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.
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!
Ступень 6. Выполнить итерацию
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]. 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.
Вторая проблема организации без должной культуры дата-грамотности предвзятость в решениях. Иногда случается так: вы принимаете решение, но его выполнение тут же наталкивается на противодействие со стороны недовольных. Данные и аналитика не должны быть площадкой для выяснения отношений. Да, мы должны критически рассматривать предположения, обсуждать то, что мы делаем, и продвигать более обоснованные решения но, если у нас нет правильной культуры, предвзятость может все испортить.
Основная цель шестой ступени гарантировать, что все сделанное на предыдущих ступенях будет тщательно проанализировано, оценено и т. д.
Краткое содержание главы и пример
Итак, если руководство организации хочет, чтобы вложения в данные и аналитику окупились, ему необходима схема принятия решений, подкрепленных данными. Ваши сотрудники должны следовать шестиступенчатому процессу, описанному в этой главе.
Схема «спросить получить проанализировать интегрировать решить выполнить итерацию» должна стать для вас второй кожей, неотъемлемой частью вашей работы. Дата-грамотность должна вести вашу организацию и всех ее сотрудников к более разумным и обоснованным решениям. Если дата-грамотность не помогает принимать решения, то зачем она нужна? Поясню на примере.
Давайте обратимся к опыту Rolls-Royce. Компания развивает интернет вещей и устанавливает на своих авиационных двигателях датчики. Эти датчики очень полезны: они сообщают, как проходит полет. На этом примере можно показать, почему организация решила, что разработка датчиков выгодное вложение. Сразу хочу оговориться, что это гипотетический пример: так могло бы быть. Я понятия не имею, насколько моя реконструкция близка к реальности. Но давайте с ее помощью разберем, как происходит принятие решений, подкрепленных данными.
Первая ступень задать вопрос. Представьте, что вы инженер или специалист по обработке данных и изучаете обстановку в отрасли. Вы обращаете внимание на то, что интернет вещей и датчики стали очень популярной темой. Вы задаете себе вопрос: «А нельзя ли установить датчики на авиационном двигателе, чтобы передавать информацию о полете на землю в реальном времени?» Это первая ступень на нее вы поднялись благодаря любопытству.
Далее вы рассуждаете, что стоит побольше узнать о таких датчиках: как они работают и можно ли вообще установить их на самолете (смогут ли они передавать информацию в таких условиях). Это внешние данные. Кроме того, вы изучаете внутренние данные вашей организации, пытаясь понять, насколько сейчас подходящее время для подобного предложения и насколько сложно будет воплотить его в жизнь. Наконец, вы выясняете, какие именно данные можно получить с помощью датчиков, что позволяет вам нарисовать полную картину возможностей. Вы завершили вторую ступень получение данных.
Третья ступень проанализировать. Вы же не просто так собирали все эти данные! Сведения были вам нужны, чтобы разобраться в них и проанализировать. Вы просеиваете тонны данных, чтобы окончательно определить сложность задачи, условия рынка и потенциальную выгоду. Полагаясь на критическое мышление, вы мысленно проигрываете различные сценарии развития событий. Третья ступень пройдена.
Четвертая ступень интеграция в анализ человеческого фактора. И речь здесь не только о вас, но и о ваших соседях, друзьях, коллегах и т. д. Вы должны понять потенциальное влияние датчиков на безопасность миллионов людей. Вы следите, чтобы не угодить в ловушку предвзятости. Вы понимаете, что лично вам возможность собирать информацию с помощью датчиков кажется захватывающей, но это не должно влиять на объективность вашего решения. Вы интегрируете в процесс ваш (и не только) личный и профессиональный опыт. Вы уже серьезно приблизились к моменту принятия решения.
И вот пятая ступень само решение. Благодаря пройденным ранее этапам вы решили: да, установить датчики на авиационных двигателях имеет смысл. Вы считаете, что это позволит собрать больше данных о ходе полетов и будет способствовать повышению безопасности. Вы планируете, как лучше всего донести ваши идеи и решение до всех заинтересованных лиц в организации, а затем приступаете к делу.
И наконец, последняя ступень итерация. Датчики установлены, вы собираете все больше и больше данных о том, как они работают. Новые данные вызывают все новые и новые вопросы. Вы снова и снова проходите все этапы процесса принятия решения. Это открывает перед вашей организацией огромные возможности. Эта схема жизненно важна для формирования и поддержания организационной культуры успешного обращения с данными.