Post #1067

Про принятие решений на основании данных Привет, меня зовут Михаил Греков, я руковожу развитием системы анализа данных Analytic Workspace (AW BI). Вместе с командой мы еще ведем экспертный телеграм-канал про культуру работы с данными Data Driven Культура. Я часто общаюсь с компаниями, которые проходят путь трансформации — начинают развивать у себя внутри культуру и грамотность работы с данными. При этом бизнесы часто ставят какие-то нереальные ожидания перед данными — мифические ожидания. Расскажу вам сегодня несколько мифов про принятие решений на основании данных. Миф 1. Я взгляну на данные и пойму, какое решение стоит принять. Не все так просто. Да, если данные грамотно визуально упакованы, то они действительно помогают быстрее прийти к верному решению. Но только очевидные решения лежат на уровне «взгляну и пойму» — вы такие решения и без данных примете. Здесь мы писали о том, как Джефф Безос и вовсе принял вопреки данным одно из важнейших для Amazon решений. Миф 2. Чем больше срезов данных, тем проще принять решение. Иногда, увлекаясь визуализацией данных, компании создают дашборды с кучей показателей, которые с разных сторон отражают ситуацию. Но этот зоопарк визуализаций никак не помогает ускорить принятие решений, а зачастую, наоборот, приводит к параличу выбора. Миф 3. Для наиболее эффективных решений нужны большие данные. Если вы еще не анализируете данные компании, то вам не надо дожидаться, пока у вас накопится big data. Представьте себе бесконечных размеров бассейн с черными и белыми шариками. Ваша задача — узнать, какая часть шариков белая. Изначально вы находитесь в состоянии полной неопределенности. Если вы возьмете 100 случайных шариков и посчитаете долю белых, то вы будете знать ответ с точностью ±90%. Следующие 9000 шариков улучшат вашу точность до 99%. Всего 100 шариков из бесконечности понадобилось для довольно точного ответа. Миф 4. У меня все ок с данными, осталось только визуализировать. Очень часто у компании данные сырые и анализировать их с ходу не представляется возможным. На этапе внедрения системы анализа данных оказывается, что где-то данные уже укрупнены, где-то, наоборот, в исходнике, где-то подтасованы, где-то отсутствуют. Это все поправимо, но занимает время: данные чистятся, трансформируются, склеиваются и т.п. Миф 5. Руководители способны договориться, используя данные. Да, если вы договоритесь о терминологии. Очень часто переход к Data Driven подсвечивает, что внутри компании сотрудники по-разному считают одни и те же показатели. Например, продажники объем продаж считают по факту оплаты, бухгалтеры — по факту актирования, а логисты — по факту отгрузки. Единая культура работы с данными приводит к единому глоссарию, который фиксирует, что и как мы считаем. В общем, работа с данными редко приводит к мгновенному эффекту. Но в долгосрочной перспективе переход к Data Driven становится чуть ли не единственным способом понимать, что вообще происходит с бизнесом. #авторская_колонка