Точка зрения: «Умение анализировать данные превращается в императив»

Многие привычные офлайн-процессы переносятся в онлайн. Вслед за этим заметно перекраивается и рынок труда. Согласно исследованию HR-портала monster.com, 95% сотрудников сейчас думают о смене работы, а 92% готовы перейти в другой сегмент, чтобы найти подходящую должность. При этом появляются новые навыки, которых требует «новая нормальность». Об одном из них – дата-грамотности – рассказывает Том Фишер, старший вице-президент по бизнес-развитию SAS.

Дата-грамотность: что это такое и почему она становится такой важной?

Если говорить в двух словах, это умение извлекать смысл из данных. На первый взгляд, все просто и очевидно, но на самом деле увидеть смысл в данных, найти между ними взаимосвязи зачастую гораздо сложнее, чем кажется. Например, не всегда ясно происхождение данных и не всегда известно, из какого источника они получены. Еще один вызов – удостовериться, что данные соответствуют всем предъявляемым требованиям, чтобы избежать предвзятости. Кроме того, важно не допустить, чтобы личная информация включалась в критически важные бизнес-модели. Требуется также умение отследить, как и для чего используются данные. Наконец, нужна визуализация, чтобы данные можно было легко интерпретировать.

И это лишь некоторые из множества требований, которые включает в себя дата-грамотность, однако в нынешних реалиях без нее невозможно получать точные и своевременные бизнес-результаты.

Дата-грамотность вполне можно сравнить с другими видами грамотности. Например, возьмем художественный текст – когда писатель пишет рассказ, итоговый вариант, как правило, значительно отличается от первого черновика. То же самое и при анализе данных – когда они берутся непосредственно из источника, высока вероятность неточностей, поэтому часто требуется дополнительная их очистка.

Обеспечение точности данных и их соответствия бизнес-требованиям можно сравнить с редактированием письменного текста. Но кроме очистки от неточностей, требуется проверить, соответствует ли анализ заявленной бизнес-цели, и только потом использовать данные – этот этап можно сравнить с финальной вычиткой текста. То же самое сравнение подходит и для создания новых моделей – оно тоже похоже на процесс редактирования. Благодаря обновлению моделей удается поддерживать актуальность получаемых результатов.

Дата-грамотности, как и любой другой форме грамотности, можно и нужно учиться. В идеале хотелось бы, чтобы дата-грамотности обучали в средней школе, как сейчас учат чтению и письму. В современном мире это такое же насущное требование – окружающая нас реальность становится все более сложной с информационной точки зрения. Мы постоянно имеем дело с данными на работе и дома, данные становятся основой почти любого бизнеса, поэтому дата-грамотность превратилась в требование времени.

Как в будущем будет развиваться дата-грамотность?

Как и все процессы, управление данных предполагает некий цикл зрелости. Соответственно, и дата-грамотность будет включать все новые и новые базовые составляющие. На сегодняшний день это управление версиями данных, использование данных, отслеживание их происхождения, очистка, проверка на предвзятость, но этот круг, несомненно, будет расширяться.  

Например, объединение управления данными с управлением моделями представляет собой одну из самых захватывающих бизнес-возможностей будущего. Управление моделями – это процесс контроля всего жизненного цикла аналитических моделей: их создания, проверки, развертывания и мониторинга. Пересечение этих двух дисциплин поможет еще эффективнее справляться с предвзятостью, что даст более четкие и точные результаты моделирования. Мы все – потребители данных и хотим быть уверены в точности и беспристрастности аналитических результатов, но и на нас самих ложится часть ответственности за интерпретацию данных. И чем лучше мы научимся их понимать, чем лучше освоим управление данными и моделями, тем больше мы сможем доверять и самим данным, и результатам их анализа.