Как вытащить из данных максимум

Как вытащить из данных максимум

Как вытащить из данных максимум. Навыки аналитики для неспециалистов

Переводчик М. Кульнева

Редактор Л. Макарина

Главный редактор С. Турко

Руководитель проекта А. Деркач

Корректоры Т. Редькина, Е. Аксенова

Компьютерная верстка А. Абрамов

Художественное оформление и макет Ю. Буга

© Jordan Morrow, 2021

This translation of Be Data Literate is published by arrangement with Kogan Page

© Издание на русском языке, перевод, оформление. ООО «Альпина Паблишер», 2022

Все права защищены. Данная электронная книга предназначена исключительно для частного использования в личных (некоммерческих) целях. Электронная книга, ее части, фрагменты и элементы, включая текст, изображения и иное, не подлежат копированию и любому другому использованию без разрешения правообладателя. В частности, запрещено такое использование, в результате которого электронная книга, ее часть, фрагмент или элемент станут доступными ограниченному или неопределенному кругу лиц, в том числе посредством сети интернет, независимо от того, будет предоставляться доступ за плату или безвозмездно.

Копирование, воспроизведение и иное использование электронной книги, ее частей, фрагментов и элементов, выходящее за пределы частного использования в личных (некоммерческих) целях, без согласия правообладателя является незаконным и влечет уголовную, административную и гражданскую ответственность.

Моей прекрасной жене и пятерым чудесным детям.

Спасибо за поддержку в моем путешествии к дата-грамотности.

Джордана Морроу называют крестным отцом дата-грамотности. Он один из пионеров движения за дата-грамотность и постоянно стремится помогать руководителям и сотрудникам различных организаций раскрывать потенциал данных и аналитики. Вне мира данных Джордан Морроу – счастливый семьянин, у него пятеро детей. Кроме того, он увлеченный любитель бега по пересеченной местности и ультрамарафона.

«Есть три типа лжи – ложь, наглая ложь и статистика».

В этой цитате, которая приписывается самым разным людям, в частности Марку Твену, отражена вся наша сегодняшняя жизнь. Мы живем в мире, где данные – статистика и многое другое – находятся в свободном доступе. Они что-то нам рассказывают, мы черпаем из них информацию. Легко ли нам разобраться во всех данных, которые регулярно к нам поступают? Увы, зачастую они используются и интерпретируются совершенно неправильно. Так можем ли мы что-то с этим сделать?

Мое путешествие в мир дата-грамотности официально началось в июне 2016 года, но первые идеи по этой теме появились у меня еще раньше. Меня называли крестным отцом дата-грамотности и Главным Ботаником (второе прозвище мне и правда нравится). Я долго развивал и совершенствовал свои представления. В этой книге я хочу поделиться своими наблюдениями и помочь вам совершить путешествие в мир данных и аналитики.

Мой подход, возможно, отличается от традиционного, и кое-что в книге покажется вам неожиданным. Для большинства из нас данные стоят далеко не на первом месте в списке самых интересных тем на свете, но лично я ими просто очарован. Мне бы очень хотелось донести до вас правильное представление о мире данных и показать вам, что вы можете сделать, чтобы стать частью этого удивительного мира. Спасибо за то, что решили уделить мне время. Надеюсь, что смогу зажечь в вас искру любопытства и любви к данным: возможно, они смогут изменить вашу жизнь к лучшему, как это произошло со мной.

Задумывались ли вы когда-нибудь о том, какое оно – будущее? Каким, например, станет рынок труда? Неужели роботы и техника действительно монополизируют его и отберут у нас работу? Какие нас ждут открытия и когда уже можно будет заказать летающий автомобиль? Будущее всегда туманно, и мы пока не знаем, какие именно изобретения будут определять наше завтра. Бесспорно, в будущем появятся такие профессии, о которых мы пока даже не догадываемся. Но при всей этой неопределенности можно назвать одну вещь, которая точно станет частью будущего и уже присутствует в нашей жизни, – это данные. Будущее обещает нам множество изобретений и удивительных новых профессий, но этого мы только ждем – а вот с властью данных уже столкнулись. И это навсегда.

Мир данных поразителен, огромен и дает нам всем безграничные возможности для развития. Слишком долго попытки людей и организаций добиться успеха с помощью данных были неубедительными. Это неправильно, и мы должны помочь каждому научиться пользоваться всеми возможностями, которые предоставляет этот неисчерпаемый источник.

Как вытащить из данных максимум

Как вытащить из данных максимум. Навыки аналитики для неспециалистов

Моей прекрасной жене и пятерым чудесным детям.

