Как победить безграмотность в вопросе данных

В каждой отрасли компании аккумулируют огромные объемы данных. Ритейлеры пристально изучают нашу историю покупок, авиакомпании измеряют, какие факторы влияют на соблюдение графика рейса, отслеживается практически каждый звонок в службу поддержки, электронное письмо и любая активность клиента. Какую пользу несут все эти данные? Они позволяют выяснить, как лучше удовлетворять потребности клиентов, усовершенствовать свои услуги и операции, а также принимать более правильные решения при кадровом отборе.

Мы вступили в золотую эру данных. Не нужно быть Walmart или IBM, чтобы создать озеро данных в своей компании. Благодаря облачным системам это может позволить себе любая компания, и за небольшие деньги.

Но несмотря на все эти данные и огромную, беспрецедентную роль, которую они сегодня играют, одна серьезная проблема все же остается: большинство из нас не умеют интерпретировать данные и не умеют ими пользоваться. Несколько лет назад Национальный центр статистики образования США (NCES) оценил навыки взрослого населения в интерпретации данных и решении задач и обнаружил, что из 23 стран-участниц США занимают 21-е место. Огромный процент трудоспособного населения должен повысить свою грамотность в работе с данными.

Кто несет ответственность за повышение навыков грамотности в интерпретации данных?

Школы и колледжи часто недостаточно квалифицированы для решения проблемы грамотности в интерпретации данных. Математические программы отдают приоритет критически важным основным дисциплинам (математический анализ и алгебра), а не более прикладным предметам, таким как статистика и теория вероятностей. Кампании, агитирующие за больший прагматизм в образовании, — как и эта статья 20-летней давности — остаются в основном без внимания.

Сегодня ответственность перешла от образовательных учреждений к работодателям, где программы развития навыков процветают. В таких компаниях, как Bloomberg, Guardian Insurance и Adobe, теперь есть академии обработки данных и цифровые академии, цель которых — помочь сотрудникам во всех дисциплинах научиться анализировать данные.

Другим работодателям тоже нужно всерьез заняться этой задачей.

Новый взгляд на навыки работы с данными

За последние пять-десять лет нужные нам навыки работы с данными изменились. На заре науки о данных компаниям требовались компетенции в области работы с SQL, умение извлекать данные, нормализовать информацию и владение такими технологиями, как параллельная обработка, анализ больших данных и язык программирования R.

Сегодня, как показывают исследования IBM, многие из этих технологий встроены в платформы обработки данных, поэтому компании интересуют другие навыки. Мало того, что в бизнесе необходимо понимать природу этих систем данных и принципы их работы, нужно также разбираться в том, как настроить надежное управление данными, обеспечить конфиденциальность, безопасность и доверие. По мере того как ИИ становится все более важной составляющей бизнеса, современным специалистам все чаще нужно уметь проверять результаты работы алгоритмов, а не просто исходить из того, что решения системы всегда верны.

Например, недавно мы провели опрос фокус-группы из представителей 20 передовых компаний и выяснили, каких навыков работы с данными не хватает в их организациях. Команды аналитиков рассказали, что в технических компетенциях недостатка нет, другое дело — решение задач на основе данных. Они особо отметили, что многим не хватает навыков для того, чтобы:

• задавать правильные вопросы

• понимать, какие данные релевантны и как проверить достоверность имеющихся данных

• хорошо интерпретировать данные, чтобы результаты были полезными и значимыми

• проверять гипотезы с помощью A/B-тестов, чтобы увидеть, каковы будут результаты

• создавать простые для понимания визуализации, чтобы руководители понимали результаты

• излагать суть, чтобы помочь принимающим решения увидеть общую картину и действовать на основе результатов анализа.

Конечно, нам нужны основополагающие продвинутые навыки работы с данными, но наше исследование показало, что решающее значение имеют связанные с ними соответствующие мягкие навыки.

Цена непонимания контекста данных огромна. Команда аналитиков одного глобального ритейлера обнаружила колоссальные различия в объеме продаж и текучести кадров в своих магазинах. Они оценили корреляцию доходов с различными показателями и пришли к выводу, что торговые точки с большей специализацией рабочих задач и ориентированными на результат командами продаж значительно превосходят по показателям другие магазины. Также в таких компаниях сотрудники более довольны своей работой, текучесть кадров ниже. Команда (которая провела за анализом данных все лето) представила результаты — руководители были впечатлены: есть над чем задуматься. А потом один из присутствовавших спросил: к какому времени года применялся анализ? Оказывается, в рознице активно привлекается временный персонал, и текучесть кадров в этой организации в летний сезон всегда в три раза выше. Этот контекст не был учтен, что сделало первоначальную итерацию анализа в сущности бессмысленной.

В конечном счете результаты получились значимыми, и команда снова приступила к работе и узнала много нового о своем бизнесе. Но базовые навыки консультирования, понимания контекста и четкого определения данных отсутствовали.

Практические решения для расширения компетенций в работе с данными

Навыки работы с данными сейчас важны практически для любой позиции в любой организации. Но поскольку мало в каких компаниях эти компетенции на должном уровне освоены, трудно понять, с чего начать их развитие. Мы призываем сосредоточиться на основах.