Перестаньте искать суперменов в
отделе аналитики

Обработка данных стремительно развивается. За последние пять лет компании потратили миллиарды долларов, чтобы создать команды из лучших айтишников и, набрав зеттабайты данных и прогнав их через умные алгоритмы, выловить значимые сигналы среди шумов. И кое-где это приносит плоды: данные начинают менять наш мир в таких непохожих сферах, как перевод текста, розничные продажи, здравоохранение и баскетбол.

Истории успеха есть, но компаний, которые до сих пор не получают от своей аналитики больших выгод, тоже немало. Четкие и выверенные подходы к обработке информации не гарантируют практической пользы от всего процесса: он дает сбой на последнем этапе, когда приходит время объяснить выводы аналитиков людям, принимающим решения.

На анкету, выложенную на платформе по анализу данных Kaggle в 2017 году, откликнулось более 7 тыс. аналитиков. Выяснилось, что из семи основных барьеров, с которыми они сталкиваются по работе, четыре носят организационный характер: «недостаток управленческой/ финансовой поддержки», «отсутствие четко поставленных вопросов, на которые нужно найти ответ», «отказ руководства использовать полученные результаты», «непонимание людьми сути аналитики». Эти результаты совпадают с теми, что привел в своем подкасте специалист по данным Хьюго Баун-Андерсон, опросивший

35 ведущих аналитиков. В статье на HBR.org в 2018 году он писал: «Подавляющее большинство моих гостей рассказали, что главное, что должен уметь аналитик, — это учиться на лету и много общаться: без этого не ответить на вопросы бизнесменов и не объяснить сложные результаты неспециалистам».

Общаясь с аналитиками и руководителями фирм на моих лекциях и консультациях по визуализации и презентации данных, я часто слышу нотки разочарования. Специалисты по данным сетуют, что накопали немало ценной информации, но ею никто не пользуется: топ-менеджеры попросту не понимают, как все это работает, либо смотрят на данные как на панацею, способную дать ответ на любой вопрос. Управленцы-коммерсанты жалуются, что обильные инвестиции в аналитику не приносят отдачи. На самом деле результаты есть — просто их никто не перевел на понятный руководству язык.

Люди бизнеса и технари всегда плохо понимали друг друга, но в нашу эпоху пропасть стала еще глубже. 105 лет назад инженер Виллард Бринтон начал свою главную книгу «Графическое изображение фактов» с описания знакомой нам проблемы: «Сплошь и рядом какой-нибудь член комитета или совета директоров по незнанию дела или вследствие своего самомнения отвергает тщательно продуманный план знающего человека только потому, что его автор не сумел представить собранные им факты настолько убедительно, чтобы опровергнуть возражения <…> Для факта его интересная подача — это то же самое, что для фундамента — воздвигнутый на нем храм».

Почему же мы сто лет не можем преодолеть разрыв? Как и у каждой глубинной проблемы, у него сразу несколько причин. Во-первых, бытует представление, что тот, кто данные обработал, тот и должен их презентовать. Оно связано с тем, что в пакеты программ для анализа данных включены и инструменты их визуализации. Но на самом деле в таких пакетах модули анализа весьма изощренные, а вот «картинки», наоборот, примитивные. Стандартные средства не идут в сравнение с продуманной, качественной инфографикой — разработчики пакетов и не ставят себе такой цели. Многие специалисты по работе с данными прямо говорили мне, что терпеть не могут визуализацию с ее неизбежными упрощениями и огрублениями, из-за которых топ-менеджеры делают выводы без учета нюансов, свойственных научной картине. Сейчас организации гоняются за специалистами по данным, нанимать высоколобых технарей стало модно, и никто не думает о том, захотят ли и смогут ли они делиться своими выводами с неподготовленной аудиторией.

Все было бы ничего, если бы в пару к ним нанимали переводчиков с технического языка на деловой, но никто об этом не думает. Руководители компаний до сих пор ожидают, что одни и те же люди будут и готовить данные, и анализировать их с точки зрения нужд и стратегий бизнеса, и делать красивые графики, и представлять их неспециалистам. Но такого не бывает.

Чтобы начать исправлять ситуацию, нужно перестать искать суперменов и изменить взгляд на состав аналитического отдела. В статье предлагается решение для тех, кто не получает выгод от работы аналитиков. Я рекомендую добавить в команду новых специалистов. Переукомплектованный аналитический отдел станет кросс-дисциплинарным: носители разных умений могут работать в тесной связке и каждый станет понимать, чем занимаются другие. Работу будут не передавать от одной группы к другой, а делать ее вместе.

