Как вытащить из данных максимум. Навыки аналитики для неспециалистов

В качестве второго примера можно привести работу склада. Я сам в юности работал на складе, где самой важной задачей было следить за движением продукции. Нам нужно было не только обеспечивать, чтобы на полках было достаточно продукции, но и своевременно обрабатывать заказы клиентов. Мы должны были быстро и точно обновлять данные, предназначенные для рабочего ПО (видите, даже если вы работаете на складе и искренне уверены, что данные вас не касаются, это не так!), чтобы контролировать количество товара. А если бы у нашего ПО была функция внутреннего анализа, позволяющая спрогнозировать, что может заказать клиент на основании истории его покупок, или изучить процесс поставок и дать полезные советы? В этом случае мы тоже смогли бы принимать более обоснованные и быстрые решения. Внутренняя аналитика в первую очередь помогает именно рядовым сотрудникам, позволяя им напрямую работать с данными. К сожалению, руководители многих организаций даже не задумываются, что и складским работникам необходима дата-грамотность. Но, если возможность провести анализ есть у всех, выгоду тоже получают все.

Третий пример – из моего личного опыта. Мне нравятся ультрамарафоны… как вы уже, должно быть, поняли. Я знаю, что во время тренировок нужно уделять внимание данным, которые передает мне мой собственный организм. А если бы у меня был другой эффективный способ контролировать тренировки и прогресс? То есть мою ультрамарафонскую стратегию, если хотите. Но такой способ есть! И, строго говоря, он тоже относится к внутренней аналитике.

Во время тренировок я использую смарт-часы, которые позволяют мне отслеживать показатели моего бега и текущее состояние организма. Они измеряют не только пройденное расстояние и перепады высот, но и темп, ритм, частоту сердечных сокращений (максимальную и среднюю), расход кислорода и калорий… и многое, многое другое. Я могу достать смартфон, куда передаются данные с часов, и изучить все показатели, а затем при помощи внутренней аналитики усовершенствовать свой план тренировок.

Думаю, из этих примеров понятно, зачем нужна внутренняя аналитика и как она помогает совершенствовать аналитическую стратегию организации. Кроме того, мы видим, что дата-грамотность, независимо от вашей должности в компании, имеет огромное значение. Она позволяет любому сотруднику узнавать результаты внутреннего анализа, работать с ними, задавать вопросы и получать ответы… и, наконец, принимать решения и доводить их до сведения коллег, подчиненных и начальства. Если у вас все в порядке с навыками дата-грамотности, то вы можете положиться на любопытство, чтобы задавать вопросы, и на творческий подход, чтобы сочинять и рассказывать истории, – а еще, что немаловажно, вы в состоянии критически осмыслить любые данные.

Облачные сервисы

Давайте рассмотрим еще один термин, с которым вы, вероятно, нередко сталкиваетесь, особенно при работе с данными. Облако – это не какое-то загадочное и таинственное нечто, живущее в стране Нетинебудет. Это всего лишь место за пределами вашего офиса, где вы можете хранить свои данные. Раньше организации забивали данными свои собственные хранилища. Беда в том, что самостоятельное хранение данных обходится недешево: постоянно приходится увеличивать объем хранилища и покупать все более и более мощные серверы. Облако позволяет организациям хранить данные во внешних хранилищах.

Должен ли перенос данных в облачные хранилища быть частью стратегии в сфере данных и аналитики? Конечно же, да! К преимуществам облака относятся гибкость, надежность, мобильный доступ, восстановление, экологичность, безопасность, легкий доступ и мониторинг[64]. И конечно, это подходящее вложение средств. Все это выглядит как вполне убедительные доводы в пользу того, что облачный сервис должен стать частью вашей стратегии.

Дата-грамотность связана с облаком через свободное владение данными. Неважно, на какую стратегию вы положились (перенести данные в облако или разместить их в другом месте, имея возможность получить к ним доступ в любое время). Вы все равно будете пользоваться навыками дата-грамотности для анализа данных, независимо от того, где они хранятся.

Периферийная аналитика

Периферийная аналитика – это новое и перспективное направление в сфере данных и аналитики.

Если вкратце, то периферийная аналитика – это сбор и анализ данных датчиком, устройством или точкой контакта. Противопоставляется пересылке данных в облако или на сервер[65].