Спасибо за поддержку в моем путешествии к дата-грамотности.

Джордана Морроу называют крестным отцом дата-грамотности. Он один из пионеров движения за дата-грамотность и постоянно стремится помогать руководителям и сотрудникам различных организаций раскрывать потенциал данных и аналитики. Вне мира данных Джордан Морроу — счастливый семьянин, у него пятеро детей. Кроме того, он увлеченный любитель бега по пересеченной местности и ультрамарафона.

«Есть три типа лжи — ложь, наглая ложь и статистика».

В этой цитате, которая приписывается самым разным людям, в частности Марку Твену, отражена вся наша сегодняшняя жизнь. Мы живем в мире, где данные — статистика и многое другое — находятся в свободном доступе. Они что-то нам рассказывают, мы черпаем из них информацию. Легко ли нам разобраться во всех данных, которые регулярно к нам поступают? Увы, зачастую они используются и интерпретируются совершенно неправильно. Так можем ли мы что-то с этим сделать?

Мое путешествие в мир дата-грамотности официально началось в июне 2016 года, но первые идеи по этой теме появились у меня еще раньше. Меня называли крестным отцом дата-грамотности и Главным Ботаником (второе прозвище мне и правда нравится). Я долго развивал и совершенствовал свои представления. В этой книге я хочу поделиться своими наблюдениями и помочь вам совершить путешествие в мир данных и аналитики.

Мой подход, возможно, отличается от традиционного, и кое-что в книге покажется вам неожиданным. Для большинства из нас данные стоят далеко не на первом месте в списке самых интересных тем на свете, но лично я ими просто очарован. Мне бы очень хотелось донести до вас правильное представление о мире данных и показать вам, что вы можете сделать, чтобы стать частью этого удивительного мира. Спасибо за то, что решили уделить мне время. Надеюсь, что смогу зажечь в вас искру любопытства и любви к данным: возможно, они смогут изменить вашу жизнь к лучшему, как это произошло со мной.

Задумывались ли вы когда-нибудь о том, какое оно — будущее? Каким, например, станет рынок труда? Неужели роботы и техника действительно монополизируют его и отберут у нас работу? Какие нас ждут открытия и когда уже можно будет заказать летающий автомобиль? Будущее всегда туманно, и мы пока не знаем, какие именно изобретения будут определять наше завтра. Бесспорно, в будущем появятся такие профессии, о которых мы пока даже не догадываемся. Но при всей этой неопределенности можно назвать одну вещь, которая точно станет частью будущего и уже присутствует в нашей жизни, — это данные. Будущее обещает нам множество изобретений и удивительных новых профессий, но этого мы только ждем — а вот с властью данных уже столкнулись. И это навсегда.

Мир данных поразителен, огромен и дает нам всем безграничные возможности для развития. Слишком долго попытки людей и организаций добиться успеха с помощью данных были неубедительными. Это неправильно, и мы должны помочь каждому научиться пользоваться всеми возможностями, которые предоставляет этот неисчерпаемый источник.

Данные называют новой нефтью, говорят, что они необходимы как воздух, — избитых штампов и дешевых преувеличений хватает. Но на самом деле данные — это актив, который при правильном использовании может помочь всему человечеству двигаться вперед. С ними легче получать и усваивать знания, они не только готовят нас к будущему, но и закладывают прочное (и в то же время гибкое) основание для него. Такое комплексное понимание мира данных в наше время просто необходимо.

Данные: мир, в котором мы живем

Не секрет, что мы живем в мире, поглощенном технологиями и данными. Вряд ли можно пройти по улице какого-нибудь крупного города вроде Лондона или Нью-Йорка, не увидев людей, уткнувшихся в телефоны, вместо того чтобы смотреть на удивительный мир вокруг и на его обитателей. Убедитесь сами: в следующий раз, выйдя на улицу, посчитайте, сколько людей глядят в экраны, а сколько — смотрят по сторонам. Можете даже прибавить к последним тех, кто болтает друг с другом или приветствует кого-то. Да и сами не забывайте смотреть по сторонам, чтобы избежать неприятных сюрпризов: можно споткнуться о бордюр или не увидеть машину.

