Как вытащить из данных максимум. Навыки аналитики для неспециалистов

Надеюсь, вы начинаете понимать, что свободный поток данных и информации – это немалая часть бизнес-целей и задач? Даже на небольшом гипотетическом примере прекрасно видно, как способность читать данные и общаться на языке помогает организации в достижении ее целей. Аспекты применения чтения данных могут быть самыми разнообразными.

Представьте себе компанию по производству автомобилей, которая хочет запустить новую модель. Способность читать данные и, следовательно, анализировать рынок чрезвычайно важна при решении, каким быть новому автомобилю и когда лучше начать его производство.

Вспомните все современные стриминговые сервисы – Netflix, Hulu и другие. Очень многое в работе таких сервисов – запуск новых проектов, построение моделей зрительских предпочтений и т. д. – зависит от способности правильно читать данные и обмениваться ими.

Обратите внимание, как работают больницы и система здравоохранения в целом, особенно в моменты кризисов. Способность руководства медицинского учреждения планировать использование коечного фонда, занятость операционных и т. д. напрямую связана с чтением и пониманием поступающих данных, а также с эффективной коммуникацией между отдельными людьми и властями городов, регионов и страны (иногда – ряда стран).

Наконец, задумайтесь о том, как власти реагируют на различные масштабные события: природные катастрофы, экономические кризисы, пандемии и т. д. Способность правильно читать данные и эффективно делиться ими гражданами имеет жизненно важное значение. Кроме того, это можно назвать сутью дата-грамотности для граждан, поскольку нам необходимо уметь общаться на языке данных, чтобы понимать и поддерживать инициативы властей.

Краткое содержание главы

Итак, у дата-грамотности есть четыре элемента: способность читать данные, работать с ними, анализировать их и общаться на языке данных. Все начинается со способности читать и понимать данные: ведь невозможно работать с данными, анализировать их и, наконец, общаться на языке данных, если вы попросту не можете их прочитать. В этой главе мы рассмотрели некоторые важные аспекты мира чтения данных и общения на их языке. Из следующих глав вы узнаете, как чтение и общение на языке данных становится все более важной частью мира дата-грамотности.

06 Связь дата-грамотности с четырьмя уровнями аналитики

В предыдущих главах мы рассмотрели четыре уровня аналитических методов, или просто четыре уровня аналитики. Напоминаю: это дескриптивный (описательный), диагностический, предиктивный (предсказательный) и прескриптивный (предписывающий) уровни. Эти четыре уровня, если их включить в целостный план и подход к работе с данными и их анализом, помогают руководителям раскрыть потенциал организации – и, разумеется, вернуть инвестиции в эту сферу. Вы можете спросить: какое отношение к четырем уровням аналитики имеет дата-грамотность? Если вспомнить определение дата-грамотности как способности читать данные, работать с ними, анализировать и общаться на языке данных, то можно сказать, что каждый из элементов, каждая из составляющих дата-грамотности играет очень важную роль на всех четырех уровнях аналитических методов.

Чтобы углубить наши знания, давайте подробнее рассмотрим каждый из уровней аналитики и свяжем их с четырьмя элементами дата-грамотности. Лучше понять возможности каждого уровня нам помогут примеры.

Дата-грамотность и дескриптивный анализ

Если помните, первый уровень – это описательная аналитика, то есть уровень наблюдений, уровень понимания, что произошло в прошлом. Это очень важный аспект для любой организации. Всем нужно знать, что произошло в прошлом, чтобы планировать будущее, – например, понимать, как развиваются тенденции в торговле, насколько успешно прошла маркетинговая кампания и массу других вещей. Какое место в мире описательного анализа занимает дата-грамотность?

Первый элемент дата-грамотности – это чтение данных. Мне кажется, здесь все понятно. При дескриптивном анализе вы должны, глядя на информационную панель, визуализацию или отчет, понимать информацию, представленную вам. Взгляните, например, на визуализацию лондонского метро 1908 года (рис. 6.1). Что вы видите? Расположение линий метрополитена, где разные линии обозначены разными оттенками серого, и станции на них. Понимаете? Эта визуализация совершенно проста и однозначна, ее легко прочитать. Прочитав данные, представленные на схеме, кто угодно сможет легко найти путь к нужной точке.

Давайте возьмем другой пример: гипотетические расходы американского правительства (рис. 6.2). И в этом случае мы можем прочесть представленные на рисунке данные. Можете ли вы сказать, какая статья расходов – самая крупная? А как насчет гарантированных доходов?