Командный подход (не новый, но по-новому примененный) поможет аналитическому отделу преодолеть бездну между технарями и бизнесменами и создаст новую ценность в организации.

Почему все не так?

В ХХ веке пионеры современного менеджмента овладели продвинутыми методами превращения данных в графики и диаграммы, на основе которых можно принимать решения. Для этого они вели проекты с перфокартами, сортировкой данных, рисовальщиками и управленцами. В книге Бринтона приведена масса примеров результатов такой работы. Дальше всех продвинулись железнодорожные и крупные промышленные компании: они находили эффективные логистические схемы, обеспечивали выполнение плана продаж и даже оптимизировали графики отпусков. Командный подход процветал до конца XX века. Мэри Элеанор Спир в книге 1969 года «Practical Charting Techniques» описывает обязанности идеальной команды и ее состав: коммуникатор, график-­аналитик и рисовальщик. «Желательно, — подчеркивает Спир, — чтобы все трое работали сообща».

Однако в 1970-х ситуация начала меняться. Ученые перешли на новые технологии, позволявшие визуализировать данные там же (на компьютере), где велась их обработка. Представление было несовершенным, но получалось быстро и не требовало внешней поддержки. Компьютерная визуализация стала наступать на традиционную инфографику, которую рисовали вручную.

Окончательный разлом произошел с появлением в Excel от Microsoft функции Chart Wizard: теперь визуализация стала доступна каждому. Любой сотрудник мог мгновенно построить диаграмму и даже добавить ей выразительности: сделать столбцы трехмерными или превратить унылую круговую диаграмму в изящный бублик. Значимость этого сдвига трудно переоценить: компании начали общаться на языке инфографики. Данные стали использовать все чаще, и это вызвало мощное развитие аналитики: она обещала превратить в наглядную картинку объемы данных, неподвластные дизайнеру-­человеку. Все это, прежде всего, изменило саму структуру работы. Специалисты по инфографике (бывшие рисовальщики) оказались ненужными и постепенно ушли из сферы аналитики. Визуализация стала обязанностью тех, кто работал с данными, но в большинстве своем они никогда ей не учились, да и не считали это необходимым. Вставить график из Chart Wizard в презентацию было намного быстрее и удобнее, чем тратить время и ресурсы на рисование картинок. Про инфографику забыли, хотя она и была более наглядной.

Обязанностей у тех, кто занимается аналитикой, все прибавлялось (в нее вошли программирование, статистический анализ и алгоритмическое моделирование), но окружающие продолжали считать, что эти же люди должны отвечать и за представление результатов.

В программной статье «Специалист по данным: самая востребованная профессия XXI века» (Томас Дейвенпорт и Д. Дж. Пэтил, «HBR Россия», ноябрь 2012 года) эта роль описана в совершенно суперменских эпитетах: «Что это за люди? Какие таланты нужны им? Считайте, что это — хакер, аналитик, штатный “умник” и консультант в одном лице. Очень мощный коктейль — и очень редкий».

Но, если самая востребованная профессия требует очень редкого сочетания умений, многие организации просто не смогут нанять нужного специалиста. Значит, проблему надо решать по-другому. Правильнее всего будет изменить подход к комбинации умений, требуемых от аналитиков, посмотреть, каких им недостает, и добавить в команду людей, которые ими обладают.

ИЗУЧИТЕ ВОЗМОЖНОСТИ СОТРУДНИКОВ…

Чтобы лучше планировать проекты и подбирать команды, менеджерам стоит провести аудит талантов. Прежде всего, определите, какие умения вам нужны…

Затем установите, кто что умеет, и оцените глубину проникновения каждого умения в коллективе.

…И ИЗВЛЕКИТЕ ИЗ НИХ ПОЛЬЗУ

Поняв, какие умения находятся в его распоряжении, менеджер может правильно распределить их по проектам. Скорее всего, на разных стадиях проекта пригодятся разные умения, и только проект-менеджмент будет актуален на всем его протяжении.

Как связать аналитику с жизнью

Полезный для бизнеса коллектив аналитики должен следовать заповедям Бринтона и Спир, но в современных условиях, то есть с учетом взрывного роста объемов данных, автоматизации систем и развития приемов визуализации. И конечно, нынешние проекты очень разнообразны: от сравнительно простого отчета (например, финансового) до сложнейших выкладок с большими данными и новейшими самообучающимися алгоритмами. Итак, вот четыре шага к построению такого отдела.

