Как мы поняли из этой главы, всем абсолютно всем и каждому! необходимо развивать навыки дата-грамотности. Не забывайте определение: дата-грамотность это способность читать данные, работать с ними, анализировать их и общаться на языке данных. Дата-грамотность и ее отдельные элементы помогают организации достичь успеха в любой деятельности, будь то запуск нового продукта, изменение маркетинговой стратегии или еще что-то.
В заключение упомяну о двух крайне важных аспектах определения дата-грамотности это свободное владение данными и принятие решений, подкрепленных данными. Мы еще поговорим об этом, но уже сейчас следует отметить, что свободное владение данными это и есть способность разговаривать на языке данных. Что такое принятие решений, подкрепленных данными, я думаю, объяснять не нужно. Если мы обладаем дата-грамотностью, но не используем ее для принятия более обоснованных решений, то в чем тогда ее смысл?
04
Зонтик дата-грамотности
Разобравшись с определением дата-грамотности, важно понять, что она представляет собой один из кусочков мозаики общей стратегии в сфере данных и аналитики. Если эту мозаику правильно собрать, у нас будет прекрасная картина, изображающая цель, к которой стремится наша организация. Таким образом, стратегия и должна стать отправной точкой в работе организации с данными но, к сожалению, руководители слишком часто начинают не с этого. Только при наличии четкой и определенной стратегии можно подбирать необходимые инструменты и способы работы с данными и аналитикой. Давайте рассмотрим некоторые из таких инструментов.
Мы много говорили о дата-грамотности, а теперь давайте поговорим конкретно об анализе и обработке данных в научном смысле о data science. Какую роль играют визуализация данных и управление данными? Относится ли к дата-грамотности такая область, как этика данных? В этой главе мы изучим эти (и некоторые другие) области мира данных. Мы рассмотрим их с точки зрения как общей стратегии, так и четырех элементах дата-грамотности и в итоге увидим, как все элементы этого мира слаженно работают на общий результат. На рис. 4.1 приведены важнейшие области, о которых пойдет речь в этой главе:
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.
Стратегия в сфере данных и аналитики
Стратегия в сфере данных и аналитики
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.
Дата-грамотность и обработка данных
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]. 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]. 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.
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]. 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.
Сейчас все больше людей получают или собираются получать соответствующее образование, но статья 2019 года, о которой говорилось выше, иллюстрирует одну очень важную деталь: раньше немногие стремились изучать обработку данных, статистику, количественный анализ и т. д. Но в условиях такой нехватки настоящих специалистов мы все же можем заполнить пробел при помощи дата-грамотности.
Если взглянуть на пространство под зонтиком дата-грамотности (см. рис. 4.1), наука о данных как таковая крайне важна для всего этого пространства, а также для всех четырех уровней аналитических методов. Обработка данных помогает делать прогнозы, подталкивает руководителей организаций вглядываться в метафорический стеклянный шар, чтобы определять направление действий и придумывать решения. Сотрудники, владеющие обработкой данных, могут поставить себе на службу научный метод и другие способы тестирования гипотез, поиска решений и обретения знаний. Благодаря этому организации получают возможность двигаться вперед, изменяя расклад сил в своей отрасли. Словом, значение обработки данных в мире дата-грамотности сложно переоценить.