Я мог бы сформулировать этот вопрос иначе, поскольку ответ и без того очевиден: очень часто. То, что мы делаем (и речь уже не только о сфере данных), зачастую оказывается реакцией на что-либо, то есть тушением пожара, а не проактивной работой по собственной инициативе.
Думая о проактивном менталитете, я всегда вспоминаю Стива Джобса и Apple. Если вы помните биографию Джобса, то, наверное, согласитесь, что он проактивно устанавливал свои законы на рынке, а не просто реагировал на существующее положение вещей. Конечно, можно сказать, что его действия были реакцией на нехватку чего-то в IT-индустрии, но в целом несомненно одно: Джобс пришел и задал тон. Что было до первого iPhone? Ничего, iPhone и был первым. Да, Джобс реагировал на рыночную ситуацию, но он придумал нечто новое, поэтому действовал проактивно. А iTunes и первый iPod? Да, портативные музыкальные плееры существуют уже давно, но идея положить все любимые песни в собственный карман была гениальной. То же самое можно сказать и об iPad. Стив Джобс не ждал, пока до всего этого додумается рынок, он сам придумал то, что может захотеть рынок.
Перед началом путешествия в мир данных и аналитики мы должны выработать такой же менталитет. Конечно, Стив Джобс смог разглядеть лакуны на рынке, отреагировать на них и проактивно создать замечательные продукты, но сейчас речь не о такой реакции. Представьте себе, что ваш босс говорит на совещании: «Посмотрите на эти цифры, такого не должно быть. Стефани, идите и разберитесь, что случилось». Или: «У нас аврал, еще до обеда нам жизненно необходимо сделать X, Y и Z». Преобладание реактивной работы над проактивной портит жизнь множеству организаций.
В сфере данных и аналитики это происходит, увы, повсеместно. Вместо того чтобы изучать рынок, тенденции и т. д., аналитики застревают в бесконечной петле реактивного анализа: им задают вопросы, а они вынуждены отвечать на них и придумывать возможные реакции. Хочу сразу оговориться: я ни в коем случае не утверждаю, что реактивному анализу вообще не должно быть места в рабочих процессах. Наоборот, временами он необходим, поскольку является неотъемлемой составляющей четырех аналитических уровней. Нет, я лишь рекомендую вам обращать внимание на менталитет. Если мы постоянно будем только тушить пожары, то никогда не сможем их предотвращать. Иными словами, наши решения не должны сводиться исключительно к реакции на происходящее: в игре порой необходимо делать первый ход, полагаясь на навыки дата-грамотности и аналитические инструменты для того, чтобы самим определять рынок, а не реагировать на него.
Если сравнивать реактивную и проактивную аналитику, то наглядным примером может послужить кризис, связанный с COVID-19. Компании и организации, отдельные люди и целые страны реагировали на новости и свежие данные. Порой реакция заходила слишком далеко. Мир столкнулся с тем, с чем не сталкивался еще никогда, поэтому неудивительно, что он оказался не готов к такому повороту событий. Однако пандемии случались и раньше – нельзя ли было, как говорится, подстелить соломку заранее? Например, заранее позаботиться об обеспечении безопасности на случай подобного кризиса – не только с точки зрения здравоохранения, но и в экономическом смысле.
В сфере данных и аналитики необходимо вырабатывать проактивный менталитет. Без реактивной аналитики тоже порой не обойтись, но нужно работать и на опережение, изучая тенденции и внимательно следя за тем, что происходит в мире. Настройтесь на проактивную аналитику, стройте прогнозы, совершенствуйте навыки.
Начинайте с основ
Начинать с основ, казалось бы, логичнее всего, но не для всех это очевидно. Возможно, взрослым, состоявшимся людям не слишком приятно в очередной раз выслушивать, что основы – фундамент успеха. Простота может разочаровывать или даже раздражать. И все же – начиная путешествие в мир данных, сосредоточьтесь на основах. Пожалуйста.
Многие из нас в начале пути очарованы блеском: новейшие технологии – это же очень интересно! Однако, поддавшись очарованию, мы рискуем сбиться с пути к успеху. Мир данных полон таких примеров – когда руководители придают технологиям и процессам чрезмерное значение в надежде, что они смогут разрешить все проблемы сотрудников или организации в целом. Скажем, большие данные и обработка данных: и тем, и другим нас буквально пичкают последние лет десять; и то, и другое превращается чуть ли не в миф, в религию. Те же большие данные играют свою роль, но в нашей сфере не существует чудодейственных средств для решения любых проблем и удовлетворения любых потребностей. Однако руководители организаций надеются на чудо, а когда чуда не случается, закономерно расстраиваются.
Так что начинайте с основ. Проработайте их. В первую очередь изучите, что такое данные как таковые. Как они работают? Откуда они берутся? Точно так же поступите и с аналитикой. Не нужно сразу нырять в глубину и с ходу хвататься, к примеру, за изучение типов машинного обучения, если вы слабо разбираетесь в каких-то базовых вещах. Приступайте к делу разумно.
Когда я общаюсь с детьми, осваивающими новый навык, то всегда советую им посмотреть на профессионалов. Над чем работают эти люди? Возьмем профессионального баскетболиста: он посвятит всю тренировку отработке самого сложного броска на свете? Или начнет с разминки, с базовых упражнений? Разумеется, второе.
Когда будете учиться обращению с данными, берите пример с нашего гипотетического баскетболиста. Изучите основы визуализации данных – и со временем вы научитесь создавать удивительные визуализации, способные рассказать интереснейшие истории, которые будут иллюстрировать полученные вами знания. Этот день непременно наступит, если вы начнете с малого. Изучая анализ данных, начните с совершенствования навыков чтения результатов дескриптивного уровня. Разберитесь в том, как работают эти методы, попытайтесь прокачать навыки сторителлинга… и т. д. А затем можно будет пойти дальше и отрабатывать навыки, необходимые для диагностического уровня. Учитесь задавать правильные вопросы о данных, которые у вас есть. Так, от простого к сложному постепенно вы добьетесь прогресса.
Данные и аналитика: геймификация
Еще раз обращу ваше внимание на то, что мир данных и аналитики многим кажется очень скучным. А мне? Ни в коем случае! Но я знаю людей, которые страдают и жалуются, когда им приходится учиться обращению с данными: вдруг они из-за этого превратятся в «программистов» или, о ужас, в «ботаников»?! Кстати, мое прозвище – Главный Ботаник, и я им горжусь… Эти же люди, наверное, в школе тосковали на уроках математики, думая, что иксы и игреки никогда в жизни им не пригодятся. Нет, пригодятся!
Мне, как специалисту по дата-грамотности, читатели, зрители и слушатели часто задают множество вопросов, но мой любимый – тот, который я услышал в одном южноамериканском техническом университете: «Можете ли вы научить нас расчетам и анализу по-другому?» Странно, не правда ли? Но, если вспомнить школьные уроки математики, становится понятно, в чем проблема. Школьники, повторюсь, постоянно спрашивают: где и как в реальной жизни можно применить полученные знания? Это и есть главная проблема, причем не только школьного образования, но и университетского… да и мира данных в целом. Так вот, необходимо изменить подход к обучению – оно должно быть ориентировано на применимость и контекст.
