Как вытащить из данных максимум. Навыки аналитики для неспециалистов

Большие данные – это «разнообразные данные, поступающие в увеличивающихся объемах и с увеличивающейся скоростью»[62].

Сейчас принято говорить о трех «V» больших данных: это разнообразие (Variety), объем (Volume) и скорость (Velocity). Эти три волшебных слова определяют ценность для организации того огромного количества данных, которые она производит. Я в свое время работал на одну из крупнейших финансовых организаций мира. Данные, которыми располагала эта организация, вполне соответствовали этим трем критериям. Объем данных был огромен. Скорость, с которой они поступали, очень велика. Про разнообразие и говорить нечего: мы собирали их едва ли не во всех странах мира. Это определенно были большие данные. Но насколько соответствует истинная ценность больших данных для организации шумихе вокруг этого понятия?

Занимаясь разработкой и воплощением аналитической стратегии, мы должны понимать, что не следует поддаваться «хайпу» по поводу данных и информации. Я имею в виду истерию, зачастую нагнетаемую вокруг взаимодействий с большими данными. Да, в рамках стратегии вам могут понадобиться источники и система обработки больших данных, чтобы распоряжаться ими с пользой. Со временем я пришел к нехитрой мысли, что важны не только большие данные, но также и средние, и малые, и какие угодно. Если сосредоточиться только на больших данных, есть опасность пропустить нечто ценное, поэтому организация должна поставить себе на службу любые данные, находящиеся в ее распоряжении.

Что касается связи больших данных с дата-грамотностью, то она очевидна. Неважно, какие данные перед вами: большие, маленькие, круглые или треугольные, просто нужно чувствовать себя уверенно при обращении с ними и применять навыки дата-грамотности, четыре уровня аналитики и три «С» дата-грамотности, чтобы иметь возможность почерпнуть из данных ценные знания.

Внутренняя аналитика

Мир внутренней аналитики – новая и бурно развивающаяся область в мире данных и аналитики. Пожалуй, это одна из самых важных новых областей.

Внутренняя аналитика – это «интеграция аналитического контента и возможностей в приложения, такие, например, как программы для производственной и коммерческой деятельности (CRM, ERP, EHR/EMR) или порталы (внутренние и внешние корпоративные сети)»[63].

Внутренняя аналитика – это те виды анализа, которые отданы на откуп самим сотрудникам. Очевидно, что такой подход необходим, но прежде к нему не прибегали на регулярной основе – или, правильнее сказать, прибегали реже, чем следовало бы. Сегодня мы видим, как внутренняя аналитика становится важнейшей частью успешных стратегий в сфере данных и аналитики.

В рамках стратегии в сфере данных и аналитики немало областей, к которым имеет отношение внутренняя аналитика. Во-первых, мы знаем, что для успеха в этой сфере необходима демократизация данных. Следует передать данные в руки коллектива, чтобы с выгодой для организации использовать способности и опыт каждого сотрудника. Обычно это делается с помощью инструментов бизнес-аналитики, о которых мы уже говорили в этой главе, но можно и повысить эффективность, если внедрить элементы анализа непосредственно в системы, постоянно используемые сотрудниками.

Представьте себе, что вы торговый представитель с солидным портфелем клиентов, но вы хотите еще больше расширить клиентскую базу компании, найти новых клиентов и укрепить взаимоотношения с прежними. Ваша компания запускает новую линейку продукции, которую вы хотели бы прорекламировать своим клиентам, но при этом не уверены, кому из них разумнее всего ее предложить. А если бы у ПО, с которым вы работаете, была специальная аналитическая функция, позволяющая фильтровать вашу клиентскую базу и, следовательно, лучше понимать ее потребности? Это позволило бы вам принять более обоснованное и быстрое решение, кому адресовать рекламу новой линейки. Иначе вам придется обратиться к знающему коллеге, чтобы он отфильтровал для вас данные или составил отчет, но это существенно замедлит процесс, а время, как известно, – деньги.