Как вытащить из данных максимум. Навыки аналитики для неспециалистов

Теперь, когда у нас есть вопрос, нам проще выбрать из множества данных те, которые нужны для ответа, – если, конечно, мы обладаем дата-грамотностью. А если не фильтровать данные, то у нас на руках окажется масса информационного мусора, не имеющего никакого отношения к искомым ответам. В последний раз мы играли с этим соперником три месяца назад. Нужны ли нам данные о матче с той же командой, состоявшемся пять лет назад, когда у нас были другие игроки в составе и другой тренер? А данные о матчах с другими противниками? (Последний вопрос сам по себе вполне осмысленный, поскольку благодаря этим данным можно что-то сказать о текущей форме команды, но мы ищем другой ответ.) На первой ступени схемы мы сформулировали конкретный вопрос, так что теперь можно точно указать, какими должны быть данные, соответствующие нашей цели.

При получении данных для нас особенно важны две характеристики из определения дата-грамотности: работа с данными и общение на языке данных. Именно они помогают выбрать правильные данные.

Работа с данными

Для тех, кто работает с данными, получение данных нередко напрямую связано с профессиональными обязанностями. Если ваша работа состоит в поиске источников и получении данных или в построении визуализаций, значит, вы непосредственно работаете с данными. Это и есть главная характеристика. Вы можете быть архитектором данных, который ищет их источники и строит модели. Но если ваша текущая задача – поставить правильные вопросы и получить конкретные данные, необходимые для ответов, значит, вы тоже работаете с данными и читаете их в рамках нашей схемы.

Общение на языке данных

Помимо работы с данными, на второй ступени схемы очень важен четвертый элемент дата-грамотности. Предположим, вы определились, на какой вопрос вам нужен ответ, и запрашиваете данные: сумеете ли вы попросить именно то, что вам нужно? Для этого необходимы навыки общения на языке данных и свободное владение ими. Если вы знаете (или думаете, что знаете), какие именно данные вам для этого нужны, то способность донести это до команды, снабжающей вас данными, жизненно необходима. Конкретизируйте запрос и сформулируйте его как можно более однозначно. Неопределенность запросов не только препятствует получению нужных данных, но и мешает всему процессу успешного принятия решений.

Четыре уровня аналитики

При получении данных четыре аналитических уровня вступают в игру точно так же, как и обычно. Если мы хотим сделать дескриптивный, диагностический, предиктивный или прескриптивный анализ, чтобы получить ответы на вопросы, нам нужны правильные данные. Нам часто приходится делиться результатами анализа с самыми разными коллегами. И если изначально мы получили некорректные данные, это может обернуться катастрофой, когда на основании этих данных будут приниматься решения. А если получение данных организовано как следует, мы можем строить полезные визуализации, уверенно диагностировать причины случившегося, делать безошибочные прогнозы и удачно формулировать предписания.

Ступень 3. Проанализировать

В этой книге не раз упоминалось об анализе данных, поэтому сейчас не стоит повторяться. Давайте поговорим об этом с точки зрения нашей схемы принятия решений, подкрепленных данными решений, и проиллюстрируем рассуждения примерами из предыдущих глав.

Первое, что нужно помнить: грамотно поставленные вопросы (ступень 1) дают нам области, которые нужно проанализировать. Нам нужна ясность, и тогда нам станет доступен анализ, необходимый для принятия решений. Следовательно, если вопросы плохо сформулированы, на правильные решения можно не рассчитывать.

Помимо ясности на стадии формулировки вопросов, мы должны обеспечить себе возможность получить нужные данные – для успешного инсайта. Помните, что инсайт – озарение, получение ценных знаний – это одна из главных целей дата-грамотности. Без знаний нет и правильных решений. При недостоверных и/или недостаточных данных придется делать поправку и на инсайт. Можно потратить массу времени, строя красивые визуализации, статистические модели и т. д., – а потом обнаружить, что в их основе лежат неверные данные. Какая жалость! Словом, для анализа нужны качественные данные.

При анализе данных в рамках схемы принятия решений мы напрямую задействуем третий элемент дата-грамотности (он совершенно очевиден и продолжает играть важнейшую роль в нашей схеме), а также ее вторую и третью «С» – креативность и критическое мышление.