Элемент 3: анализ данных
Так что же такое анализ данных? Разве этим не должны заниматься только люди с техническим складом ума или соответствующим образованием? Разве для анализа не нужно уметь программировать? Конечно же, нет! Каждый из нас способен анализировать данные, чтобы информация пошла на пользу и не причинила вреда. Анализ помогает нам отделять нужное от ненужного в потоке информации. Вы наверняка слышали словосочетание «фейковые новости». Умение ставить вопросы и анализировать данные помогает распознавать некорректную или ложную информацию. Анализ данных как на работе, так и в быту (к примеру, когда вы после ужина зависаете в соцсетях) это ключевой элемент второго, диагностического уровня аналитики.
Анализировать можно многое. На этот раз для начала мы проанализируем само слово «анализ».
Анализ это подробное изучение элементов или структуры чего-либо[22].
Это определение в каком-то смысле обнажает суть понятия: мы хотим изучить предмет или явление, чтобы понять его причины, ответить на главный стоящий за ним вопрос «Почему?». Это ключевой элемент анализа данных. Другое определение дает нам еще один кусочек мозаики: анализировать это обнаружить или раскрыть что-либо при помощи подробного изучения[23]. Особенно интересно слово «раскрыть». Раскрывая что-либо, мы освещаем нашим новым знанием, нашим инсайтом (полученным в результате дескриптивного анализа) все данные, которые у нас есть. Возникает вопрос: а как мы анализируем данные? Давайте разберемся.
Сначала вопросы. А потом еще вопросы. И, может быть, еще несколько вопросов. Нам нужно научиться ставить их правильно. Мы склонны доверять первому впечатлению о предметах или явлениях и говорить себе: о, кажется, я знаю ответ. К несчастью, работа зачастую приучает нас именно к этому. Мы привыкаем к своим функциям, спущенным сверху правилам, стандартным процедурам и не можем выехать из этой колеи. Это не подталкивает нас задавать вопросы. Давайте рассмотрим пример анализа данных в повседневной жизни и это будет самый простой вопрос: «Что мне сегодня надеть?».
Решая, что надеть, мы нередко хватаем первое, что подвернулось под руку, и просто надеемся, что погода не подведет. Случается с вами такое? Если да, то хорошо, если вы живете где-нибудь на Карибах, где невелика вероятность замерзнуть но и там может налететь шторм, и вы пожалеете, что одеты не по погоде. Чтобы принять обоснованное решение, что нам сегодня надеть, мы должны получить и проанализировать некую информацию. Первое, что приходит в голову, взять смартфон и изучить прогноз погоды (в надежде, что он окажется верным). А затем стоит посмотреть в окно и проанализировать увиденное. Наконец, можно ненадолго выскочить на улицу и физически ощутить температуру, влажность и т. д. Все эти действия примеры анализа данных. Вы осуществляете этот анализ, даже если ваши методы не подразумевают использование технологий, а ограничиваются лишь субъективными наблюдениями.
Каждый из нас постоянно анализирует данные, чтобы на их основе принять те или иные взвешенные решения. Чтобы как следует в этом разобраться, давайте рассмотрим, как анализируют данные по запуску продукта различные подразделения компании.
АНАЛИЗ ДАННЫХ: ОТДЕЛ ИССЛЕДОВАНИЙ И РАЗРАБОТОК
Должен ли отдел исследований и разработок анализировать данные, чтобы понять, как прошел запуск продукта? Конечно, да! Его сотрудники анализируют не только внутреннюю информацию, поступающую из других подразделений компании, но и внешние данные. Например, представьте, что вы запустили новый продукт именно тогда, когда в экономике начался спад. Кто-то скажет, что это была изначально плохая идея и что продукт не мог не провалиться, но так ли это? Если внешние данные свидетельствуют, что ситуация на рынке в целом неблагоприятна, это действительно могло повредить запуску. Однако отдел исследований и разработок должен поставить правильные вопросы и проанализировать информацию, чтобы составить заключение об успешности запуска.
АНАЛИЗ ДАННЫХ: ОТДЕЛ ПРОДАЖ
Теперь рассмотрим самих «продажников». Нужно ли им анализировать данные? Конечно. Они должны задавать вопросы, исследовать различные факторы и изучать огромное количество самых разных данных, чтобы определить, был ли запуск успешным.
АНАЛИЗ ДАННЫХ: ТОП-МЕНЕДЖМЕНТ
АНАЛИЗ ДАННЫХ: ТОП-МЕНЕДЖМЕНТ
И наконец, давайте снова вернемся к нашему замечательному руководству. Нужно ли топ-менеджерам анализировать данные, чтобы разобраться, был ли запуск успешным? Да, нужно и, надеюсь, они так и делают! Топ-менеджеры управляют компанией: если они не анализируют успешность запуска каждого нового продукта, то чем они вообще занимаются? Стреляют наугад? Топ-менеджерам необходимо проанализировать большие объемы данных, чтобы определить степень успеха. Как запуск последнего продукта повлиял на чистую прибыль компании (и повлиял ли вообще)? Каковы объемы продаж нового продукта и насколько эффективно сработал отдел продаж? Удалось ли маркетологам повысить интерес к продукту? Столько вопросов а это лишь верхушка айсберга.