1.

Определитесь с нужными умениями (но не должностями). Кажется логичным, что отказ от идеи супермена — мастера на все руки — повлечет найм разных людей на разные роли: обработчика данных, аналитика, дизайнера и коммуникатора.

Не совсем так. Лучше мыслить не ролями, а необходимыми умениями. У одного сотрудника их может быть несколько: скажем, три участника команды закрывают пять умений. Это важно обеспечить, чтобы команды можно было гибко переконфигурировать на разных стадиях проекта (об этом ниже). Список умений, нужных конкретной компании, будет меняться, но базовый набор обычно включает шесть описанных ниже.

Управление проектами. Поскольку ваша команда должна уметь адаптироваться под тип и этап проекта, ей понадобится сильный руководитель со знанием методологий наподобие скрама. У подходящего менеджера должны быть отличные навыки организатора и дипломата: ему предстоит сплачивать очень непохожих специалистов и помогать им говорить на одном языке.

Подготовка данных. Компетенции, составляющие это умение, включают в себя построение систем, поиск, очистку и структурирование данных, а также создание и поддержку алгоритмов и других статистических инструментов. Люди с талантом к подготовке данных будут постоянно искать способы оптимизации работы — например, путем разработки процессов, подходящих для проектов разного вида, и шаблонов для надежного и предсказуемого визуального результата (на их основе будет строиться инфографика).

Анализ данных. Важнейшая способность формулировать и проверять гипотезы, находить смысл данных в контексте конкретного бизнеса на удивление мало представлена в реальных аналитических отделах.

В целом ряде организаций трудится множество специалистов по подготовке данных, которые вынуждены заниматься также и их анализом. Однако анализ — это не программирование и не математика. Это умение чаще встречается не у компьютерщиков, а у гуманитариев. Софтверная компания Tableau назвала проникновение «семи свободных искусств» в анализ данных одним из важнейших трендов аналитики 2018 года. Критическое мышление, умение рассматривать явление в контексте и другие аспекты гуманитарного знания важны в аналитике (данных или любой другой). Научный сотрудник Tableau Майкл Коррелл в своей онлайн-лекции на эту тему поясняет, почему привлечение гуманитариев столь важно. «Данные невозможно изучать в отрыве от человека, — утверждает он. — Гуманитарные науки как никакие другие помогают нам включиться в происходящее и разобраться в контексте. Они высвечивают человеческий взгляд так, как, вероятно, неспособны технологии».

Понимание области деятельности компании. Пора отказаться от стереотипа, будто отдел данных живет в бункере, производит там свои непостижимые для простого человека вычисления и выходит на свет, только когда компании что-то от него надо. Аналитика больше не является обслугой, она должна обладать собственной направляющей волей. Люди, разбирающиеся в сути и стратегии бизнеса, смогут влиять на планирование проектов и ход анализа, чтобы работа отдела была нацелена прежде всего на пользу компании (а не на совершенствование статистических моделей). Например, Хоакин Кандела, управляющий прикладным машинным обучением в Facebook, приложил массу усилий, чтобы переориентировать свою команду с сугубо научных на деловые цели.

Оформление результатов анализа. Это умение часто недооценивают. Речь здесь идет не о дизайне как о подборе цветов, шрифтов и симпатичных форматов диаграмм. Да, стиль — существенная часть инфографики, но далеко не самая важная. Люди с этим умением разрабатывают и воплощают в жизнь целые системы эффективной визуальной коммуникации. В нашем контексте они призваны уловить, какие подходы к созданию и оттачиванию наглядных материалов помогут привлечь внимание аудитории, и точно донести идеи аналитиков. Умение оформлять информацию (понимать и умело использовать приемы визуализации данных) совершенно необходимо для аналитического отдела.

Изложение результатов в виде связных историй. Нарратив — мощнейшее изобретение человечества, прискорбно мало используемое в аналитике. Превращение знаний и выводов в истории — самый естественный способ устранения коммуникационного разрыва между наукой и бизнесом. Популярный оборот «сторителлинг данных», однако, часто понимается неверно. Никто не призывает превратить вашего аналитика в Стивена Кинга или Тома Клэнси, но понять принципы и приемы построения повествования и применить их к визуализации и подаче данных — необходимое умение.

