Post #595

Аналитик нужен для снижения неопределенности. Или для борьбы с ней. Вынесу из комментов, это достойно отдельного поста. Часто при обсуждении смысла и ценности роли аналитика (особенно системного аналитика!) говорят про снижение неопределенности. Это такой типовой ответ. Хуже того — даже в профстандарте это есть! Аж в четырех местах: "...определять задачи на доработки, устранение противоречий и неопределенности" "...определять [..] уровень оставшейся неопределенности [после сбора данных]" и "собирать данные о неопределенности (нехватке информации, источников данных, проектных решений)" (не перепутайте!) "Анализ последствий выявленной неопределенности" Вот только это слово "неопределенность" само по себе содержит неопределенность. Какую именно неопределенность мы имеем в виду? Я люблю переводить всякие слова с одного языка на другой. Например, на английский — он интересен тем, что "сделан" примерно из 3-4 разных языков, и в нём, скорее всего, одно слово на русском превращается в несколько с чуть разными значениями. Помню, на экзамене нужно было перевести статью с названием "Precision And Accuracy", чуть не засыпался сразу на названии; и так со многими словами — efficiency, efficacy и effectiveness, например. Так вот, неопределенность по-английски бывает: 🤷🏼‍♂️uncertainty — это "неуверенность", нехватка информации — либо о том, что есть; либо о том, что будет (к чему приведет то или иное решение). Скорее всего речь идёт об определенных состояниях, но мы не знаем, какое выбрать. Если пытаться это измерять, то получится перечень возможных состояний, их вероятности и график распределения плотности вероятности (например, как в этом посте — мы не уверены в дате окончания работ, но можем её оценивать). Эта неопределенность связана с понятием риска. И с понятием выбора. То есть, не то что мы не знаем, что вообще может быть — мы, скорее всего, знаем, какие есть варианты, но не можем выбрать один из них. 🤌ambiguity — это "неоднозначность", "двусмысленность" — это как раз про неопределенность результата. Не то, что мы выбрать один из вариантов не можем — мы вообще не понимаем, чем эти варианты отличаются. Или не понимаем, чем отличаются исходные параметры. Или разные участники понимают их по-разному. 😶‍🌫️vagueness — это "нечеткость", слышали про нечеткую логику? Это про граничные кейсы и разделение двух концептов или статусов. Когда мы четко не можем отделить одно от другого. Что значит, например, "человек посетил доклад"? Слушал от начала до конца? Начал слушать, но потом ушел? С середины ушел, или почти сразу? А если наоборот — зашел на середине и остался? Или ближе к концу пришел? Или заходил пару раз, постоял у дверей, и вышел? Ничего не понятно, а в аналитике его посчитать как-то нужно. Ещё бывает confusion — это уже совсем не неопределенность, это скорее путаница: когда вся информация у нас есть, но мы не понимаем, что с ней делать. С этим аналитик тоже часто сталкивается. Можно сказать, что я душню, но эти различия важны: к их решению нужно подходить по-разному. uncertainty мы решаем через многофакторный анализ, плотность распределения вероятности, вычисление доверительных интервалов и т.п. А ещё с этим связаны робастность, то есть устойчивость, и сложность (robustness, complexity). Устойчивость — это про разброс входных параметров — получим ли мы результат с той же точностью, если входные параметры или среда немного изменятся. но при этом желательно, чтобы сложность системы не росла. Это уже про архитектуру. ambiguity устраняем понятно как — через определение общего языка, прояснение концептов, а если не выходит — через изоляцию их в разных частях системы — привет DDD. К vagueness можно подходить через ту же нечеткую логику, ну и ещё всякие штуки с логикой и хитрыми моделями данных. В общем, говоря про неопределенность, желательно определиться — какой именно её вид вы имеете в виду.