В последние лет пятьдесят, а в особенности в последние лет тридцать — с приходом в нашу жизнь интернета, персональных компьютеров, смартфонов и т. д. — мы стали свидетелями невероятного прогресса в развитии технологий и работе с данными. Задумайтесь об этом прогрессе хотя бы на минуту. Вселенная существует примерно 13,8 миллиарда лет [Redd, N. (2017) How Old is the Universe, Space.com, 8 June. https://www.space.com/24054-how-old-is-the-universe.html.], Земля — примерно 4,5 миллиарда [Там же.], а мы говорим всего лишь о тридцати — пятидесяти годах. Но за эти несколько десятилетий у нас на глазах персональные компьютеры и сотовые телефоны стали обычным делом. В масштабах вечности это миг. Но сейчас, в наше время, нам уже трудно представить жизнь без этих технологических новшеств. И каждое из таких устройств генерирует данные. А интернет? Он еще «моложе» — проник в нашу жизнь в начале 1990-х [Zimmerman, K. & Emspak, J. (2017) Internet History Timeline: ARPANET to the World Wide Web, Live Science, 27 June. https://www.livescience.com/20727-internet-history.html.] и повсеместно распространился лишь к началу 2000-х. Но теперь это неотъемлемая часть нашей жизни — и на работе, и в быту. Чем больше становилось персональных компьютеров, тем быстрее развивались технологии: темп роста не падает и по сей день. Мы постоянно наблюдаем инновации, видим, как развиваются самые разные аспекты цифрового мира. Все это напрямую влияет на нашу жизнь. И в первую очередь — учитывая тему нашей книги — это влияет на работу с данными и на их мощь.

Вернемся к тем временам, когда интернет стал массовым достоянием и начал использоваться более активно. Организации, учебные заведения и отдельные люди теперь живут и работают иначе. И наша жизнь благодаря ему не просто изменилась, но и значительно улучшилась: интернет позволяет совершенствоваться, учиться и развиваться с невиданной скоростью. Когда к интернету стало можно подключить ПК, а теперь и смартфоны, мы смогли принести всю компьютерную мощь к себе домой. Теперь мы можем почти мгновенно получить столько же информации, сколько во всей «Британской энциклопедии»: больше сведений на нас вывалит только торговый агент, постучавшийся к нам в дверь. Мы гораздо быстрее получаем ответы на вопросы. Из стремления найти ответы и вырос Google — более того, это слово (google) даже получило статус глагола в словарях! [Словарь Merriam-Webster, определение Google. https://www.merriam-webster.com/dictionary/google.]

Прогресс компьютерных технологий привел к развитию электронной коммерции и появлению Amazon и других компаний, которые смогли изменить потребительские привычки и захватить рынок. У нас на глазах лопнул пузырь доткомов: сначала стоимость IT-компаний, не производящих никакой продукции, вдруг стала огромной — а затем они обанкротились. Примером может служить компания Pets.com. Она возникла в 1998 году и закрылась в 2000-м [Aune, S. (2010). Five Dot-Coms That Didn’t Survive the Bubble, TechnoBuffalo, 25 January. https://www.technobuffalo.com/five-dot-coms-that-didnt-survive-the-bubble.]. Это время благополучно миновало, появилось множество других разнообразных сайтов, а затем началась эпоха социальных сетей. Соцсети открыли двери к профилям потребителей и публичным данным, так что самая разная информация о нас — от селфи и фото ужинов до товаров, которые нам нравятся, — стала доступна всем желающим, причем как отдельным людям, так и бизнесу. Ведь так приятно, когда контекстная реклама решает за нас, что мы хотим сегодня на ужин!

Наряду с соцсетями, предоставляющими массу занимательных данных, в 2000-х появилась и новая технология, которая быстро вышла на передний план в области связи и сбора данных, — интернет вещей, или IoT. Что это такое? Все очень просто — это связь всего со всем через интернет. Возьмем, к примеру, датчики в автомобиле или самолете, которые собирают данные обо всем, что происходит в моторе или других частях механизма. Но знаете ли вы, когда на самом деле появился интернет вещей? Думаете, в 2000-х? А вот и нет, хотя многие об этом не знают. Термин появился в 1999 году, но одним из первых примеров интернета вещей можно считать давно знакомый нам… торговый автомат Coca-Cola. Все мы не раз видели такие автоматы, но конкретный автомат, о котором идет речь, находился в Университете Карнеги — Меллона. Он позволял покупателю связаться с холодильником через интернет и выяснить, холодный ли лимонад [Foote, K. (2016). A Brief History of the Internet of Things, Dataversity.net, 16 August. https://www.dataversity.net/brief-history-internet-things.]. Об использовании данных для принятия более взвешенных решений благодаря «связи всего со всем» (то есть интернету вещей) люди задумывались уже давно: как собранные данные могут помочь нам делать правильный выбор в личной и профессиональной жизни? Достаточно вспомнить такие компании, как Amazon или Netflix: насколько часто они собирают наши данные, чтобы «рекомендовать» то, что нам может быть нужно? Очень часто… И знаете что? Эти рекомендации нередко оказываются верными!

