Книга: Как вытащить из данных максимум. Навыки аналитики для неспециалистов
Назад: Элемент 2: работа с данными
Дальше: Элемент 4: общение на языке данных
Элемент 3: анализ данных
Так что же такое анализ данных? Разве этим не должны заниматься только люди с техническим складом ума или соответствующим образованием? Разве для анализа не нужно уметь программировать? Конечно же, нет! Каждый из нас способен анализировать данные, чтобы информация пошла на пользу и не причинила вреда. Анализ помогает нам отделять нужное от ненужного в потоке информации. Вы наверняка слышали словосочетание «фейковые новости». Умение ставить вопросы и анализировать данные помогает распознавать некорректную или ложную информацию. Анализ данных – как на работе, так и в быту (к примеру, когда вы после ужина зависаете в соцсетях) – это ключевой элемент второго, диагностического уровня аналитики.
Анализировать можно многое. На этот раз для начала мы проанализируем само слово «анализ».
Анализ – это подробное изучение элементов или структуры чего-либо.
Это определение в каком-то смысле обнажает суть понятия: мы хотим изучить предмет или явление, чтобы понять его причины, ответить на главный стоящий за ним вопрос – «Почему?». Это ключевой элемент анализа данных. Другое определение дает нам еще один кусочек мозаики: анализировать – это обнаружить или раскрыть что-либо при помощи подробного изучения. Особенно интересно слово «раскрыть». Раскрывая что-либо, мы освещаем нашим новым знанием, нашим инсайтом (полученным в результате дескриптивного анализа) все данные, которые у нас есть. Возникает вопрос: а как мы анализируем данные? Давайте разберемся.
Сначала – вопросы. А потом еще вопросы. И, может быть, еще несколько вопросов. Нам нужно научиться ставить их правильно. Мы склонны доверять первому впечатлению о предметах или явлениях – и говорить себе: о, кажется, я знаю ответ. К несчастью, работа зачастую приучает нас именно к этому. Мы привыкаем к своим функциям, спущенным сверху правилам, стандартным процедурам… и не можем выехать из этой колеи. Это не подталкивает нас задавать вопросы. Давайте рассмотрим пример анализа данных в повседневной жизни – и это будет самый простой вопрос: «Что мне сегодня надеть?».
Решая, что надеть, мы нередко хватаем первое, что подвернулось под руку, и просто надеемся, что погода не подведет. Случается с вами такое? Если да, то хорошо, если вы живете где-нибудь на Карибах, где невелика вероятность замерзнуть… но и там может налететь шторм, и вы пожалеете, что одеты не по погоде. Чтобы принять обоснованное решение, что нам сегодня надеть, мы должны получить и проанализировать некую информацию. Первое, что приходит в голову, – взять смартфон и изучить прогноз погоды (в надежде, что он окажется верным). А затем стоит посмотреть в окно и проанализировать увиденное. Наконец, можно ненадолго выскочить на улицу и физически ощутить температуру, влажность и т. д. Все эти действия – примеры анализа данных. Вы осуществляете этот анализ, даже если ваши методы не подразумевают использование технологий, а ограничиваются лишь субъективными наблюдениями.
Каждый из нас постоянно анализирует данные, чтобы на их основе принять те или иные взвешенные решения. Чтобы как следует в этом разобраться, давайте рассмотрим, как анализируют данные по запуску продукта различные подразделения компании.
АНАЛИЗ ДАННЫХ: ОТДЕЛ ИССЛЕДОВАНИЙ И РАЗРАБОТОКДолжен ли отдел исследований и разработок анализировать данные, чтобы понять, как прошел запуск продукта? Конечно, да! Его сотрудники анализируют не только внутреннюю информацию, поступающую из других подразделений компании, но и внешние данные. Например, представьте, что вы запустили новый продукт именно тогда, когда в экономике начался спад. Кто-то скажет, что это была изначально плохая идея и что продукт не мог не провалиться, но так ли это? Если внешние данные свидетельствуют, что ситуация на рынке в целом неблагоприятна, это действительно могло повредить запуску. Однако отдел исследований и разработок должен поставить правильные вопросы и проанализировать информацию, чтобы составить заключение об успешности запуска.
АНАЛИЗ ДАННЫХ: ОТДЕЛ ПРОДАЖТеперь рассмотрим самих «продажников». Нужно ли им анализировать данные? Конечно. Они должны задавать вопросы, исследовать различные факторы и изучать огромное количество самых разных данных, чтобы определить, был ли запуск успешным.
АНАЛИЗ ДАННЫХ: ТОП-МЕНЕДЖМЕНТИ наконец, давайте снова вернемся к нашему замечательному руководству. Нужно ли топ-менеджерам анализировать данные, чтобы разобраться, был ли запуск успешным? Да, нужно – и, надеюсь, они так и делают! Топ-менеджеры управляют компанией: если они не анализируют успешность запуска каждого нового продукта, то чем они вообще занимаются? Стреляют наугад? Топ-менеджерам необходимо проанализировать большие объемы данных, чтобы определить степень успеха. Как запуск последнего продукта повлиял на чистую прибыль компании (и повлиял ли вообще)? Каковы объемы продаж нового продукта и насколько эффективно сработал отдел продаж? Удалось ли маркетологам повысить интерес к продукту? Столько вопросов – а это лишь верхушка айсберга.
Итак, как мы видим, всем нужно анализировать данные. Это жизненно необходимо для понимания, насколько успешным оказался запуск продукта. Все должны уметь определять тенденции и закономерности в данных. Все должны уметь «раскрыть и обнаружить что-либо при помощи подробного изучения», как гласит наше определение. Не всем нужно быть экспертами по обработке данных, но все должны уметь задавать вопросы и проводить собственный анализ. Анализ данных – одна из ключевых составляющих дата-грамотности. Да, для успешной работы с данными необходимы все четыре составляющие, все четыре элемента, но если мы не в состоянии проанализировать данные для получения важных знаний, то перед нами во весь рост встает прежняя проблема: мы рискуем застрять на первом уровне – уровне дескриптивной аналитики.
Назад: Элемент 2: работа с данными
Дальше: Элемент 4: общение на языке данных
