтобы получить необходимые данные, каждая из четырех групп проходила тесты на ПК различной производительности. Были подготовлены два помещения, одно со слабыми ПК, другое - с более производительными. Компьютеры были одинаково укомплектованы, с одинаковым программным обеспечением. Единственная разница состояла в скорости процессора. Тактовая частота процессора в более производительной группе ПК на 47% превышала тактовую частоту более слабых ПК. По всем остальным параметрам ПК и установленное на них программное обеспечение были абсолютно эдентичными. Последовательности прохождения тестов показаны в таблице 1.

Таблица 1. Последовательности прохождения тестов

Такие последовательности были необходимы для того, чтобы можно было отделить влияние эффекта обучения на эксперимент и выделить влияние скорости процессора на производительность. Группы А и D позволяли проанализировать и вычленить составляющую увеличения производительности, которая являлась результатом краткосрочного обучения участников после первого теста. Краткосрочное обучение дало эффект увеличения производительности в связи с тем, что второй тест был идентичен первому тесту, то есть участники повторно выполняли уже известные операции. Время, требуемое для выполнения аналогичных задач, во втором тесте, несомненно, сократилось, так как участники уже были знакомы с операциями.

После того как это время было оценено по тестам А и D, его можно было отнять от времени выполнения задач в группе В. Это позволило бы говорить о прямом влиянии скорости процессора на производительность (если, конечно, разница оказалась бы статистически достоверна). Группа С позволяла при этом обнаружить и оценить любые негативные эффекты, которые могли бы быть ассоциированы с переходом к менее производительной системе.

Результаты и гипотезы

Результаты - количество отвеченных вопросов и количество правильно отвеченных вопросов приводятся в таблицах 2 и 3. Таблица 4 показывает процент увеличения общего количества отвеченных вопросов при переходе с первого теста на второй для каждой группы. Результаты показывают, что во всех четырех группах наблюдается увеличение количества правильных ответов. Результат ожидаем и связан, как уже говорилось, с тем, что тесты похожи и являются результатом краткосрочного обучения.
Группы А и D позволили вычленить компонент краткосрочного обучения. Процент увеличения в обеих группах оказался очень близок - 38% и 39% соответственно. В среднем можно принять значение 38,5%. Теперь вычтем этот процент из результатов по группам В и С, чтобы определить влияние мощности процессора. В результате было установлено, что группа В, двигавшаяся от слабого процессора к более производительному, показала дополнительное увеличение продуктивности на 9%. Группа С, которая двигалась в обратном направлении, от более производительного процессора к более слабому, потеряла в производительности более чем 6%.

Таблица 2. Количество правильных ответов

Таблица 3. Общее количество ответов

Таблица 4. Процент увеличения общего количества вопросов, на которые получены ответы, при переходе с первого теста на второй

Если же посмотреть на изменение процента вопросов, на которые был получен правильный ответ, в каждой группе от теста к тесту, средний процент изменения - 36,2%. После вычета эффекта краткосрочного обучения группа B, двигавшаяся от слабого процессора к более производительному, отвечала правильно на 4,4% чаще. Группа С, которая двигалась в обратном направлении, от более производительного процессора к более слабому, отвечала правильно на 7,1% реже. Эти различия, по всей видимости, могут быть присвоены изменению скорости процессора.

В данном эксперименте проводился еще ряд всевозможных вычислений, связанных со стандартными отклонениями, для того чтобы доказать непротиворечивость эксперимента.

Выводы

Таким образом, можно констатировать, что результаты эксперимента доказывают, что время, требуемое конечному пользователю для введения и редактирования данных, находится в зависимости от скорости процессора. Доказательство, этой вроде бы очевидной на первый взгляд идеи, тем не менее, было одной из целей эксперимента. Более того, эксперимент показал, что увеличение скорости процессора на 47% приводит не только к увеличению производительности (на 9%), что тоже было ожидаемо, но и к прямому увеличению результативности (качества работы) на 4,4%. По мнению специалистов, анализировавших эксперимент, прямое увеличение производительности на 9% при увеличении скорости процессора на 47% - это очень большой результат. Конечно, оправдывает ли он вложения в новые более мощные ПК решать вам.

Вывод же об увеличении качества работы на 4,4% можно назвать до некоторой степени революционными. Ведь влияние скорости аппаратного обеспечения не просто на производительность, но и на качество работы пользователей (заметьте среднестатистических пользователей, занятых не интеллектуальным трудом, а обычным вводом и редактированием данных) - это уже совсем не очевидная вещь. И проведенный эксперимент это доказывает. Конечно, можно относиться к этому скептически, но кое о чем это заставляет задуматься.

Можно ли измерить производительность ИТ? Ни у кого не вызывает сомнений, что информационные технологии существенно улучшили практически все бизнес-процессы. Однако попытки измерить, структурировать и проанализировать воздействие ИТ на бизнес по-прежнему малопродуктивны. Ситуация с оценкой влияния уровня ИТ на работу конечного пользователя выглядит парадоксальной. С одной стороны, конечный пользователь вроде бы представляет собой достаточно измеримую величину, но с другой стороны -- методического подхода, согласно которому можно было бы принимать бизнес-решения о повышении производительности его ПК, пока не существует. Польза казалось очевидной. ПК активно ставились на рабочие места пользователей, ситуация развивалась по нарастающей, и польза от внедрения технологий ни у кого не вызывала особых сомнений. Улучшение производительности сотрудника на рабочем месте наблюдалось на многих предприятиях, и остальные предприятия следовали их примеру, не желая остаться на периферии рынка. Первые сомнения появились в конце 90-х, когда Bureau of Labor Statistics опубликовало шокирующую статистику, согласно которой для всех видов бизнеса рост производительности компании, измеренный как количество продукции за час рабочего времени, упал по сравнению с аналогичными показателями 50-х и 60-х годов. Именно это исследование подтолкнуло к идее, что между инвестициями в ИТ и производительностью компании нет доказуемой связи. Несколько независимых исследователей подтвердили это отсутствие четкой зависимости. Этот феномен получил название productivity paradox. Более поздние исследования, однако, показали положительное воздействие ИТ. Более того, они прояснили причину появления productivity paradox. Продуктивность работ формально определяется как отношение выходной продукции к входной. Например, в производстве продуктивность определяется отношением стоимости сырья и прямых затрат на создание продукции, к стоимости произведенных товаров. Но это определение не работает в применении к инвестициям в ИТ. Например, используя это определение продуктивности, практически невозможно оценить воздействие на продуктивность при переходе от текстового интерфейса к графическому, даже если затраты времени и финансов при этом четко понятны. Исследователи отмечают, что даже если такое измерение и могло быть произведено, оно было бы чрезвычайно дорогостоящим. В связи с этим понятие производительности работ в связи с ИТ было модифицировано. Переменные, показывающие продуктивность работы в отношении ИТ, приобрели более конкретный характер, хотя и потеряли в общности и комплексности. В качестве показателей продуктивности работы на ПК были выбраны скорость выполнения различных задач и результативность работы в целом (эффективность использования конкретных ПК для различных сложных работ). В приведенном нами исследовании применен именно такой подход, хотя он, надо сказать, имеет много противников. Их позиция в целом основывается на том, что подобные простенькие тесты не учитывают реалии работы сотрудника на ПК в «боевой обстанове». А в ней все может выглядеть по-другому. Вок руг этого не утихают споры, однако до единого мнения далеко. И ИТ-директорам в этой ситуации пока остается полагаться на подобные исследования и свою интуицию.