Итак, как мы видим, всем нужно анализировать данные. Это жизненно необходимо для понимания, насколько успешным оказался запуск продукта. Все должны уметь определять тенденции и закономерности в данных. Все должны уметь «раскрыть и обнаружить что-либо при помощи подробного изучения», как гласит наше определение. Не всем нужно быть экспертами по обработке данных, но все должны уметь задавать вопросы и проводить собственный анализ. Анализ данных одна из ключевых составляющих дата-грамотности. Да, для успешной работы с данными необходимы все четыре составляющие, все четыре элемента, но если мы не в состоянии проанализировать данные для получения важных знаний, то перед нами во весь рост встает прежняя проблема: мы рискуем застрять на первом уровне уровне дескриптивной аналитики.
Элемент 4: общение на языке данных
Теперь, когда мы поговорили о чтении данных, работе с ними и их анализе, перейдем к очень важному аспекту дата-грамотности: общению на языке данных. Что делать, если вы способны провести строгий анализ, почерпнуть из имеющихся у вас данных важные знания с помощью диагностических методов, но при этом не в состоянии донести результаты до коллег, подчиненных и т. д.? Или, что еще хуже, вы можете считать, что у вас есть необходимые навыки для общения на языке данных но на самом деле их нет. Тогда вы совершенно точно не сумеете объяснить другим, к каким выводам пришли. Умение общаться на языке данных абсолютная необходимость.
Очень важно понять, что такое общение на языке данных. Что означает слово «общаться»?
Общаться это делиться или обмениваться информацией, новостями или идеями[24].
Если говорить о четырех уровнях аналитики, нам нужно делиться или обмениваться информацией, чтобы описать, что случилось в прошлом, знаниями, полученными в результате диагностического анализа, прогнозами и указаниями на основании предиктивного и прескриптивного анализа. Общение необходимо для успеха стратегии работы с данными и дата-аналитикой. Как общаться на языке данных? Есть ли какой-то особый способ общения с опорой на дата-грамотность, который делает обмен информацией более эффективным? Это прекрасные вопросы!
В современном мире данных есть постоянно растущая область: дата-сторителлинг. Откуда такой интерес к ней? Давайте подумаем. Если я должен донести до вас множество статистических показателей и прочих числовых данных, скоро ли вы начнете зевать и скажете мне спасибо за прекрасное лекарство от бессонницы? Но все может обернуться иначе. Запоминаете ли вы истории, которыми делятся с вами другие люди? Наш мозг гораздо лучше воспринимает истории, чем «чистые» данные. Мы должны научить людей делиться историями и доносить до других именно в такой форме различные показатели, результаты анализа и знания, почерпнутые из данных.
А теперь давайте еще раз взглянем на разные подразделения компании и попытаемся понять, кому нужна эта составляющая дата-грамотности. Давайте представим, что мы изучаем финансовые показатели компании за последние 12 месяцев. Этот период был для компании весьма продуктивным, и мы хотим знать, что привело к такому успеху и как сохранить динамику. Должны ли сотрудники различных подразделений компании поделиться друг с другом тем, что извлекли из данных?
ОБЩЕНИЕ НА ЯЗЫКЕ ДАННЫХ: ФИНАНСОВЫЙ ОТДЕЛ
В первую очередь посмотрим на финансовый отдел. Следует ли команде финансистов общаться с другими на языке данных, чтобы понять, насколько успешным был последний год? Да! Как раз финансовый отдел и должен рассказать остальным результаты общей работы. В данном случае команда финансистов может поделиться только результатами дескриптивного анализа (а это первый уровень). Финансовый отдел сообщает топ-менеджерам и другим сотрудникам компании о численных показателях, чтобы у всех сложилась верная картина происходящего.
ОБЩЕНИЕ НА ЯЗЫКЕ ДАННЫХ: ДАТА-АНАЛИТИКИ
Перейдем к команде специалистов по обработке данных. Эти сотрудники играют очень важную роль в понимании того, что происходило в течение последних 12 месяцев. Они способны находить, анализировать и раскрывать то, что могли пропустить другие. Дата-аналитикам, как правило, нужно совершенствовать свои навыки дата-грамотности именно в сфере общения на языке данных. Вопрос в другом: нужно ли им это? Конечно же, да. Раньше общение не было приоритетом для тех, кто занимается обработкой данных. Однако в новом мире дата-грамотности все иначе, и дата-аналитикам нужно учиться общаться на языке данных со всеми сотрудниками своей организации.
ОБЩЕНИЕ НА ЯЗЫКЕ ДАННЫХ: ТОП-МЕНЕДЖМЕНТ
И наконец, высшее руководство. Топ-менеджерам нужно уметь донести до всех сотрудников организации результаты различных типов анализа. Затем они должны рассказать о причинах успеха, о том, что планируется делать для сохранения положительной динамики, и т. д.
Способность говорить на языке данных и понимать его необходима для оценки успеха компании. Итак, мы видим одну общую тему, объединяющую весь мир дата-грамотности, навыки общения на языке данных нужны всем.