Схема принятия решений, подкрепленных данными
Схема, которую мы будем использовать, состоит из шести ступеней. Есть немало вариантов этой схемы, но для безошибочной и эффективной работы в нее должны входить эти шесть ступеней – в том или ином виде. Вот они: спросить, получить, проанализировать, применить, объявить и оценить. Так считает Кевин Ханеган – а я немного модифицировал его схему (исключительно ради ясности) и называю ступени иначе: спросить, получить, проанализировать, интегрировать, решить и выполнить итерацию. На рис. 9.1 показано ключевое отличие моей схемы от исходной.
Вы заметили отличительную особенность этой схемы? Она бесконечна по своему устройству. Это непременное свойство процесса принятия решений, подкрепленных данными. Мы должны понимать, получая новые знания и принимая решения: никто не гарантирует, что эти решения будут правильными. Этим и прекрасна наша схема – возможностью выполнить итерацию и извлечь полезный урок из опыта предыдущих решений. Нельзя сидеть сложа руки, что-то решив. Нужно использовать схему (и навыки дата-грамотности, конечно), чтобы постоянно совершенствовать решения. Статистика – это территория вероятного, а вероятность иногда дает нам не то, чего мы хотели. И это нормально – мы учимся на своих решениях и всегда можем повторить процесс.
Ступень 1. Спросить
Первая ступень схемы принятия решения, подкрепленного данными, – «спросить», то есть задать вопрос, на который нужно получить ответ. При принятии решений в сфере данных возникает много вопросов. Для того чтобы ставить их грамотно, нужно разобраться в разных составляющих этой процедуры. Давайте рассмотрим ее с точки зрения четырех элементов дата-грамотности и ее трех «С». А далее перейдем к четырем уровням аналитики.
Задать вопрос – это не просто спросить. Это предполагает гораздо большее. Когда мы задаем вопрос в рамках нашей схемы, нам нужно рассмотреть разные его аспекты с точки зрения данных. Например, бессмысленно задавать слишком расплывчатые вопросы: «Каков наш лучший продукт?» или «Какая из наших маркетинговых кампаний оказалась наиболее эффективной?». Такие вопросы не способствуют принятию разумных и обоснованных решений, связанных с данными и аналитикой. Эффективные вопросы должны быть однозначны.
Почему такие вопросы, как вышеприведенные, не нужны в нашей схеме? Давайте рассмотрим их подробнее. Что мы имеем в виду под «лучшим продуктом»? Все ли наши продукты одинаковы? Мы что, сравниваем яблоко с яблоком? Если нет, то что покажут нам данные? В случае с маркетинговой кампанией – как мы определяем слово «эффективный»? Будет ли эффективность разной с точки зрения разных заинтересованных лиц? И т. д. Видите, куда нас это заводит? Словом, когда мы задаем вопросы в рамках схемы принятия решений, следует убедиться, что вопросы конкретны и что для ответа на них можно использовать данные.
Вопросы напрямую связаны с первым элементом дата-грамотности и с ее первой «С», то есть с чтением данных и любопытством.
Когда человек читает данные, будь то новостной заголовок, таблица Excel, квартальный отчет или визуализация, у него должны возникать вопросы. Вот несколько примеров газетных заголовков
[50]. Понадобятся ли вам уточнения?
● «Округ должен заплатить 250 000 долларов за рекламу нехватки финансирования». (Кто-нибудь вообще над этим подумал?)
● «American Airlines выгнали пассажира, который отказался прекращать подтягиваться». (На чем он подтягивался?)
[51]
Каждый из этих заголовков – в конце концов, они просто нелепые! – вызывает вопросы. Но, когда мы принимаем карьерные решения или когда глава организации работает с огромным количеством данных, вопросы тоже должны появляться мгновенно. В случае с заголовками это происходит само по себе, и возникающие вопросы кажутся очевидными, но с данными так бывает не всегда. Нам приходится копаться в них и изучать все, что поступило к нам по самым разным каналам и из самых разных источников. Вот тут и вступает в дело первая «С» дата-грамотности.
Наверное, очевидно, что curiosity – «любопытство» – одно из моих самых любимых слов. Любопытство обладает огромной силой, как мы уже убедились ранее. При принятии решений, подкрепленных данными, любопытство участвует в схеме на первой ее ступени.
А теперь пора вспомнить еще один термин из предыдущих глав – свободное владение данными. Объединив его с любопытством, мы сможем задавать вопросы, чтобы определить, что случилось и почему, – а затем переходить к следующим ступеням процесса.
Четыре уровня аналитики
После первого шага – постановки вопроса – наша способность делать это на всех четырех аналитических уровнях должна быть очевидна, но все же давайте ненадолго остановимся на этом. Первый уровень, дескриптивный, может стать отправной точкой для большинства личных или общеорганизационных решений. Описательная аналитика, говоря по-простому, переносит данные на бумагу. При этом мы способны видеть, что и когда произошло, и рассказать историю, которая кроется в наших данных.
Когда мы читаем результаты дескриптивного анализа, у нас в голове начинают роиться самые разные полезные мысли, и мы задаемся вопросом, почему произошло то-то и то-то. Как мне кажется, это прямая дорога к диагностическому анализу. Нам нужно постоянно задавать вопросы, при этом не забывая, что они должны быть конкретными и однозначными. Если мы допустим двусмысленность, то едва ли сумеем отыскать настоящие причины чего бы то ни было.
На третьем и четвертом уровнях, то есть предиктивном и прескриптивном, грамотные вопросы – это все, что нужно для принятия решений. Большинство из нас не способны осуществить комплексный профессиональный анализ данных или статистические расчеты. Поэтому первое, что нужно сделать, чтобы принять решение, подкрепленное данными, – задать вопросы о результатах предиктивного и прескриптивного анализа. На этом этапе, как и на любом другом, общение на языке данных и свободное владение данными также имеют очень большое значение. Если люди, не обладающие профессиональными навыками в анализе и статистике, не смогут донести до специалистов, способных провести такой анализ, что именно требуется им для дела, все их усилия изначально обречены на неудачу. Поэтому первая ступень нашей схемы принятия решений – спросить – имеет критически важное значение для безошибочности всей дальнейшей работы.
