Джордан Морроу - Как вытащить из данных максимум. Навыки аналитики для неспециалистов

● стратегия в сфере данных и аналитики;

● обработка данных;

● визуализация данных;

● топ-менеджмент;

● культура;

● качество данных;

● управление данными;

● этика и законодательство в сфере данных.

Подробно говорить о стратегии в сфере данных и аналитики мы не будем – эта тема заслуживает отдельной книги. Ее мы лишь слегка коснемся в одной из следующих глав, но сейчас нам важно одно: дата-грамотность – абсолютно необходимое условие для формирования успешной стратегии работы с данными (при проблемах с дата-грамотностью у сотрудников организации провалится любая стратегия). Для более полного погружения в тему я с удовольствием рекомендую вам замечательную книгу Бернарда Марра «Стратегия в сфере данных» (Data strategy). Для наших же целей подойдет небольшое введение в тему.

В качестве такого введения давайте представим себе, что я пришел к вам и попросил вас построить дом. Но у меня нет ничего, кроме рисунка дома и кое-каких инструментов. Мы с вами даже не знаем, каким будет интерьер, но идея постройки дома меня чрезвычайно вдохновляет. Ах да, вы не строитель, да и у меня нет никакого опыта ни в строительстве, ни в проектировании, однако я по какой-то причине выбрал в качестве исполнителя задачи вас. Но есть и плюс: я хотя бы готов предоставить вам инструменты и материал. У вас есть коробка гвоздей, молоток, бревна и т. д. – и вы приступаете к работе. Как вы думаете, насколько успешно вы справитесь с задачей? Построите ли вы в таких условиях дом моей мечты? А, я еще не говорил? Это должен быть дом моей мечты, так что не разочаруйте меня!

Полагаю, все понимают, что такая стратегия постройки дома непременно провалится. Но… именно этого часто требуют и ожидают руководители организаций, когда дело касается данных и дата-аналитики. У них есть некая идеалистическая картина: чего мы хотим достичь. Они вкладывают деньги в инструменты и материалы (то есть данные), но руководствуются ли они четкой стратегией, чтобы достичь успеха? Рассчитывать, что дом будет успешно построен, можно только в одном случае: если у вас, помимо инструментов и материалов, есть чертежи, необходимые разрешения и порядок действий (то есть стратегия). С данными и дата-аналитикой все обстоит точно так же.

Мир данных и их анализа сложен – возможно, он куда сложнее, чем проектирование и строительство домов, однако следовать чертежам, то есть стратегии , необходимо и в том, и в другом случае. Говоря о стратегии в сфере данных и аналитики, нужно понимать, что она не является конечной целью. Конечная цель – это цели и задачи организации, а данные и аналитика – это инструменты и материалы, обеспечивающие успешную деятельность организации.

Если руководство организации хочет сформировать стратегию в сфере данных и аналитики, то один из ключевых факторов успеха – дата-грамотность. В примере со строительством дома я упомянул одну важную деталь. Обратили ли вы на нее внимание? Я допустил, что вы – не профессиональный строитель! Как вы думаете, многие ли сотрудники вашей организации – обученные специалисты по работе с данными? «Обученные» – в самом буквальном смысле! Большинство людей не изучали data science ни в школе, ни в колледже, ни в университете. Когда я прошу вас построить дом, предоставляя лишь инструменты, материалы и рисунок, вы оказываетесь в том же положении, что и множество сотрудников, которые пытаются увидеть некий смысл в предоставляемых им данных, хотя даже не умеют пользоваться аналитическими методами… В целом можно сказать, что стратегия обязательно должна включать в себя человеческий фактор дата-грамотности.

Наука о данных – в том или ином виде – появилась давно. Желание использовать данные для проверки и доказательства гипотез существовало у людей на протяжении многих эпох. Иными словами, с тех самых пор, как человек начал использовать информацию о наиболее эффективных способах утоления голода (передвижение стад диких животных, местонахождение съедобных кореньев и т. д.), и существует обработка данных. А когда так называемые большие данные вышли на передний план в мире бизнеса, наука о данных стала всеобщим достоянием. Вы и сами наверняка не раз слышали шутки, связанные с большими данными. Мир больших данных (который становится все шире), интернет вещей и многое другое сделали data science привычным термином бизнес-языка. В октябре 2012 года в Harvard Business Review была опубликована любопытная статья, которая еще больше заинтересовала бизнес-аудиторию понятием обработки данных: «Специалист по данным – самая сексуальная профессия XXI века» (Data Scientist: The Sexiest Job of the 21st Century) [25] Davenport, T. and Patil, D. J. (2012). Data Scientist: The Sexiest Job of the 21st Century, Harvard Business Review, October. https://hbr.org/2012/10/data-scientist-the-sexiest-job-of-the-21st-century . . Небывалое дело! Давайте радоваться, мы признаны сексуальными, наше время пришло!

Но рост популярности этой профессии тут же выявил и проблемы. Внезапно спрос на специалистов по данным превзошел предложение – не хватало людей, действительно имеющих соответствующее образование. В мае 2019 года в одной из статей было подчеркнуто: «По данным отчета, в текущем году количество вакансий специалистов по обработке данных может составить более 4000 – на 56 % больше, чем в 2018 году» [26] Violino, B. (2019). 6 Ways to Deal with the Great Data Scientist Shortage, CIO, 22 May. https://www.cio.com/article/3397137/6-ways-to-deal-with-the-great-data-scientist-shortage.html . . Однако меня в этой статье заинтересовало другое замечание: нехватка настоящих экспертов по обработке данных «не означает, что непрофессионалы не могут приобрести навыки, которыми обычно обладают специалисты в этой области». По-моему, это чистейшая правда. Впрочем, даже если руководители сумели отыскать профессионала (решив, что компании он все-таки необходим), могут возникнуть проблемы: как правильно его использовать, как вписать его в общий контекст… Как правило, это объясняется отсутствием стратегии в сфере данных и аналитики.

Учитывая растущий интерес к STEM ( Science – естественные науки, Technology – научно-технические дисциплины, Engineering – инженерия, Mathematics – математика), современные люди все чаще и упорнее занимаются совершенствованием навыков, необходимых для экономики данных и дата-аналитики. Новая эпоха – информационная, цифровая, аналитическая – уже наступила, и организации не могут ждать, пока все их сотрудники полностью овладеют дата-грамотностью. Кроме того, STEM-образование, несомненно, замечательная вещь, но его недостаточно. Стоило бы добавить к этой аббревиатуре еще и букву А – Arts, гуманитарно-художественные дисциплины. Ни в коем случае нельзя пренебрегать литературой и искусством в нашем новом мире данных. Человек должен привносить в любую работу творчество и разнообразие, видеть то, чего не видит компьютер, придавать особую гуманистическую силу данным и аналитике. Кроме того, нужно уметь делать из данных истории.