Что имеется в виду под интеграцией?

Это, наверное, моя любимая часть: мы интегрируем человеческий фактор в процесс принятия решений, подкрепленных данными.

Слишком часто в мире данных центральное место занимают технологии. Если, так сказать, дать им волю, из этого не выйдет ничего хорошего. Если мы позволяем им это, увы, могут произойти неприятные вещи. Помните финансовый кризис 2007–2008 годов? Кажется, это было совсем недавно – но на самом-то деле прошло уже больше 10 лет, а пандемия COVID-19 и вовсе отодвинула воспоминания о нем на второй план. Вкратце напомню вам, что тогда случилось. Наступил бум на рынке недвижимости, но под этим скрывалось глубинное течение… как бы это сказать… некоторого безумия. Одна из самых влиятельных моделей того времени не располагала прогнозом возможного краха! Где были люди, способные сбалансировать эту модель? Почему они не вмешались, чтобы помочь миру осознать, что с рынком недвижимости происходит нечто странное и зловещее?

Еще один пример, как данные и технологии маскируют предвзятость, мешающую правильным решениям, – история с кредитными картами Apple: почему-то у мужчин кредитный лимит был больше, чем у женщин. То же самое можно встретить в банковской и финансовой индустрии, где алгоритмы «позволяют себе» предубеждения – в отношении пола, расы и т. д. К несчастью, в нашем случае человеческий фактор дал сбой, что привело к плохим последствиям.

Я вовсе не хочу вас убедить, что все подобные примеры негативны: нет, если человеческий фактор и технологии объединены разумно и грамотно, то можно добиться удивительных результатов. Как? Как интегрировать человеческий фактор в мир данных и аналитики? Давайте рассмотрим различные способы гармонизации человека и данных. Обратите внимание, что я намеренно использую слово «гармонизация» вместо «баланс». Дело в том, что нам не нужны весы, чтобы постоянно поддерживать строгое равновесие. Нам не требуется, чтобы любое решение подразумевало 50 % человеческого фактора и 50 % технологий. В каких-то случаях нужно учитывать лишь данные – а в других ситуациях более значимую роль должен играть человек. Главное, чтобы оба элемента находились в гармонии. Один из самых простых примеров – выбор, кого именно уволить. Алгоритм, данные и технологии – все это может указать на конкретного сотрудника, но если окончательное решение принимает человек, то он способен учесть различные доводы в пользу кандидата на увольнение, и у того появится шанс остаться в команде.

Первый способ интеграции человеческого фактора в мир данных и аналитики – личный опыт. Меня часто спрашивают, исключаю ли я наличие «чутья» у профессионалов. На протяжении карьеры люди накапливают большой и разнообразный опыт. У них возникает ощущение «Я лучше знаю по опыту», «В прошлый раз я делал именно так». Я и сам сталкивался с чем-то подобным. Я работал на организацию, которая переживала самый настоящий кризис. Я то и дело слышал: «У нас уже бывали трудности, но мы справились, справимся и на этот раз». Год выдался для компании просто ужасным, но при этом экономика была на подъеме, так что трудности не объяснялись общей неблагоприятной ситуацией. Организация не имела права и дальше давить на те же рычаги, что и в прошлом, в неблагоприятные периоды. Не имела права – но все же так и поступила.

Конечно, личный опыт – хороший советчик, но в принятии решений нельзя полагаться только на чутье. Следует объединять опыт с данными и технологиями. Тогда мы сможем находить более точные ответы и принимать более эффективные решения.

Влияние человеческого фактора в мире данных может быть как внутренним, так и внешним. Данные, которые есть у организации, – это просто данные. Если мы смотрим на них как бы через узкую трубу – так называемое туннельное видение, то рискуем упустить ключевые элементы, а при анализе это может обернуться катастрофой. Представьте себе, что вы находитесь в туннеле. Что вы можете знать о мире снаружи? Хорошо, если туннель короткий – выход из него виден. А если длинный? Вы не видите ничего, кроме его стен. То же самое случается в процессе принятия решений, когда мы не рассматриваем внешние данные, ограничиваясь внутренними. Что я подразумеваю под этими терминами?

Внутренние данные – то, что происходит внутри организации и влияет на анализ и принятие решений. Для отдельного человека это все, что происходит с ним лично, его частная жизнь. Внешние данные – это тенденции и макроэкономические факторы, которые могут влиять на наш бизнес, нашу жизнь и т. д. Например, я прекрасно помню, как разразился финансовый кризис: ситуация в экономике становилась все хуже и хуже. И если бы в тот момент я смотрел только на свои личные проблемы, игнорируя то, что делается, образно говоря, снаружи туннеля, то мог бы совершить массу ошибок. Принимая решения, мы должны пытаться обеспечить гармонию внутренних и внешних данных.

