Почему я связываю эту проблему со свободным владением данными? Во-первых, тот, кто работал с показателем, не сверился с нашим словарем данных, чтобы уточнить определение. И это помешало получить правильный результат: специалист воспользовался не теми данными, которых требовало верное определение. Во-вторых, он не смог донести до других, как значение этого показателя может повлиять на остальные показатели, да и сам этого не понял, поскольку подсчитал неверно.
Итак, словарь данных служит для людей и организаций основой для получения нужных данных. Хочется верить, что в будущем организации все реже будут сталкиваться с проблемами, как в примере выше. Использование словаря данных для снижения риска или обеспечения прозрачности данных способствует внедрению и распространению общего для всех языка.
Стратегия чтения данных и свободного владения данными
Теперь, когда мы разобрались, что такое чтение данных и свободное владение данными, возникает вопрос: а как всего этого добиться? Какая стратегия поможет коллективу научиться лучше читать данные и общаться на языке данных? Здесь, как и в других аспектах информационно-аналитической стратегии, ответ кроется в простоте.
Чтобы стратегия в сфере данных и аналитики была успешной и оправдывала инвестиции, ее необходимо привязать к целям и задачам организации. К несчастью, это редкость: обычно в организациях информационно-аналитическая стратегия существует отдельно от бизнес-стратегии. Не попадайтесь в эту ловушку! Обеспечьте их прочную связь, чтобы информационно-аналитическая стратегия была инструментом успеха бизнес-стратегии. Одним из аспектов стратегии в сфере данных должна стать стратегия дата-грамотности, непосредственно связанная, помимо прочего, с чтением данных и свободным владением данными.
В этой области должны существовать общие направления и стандарты обучения сотрудников, но не стоит стричь всех под одну гребенку. Чтобы сотрудники успешно овладели дата-грамотностью, нужно оценить, что они уже умеют и с чем им комфортно работать. Только после этого руководство организации сможет определить, какие шаги предпринять и какие методы обучения использовать. Исходя из индивидуальных показателей каждого сотрудника, можно подобрать для него самый действенный способ совершенствования в чтении данных. А затем перейти к обучению более эффективному использованию языка данных. При таком подходе организация сможет избежать множества проблем.
Пример из жизни организации
Нам будет проще понять, как распространяются потоки данных в организации, если мы рассмотрим влияние общего языка данных на итоговый успех, но в конкретном контексте. Для примера давайте возьмем организацию, которая хочет изучить условия рынка для запуска нового продукта. В первую очередь предлагаю рассмотреть высокоуровневый поток: от идеи продукта до его запуска.
Итак, руководство организации решает запустить новый продукт. Как топ-менеджеры пришли к этой идее? При помощи опросов, сбора рыночных данных и изучения конкурентов они определили, что у них достаточно данных для понимания рынка, и установили, что новый продукт действительно необходим. Команде сотрудников было поручено проанализировать все данные и найти ключевые показатели и тенденции, что позволило топ-менеджерам принять взвешенное решение, подкрепленное данными. Это первый шаг в свободном владении данными (или в общении на языке данных). Это, возможно, не слишком очевидно, но в рабочих процессах организации всегда можно найти массу подобных примеров.
Первое, что должна была сделать команда, при помощи чтения данных изучить рынок и понять, какой тип продукта может заполнить области неудовлетворенного спроса. Проведя анализ и прочитав данные, команда обнаружила множество таких областей в различных регионах, в отрасли в целом. Способность читать данные позволила специалистам правильно истолковать картину рынка. А затем они сумели эффективно представить данные руководству компании. Понятно, что все это было бы невозможно без свободного владения данными. Если бы команды аналитиков и/или топ-менеджеров не смогли ни успешно поделиться собственными идеями, ни понять чужие идеи, удалось бы в итоге принять общее взвешенное решение? Очевидно, что поток данных должен быть правильно прочитан, правильно передан и правильно воспринят на общем для всех языке.
После того как топ-менеджеры одобрили новый продукт, они должны были донести свои предложения до команд, ответственных за его запуск. Это тоже данные? Конечно же! Необходимо помнить, что данные это не только цифры, это вся информация, которой обмениваются команды и отдельные сотрудники. Команда аналитиков и команда топ-менеджеров должны передавать нужную информацию командам, создающим продукт. А эти специалисты, в свою очередь, должны быть способны понять информацию и не только понять, но и донести ее до других подразделений организации, отвечающих за разные этапы запуска продукта.
Надеюсь, вы начинаете понимать, что свободный поток данных и информации это немалая часть бизнес-целей и задач? Даже на небольшом гипотетическом примере прекрасно видно, как способность читать данные и общаться на языке помогает организации в достижении ее целей. Аспекты применения чтения данных могут быть самыми разнообразными.
Представьте себе компанию по производству автомобилей, которая хочет запустить новую модель. Способность читать данные и, следовательно, анализировать рынок чрезвычайно важна при решении, каким быть новому автомобилю и когда лучше начать его производство.
