Как вытащить из данных максимум. Навыки аналитики для неспециалистов

Чтобы успешно выполнять итерации, нам нужна культура дата-грамотности, о которой уже не раз говорилось в этой книге. Нужно стремиться к тому, чтобы культура нашей организации подразумевала обучение дата-грамотности: это должно стать привычным и общим для всех делом. Людям необходимо понять, как работают аналитические методы, и уяснить для себя, что процесс принятия решений – это не конец пути, а лишь его часть. Если в организации сложилась соответствующая культура, ее сотрудники имеют возможность принимать более разумные решения, поскольку руководство организации точно знает, что такое решение и как выглядит процесс его принятия.

Такая культура жизненно необходима для шестой и последней ступени схемы принятия решений, иначе организацию ждут большие проблемы. Приведу несколько примеров, в том числе из моего личного опыта.

Вот первая проблема, с которой мы можем столкнуться: руководители организаций не всегда понимают, что в сфере данных и аналитики далеко не все принятые решения гарантированно сработают. Если в организации нет нужной культуры, а у сотрудников – уверенных навыков дата-грамотности, то специалисты, принимая решения, подкрепленные данными, уверены, что их решения непременно будут работать. Нет, мы всегда рассчитываем, что принятое решение будет успешно претворено в жизнь, но если оно буксует на каком-то этапе, то мы, обладая дата-грамотностью, можем воспользоваться этим как возможностью для обучения и полезным уроком.

Вторая проблема организации без должной культуры дата-грамотности – предвзятость в решениях. Иногда случается так: вы принимаете решение, но его выполнение тут же наталкивается на противодействие со стороны недовольных. Данные и аналитика не должны быть площадкой для выяснения отношений. Да, мы должны критически рассматривать предположения, обсуждать то, что мы делаем, и продвигать более обоснованные решения – но, если у нас нет правильной культуры, предвзятость может все испортить.

Основная цель шестой ступени – гарантировать, что все сделанное на предыдущих ступенях будет тщательно проанализировано, оценено и т. д.

Краткое содержание главы и пример

Итак, если руководство организации хочет, чтобы вложения в данные и аналитику окупились, ему необходима схема принятия решений, подкрепленных данными. Ваши сотрудники должны следовать шестиступенчатому процессу, описанному в этой главе.

Схема «спросить – получить – проанализировать – интегрировать – решить – выполнить итерацию» должна стать для вас второй кожей, неотъемлемой частью вашей работы. Дата-грамотность должна вести вашу организацию и всех ее сотрудников к более разумным и обоснованным решениям. Если дата-грамотность не помогает принимать решения, то зачем она нужна? Поясню на примере.

Давайте обратимся к опыту Rolls-Royce. Компания развивает интернет вещей и устанавливает на своих авиационных двигателях датчики. Эти датчики очень полезны: они сообщают, как проходит полет. На этом примере можно показать, почему организация решила, что разработка датчиков – выгодное вложение. Сразу хочу оговориться, что это гипотетический пример: так могло бы быть. Я понятия не имею, насколько моя реконструкция близка к реальности. Но давайте с ее помощью разберем, как происходит принятие решений, подкрепленных данными.

Первая ступень – задать вопрос. Представьте, что вы – инженер или специалист по обработке данных и изучаете обстановку в отрасли. Вы обращаете внимание на то, что интернет вещей и датчики стали очень популярной темой. Вы задаете себе вопрос: «А нельзя ли установить датчики на авиационном двигателе, чтобы передавать информацию о полете на землю в реальном времени?» Это первая ступень – на нее вы поднялись благодаря любопытству.

Далее вы рассуждаете, что стоит побольше узнать о таких датчиках: как они работают и можно ли вообще установить их на самолете (смогут ли они передавать информацию в таких условиях). Это внешние данные. Кроме того, вы изучаете внутренние данные вашей организации, пытаясь понять, насколько сейчас подходящее время для подобного предложения и насколько сложно будет воплотить его в жизнь. Наконец, вы выясняете, какие именно данные можно получить с помощью датчиков, что позволяет вам нарисовать полную картину возможностей. Вы завершили вторую ступень – получение данных.

Третья ступень – проанализировать. Вы же не просто так собирали все эти данные! Сведения были вам нужны, чтобы разобраться в них и проанализировать. Вы просеиваете тонны данных, чтобы окончательно определить сложность задачи, условия рынка и потенциальную выгоду. Полагаясь на критическое мышление, вы мысленно проигрываете различные сценарии развития событий. Третья ступень пройдена.