Как человеческий фактор интегрируется в процесс принятия решений? Как он вписывается в различные аспекты дата-грамотности, которые мы рассматривали? Чтобы разобраться в этой теме, давайте вначале рассмотрим еще одно свойство человеческого фактора – предвзятость.

Что же это такое – предвзятость?

Одно из определений гласит, что предвзятость определяется как «предубеждение в пользу или против предмета, явления, человека или группы по сравнению с другими, обычно рассматриваемое как несправедливое». Существует также и статистическая предвзятость – как можно прочесть в той же статье на Towards Data Science, откуда мы взяли определение, она обычно возникает, если данные нерепрезентативны для популяции. В нашем случае нам больше интересно первое определение предвзятости. К сожалению, в мире данных и аналитики наши собственные предубеждения нередко вмешиваются в схему принятия решений, и мы обязаны постараться избавиться от них. Рассмотрим для примера решение, какую маркетинговую кампанию запустить. Если у вас есть в этом вопросе те или иные личные предпочтения – скажем, вам почему-то хочется выбрать кампанию 2, хотя данные говорят в пользу кампании 1, – вы все равно можете поступить по-своему и запустить второй вариант, даже вопреки данным. Как вы думаете, часто такое происходит в мире бизнеса? Да постоянно! Если мы не избавимся от личных предпочтений при принятии решений, связанных с данными, то на четвертой ступени нашей схемы нам будет нелегко, и решение может оказаться ошибочным. Мне хотелось бы остановиться на основных типах предвзятости (их еще называют когнитивными искажениями), с которыми вы можете столкнуться, и подсказать вам, как можно от них избавиться.

Первый тип предвзятости – это предвзятость восприятия, или склонность к подтверждению своей точки зрения. Смысл в том, что мы стремимся искать данные, которые подтвердили бы уже имеющиеся у нас идеи. Таким образом мы – возможно, сами того не замечая – игнорируем часть данных, «закрываемся» от них, обращая внимание лишь на то, что подкрепляет нашу точку зрения. Предвзятость восприятия встречается повсеместно: в бизнесе, в политике, в частной жизни каждого из нас. Случалось ли, что разные источники давали вам различные данные, потому что ответы были окрашены предвзятостью восприятия того, кто передал вам данные? Политика – настоящий рассадник этого. Политические деятели поднимают на щит именно те данные, которыми хотят поделиться, так как они подкрепляют их позицию.

Второй тип предвзятости – предвзятость статус-кво. Это тоже довольно частое явление: многие не любят перемен и хотят, чтобы все оставалось как есть (то есть сохранялся статус-кво), поскольку им так «комфортнее». Многие предпочитают самый простой путь. Если ваши решения связаны с переменами, нужно действовать внимательно и осторожно – найдется масса людей, которые будут тянуть вас назад, стремясь сохранить статус-кво.

Третий и последний тип предвзятости, о котором мне хотелось бы упомянуть, хотя есть еще множество, – предвзятость первого впечатления, или закрепление («якорение»). Это наряду с предвзятостью восприятия один из самых распространенных типов предвзятости. В данном случае мы смотрим на первый результат, успокаиваемся, потому что он нас устраивает, и не идем дальше. Мы не хотим тратить время на выяснение, нет ли других подходящих данных. А такая привычка хвататься за первый попавшийся вариант сильно мешает принимать решения, подкрепленные данными. Допустим, доходность первого варианта вашей маркетинговой кампании может составить, согласно прогнозам, 5 %. Вы принимаете решение, основываясь на этом показателе (ведь 5 % – это неплохо!), но что, если при следующей итерации и внесении определенных корректив доходность сможет составить, к примеру, 12 %? Если забыть про правило «лучшее – враг хорошего», можно принять ошибочное решение, довольствуясь «хорошим».

При интеграции человеческого фактора на четвертой ступени следует убедиться, что мы привносим в процесс наш личный опыт и опыт других сотрудников, но при этом стараемся исключить любые возможные предубеждения. Я давно задаюсь вопросом, можно ли полностью избавиться от предвзятости при анализе данных или принятии решений. Уверен, это крайне сложная задача, поэтому нужно хотя бы научиться эту предвзятость распознавать и отмечать те этапы процесса, на которых она может проявиться.

Именно дата-грамотность играет ключевую роль в искоренении предвзятости – в рамках четырех элементов дата-грамотности, четырех уровней аналитики, трех «С» дата-грамотности и не только. Чем более уверенно мы чувствуем себя при чтении данных, работе с ними, их анализе и общении на языке данных, тем легче мы распознаем предвзятость и можем бороться с ней. Это помогает гармонизации человеческого фактора и технологий.

Интегрировав в мир данных человеческий фактор, мы можем переходить к следующей ступени нашего процесса – к самому решению.