2.

Создайте набор нужных умений. Выяснив, каких умений недостает, объясните своим рекрутерам, что им предстоит подобрать не кандидатов на должность, а кандидатов с нужными умениями. Нередко разные таланты соединяются в одном человеке: например, способность к инфографике и сторителлингу, талант к обработке и анализу данных. Важно помнить, что какие-то из этих умений можно отыскать на стороне. Я и сам собираю вокруг себя людей, обладающих умениями в областях, где сам я слаб. Вы можете привлечь к работе фирму по инфографике или заключить договор со специалистами по подготовке данных, которые очистят и структурируют новые потоки информации для ваших сотрудников. В попытках решить проблему подачи аналитики компаниям полезно рассматривать умения отдельно от сотрудников: так они перестанут искать человека, который бы и обрабатывал, и представлял данные. Наличие в команде специалиста по инфографике освободит технарей от попыток делать то, что у них выходит не очень. При этом откроются двери для людей, которых незаслуженно забыли. Например, неблестящий кодер вполне может оказаться вам полезен при наличии достойных навыков в инфографике.

Рэндал Олсон, ведущий специалист по данным компании Epigenetics и куратор посвященного визуализации данных канала Data Is Beautiful на платформе Reddit, раньше обращал внимание только на техническую сторону вопроса: «Признаюсь, когда я начинал, то вообще не задумывался о коммуникативном аспекте. Полагаю, это у многих так». Но потом он несколько изменил подбор сотрудников: «Знаете, как бывает: люди приходят, и мы сразу начинаем набрасывать математические модели. Мы общаемся, как профи с профи. А теперь я начал иногда приглашать к разговору неспециалистов и просить кандидата объяснить им свои модели».

3.

Познакомьте членов команды с новыми для них умениями. Чтобы преодолеть разрыв культур, надо, чтобы люди поняли, как работают другие. Специалисты по инфографике часто ничего не знают о статистике и алгоритмах. Их дело — эстетический эффект, простота, ясность и связность. Им трудно самим осознать всю глубину и сложность выводов из обработанных данных. Узкие специалисты по данным, наоборот, сосредоточены на объективности, статистической выверке и полноте. Они не задумываются о том, как подать результат. «Это все нам чуждо, — заявил мне менеджер аналитического отдела крупной технологической компании. — Я занимался только данными 10 лет и сформировался в этом ключе, но, когда понадобилось собрать команду, у меня открылись глаза. Я понял, что если мы научимся хоть немного более наглядно излагать, то сможем добиться значительно большего».

Показать сотрудникам ценность чужих умений можно разными способами. Например, дизайнеры могли бы пройти ознакомительный курс статистики, а обработчики данных — освоить начала инфографики. Безусловно, не нужно становиться экспертом в новой для себя области — достаточно увидеть красоту чужого мира.

На летучках и других встречах надо стараться собирать людей из разных сфер. Если у вас скрам-собрание по техническим вопросам, попробуйте позвать на него маркетолога, готовящего презентации: так поступают в компании Олсона. Бизнесмены могут пригласить на стратегические совещания специалистов по подготовке и анализу данных. Кроме того, устранить непонимание помогут специальные встречи, где аналитики и те, кто будет применять их результаты, смогут задавать друг другу вопросы. Эрик Колсон, директор по алгоритмам в Stitch Fix (сам почти супермен: обладает навыками и статистика, и коммуникатора), просит каждого сотрудника отдела выступить с одноминутной презентацией перед неподготовленной аудиторией, чтобы научиться формулировать сложные темы общепонятным языком. «Сотрудники до сих пор помнят, — рассказывает Колсон, — как один аналитик пытался объяснить статистическую задачу через образ связки кокосов. Для нас очень важно, чтобы люди умели приводить наглядные сравнения: ведь бизнесмены никогда не станут делать то, чего не понимают». Другой менеджер аналитического отдела составил глоссарий терминов для технарей и дизайнеров, чтобы представители разных профессий могли понимать сленг друг друга.

Если в вашей организации есть уникумы, которые, подобно Колсону, разбираются и в коммуникациях, и в дизайне, из них могут выйти отличные наставники. Постарайтесь поддержать в сотрудниках интерес к изучению незнакомой специальности, даже если она очень далека от их собственной (как, например, инфографика от подготовки данных). На семинарах аналитики не раз говорили мне, что хотели бы научиться создавать эффектные презентации и убедительно рассказывать о своих результатах, но им некогда овладеть этим. Другие мечтали пригласить соответствующих специалистов в отдел, но проект-менеджеры, сосредоточившись на технической стороне, игнорировали деловую.