Хотя интернет вещей берет начало в 1980-х, в силу он входит только теперь. Представьте, к примеру, любителя бегать ультрамарафоны. Еще несколько лет назад практически не было способов сбора данных, которые могли бы помочь бегуну развиваться… а сейчас они есть. Но нужны ли нам на самом деле часы, которые показывают буквально все аспекты бега — от уклона трассы до скорости на разных участках? Сегодня бегун может получить от своих часов больше информации, чем ему, вероятно, требуется, — за все время бега она накапливается тоннами! Конечно, данные с часов потом интересно рассматривать и обсуждать, но ключевой момент заключается в том, что благодаря «связи всего со всем» и технологическому прогрессу современного мира генерируется все больше и больше данных о нашей жизни. Вы наверняка можете привести и другие примеры того, как работает интернет вещей. Но давайте вспомним именно те случаи, когда прогресс действительно определяет нашу жизнь и помогает нам.

Как вытащить из данных максимум

Дата-грамотность, то есть способность ориентироваться в мире данных, – ключевой навык сегодняшнего дня.

Ежедневно в соцсетях публикуются миллиарды сообщений, электронные почтовые ящики по всей планете гудят от писем, а каждый подключенный к интернету автомобиль производит терабайты данных, не говоря уже об онлайн-магазинах, платежных системах и государственных цифровых сервисах. Однако работать с данными, анализировать их и использовать их для бизнеса по-прежнему умеет меньшинство, а специалистов катастрофически не хватает.

Для тех, кто хочет научиться говорить на языке данных уверенно, признанный эксперт в области дата-грамотности Джордан Морроу и написал свою книгу. Это практическое руководство позволит даже неспециалисту освоить четыре базовых уровня аналитики и узнать, как принимать эффективные решения на основе данных, чтобы извлекать максимум из информации и быть успешным в быстро меняющемся цифровом мире.

Здесь можно скачать книгу «Как вытащить из данных максимум» для ознакомления (бесплатный PDF фрагмент от правообладателя), почитать онлайн или купить полную электронную версию в форматах FB2, PDF, EPUB, TXT, FB3, MOBI.

Как вытащить из данных максимум

Дата-грамотность, то есть способность ориентироваться в мире данных, — ключевой навык сегодня. Ежедневно в соцсетях публикуются миллиарды сообщений, электронные почтовые ящики по всей планете гудят от писем, а каждый подключенный к интернету автомобиль производит терабайты данных, не говоря уже об онлайн-магазинах, платежных системах и государственных цифровых сервисах. Однако работать с данными, анализировать их и использовать их для бизнеса по-прежнему умеет меньшинство, а специалистов катастрофически не хватает. Для тех, кто хочет научиться говорить на языке данных уверенно, признанный эксперт в области дата-грамотности Джордан Морроу и написал свою книгу. Это практическое руководство позволит даже неспециалисту освоить четыре базовых уровня аналитики и узнать, как принимать эффективные решения на основе данных, чтобы извлекать максимум из информации и быть успешными в быстро меняющемся цифровом мире.

Предлагаем прочитать фрагмент книги.

Примеры использования четырех уровней аналитических методов в реальной жизни

Разбор реальных примеров использования всех четырех уровней аналитики поможет нам и укрепить фундамент, и обрисовать более широкую картину. Каждый из уровней опирается на предыдущий, и сейчас мы изучим, как они взаимодействуют. Кроме того, примеры помогут нам понять, как распределяются роли сотрудников в системе анализа.

Уровень 1: дескриптивные аналитические методы

Каждый из этих примеров можно связать с другими. Описательная аналитика — это привычная часть мира бизнеса, все мы с ней регулярно сталкиваемся:

• сводки ежемесячных прибылей, представляемые руководителю отдела продаж;
• ежеквартальные маркетинговые отчеты о коэффициенте кликабельности;
• ежеквартальные отчеты по индексу потребительской лояльности.

Кто из сотрудников участвует в дескриптивном анализе? Все! Топ-менеджеры рассматривают отчеты, бизнес-аналитики и дата-аналитики их составляют, специалисты по обработке данных используют свои методы, конечные пользователи читают и интерпретируют сводки и т. д. У каждого своя функция.

Уровень 2: диагностические аналитические методы

Помните, что любой пример описательного анализа — это всего лишь первый шаг. Дескриптивные методы помогают понять, что случилось в прошлом, а диагностический анализ дает возможность разобраться, почему это случилось.

