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.

Во-первых, убедитесь, что люди знают, как использовать инструменты. Электронные таблицы Excel по-прежнему очень важны: программе уже 35 лет, ее использует каждый пятый взрослый на планете. Функции построения отчетов и аналитики есть во многих программах, но для большинства пользователей (не имеющих возможности использовать бизнес-аналитику в полной мере) Excel — хороший общеупотребительный инструмент, чтобы всегда иметь перед глазами все свои данные и в особенности сводить и сопоставлять данные из разных и несовместимых источников (включая все еще повсеместно распространенный файл CSV). Чтобы расставить для себя приоритеты в обучении, взгляните на инфографику 100 функций Excel, упорядоченную по принципу полезности.

Во-вторых, создайте академию компетенций по работе с данными, где сотрудники смогут усовершенствовать конкретные связанные с их работой навыки. Учреждают подобные академии руководители бизнеса (в идеале вплоть до генерального директора), заботясь о навыках работы с данными в своей фирме. Слишком часто корпоративные учебные системы общего назначения изначально затеваются как программы для всех и каждого и, не имея конкретной цели, мало чем оказываются полезны хоть для кого-нибудь. Если академия навыков работы с данными будет организована в рамках программы изменений, о реализации которой компания открыто заявила, то у нее больше шансов на успех. Тщательно отберите необходимые вашему рабочему коллективу компетенции по работе с данными и разработайте каркас навыков. На его основе организуйте события, людей, курсы, подкасты, видео и статьи, которые будут вызывать интерес. Остальное отсеките. Даже если вы хотите улучшить навыки работы с данными у большого числа людей, вам, скорее всего, понадобятся сотни, а не тысячи возможностей для обучения. Качество важнее количества.

В-третьих, используйте примеры и истории в информационно-просветительских кампаниях, чтобы научить и вдохновить других правильно использовать данные. Если компания рассчитывает осуществить масштабные стратегические изменения на основе данных, представьте результаты всей организации в целом, чтобы сотрудники увидели примеры успешного применения данных. Например, Starbucks применяет ИИ для обработки данных мобильного приложения, чтобы оптимизировать предложения новых напитков для клиентов. Netflix обширные массивы данных помогают не только в персонализации контента на платформе, но и в его создании контента. PepsiCo использует визуализацию данных для принятия принципиальных решений в отношении продаж.

Такие истории, вероятно, будут затрагивать не одно, а несколько структурных подразделений и функциональных областей: большая маркетинговая кампания с использованием A/B-тестирования; в чем заключались гипотезы А и В; что произойдет дальше в нашем новом экспериментальном проекте; анализ состояния запасов, который выявил неэффективность, более оптимальное управление запасами и экономия средств; отчет о продажах, по данным которого выявлены наиболее прибыльные клиенты, и в результате значительное увеличение выручки; опрос для оценки вовлеченности сотрудников и появление в соцпакете компании очень востребованных корпоративных бонусов. Все это потенциально значимые для многих рабочих коллективов эмоциональные истории работы с данными.

В первую очередь, акцентируйте внимание не на самих навыках работы с данными, а на преимуществах владения ими. Статистика, поиск, проверка ошибок и т. д. — все это может быстро отпугнуть. Но основные преимущества обучения могут оценить все: способность критически оценивать и грамотно принимать решения, а еще уверенность при принятии этих решений. Используйте реальные истории успеха, чтобы придать конкретики этим расплывчато звучащим преимуществам.

В-четвертых, закладывайте данные во все важные решения. «Какие данные у нас есть или какие данные нужно получить, чтобы подтвердить или опровергнуть это экономическое обоснование?» — вопрос, который должен возникать по умолчанию. Когда вам представляют данные, используемые в качестве доказательства конкретного бизнес-решения, поощряйте людей расспросить (уважительно) того, кто об этом говорит. Надежны ли источники данных? Правильно ли выполнен анализ? Какие проверки были сделаны? Подтверждают ли другие источники эту историю? Насколько важно принимаемое решение? Какие дополнительные доказательства нам понадобятся, чтобы действовать?

Один из способов опираться на данные при принятии решений — передавать релевантные данные в режиме реального времени в руки руководителей младшего звена и требовать их учитывать. Например, онлайн-магазин Warby Parker вырастил большую команду специалистов по обработке и анализу данных, но, что более важно и необычно, возлагает ответственность за данные на каждого, включая персонал торговых точек. Один крупный оборонный подрядчик предоставляет всем своим менеджерам набор высокоэффективных инструментальных панелей для измерения «здоровья кадров», включая показатели вовлеченности сотрудников, рейтинги и другую информацию о работниках. Совершенно новый набор «платформ действий» для менеджеров теперь доступен для приобретения у поставщиков во всех сферах бизнеса.

Грамотность в работе с данными стала важной почти для всех. Компаниям требуются специалисты, способные интерпретировать данные, выявлять закономерности и, в первую очередь, задавать правильные вопросы. Такие навыки может развить каждый, и сейчас у работников появилось много способов совершенствовать свои навыки, а у компаний — поддержать их, расширить их компетенции и стимулировать изменения. И правда, сами данные предельно ясно показывают: принятие решений на основе данных заметно повышает эффективность бизнеса.

Об авторах

Джош Берсин (Josh Bersin) — основатель консалтинговой компании Bersin by Deloitte и исследовательской Академии Джоша Берсина, специализирующейся на развитии специалистов из сферы HR и бизнеса. Берсин — спикер и эксперт с мировым именем в области управления персоналом.

Марк Зао-Сандерс (Marc Zao-Sanders) — генеральный директор и соучредитель компании Filtered, которая специализируется на разработке образовательных технологий и использовании ИИ для повышения продуктивности через обучение.