Вспомните все современные стриминговые сервисы Netflix, Hulu и другие. Очень многое в работе таких сервисов запуск новых проектов, построение моделей зрительских предпочтений и т. д. зависит от способности правильно читать данные и обмениваться ими.
Обратите внимание, как работают больницы и система здравоохранения в целом, особенно в моменты кризисов. Способность руководства медицинского учреждения планировать использование коечного фонда, занятость операционных и т. д. напрямую связана с чтением и пониманием поступающих данных, а также с эффективной коммуникацией между отдельными людьми и властями городов, регионов и страны (иногда ряда стран).
Наконец, задумайтесь о том, как власти реагируют на различные масштабные события: природные катастрофы, экономические кризисы, пандемии и т. д. Способность правильно читать данные и эффективно делиться ими гражданами имеет жизненно важное значение. Кроме того, это можно назвать сутью дата-грамотности для граждан, поскольку нам необходимо уметь общаться на языке данных, чтобы понимать и поддерживать инициативы властей.
Краткое содержание главы
Итак, у дата-грамотности есть четыре элемента: способность читать данные, работать с ними, анализировать их и общаться на языке данных. Все начинается со способности читать и понимать данные: ведь невозможно работать с данными, анализировать их и, наконец, общаться на языке данных, если вы попросту не можете их прочитать. В этой главе мы рассмотрели некоторые важные аспекты мира чтения данных и общения на их языке. Из следующих глав вы узнаете, как чтение и общение на языке данных становится все более важной частью мира дата-грамотности.
06
Связь дата-грамотности с четырьмя уровнями аналитики
В предыдущих главах мы рассмотрели четыре уровня аналитических методов, или просто четыре уровня аналитики. Напоминаю: это дескриптивный (описательный), диагностический, предиктивный (предсказательный) и прескриптивный (предписывающий) уровни. Эти четыре уровня, если их включить в целостный план и подход к работе с данными и их анализом, помогают руководителям раскрыть потенциал организации и, разумеется, вернуть инвестиции в эту сферу. Вы можете спросить: какое отношение к четырем уровням аналитики имеет дата-грамотность? Если вспомнить определение дата-грамотности как способности читать данные, работать с ними, анализировать и общаться на языке данных, то можно сказать, что каждый из элементов, каждая из составляющих дата-грамотности играет очень важную роль на всех четырех уровнях аналитических методов.
Чтобы углубить наши знания, давайте подробнее рассмотрим каждый из уровней аналитики и свяжем их с четырьмя элементами дата-грамотности. Лучше понять возможности каждого уровня нам помогут примеры.
Дата-грамотность и дескриптивный анализ
Если помните, первый уровень это описательная аналитика, то есть уровень наблюдений, уровень понимания, что произошло в прошлом. Это очень важный аспект для любой организации. Всем нужно знать, что произошло в прошлом, чтобы планировать будущее, например, понимать, как развиваются тенденции в торговле, насколько успешно прошла маркетинговая кампания и массу других вещей. Какое место в мире описательного анализа занимает дата-грамотность?
Первый элемент дата-грамотности это чтение данных. Мне кажется, здесь все понятно. При дескриптивном анализе вы должны, глядя на информационную панель, визуализацию или отчет, понимать информацию, представленную вам. Взгляните, например, на визуализацию лондонского метро 1908 года (рис. 6.1). Что вы видите? Расположение линий метрополитена, где разные линии обозначены разными оттенками серого, и станции на них. Понимаете? Эта визуализация совершенно проста и однозначна, ее легко прочитать. Прочитав данные, представленные на схеме, кто угодно сможет легко найти путь к нужной точке.
Давайте возьмем другой пример: гипотетические расходы американского правительства (рис. 6.2). И в этом случае мы можем прочесть представленные на рисунке данные. Можете ли вы сказать, какая статья расходов самая крупная? А как насчет гарантированных доходов?
Оба эти примера описательной аналитики легко прочитать благодаря понятному построению визуализации. Как мы помним, чтение данных это способность воспринимать и понимать то, что мы видим (слышим, ощущаем). Это может быть визуализация, ежегодный отчет, презентация в PowerPoint и т. д. Следует стремиться к тому, чтобы люди, совершенствуя дата-грамотность, учились читать представленные им результаты дескриптивной аналитики.
Обратите внимание: мы в этой книге не рассматриваем миллион способов, как сделать плохую визуализацию или написать плохой отчет: о том, чего нужно избегать в своей работе, прекрасно пишут другие авторы например, Б. Джонс в книге «Как избежать ловушек в данных» (Avoiding Data Pitfalls) или С. Векслер, Дж. Шеффер и Э. Котгрейв в «Большой книге об информационных панелях» (Big Book of Dashboards), которую я уже упоминал. А наша цель просто помочь вам осознать важность чтения результатов описательной аналитики.