О чем говорят цифры. Как понимать и использовать данные

Хотя все участники утверждали, что они способны почувствовать руку пациента, лишь в 122 случаях (44 процента) из 280 они правильно ответили на поставленный вопрос. Это даже хуже, чем если бы они отвечали на вопрос просто наугад (см. сайт этой книги), ведь в таком случае процент угаданных правильно ответов составил бы около 50. Эмили сделала вывод, что физиотерапевты не смогли подтвердить наиболее важный навык БМ, что говорит о беспочвенности их заявлений. Дальнейшее использование БМ в медицинских целях, таким образом, неоправданно. В апреле 1998 года одиннадцатилетняя Эмили (учась в шестом классе) опубликовала результаты эксперимента в JAMA. Редактор журнала Джордж Лундберг сказал, что эксперты по статистике были восхищены простотой эксперимента и очевидностью его результатов[88]. Эмили была занесена в Книгу рекордов Гиннесса как самый молодой автор исследования, опубликованного в ведущем научном журнале.

Эмили отнюдь не гений и не вундеркинд; просто она обладает здравым смыслом и ясным количественным мышлением. Наиболее ценный навык квалифицированного количественного аналитика – это умение извлекать информацию из баз данных, что зависит совсем не от математической подготовки, а от количественного мышления. Первый шаг в этом направлении состоит в том, чтобы преодолеть страх перед числами и чувствовать себя комфортно в цифровой среде. Вы можете быть уверенными, что необходимые познания в математике у вас наверняка есть или, в крайнем случае, их можно легко получить. Главная черта квалифицированного количественного аналитика – это умение обращаться с данными и не испытывать перед ними страха.

Даже если вы не демонстрировали особых математических успехов в школе, это никогда не поздно исправить. Кто сказал, что вы до конца жизни обречены плохо разбираться в числах? Если в школе вам не давалась математика, это не значит, что вы не можете ликвидировать этот пробел в дальнейшей карьере. Например, Ди-Джи Патил, придумавший термин «ученый по данным», чтобы описать свою роль в управлении аналитическими исследованиями в интернет-компании LinkedIn, в школьные годы немало пострадал от математики: «Впервые я завалил экзамен по математике в восьмом классе. То же самое периодически случалось в старших классах, поэтому пришлось подать заявку на повторный курс. Но и его я завалил, в результате чего с трудом получил аттестат о среднем образовании. Сразу в университетский колледж с такими баллами поступать было нельзя, поэтому пришлось пойти в местный колледж низшей ступени… Там я записался на курс по математике, благодаря чему смог перейти в университетский колледж. Там стало ясно, что я не понимаю ничего из того, что говорят преподаватели. Я учился в слишком слабом с точки зрения математической подготовки классе. Было очень стыдно, поэтому я пошел в библиотеку»[89].

Патил взял в библиотеке несколько книг и за одни выходные самостоятельно изучил школьный курс математики. В итоге он добился неплохих успехов и был принят в колледж университета в Сан-Диего, где окончил университетский курс математики за три года. Потом он получал степень PhD по прикладной математике в Мэрилендском университете.

Вначале он столкнулся с некоторыми трудностями. «Я получил образование в США, а конкурировать приходилось с русскими, израильтянами и корейцами. На первом экзамене я катастрофически провалился, получив, кажется, второй балл с конца списка. Самый низкий балл был у студента, не явившегося на экзамен». Зато на второй попытке наш герой набрал самые высокие баллы. Окончив докторантуру, Патил начал преподавать в Мэрилендском университете, одновременно занимаясь исследованиями по моделированию погоды. Ему пришлось поработать и на правительственные разведывательные организации. Финансирование в то время было ограниченным, и он уволился, перейдя работать в Skype, а затем в eBay. Потом он стал ведущим аналитиком в LinkedIn, где люди, занимающие эту должность, имеют огромное влияние на процесс разработки продуктов.

Сейчас Патил – «исследователь данных, проживающий по месту службы» (наверно, первый человек, чья должность носит такое название) в венчурной фирме Greylock Partners; он помогает клиентам компании решать проблемы с данными и аналитикой. Возможно, он представляет собой лучший пример человека со скрытыми математическими способностями.

Используйте поиск в интернете для обнаружения неизвестных концепций и понятий, связанных с вашими данными