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

Интегрировав в мир данных человеческий фактор, мы можем переходить к следующей ступени нашего процесса – к самому решению.

Мы дошли до самой удивительной точки нашего процесса – до момента принятия решения. Ступень 5 – это по сути и есть название нашей схемы: принятие решения, подкрепленного данными. Во-первых, мы должны принять решение. Во-вторых, мы должны донести его до всех. В-третьих, мы должны приступить к работе по претворению его в жизнь. Принимая и выполняя важные решения, мы должны помнить об этих трех этапах – и, конечно же, о дата-грамотности.

Читая данные, работая с ними, анализируя их и общаясь на языке данных, мы стремимся к одному: принять правильное решение. Все навыки дата-грамотности, которые мы развиваем, нацелены именно на это. Читая данные, мы готовимся к дальнейшей работе с ними. Работая с ними и анализируя их, мы закладываем основу для того, чтобы донести свои открытия до других. А затем мы переходим к самому процессу принятия решения. Конечно, четыре элемента дата-грамотности участвуют во всех четырех первых ступенях нашей схемы, но в конечном счете они ведут нас к пятой. Картина принятия решения пишется четырьмя уровнями аналитики.

Как правило, мы анализируем данные для того, чтобы принять решение. На дескриптивном уровне мы строим сводки, отчеты и визуализации, которые помогают нашим коллегам эффективно работать с данными. Переходя от уровня к уровню, мы должны искать решения, которые помогут всей нашей организации в путешествии по миру аналитики. На каждом из уровней мы можем использовать ступени нашей схемы, ведущие к принятию решения.

Один из важнейших этапов процесса принятия решения – сообщение о нем другим людям. Представьте себе, что знаменитый спортсмен изучил данные, узнал мнение семьи и друзей, учел внешние и внутренние факторы и принял решение уйти из своей команды, но… никому об этом не сказал. Возможно ли такое? Приведу в пример одного из моих любимых спортсменов – Майкла Джордана. Те, кто следил за его карьерой, знают, что как-то он решил бросить баскетбол и уйти в бейсбол. Что толку в решении, если никому о нем не сообщать и не заниматься его выполнением? Это верно и для бизнеса.

Давайте вернемся в наш туннель. Мы можем спросить, получить данные, проанализировать их, интегрировать и, наконец, принять решение, но держать его при себе. Скорее всего, это закончится плохо для всех, кто имеет отношение к процессу. Нет, мы должны вовремя вводить всех заинтересованных лиц в курсе дела, а после принятия решения собрать вокруг себя нужных людей и начать воплощать его в жизнь. И это возвращает нас к четвертому элементу дата-грамотности (общению на языке данных) и свободному владению данными. Мы выходим на прямой путь к более эффективным решениям, подкрепленным данными.

Сообщив о своем решении, мы должны приступить к работе. Мне очень нравятся марафоны! Я знаю, где раздобыть множество нужных данных, которые помогают мне решить, какие забеги выбирать, как тренироваться и т. д. Допустим, я задаю себе важный вопрос: в каком забеге мне стоит участвовать? Могу ли я выбрать самый сложный 160-километровый ультрамарафон? Могу! Я задал вопрос, получил данные, проанализировал необходимую подготовку, интегрировал мою персональную информацию (например, о перенесенных травмах) и решил участвовать в забеге. Я даже объявил об этом на своей страничке в любимой соцсети. А если после этого я сяду и буду сидеть сложа руки? Это значит, что я не опубликую свое фото с пряжкой ультрамарафонца (за завершение ультрамарафона дают медали в виде пряжки от ремня) и меня закидают тухлыми яйцами. Я сделал все, что было нужно для принятия решения, но, приняв его, так и не приступил к делу.

Итак, пройдя все ступени схемы принятия решения, не забудьте, что его еще нужно выполнить!

Я очень люблю обсуждать эту ступень схемы принятий решений – итерационный процесс. В моих глазах итерировать – значит оценивать, учиться и продолжать идти вперед. В сфере данных, аналитики и принятия решений абсолютно точно лишь одно: нет ничего абсолютно точного. Если мы как следует научились принимать решения, подкрепленные данными, то все возвращается на круги своя, проходя полный цикл. Давайте еще раз взглянем на рис. 9.1 и убедимся, что наша схема циклична. Мы проходим все ступени, принимаем решение, но, возможно, самое главное заключается в том, что мы извлекаем определенные уроки и запускаем процесс снова и снова. Это помогает организации максимально эффективно использовать данные и опираться на них всегда и во всем. Стараясь извлечь побольше выгоды из данных как актива, руководители организации всегда должны помнить об итерационном процессе. Эдисону, придумавшему электрическую лампочку, приписывают фразу: «Я не терпел поражений. Я просто нашел десять тысяч способов, которые не работают» [56] Ruth, A. (2015). Thomas Edison – 10,000 Ways That Won't Work [Blog], Due, 22 July. https://due.com/blog/thomas-edison-10000-ways-that-wont-work . . Про данные и аналитику можно сказать то же самое. Если мы приняли решение, но все пошло не так, как мы надеялись (я знаю, обычно это шокирует), это нужно считать не поражением, а ценным уроком. Как это сделать?

Чтобы успешно выполнять итерации, нам нужна культура дата-грамотности, о которой уже не раз говорилось в этой книге. Нужно стремиться к тому, чтобы культура нашей организации подразумевала обучение дата-грамотности: это должно стать привычным и общим для всех делом. Людям необходимо понять, как работают аналитические методы, и уяснить для себя, что процесс принятия решений – это не конец пути, а лишь его часть. Если в организации сложилась соответствующая культура, ее сотрудники имеют возможность принимать более разумные решения, поскольку руководство организации точно знает, что такое решение и как выглядит процесс его принятия.

Такая культура жизненно необходима для шестой и последней ступени схемы принятия решений, иначе организацию ждут большие проблемы. Приведу несколько примеров, в том числе из моего личного опыта.

Вот первая проблема, с которой мы можем столкнуться: руководители организаций не всегда понимают, что в сфере данных и аналитики далеко не все принятые решения гарантированно сработают. Если в организации нет нужной культуры, а у сотрудников – уверенных навыков дата-грамотности, то специалисты, принимая решения, подкрепленные данными, уверены, что их решения непременно будут работать. Нет, мы всегда рассчитываем, что принятое решение будет успешно претворено в жизнь, но если оно буксует на каком-то этапе, то мы, обладая дата-грамотностью, можем воспользоваться этим как возможностью для обучения и полезным уроком.