Культурный обмен призван обеспечить взаимопонимание людей с разными умениями. Понимание рождает доверие — важнейшее условие эффективного сотрудничества. Эрик Колсон вспоминает, как использовал сторителлинг для объяснения результатов анализа данных: «Один раз я делал презентацию по проблеме мерчендайзинга: мы явно подходили к нему неправильно. Надо было убедить в этом самих мерчендайзеров». Вместо того чтобы толковать коллегам о бета-биномиальном распределении и других статистических доказательствах своей точки зрения, Колсон рассказал им о том, что будет, если вынимать наугад из мешка шарики разного цвета: как будет меняться со временем соотношение цветов. «Народу явно понравилось, — говорит он. — Было видно, что люди поняли идею и убедились в ее разумности. Не пришлось даже приводить соответствующие расчеты. Мне уже поверили».

4.

Выстройте проекты вокруг умений. Собрав комплект умений, можно начинать работу над полезными вещами. Поскольку на разных стадиях проекта требуются разные умения, управлять такими проектами непросто. Чтобы перераспределять людей, перебрасывать ресурсы и согласовывать напряженные графики, требуются сильные навыки проект-­менеджмента и опыт применения эджайл-методов.

ОСНОВНЫЕ КОМПЕТЕНЦИИ ДЛЯ ПРЕДСТАВЛЕНИЯ ДАННЫХ

Ниже представлена схема использования различных компетенций в ходе реализации аналитических проектов — от сбора данных до формирования результатов и представления их заинтересованным лицам.

                                                                                                                                                                       

Умение	Задачи	Компетенции	Ведущая роль	Роль второго плана
Управление проектами	• Управление формированием команды, постановкой сроков и графиком работы • Распределение ресурсов • Исправление ошибок	• Организация труда • Выбор методологии (например, скрама) • Управление людьми	• Во время планирования аналитического проекта • Во время формирования и реализации проекта	• Текущие аналитические процессы
Подготовка данных	• Поиск, очистка и структурирование данных • Разработка и внедрение систем, алгоритмов и моделей обработки и визуализации данных • Разработка шаблонов и систем для повторяющихся процессов	• Кодирование • Статистика • Архитектура систем	• В начале существования рабочей группы обработчиков данных • В начале работы по проекту	• При рутинном анализе данных, тестировании гипотез  и визуальном изучении данных
Анализ данных	• Разработка и тестирование гипотез по данным и их моделям • Поиск шаблонов и полезных трендов для обоснования бизнес-решений	• Статистика • Научный метод • Критическое мышление • Техническая и нетехническая коммуникация	• При рутинном анализе данных, планировании проектов, тестировании гипотез и визуальном изучении данных	• В начале существования рабочей группы обработчиков данных • В начале планирования проектов • В ходе разработки визуальных коммуникаций и презентаций для неспециалистов
Понимание  области деятельности компании	• Определение бизнес-целей • Разработка и тестирование гипотез • Разработка нетехнических коммуникаций	• Функциональные знания • Критическое мышление • Разработка стратегии • Нетехнические коммуникации	• При планировании проектов, тестировании гипотез и визуальном изучении данных • Во время представления данных неспециалистам	• На ранних этапах существования рабочей группы обработчиков данных • В ходе подготовки визуализации и оформления результатов
Оформление результатов анализа	• Разработка визуальных коммуникаций и презентаций • Создание шаблонов и стилей для повторной визуализации	• Инфографика • Дизайн презентаций • Дизайн-мышление • Убедительность изложения	• В ходе визуализации данных, создания презентаций и визуальных систем (шаблоны)	• В ходе визуальных итераций и прототипирования
Изложение результатов в виде связных историй	• Разработка историй на базе данных и визуальных материалов • Помощь в создании презентаций в формате историй • Презентация неспециалистам	• Инфографика • Написание и редактура текстовой части • Презентация • Убедительность изложения	• В ходе визуализации данных, создания презентаций • В ходе презентации неспециалистам	• В ходе визуальных итераций и прототипирования

Чтобы все работало

Для успеха проектов понадобится сделать еще ряд шагов.

