Думаю, из этих примеров понятно, зачем нужна внутренняя аналитика и как она помогает совершенствовать аналитическую стратегию организации. Кроме того, мы видим, что дата-грамотность, независимо от вашей должности в компании, имеет огромное значение. Она позволяет любому сотруднику узнавать результаты внутреннего анализа, работать с ними, задавать вопросы и получать ответы… и, наконец, принимать решения и доводить их до сведения коллег, подчиненных и начальства. Если у вас все в порядке с навыками дата-грамотности, то вы можете положиться на любопытство, чтобы задавать вопросы, и на творческий подход, чтобы сочинять и рассказывать истории, – а еще, что немаловажно, вы в состоянии критически осмыслить любые данные.
Облачные сервисы
Давайте рассмотрим еще один термин, с которым вы, вероятно, нередко сталкиваетесь, особенно при работе с данными. Облако – это не какое-то загадочное и таинственное нечто, живущее в стране Нетинебудет. Это всего лишь место за пределами вашего офиса, где вы можете хранить свои данные. Раньше организации забивали данными свои собственные хранилища. Беда в том, что самостоятельное хранение данных обходится недешево: постоянно приходится увеличивать объем хранилища и покупать все более и более мощные серверы. Облако позволяет организациям хранить данные во внешних хранилищах.
Должен ли перенос данных в облачные хранилища быть частью стратегии в сфере данных и аналитики? Конечно же, да! К преимуществам облака относятся гибкость, надежность, мобильный доступ, восстановление, экологичность, безопасность, легкий доступ и мониторинг
[64]. И конечно, это подходящее вложение средств. Все это выглядит как вполне убедительные доводы в пользу того, что облачный сервис должен стать частью вашей стратегии.
Дата-грамотность связана с облаком через свободное владение данными. Неважно, на какую стратегию вы положились (перенести данные в облако или разместить их в другом месте, имея возможность получить к ним доступ в любое время). Вы все равно будете пользоваться навыками дата-грамотности для анализа данных, независимо от того, где они хранятся.
Периферийная аналитика
Периферийная аналитика – это новое и перспективное направление в сфере данных и аналитики.
Если вкратце, то периферийная аналитика – это сбор и анализ данных датчиком, устройством или точкой контакта. Противопоставляется пересылке данных в облако или на сервер
[65].
Это возвращает нас к интернету вещей: речь идет о датчиках и сборе данных от умных устройств. В периферийной аналитике не нужно ждать, пока данные будут собраны и подготовлены для анализа: эта функция передана непосредственно датчикам. На мой взгляд, внутренняя аналитика сродни периферийной. В обоих случаях анализ происходит в реальном времени, и это преимущество. Представьте себе данные, которые можно получить от двигателя самолета или машины с автопилотом. Результат их анализа очень важен – в первую очередь для безопасности людей.
Итак, периферийная аналитика – эффективный способ анализа данных, но какое же место она должна занимать в вашей стратегии? Достаточно значимое. Следует ли большинству сотрудников ею заниматься? Пожалуй, нет: для одних она действительно может стать частью их рабочих обязанностей, другие же будут просто пользоваться ее результатами.
В случае с периферийной аналитикой верно то, что мы говорили об облачных сервисах: не так важно, где именно собираются, обрабатываются и анализируются данные. Вы должны уверенно пользоваться всем арсеналом навыков дата-грамотности, поэтому стоит внедрить периферийную аналитику. У нее серьезный потенциал, но, если сотрудникам вашей организации не хватает дата-грамотности, вы потратите силы и средства впустую.
Геоаналитика
Последняя тема этой главы – геоаналитика. Как следует из названия, это географическая аналитика. В последнее время был достигнут значительный прогресс в области использования геоданных, привязки данных к различным географическим регионам и т. д. Приведу лишь несколько примеров, как геоданные используются для понимания информации.
Распространение вирусов и их воздействие. В период пандемии COVID-19 это стало особенно актуально. Геоданные и их анализ помогают следить за распространением вируса и определять сроки закрытия и открытия регионов.
Информация о продажах. Если вы нанесете на карту данные по вашему региону, то сможете наглядно представить, где и что покупают (или, напротив, не желают покупать). Отличный способ разобраться в тенденциях, связанных с вашей потребительской базой.
Волны преступности. Анализ данных позволяет выявить, где и какие преступления происходят, существуют ли некие тенденции и закономерности, а нередко и помогает найти преступников.
Визуализация данных. Я сам наблюдал этот способ использования геоаналитики: данные анализа наносятся на карту (схему) человеческого тела, автомобиля и пр. Так наглядно видно, откуда поступили эти данные, и анализ упрощается.
Анализ цепочек поставок. Стратегия управления через цепочки поставок – сильный логистический ход, но и в этом случае возможны ошибки. При помощи геоаналитики руководители организации могут разобраться, что происходит с цепочкой поставок и где могут возникнуть проблемы и сбои.
Геоаналитика – важное дополнение к организационной стратегии и уникальная составляющая дата-грамотности. Организации, безусловно, должны использовать геоаналитику в рамках своей стратегии, но не стоит ею злоупотреблять. Она должна занять подобающее ей место и приносить пользу, просто стоит помнить: «можно картировать» не равно «нужно картировать». И отличать одно от другого – отдельный навык дата-грамотности.
Чтение и понимание карт, содержащих данные, – полезный навык, но отнюдь не обязательный. В первую очередь нужно научиться типовой работе с данными и аналитикой. А уже затем, если понадобится, можно освоить и геоаналитику.
Краткое содержание главы
Я предупреждал, что эта глава затронет далеко не все аспекты стратегии в сфере данных и аналитики, но важнейшие из них мы с вами все же разобрали. Моей задачей было помочь вам в совершенствовании свободного владения данными – одной из ключевых составляющих дата-грамотности. Смогли бы вы раньше поддержать разговор на темы, о которых прочли в этой главе? Если да, то замечательно. Но, боюсь, таких, как вы, очень немного.
Помимо этого, вы еще немного расширили свои знания о стратегии в сфере данных и аналитики, отточили навыки дата-грамотности и поняли, как дата-грамотность связана с темами, затронутыми в этой главе.
