Как вытащить из данных максимум. Навыки аналитики для неспециалистов

Четвертая ступень – интеграция в анализ человеческого фактора. И речь здесь не только о вас, но и о ваших соседях, друзьях, коллегах и т. д. Вы должны понять потенциальное влияние датчиков на безопасность миллионов людей. Вы следите, чтобы не угодить в ловушку предвзятости. Вы понимаете, что лично вам возможность собирать информацию с помощью датчиков кажется захватывающей, но это не должно влиять на объективность вашего решения. Вы интегрируете в процесс ваш (и не только) личный и профессиональный опыт. Вы уже серьезно приблизились к моменту принятия решения.

И вот пятая ступень – само решение. Благодаря пройденным ранее этапам вы решили: да, установить датчики на авиационных двигателях имеет смысл. Вы считаете, что это позволит собрать больше данных о ходе полетов и будет способствовать повышению безопасности. Вы планируете, как лучше всего донести ваши идеи и решение до всех заинтересованных лиц в организации, а затем приступаете к делу.

И наконец, последняя ступень – итерация. Датчики установлены, вы собираете все больше и больше данных о том, как они работают. Новые данные вызывают все новые и новые вопросы. Вы снова и снова проходите все этапы процесса принятия решения. Это открывает перед вашей организацией огромные возможности. Эта схема жизненно важна для формирования и поддержания организационной культуры успешного обращения с данными.

10 Дата-грамотность и стратегия в сфере данных и аналитики

В предыдущих главах книги мы рассмотрели множество аспектов дата-грамотности. Но мы еще не говорили подробно о стратегии в сфере данных и аналитики. Углубляться в нее не стоит, это тема для отдельной книги, однако мне хотелось бы коснуться различных аспектов этой стратегии, которые я называю хайповыми. Я употребляю этот термин не в негативном, не в уничижительном смысле. Я просто имею в виду, что этим аспектам уделяется много внимания, о них много спорят – и нередко спорят весьма фанатично. Давайте разберем, что это за аспекты и как они связаны с дата-грамотностью. Итак, в этой главе мы остановимся на следующих темах:

● культура, основанная на данных;

● бизнес-аналитика;

● искусственный интеллект;

● машинное обучение и алгоритмы;

● большие данные;

● внутренняя аналитика;

● облако;

● периферийная аналитика;

● геоаналитика.

Конечно, стратегия в сфере данных и аналитики не исчерпывается этими аспектами, но мне хотелось бы, чтобы вы как следует разобрались именно в них – каково их место в общей стратегии и как они связаны с дата-грамотностью.

Культура, основанная на данных

В последнее время эта тема привлекает особенное внимание: компании одна за другой пытаются внедрять «культуру, основанную на данных». Эта задача требует серьезного обдумывания. Кроме того, в чем-то она переходит в разряд мифического: многие организации попросту не понимают, как внедрить такую культуру и что она вообще собой представляет.

В 2020 году, когда мир накрыло пандемией COVID-19, организациям пришлось принимать множество важнейших решений: как обезопасить сотрудников, как помочь клиентам пережить перемены к худшему в экономике, как не разрушить цепочки поставок, как осуществить цифровую трансформацию (при переходе сотрудников на удаленный режим работы) и т. д. Хорошо продуманная и структурированная схема работы с данными и аналитикой, нацеленная на долгосрочный успех, могла бы способствовать эффективным переменам. В чем же оказалась проблема? Большинство руководителей очень быстро обнаружили, что данные не занимают в общей стратегии их организации должного места – даже если раньше казалось, что все в порядке. Это вызвало у многих серьезную озабоченность.

У меня всегда насыщенный график, но с приходом пандемии он стал еще более напряженным. Мне кажется, что раньше многие организации играли с данными и аналитикой в своеобразную игру – как человек, заходящий в бассейн. Сами знаете, как это происходит: мы пробуем воду, чтобы определить температуру, но не ныряем, не прыгаем, а погружаемся в нее медленно, и тело постепенно привыкает к температуре.

Но есть и те, кто не хочет ждать (мой сын из них). Они видят бассейн и тут же прыгают в воду, даже не проверив, насколько она холодная. Поэтому радость от плавания они получают раньше, чем посетители бассейна, которые осторожничают. То же самое и в бизнесе: мало кто из руководителей компаний решается сразу погрузиться в мир данных и аналитики.