Как вытащить из данных максимум. Навыки аналитики для неспециалистов

Второй из четырех уровней аналитических методов – это диагностическая аналитика, которую я называю уровнем «почему». Дескриптивный анализ, повторюсь, это просто наблюдения. Мы наблюдаем за тем, что произошло или происходит, но не ищем причин этого. Причины относятся уже ко второму уровню. Этот уровень аналитики – сама сущность дата-грамотности. Возможность выяснить, почему произошло что-либо, позволяет организации по-настоящему проникнуть в суть вещей, найти ответы и в итоге принять правильные решения. Да, мы можем успешно наблюдать, но полноценно применить навыки дата-грамотности можно только в процессе обретения знаний, отвечая на вопросы «почему?». Давайте выясним, отчего дата-грамотность так хорошо сочетается с диагностическим анализом.

Первая ступень путешествия по второму уровню аналитики – это чтение данных. Чтение данных, первый элемент дата-грамотности, означает способность воспринимать и понимать данные. Чтение данных, представленных в процессе дескриптивного анализа, жизненно необходимо для успешного перехода на следующий уровень – к пониманию причин происходящего. Кроме того, чтение данных позволяет человеку задавать больше вопросов, запрашивать больше данных и анализировать больше информации.

Второй элемент дата-грамотности – это работа с данными. Работа с данными – прекрасный способ углубиться в результаты описательного анализа и найти стоящие за ними «почему». Благодаря таким компаниям, как Alteryx, Qlik, Tableau Software и другим, у нас есть прекрасные инструменты не только для построения визуализаций и анализа, но и для подробного изучения данных и манипуляций с ними. На рис. 6.4 представлен пример сводки, построенной при помощи программы Qlik Sense.

Обратите внимание на фильтрацию, которую обеспечивает эта таблица. Фильтрация данных позволяет нам получать нужные сведения гораздо быстрее. Или это не так? Давайте переформулируем: фильтрация позволяет нам все глубже и глубже погружаться в данные, чтобы найти эти сведения.

В рамках диагностического анализа разные сотрудники организации также могут работать с данными по-разному. Приведем несколько примеров.

● Топ-менеджеры. Руководители могут и должны играть важнейшую роль в определении причин, стоящих за появлением тех или иных данных. Рассматривая отчеты, сводки и другую информацию, топ-менеджеры анализируют ее с привлечением своего многолетнего опыта. Они ставят вопросы, высказывают идеи и активно участвуют в обсуждении. Главное для них – полноценно донести до технических специалистов свои мысли о причинах происходящего, а затем обратиться к ним за дальнейшими исследованиями.

● Аналитики. Демократизация данных предоставляет команде аналитиков доступ к огромному количеству информации. Аналитики могут строить визуализации, а затем проводить фильтрацию и другие манипуляции с данными, чтобы, проведя описательный анализ, увидеть, что произошло, и грамотно диагностировать ситуацию.

● Специалисты по обработке данных. Эти сотрудники тщательно изучают данные, чтобы найти все возможные «почему». Затем, опираясь на найденные причины, они строят прогнозы и модели (мы поговорим об этом подробнее, когда будем разбирать третий уровень аналитики).

Конечно, в организации не только эти сотрудники так или иначе работают с данными: эта работа на диагностическом уровне аналитики может принимать самые разные формы.

Третий элемент дата-грамотности – анализ данных: в нашем случае ее можно считать несколько избыточной. Анализ данных – суть диагностического анализа. Давайте вспомним наш гипотетический пример с врачом: он должен помочь пациенту и поставить диагноз. Сначала он ищет описательные признаки – симптомы, наблюдаемые внешне и описываемые пациентом. Затем, опираясь на свой опыт и знания, он предполагает диагноз. Чтобы подтвердить диагноз, он должен привлечь все свои профессиональные навыки. Так он постепенно выясняет, что же действительно случилось с пациентом.

То же самое должно происходить и в коллективе. Не у всех есть соответствующая подготовка, и не все способны провести полноценный диагностический анализ, но каждый сотрудник организации должен развивать навыки дата-грамотности, чтобы правильно отвечать все на тот же пресловутый вопрос «почему?». Работа с данными дает возможность каждому вносить свой вклад в общее дело: сотрудники совместно получают знания, на которых впоследствии будут основаны взвешенные и продуманные решения.