Можно многое узнать, просто анализируя статистику по вашей компании. Практически все, чем мы сегодня занимаемся, можно посчитать, будь то деятельность или ее результаты. Обратимся к книгам «Аналитическая культура» и «Управление на основе данных», которые помогут разобраться, как правильно собирать данные, делать выводы и принимать правильные решения на основе полученной информации.
Что такое датафикация?
Это уродливое слово, но прекрасная идея: когда столь многое из того, чем мы занимаемся, способно обеспечить нас информацией, можно узнать даже гораздо больше, чем требуется.
Само это словечко вошло в употребление относительно недавно, а вот понятию, которое оно обозначает, фактически уже несколько десятилетий. Эта концепция начала формироваться, когда гики поколения наших родителей осознали, что можно систематизировать огромное количество информации о мире в формате данных, если только найти способ, как это сделать. Задача по датафикации осложнялась проблемой измерения: в нецифровых системах информацию требуется перевести в числовой формат. В цифровых данные уже присутствуют.
Это полезно, потому что, как уже было сказано, невозможно управлять тем, что не поддается измерению. Датафикация — это способ внедрить принцип измерения в вашу работу.
Учимся считать
Многие никогда не задавались вопросом, какие страницы на вашем сайте наиболее посещаемые, хотя Google Analytics (или другие инструменты, которые, возможно, имеются в вашем распоряжении) можно использовать бесплатно. При помощи этого инструмента можно узнать, какие разделы вашего сайта никогда не просматривают, какие продукты ищут посетители странички или с каких других ресурсов к вам переходят пользователи. Такой сбор информации может оказаться весьма полезным, притом что он редко занимает больше часа времени. Возможно, проблема в том, что мы называем это «аналитика», а это звучит гораздо серьезнее и сложнее, чем «умение считать». На самом деле это не сложнее.
После того как вы сами проделали это один раз, делегируйте задачу регулярного сбора статистической информации кому-нибудь из сотрудников, а принятие решений синхронизируйте с получением данных этих отчетов. Например, вы должны ежеквартально получать отчет по количеству посетителей разных страниц сайта за день до встречи с разработчиком сайта. Или раз в год получать отчет по лицензиям на ПО за месяц до даты их продления.
Качество данных
Данные — это фундамент, на котором держится компания с управлением на основе данных. Если люди, принимающие решения, не располагают своевременной, релевантной и достоверной информацией, у них не остается другого выхода, как только положиться на собственную интуицию. Качество данных — ключевой аспект.
Данные должны отвечать ряду требований:
— Доступность. У аналитика должен быть доступ к данным. Это предполагает не только разрешение на их получение, но также наличие соответствующих инструментов, обеспечивающих возможность их использовать и анализировать. Например, в файле дампа памяти SQL (Structured Query Language — языка структурированных запросов при работе с базой данных) содержится информация, которая может потребоваться аналитику, но не в той форме, в которой он сможет ее использовать. Для работы с этими данными они должны быть представлены в работающей базе данных или в инструментах бизнес-аналитики (подключенных к этой базе данных).
— Точность. Данные должны отражать истинные значения или положение дел. Например, показания неправильно настроенного термометра, ошибка в дате рождения или устаревший адрес — это все примеры неточных данных.
— Взаимосвязанность. Должна быть возможность точно связать одни данные с другими. Например, заказ клиента должен быть связан с информацией о нем самом, с товаром или товарами из заказа, с платежной информацией и информацией об адресе доставки. Этот набор данных обеспечивает полную картину заказа клиента. Взаимосвязь обеспечивается набором идентификационных кодов или ключей, связывающих воедино информацию из разных частей базы данных.
— Полнота. Под неполными данными может подразумеваться как отсутствие части информации (например, в сведениях о клиенте не указано его имя), так и полное отсутствие единицы информации (например, в результате ошибки при сохранении в базу данных потерялась вся информация о клиенте).
— Непротиворечивость. Данные должны быть согласованными. Например, адрес конкретного клиента в одной базе данных должен совпадать с адресом этого же клиента в другой базе. При наличии разногласий один из источников следует считать основным или вообще не использовать сомнительные данные до устранения причины разногласий.