• В сводке ежемесячных прибылей руководитель увидел рост продаж, квартал за кварталом, и задумался, что стало причиной этому. Дата-аналитик, изучив эту информацию, побеседовал с продавцами и узнал, что увеличить продажи на местах помогла новая программа стимулирования.
• В квартальных отчетах о коэффициенте кликабельности, который отражает эффективность рекламы, маркетинговый отдел заметил его резкое падение. В первые 7 месяцев текущего года коэффициент был стабилен, а затем произошел резкий спад. Руководитель отдела маркетинга захотел узнать, чем это обусловлено. Анализ помог выяснить, что маркетинговая команда поменяла расположение ссылки на сайт в электронных письмах. Оказалось, что на новом месте ее сложнее увидеть, и команда исправила эту ошибку.
• Согласно квартальным отчетам об индексе потребительской лояльности, все показатели стабильны, за исключением одного — «Порекомендовали бы вы нашу компанию друзьям?». Он устойчиво рос, однако при анализе данных выяснилось, что это не реальный рост, а результат сбоя в системе. Обнаружив сбой, организация смогла сэкономить деньги, решив не продвигать ложноположительный (как выяснилось) эффект.

Кто занимается диагностическим анализом? Опять-таки все! Все, кто хочет что-либо продиагностировать: например, топ-менеджеры и сотрудники, ответственные за принятие решений, задают вопросы аналитикам. Дата-аналитики роются в информации, представленной в таблицах и отчетах. Специалисты по обработке данных строят модели, чтобы понять, что случилось. Сотрудники разных отделов компании тоже должны быть готовы предоставить свои знания и профессиональный опыт. Словом, любой сотрудник может принять участие в диагностике случившегося или происходящего.

Уровень 3: предиктивные аналитические методы

Предиктивные методы — это более продвинутый уровень аналитики. Предсказательный анализ позволяет понять, что произойдет в будущем.

• Отдел продаж хотел убедиться, что новый импульс, полученный в результате повышения прибылей за счет программы стимулирования, не пропадет зря. Команда дата-аналитиков построила новые модели, которые показывали, что именно улучшилось с точки зрения продаж и прибылей, и это позволило им спрогнозировать: «Если торговые представители сделают А, то произойдет Б». Это поможет планированию и сохранит динамику.
• Отдел маркетинга рассмотрел данные, прибег к помощи аналитиков и начал работу по прогнозированию последствий смены места ссылки в теле письма. Были проведены разнообразные тесты, на основе которых аналитики спрогнозировали вероятные результаты запуска новых email-кампаний и предположили, где лучше разместить ссылку. Благодаря проведенному анализу у маркетологов теперь есть полный отчет о прогнозах.
• После обнаружения сбоя команда вернулась к поиску способов повысить потребительскую лояльность, эффективно используя имеющиеся у нее технологии получения данных и построения прогностических моделей для анализа и улучшения показателей.

Кто может участвовать в предсказательном анализе? Правильно: все! Конечно, специалисты по обработке данных и другие «технические» сотрудники играют важную роль, так как именно они строят прогнозы и модели. Когда руководителям компании нужно предсказать, что произойдет в результате тех или иных действий, они должны как следует донести это до специалистов, которые заняты прогнозами. Различные отделы компании должны делиться своими планами, опытом и всем остальным, чтобы прогнозы были более точными.

Уровень 4: прескриптивные аналитические методы

Прескриптивный анализ подразумевает следующее: технология «подсказывает» организации, что делать.

• У отдела продаж теперь есть огромное количество данных, которые получены при анализе подхода, основанного на стимулировании, и специалисты могут использовать машинное обучение для поиска тенденций и закономерностей: компьютер сам придумает, что делать дальше. Очень важно, чтобы специалисты могли ставить правильные вопросы по поводу данных, а затем эффективно применять на практике полученные ответы.
• Отдел маркетинга, получив массу данных по коэффициенту кликабельности и почтовым рассылкам, может использовать соответствующие алгоритмы и технологии, чтобы получать рекомендации по размещению ссылок в теле письма.
• При работе с индексом потребительской лояльности главным аспектом становится не анализ данных, а сами действия по улучшению обслуживания клиентов. Руководители работают с командой дата-аналитиков, чтобы при помощи компьютера найти нужные закономерности и предсказать, что нужно сделать для достижения успеха. Это может быть лишний телефонный звонок или небольшое увеличение бонусов для клиентов — зависит от ситуации. Это позволит компании тестировать варианты и еще успешнее работать с клиентами.

Кто участвует в директивном анализе? Вы и сами знаете ответ: все! Здесь, как и на предсказательном уровне, большую роль играют технические специалисты, но для дела нужен каждый сотрудник — лишь бы он умел задавать правильные вопросы машине, а затем применять результаты ее работы.