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

Конечно, личный опыт – хороший советчик, но в принятии решений нельзя полагаться только на чутье. Следует объединять опыт с данными и технологиями. Тогда мы сможем находить более точные ответы и принимать более эффективные решения.

Влияние человеческого фактора в мире данных может быть как внутренним, так и внешним. Данные, которые есть у организации, – это просто данные. Если мы смотрим на них как бы через узкую трубу – так называемое туннельное видение, то рискуем упустить ключевые элементы, а при анализе это может обернуться катастрофой. Представьте себе, что вы находитесь в туннеле. Что вы можете знать о мире снаружи? Хорошо, если туннель короткий – выход из него виден. А если длинный? Вы не видите ничего, кроме его стен. То же самое случается в процессе принятия решений, когда мы не рассматриваем внешние данные, ограничиваясь внутренними. Что я подразумеваю под этими терминами?

Внутренние данные – то, что происходит внутри организации и влияет на анализ и принятие решений. Для отдельного человека это все, что происходит с ним лично, его частная жизнь. Внешние данные – это тенденции и макроэкономические факторы, которые могут влиять на наш бизнес, нашу жизнь и т. д. Например, я прекрасно помню, как разразился финансовый кризис: ситуация в экономике становилась все хуже и хуже. И если бы в тот момент я смотрел только на свои личные проблемы, игнорируя то, что делается, образно говоря, снаружи туннеля, то мог бы совершить массу ошибок. Принимая решения, мы должны пытаться обеспечить гармонию внутренних и внешних данных.

Как человеческий фактор интегрируется в процесс принятия решений? Как он вписывается в различные аспекты дата-грамотности, которые мы рассматривали? Чтобы разобраться в этой теме, давайте вначале рассмотрим еще одно свойство человеческого фактора – предвзятость.

Что же это такое – предвзятость?

Одно из определений гласит, что предвзятость определяется как «предубеждение в пользу или против предмета, явления, человека или группы по сравнению с другими, обычно рассматриваемое как несправедливое» [53] Terrance, S. (undated). What is Statistical Bias and Why is it so Important in Data Science? Towards Data Science, 18 February. https://towardsdatascience.com/what-is-statistical-bias-and-why-is-it-so-important-in-data-science-80e02bf7a88d . . Существует также и статистическая предвзятость – как можно прочесть в той же статье на Towards Data Science, откуда мы взяли определение, она обычно возникает, если данные нерепрезентативны для популяции. В нашем случае нам больше интересно первое определение предвзятости. К сожалению, в мире данных и аналитики наши собственные предубеждения нередко вмешиваются в схему принятия решений, и мы обязаны постараться избавиться от них. Рассмотрим для примера решение, какую маркетинговую кампанию запустить. Если у вас есть в этом вопросе те или иные личные предпочтения – скажем, вам почему-то хочется выбрать кампанию 2, хотя данные говорят в пользу кампании 1, – вы все равно можете поступить по-своему и запустить второй вариант, даже вопреки данным. Как вы думаете, часто такое происходит в мире бизнеса? Да постоянно! Если мы не избавимся от личных предпочтений при принятии решений, связанных с данными, то на четвертой ступени нашей схемы нам будет нелегко, и решение может оказаться ошибочным. Мне хотелось бы остановиться на основных типах предвзятости (их еще называют когнитивными искажениями), с которыми вы можете столкнуться, и подсказать вам, как можно от них избавиться.

Первый тип предвзятости – это предвзятость восприятия, или склонность к подтверждению своей точки зрения. Смысл в том, что мы стремимся искать данные, которые подтвердили бы уже имеющиеся у нас идеи. Таким образом мы – возможно, сами того не замечая – игнорируем часть данных, «закрываемся» от них, обращая внимание лишь на то, что подкрепляет нашу точку зрения. Предвзятость восприятия встречается повсеместно: в бизнесе, в политике, в частной жизни каждого из нас. Случалось ли, что разные источники давали вам различные данные, потому что ответы были окрашены предвзятостью восприятия того, кто передал вам данные? Политика – настоящий рассадник этого. Политические деятели поднимают на щит именно те данные, которыми хотят поделиться, так как они подкрепляют их позицию.

Второй тип предвзятости – предвзятость статус-кво [54] Stanghini, J. (2015). The Most Common Biases in Business Decisions. Business2Community, 19 June. https://www.business2community.com/strategy/the-most-common-biases-in-business-decisions-01255194 . . Это тоже довольно частое явление: многие не любят перемен и хотят, чтобы все оставалось как есть (то есть сохранялся статус-кво), поскольку им так «комфортнее». Многие предпочитают самый простой путь. Если ваши решения связаны с переменами, нужно действовать внимательно и осторожно – найдется масса людей, которые будут тянуть вас назад, стремясь сохранить статус-кво.

Третий и последний тип предвзятости, о котором мне хотелось бы упомянуть, хотя есть еще множество, – предвзятость первого впечатления, или закрепление («якорение») [55] Memory (2020). 8 Types of Bias in Decision-making [Blog], 3 January. https://memory.ai/timely-blog/8-types-of-bias-in-decision-making . . Это наряду с предвзятостью восприятия один из самых распространенных типов предвзятости. В данном случае мы смотрим на первый результат, успокаиваемся, потому что он нас устраивает, и не идем дальше. Мы не хотим тратить время на выяснение, нет ли других подходящих данных. А такая привычка хвататься за первый попавшийся вариант сильно мешает принимать решения, подкрепленные данными. Допустим, доходность первого варианта вашей маркетинговой кампании может составить, согласно прогнозам, 5 %. Вы принимаете решение, основываясь на этом показателе (ведь 5 % – это неплохо!), но что, если при следующей итерации и внесении определенных корректив доходность сможет составить, к примеру, 12 %? Если забыть про правило «лучшее – враг хорошего», можно принять ошибочное решение, довольствуясь «хорошим».

При интеграции человеческого фактора на четвертой ступени следует убедиться, что мы привносим в процесс наш личный опыт и опыт других сотрудников, но при этом стараемся исключить любые возможные предубеждения. Я давно задаюсь вопросом, можно ли полностью избавиться от предвзятости при анализе данных или принятии решений. Уверен, это крайне сложная задача, поэтому нужно хотя бы научиться эту предвзятость распознавать и отмечать те этапы процесса, на которых она может проявиться.

Именно дата-грамотность играет ключевую роль в искоренении предвзятости – в рамках четырех элементов дата-грамотности, четырех уровней аналитики, трех «С» дата-грамотности и не только. Чем более уверенно мы чувствуем себя при чтении данных, работе с ними, их анализе и общении на языке данных, тем легче мы распознаем предвзятость и можем бороться с ней. Это помогает гармонизации человеческого фактора и технологий.