— Однозначность. Каждое поле, содержащее индивидуальные данные, имеет определенное, недвусмысленное значение. Четко названные поля в совокупности со словарем базы данных (подробнее об этом чуть позже) помогают обеспечить качество данных.
— Релевантность. Данные зависят от характера анализа. Например, исторический экскурс по биржевым ценам Американской ассоциации землевладельцев может быть интересным, но при этом не иметь никакого отношения к анализу фьючерсных контрактов на грудинную свинину.
— Надежность. Данные должны быть одновременно полными (то есть содержать все сведения, которые вы ожидали получить) и точными (то есть отражать достоверную информацию).
— Своевременность. Между сбором данных и их доступностью для использования в аналитической работе всегда проходит время. На практике это означает, что аналитики получают данные как раз вовремя, чтобы завершить анализ к необходимому сроку. Недавно мне довелось узнать об одной крупной корпорации, у которой время ожидания при работе с хранилищем данных составляет до одного месяца. При такой задержке данные становятся практически бесполезными (при сохранении издержек на их хранение и обработку), их можно использовать только в целях долгосрочного стратегического планирования и прогнозирования.
Ошибка всего в одном из этих аспектов может привести к тому, что данные окажутся частично или полностью непригодными к использованию или, хуже того, будут казаться достоверными, но приведут к неправильным выводам.
Данные: исходные и подтасованные
Звучное словосочетание «голые факты» вводит в заблуждение. Очень часто данные фальсифицируют по целому ряду причин. Знание, как можно подтасовать их, и умение отличить даже хорошо сфабрикованную информацию от правдивой критически необходимо, если вы стремитесь, опираясь на данные, выигрывать любые обсуждения. А если вы пытаетесь менять привычный уклад вещей, то споры и дискуссии будут возникать постоянно.
Что делать с искаженными данными? Главный урок — со всем возможным скептицизмом относиться к людям, которые сообщают вам информацию и хотят, чтобы вы приняли ее за чистую монету. Существует взаимосвязь между так называемыми вуду-опросами (то есть данными, которые появляются в федеральных изданиях и о которых моментально забывают), и тем, кто за это платит и что при этом происходит в реальности.
Второй урок — следует с крайней подозрительностью воспринимать единичную информацию. Сенсационные результаты привлекают больше внимания, но это не свидетельствует об их истинности. Если взаимосвязь между данными возникает снова и снова, это показатель ее достоверности. Если мы получили совсем другие результаты при повторе эксперимента, возникают вопросы к методу проведения исследования. цифры не врут, но когда их пытаются подтасовать, они искажают действительность.
Принятие окончательного решения
Интуиция или данные? И то и другое. Невозможно вести бизнес на одной интуиции, но, скорее всего, совсем игнорировать внутренний голос тоже нельзя. Секрет в том, чтобы знать, когда к нему стоит прислушаться.
Прежде чем с головой погрузиться в данные, не забудьте провести проверку на практике: во многих случаях при принятии бизнес-решений полезно опираться на как можно большее число данных, и в весьма редких случаях вы сумеете добиться успеха, если будете действовать только на основании информации.
Интуиция — полезный инструмент при принятии решений для выживания, который совершенствовался у человека на протяжении тысячелетий. Для ведения бизнеса важно уметь использовать его, если он обеспечивает лучшую информацию, которую вы можете получить, и если у вас при этом есть время на проведение анализа.
Одним из важнейших аспектов всегда будет фактор времени. От данных мало пользы, если вы не можете получить их до того момента, когда вам необходимо принять решение. Исследования показывают, что гроссмейстеры в состоянии моментально оценить ситуацию на доске, потому что до этого они проанализировали сотни тысяч положений и могут быстро соотнести, что видят на доске, со своим игровым опытом. Даже если обычные игроки могли бы провести аналогичный анализ, он занял бы у них неизмеримо больше времени.
На самом деле на практике мы всегда используем оба подхода. Если бы мы опирались исключительно на рациональные данные, то во главе всех лучших компаний в мире должны были бы стоять бухгалтеры и специалисты по работе с информацией.
По материалам книги «Аналитическая культура» и «Управление на основе данных».
