Пять правил, которые помогут вашей команде научиться работе
с данными

Все мы видели статьи о программах распознавания лиц, которые не различают людей с темной кожей, или об автоматических системах одобрения кредитов, которые отказывают в ипотеке представителям определенных групп. Исследования все чаще показывают: если алгоритм разработан нерепрезентативной группой, он приводит к тому, что ИИ лишь усугубляет существующее в обществе неравенство. И чем больше компаний используют данные и ИИ, тем серьезнее может стать проблема алгоритмической дискриминации.

Большинство компаний уже это понимают — и теперь они пытаются понять, как им самим не стать еще одним дурным примером.

Короткий ответ таков: каждый должен критически оценивать и анализировать механизмы сбора и использования данных. Нужно расширить круг людей, которые занимаются проектированием, разработкой и мониторингом алгоритмов. Это единственный способ разработать ответственный ИИ. А для этой работы нужна грамотность в сфере данных. Люди должны научиться читать и структурировать сложные данные, интерпретировать и обобщать информацию, делать предсказания и понимать этические последствия работы алгоритмов. Наука о данных в чем-то похожа на математику: в ней есть много разных дисциплин, ее можно изучать на любительском или на профессиональном уровне, и вообще зачастую это скорее практическая, чем научная дисциплина.

Кроме того, повышение грамотности в сфере данных может поспособствовать диверсификации команд, которые принимают ключевые решения о сборе, обработке и внедрении данных. Эти команды должны быть разнообразными — я понял это на собственном опыте больше десяти лет назад, еще когда был менеджером квантового фонда. Многие понимают, что инвестиционные портфели нужно диверсифицировать, потому что диверсификация снижает риск. Но разнообразные команды тоже работают лучше, потому что диверсификация снижает риск шаблонного группового мышления. Сделав ставку на повышение грамотности сотрудников в работе с данными, компании получат больше разнообразных, креативных мнений. Это поможет им как снизить риск алгоритмической дискриминации, так и найти с помощью данных новые выгоды и возможности.

Однако цифры показывают, что большинству компаний по-прежнему не удается развить грамотность в сфере данных. 90% бизнес-лидеров называют грамотность в сфере данных ключом к успеху бизнеса, но только 25% сотрудников заявляют, что уверены в своих навыках работы с данными. Более того, по некоторым оценкам, почти 90% специалистов по данным — белые, и только 18% — женщины. Исследование General Assembly указывает, что по кадровому разнообразию отрасль работы с данными отстает даже от других технических дисциплин — например, цифрового маркетинга и UX-дизайна.

Так почему же компании не проводят систематическое и масштабное обучение навыкам работы с данными, несмотря на явную необходимость и растущую важность этой задачи? Именно этот вопрос я изучаю в последние несколько лет. В компании Correlation One, сооснователем которой я стал в 2018 году, после того как ушел из фонда, мы работаем с сектором финансовых услуг и организациями из списка Fortune 500 и стремимся построить более инклюзивные траектории в сфере науки о данных. Мы помогаем разным работодателям — от Target и Johnson & Johnson до правительства Колумбии — раскрыть потенциал их кадров, а также бесплатно обучаем начинающих специалистов по данным (например, в рамках партнерства с SoftBank и правительством города Майами). Поэтому мы находимся в идеальной позиции, чтобы увидеть срочную потребность в грамотных кадрах, и помогаем компаниям внедрять конкретные тактики для воплощения этой цели в реальность.

Вот некоторые из наших принципов.

Грамотность в сфере данных должна стать приоритетом всей организации, а не только технических отделов

Грамотность в сфере данных — это не технический, а общепрофессиональный навык. Постарайтесь развить его у всех сотрудников: маркетологов, продажников, операционного отдела, продакт-менеджеров и т. д. Проводите ежеквартальные сессии и обсуждайте на них такие темы, как принятие решений на основе данных, искусство возможного в сфере ИИ, связь данных с бизнесом, этикой и ИИ, коммуникации через данные. Уделяйте внимание всей организации в целом: это основа для перехода к культуре работы с данными.

Разработайте общий язык, чтобы говорить о данных, о том, как они соотносятся с вашим бизнесом и отраслью, и о том, как данные меняют распределение ролей в вашей компании

Мир данных велик, в нем много громких слов и тумана. Поймите, какие аспекты грамотности в сфере данных особенно важны для вашей организации. Например, если вы занимаетесь финансовыми услугами, это будут теория вероятностей и риск-менеджмент, а для ИТ-компании — эксперименты и визуализация. Используйте на занятиях соответствующую терминологию и включайте ее в обучающий контент. Покажите, как она связана с разными отделениями вашего бизнеса, чтобы сотрудники могли понимать, как соотносится грамотность в сфере данных с их работой.

Создавайте для сотрудников возможности применять концепции работы с данными в решении задач бизнеса

Мы в Correlation One рекомендуем всем нашим клиентам: помогите своим сотрудникам придумывать новые бизнес-идеи, которые позволят им применять навыки работы с данными на практике. Например, предположим, что ваша компания работает в музыкальной индустрии. В рамках программы обучения и развития попросите сотрудников разработать проекты, в которых они могли бы использовать свои новые знания в области данных и свое понимание отрасли. Может быть, те придумают свежие идеи, которые помогут вам сэкономить или заработать. Но не менее важно, что так вы будете стимулировать развитие культуры данных «снизу вверх».

Создайте структуры мотивации, которые бы вознаграждали принятие решений с опорой на данные

Включите в текущий процесс одобрения проектов или распределения бюджетов механизмы, поощряющие мышление с опорой на данные. Например, обяжите менеджеров добавлять в свои предложения наглядные визуализации или строить системы количественного отслеживания KPI в реальном времени. Если вы будете более оперативно одобрять проекты, основанные на данных, и увеличивать их бюджеты, это поможет быстрее добиться от менеджеров необходимых изменений в принятии решений — они станут руководствоваться не интуитивной логикой, а данными.

Запустите программы обучения навыкам работы с данными, которые соответствуют задачам вашего бизнеса и в которых действительно заинтересованы сотрудники

Подписки на программы обучения наподобие Coursera не всегда приносят пользу организациям, которые стремятся к долгосрочной трансформации. Дело в том, что обучение проходит намного эффективнее, если оно социально (проходит в группах), персонализировано (с обратной связью от экспертов) и контекстуализировано (напрямую связано с бизнес-проблемами, которые нужно решать компании). На разработку таких персональных, социальных и контекстуальных программ обучения нужно больше ресурсов, но преимущества в вовлеченности сотрудников в материал, качестве его запоминания и уровне подготовки специалистов того стоят.

Но вот, пожалуй, главное, что я понял в Correlation One и еще раньше: данные — это не вертикаль. Иными словами, данные не сводятся к одной ветке должностей (специалистов или инженеров по данным). Данные — это горизонталь, набор навыков, который касается все большего числа позиций в разных сферах. Маркетолог, продакт-менеджер или любой другой специалист только выиграют за счет умения работать с данными. Не всем нужны навыки программирования, но навыки работы с данными скоро понадобятся каждому.

В конце концов, грамотность по вопросам данных — это не только про машинное обучение, data science или искусственный интеллект. Грамотность по вопросам данных нужна, потому что мы живем в мире, который полон данных.

Об авторе

Рашид Сабар (Rasheed Sabar) — сооснователь и исполнительный содиректор компании Correlation One, которая разрабатывает программы обучения навыкам работы с данными в организациях. Компания строит инклюзивную экосистему работы с данными, в том числе через программы по привлечению в эту сферу женщин и недостаточно представленных групп.