Назначить полномочного ответственного. Возможно (и даже вероятно), что не все сотрудники, чьи умения вам понадобятся, окажутся в составе аналитического отдела. Инфографик может оказаться маркетологом, а эксперт по предметной области — топ-менеджером, подотчетным гендиректору. Кем бы они ни были, необходимо дать им максимум независимости в принятии решений. Результаты работы отдела чаще всего понадобятся людям, которые хорошо знают дела компании и заботятся о ее целях (или непосредственно отвечают за показатели): в конечном счете, аналитика нужна для улучшения результатов бизнеса. Такие люди в состоянии поставить перед аналитической командой общую цель и мотивировать всех на ее выполнение. Очень желательно избежать ситуации, когда на руководителя возложили ответственность, но не дали полномочий (в этом случае команда мечется между начальниками, тянущими ее в разные стороны).

Разделить умения на основные и вспомогательные. Роли лидеров и ассистентов должны зависеть от типа и этапа проекта. Например, если процесс сугубо исследовательский, с обработкой и визуализацией массивов данных для выявления паттернов, в нем основными станут умения по подготовке и анализу, а вспомогательными — понимание сферы деятельности компании. Поскольку внешняя коммуникация на этом этапе не требуется, навыки инфографики могут оказаться вообще не задействованы. И наоборот, при подготовке отчета для совета директоров относительно рекомендованных изменений корпоративной стратегии самыми востребованными окажутся сторителлинг и инфографика, а специалисты по данным будут выполнять вспомогательную работу.

Физически объединить команду. Постарайтесь, чтобы в ходе проекта все сотрудники отдела трудились в одном физическом пространстве. Создайте также единое виртуальное пространство для общения и совместной работы. Избегайте ситуаций, когда дизайнеры и редакторы начнут работать в Slack, технари уйдут в GitHub, а деловые люди продолжат привычно общаться по электронной почте. Применяйте приемы «парного анализа», когда сотрудники буквально сидят рядом и смотрят на один экран, работая поочередно по методам скрама. Те, кто готовит и анализирует данные, могут таким образом дорабатывать модели и тестировать гипотезы, а разбирающиеся в сфере применения данных и умеющие убедительно излагать результаты — шлифовать презентацию, порой призывая на помощь дизайнера для уточнения диаграмм.

Сплотить людей. Единое пространство поможет создать сильную команду. По словам Колсона, «…Stitch Fix не отдают задания на сторону. Мы не собираемся тратить время на координацию работы людей из разных отделов». В этой связи он постарался включить в каждую команду носителей всех умений, необходимых для решения задач с минимумом внешней поддержки. Колсон старается нанимать профессионалов с разными типами умений. Выстроенную модель работы он дополняет регулярной обратной связью, помогая технарям лучше понять суть сторителлинга, а знатокам операций компании — познакомиться с принципами статистики.

Не потерять наработки. Колсон создал «команду алгоритмов для единого интерфейса» — это группа, создающая компьютерные программы для многократного использования в проектах визуализации. Чем больше таких шаблонов, тем эффективнее работает отдел. Разговор между специалистом по инфографике и аналитиком о передовых приемах визуализации может стать основой для создания готового инструмента. Грэм Мак-Дональд, главный аналитик Urban Institute, добился больших успехов в разработке таких решений. Его группа обрабатывает данные для ряда американских округов. Объединив специалистов по подготовке и по сфере использования данных, он добился общего понимания коммуникативных потребностей округов и сумел создать шаблоны многократного использования для представления результатов любого округа. Без совместной работы профессионалов из разных областей такой результат был бы недостижим.

Представление результатов аналитики неподготовленной аудитории, к сожалению, отстает от научно-технического прогресса. Необходимо подстегнуть его развитие, а это значит изменить подход к формированию аналитического отдела, руководству им и распределению сил в нем на каждой стадии процесса — от поступления первых данных в систему до представления правлению последнего слайда презентации. Результаты работы аналитических отделов будут продолжать использоваться не в полную силу до тех пор, пока компании не научатся успешно преодолевать заключительный этап работы. Говоря словами Вилларда Бринтона, иначе наш удел — фундаменты без зданий.

Об авторе. Скотт Беринато (Scott Berinato) — старший редактор HBR, автор книг «Good Charts: Tips, Tools, and Exercises for Making Better Data Visualizations» (Harvard Business Review Press, 2019) и «Good Charts: The HBR Guide to Making Smarter, More Persuasive Data Visualizations» (Harvard Business Review Press, 2016).

* деятельность на территории РФ запрещена