О чем говорят цифры. Как понимать и использовать данные - Ким Хо

Сбор данных (измерение). Индивидуальную статистику и финансовые аспекты сделки выяснить несложно. Через них можно оценить влияние действий игрока на результаты команды. Статистика rebounds, адаптированная Роландом Бичем из 82games.com на основе аналогичной статистики в хоккее, позволяет оценить успешность действий команды в то время, когда определенный игрок находится на поле, и в то время, когда он сидит на скамейке.

Анализ данных. Мори и его статистики решили использовать так называемый анализ плюс-минус, чтобы оценить Баттье. Но во время сезона 2006/07, его первого сезона в Houston Rockets, Мори сказал, что Баттье имел показатель –8 по методике плюс-минус. Это означало, что в случае замены Баттье игроком со средними показателями результаты команды снижались на восемь очков[107]. По этому показателю игрок занимал семнадцатую позицию в рейтинге NBA, но при этом получал среднюю по лиге заработную плату, а тот игрок, в обмен на которого его продали, занимал в том же рейтинге лишь 45-ю позицию.

Результаты и необходимые меры. Конечно, Мори принял решение купить Баттье, и это решение оправдалось. В сезоне, предшествовавшем его появлению, Houston Rockets финишировали со счетом 34–48, а уже в следующем сезоне этот показатель составил 52–30. В 2008/09 году был поставлен рекорд – 56–27, и при этом команда продемонстрировала уникальную серию из двадцати двух побед подряд, несмотря на то что несколько ключевых игроков получили травмы. Баттье играл за Houston Rockets пять лет, пока не получил серьезную травму и не был продан обратно в Grizzlies, а затем в Miami Heat. За команду из Майами Баттье также выступал весьма удачно в своей обычной не бросающейся в глаза манере игры, в результате чего команда стала чемпионом NBA в 2012 году.

Поскольку эта книга адресована не-квантам, то мы считаем полезным описать принципы оптимальной организации совместной работы с профессионалами в области аналитики и специалистами по данным. Даже притом что вы уже многому научились, прочитав эту книгу и изучив примеры аналитического мышления из предыдущей главы, все же этого недостаточно, чтобы самостоятельно реализовать продвинутые аналитические проекты. Так или иначе, придется сотрудничать со специалистами в области количественного анализа. Количественные аналитики и специалисты по данным часто имеют ученую степень по статистике, математике или даже физике. Это косвенным образом характеризует уровень знаний и навыков квантов, необходимых для серьезной аналитической работы.

Основное внимание в этой главе мы уделим взаимоотношениям между тремя группами профессионалов, так или иначе имеющих отношение к аналитике:

• лица, принимающие коммерческие и организационные решения;

• бизнесмены или сотрудники компании;

• количественные аналитики или специалисты по данным.

Предполагаем, что большинство читателей попадает в одну из двух первых групп и должны налаживать тесное сотрудничество с представителями третьей группы. Если вы представитель третьей группы, то, возможно, тоже найдете эту главу полезной для себя, поскольку в ней содержатся рекомендации по эффективному взаимодействию с не-квантами.

В пользу того, чтобы все три группы устанавливали конструктивные взаимоотношения вместо того, чтобы перекладывать ответственность на кого-то одного, есть весомый довод. Авторы (если читатели этого еще не заметили) горячие сторонники использования аналитики в целом (и собранных данных, в частности) как основы принятия управленческих решений. Но для многих топ-менеджеров важным фактором принятия решений по-прежнему остаются интуиция и опыт. Иногда они приводят к принятию ошибочных решений, но их полезность при выборе адекватных финансовых показателей, разработке важных деловых сценариев «что… если» и выборе условий, при которых аналитические модели релевантны, не подвергается сомнению.

Таким образом, задача заключается в том, чтобы принимать решения на основе аналитики, но с учетом интуиции менеджеров. Немногие топ-менеджеры в равной мере могут полагаться и на свою аналитическую подготовку, и на интуицию. Это означает, что придется работать в тесном контакте с количественными аналитиками, если они хотят принимать эффективные решения. По сути, мы могли бы доказать, что качество сотрудничества между топ-менеджерами и их консультантами по количественному анализу – это ключевой фактор принятия эффективных управленческих решений.

Научный сотрудник Intel Карл Кемпф (эта должность в компании предусмотрена для сотрудников, имеющих заслуги в науке и получивших право на относительную независимость в работе) возглавляет группу разработки технических решений. Он считает, что эффективные количественные решения «принимаются не на основе математики, а на основе взаимоотношений»[108]. Это весьма примечательное заявление из уст Кемпфа, известного в компании под дружескими прозвищами Суперквант и Главный математик. Если кто-то, кого, пусть и в шутку, зовут Главным математиком, заявляет, что математика тут не главное, то к этому надо отнестись серьезно.

Кемпф заметил, что математические и статистические алгоритмы, применяемые количественными аналитиками, могут быть как предельно простыми, так и очень сложными. Но в любом случае это результат тщательной работы очень умных людей в течение десятилетий (или столетий, как это было в некоторых из приведенных в этой книге примеров), который проверялся, перепроверялся и анализировался снова и снова другими очень умными людьми.

Математика работает всегда, а вот человеческие аспекты принятия решений гораздо менее отработаны. Организации, создавшие группы количественных аналитиков (а в наш аналитический век это должно быть повсеместным явлением), должны представлять, какой именно тип аналитиков им нужен и какие задачи они будут решать для топ-менеджеров. Судя по всему, аналитики с необходимым набором навыков всегда в дефиците. Кроме того, топ-менеджерам придется пересмотреть свои ожидания относительно аналитиков и отношений с ними. Наконец, методы и инструменты, используемые аналитическими группами, следует пропагандировать и совершенствовать таким образом, чтобы они могли постепенно стать частью системы принятия решений.

Карл Кемпф и его аналитическая команда из Intel на личном опыте убедились в правильности многих изложенных в этом разделе уроков. Группа интенсивно работает над формированием конструктивных взаимоотношений между менеджерами и аналитиками. Первоочередная задача – добиться взаимного уважения: чтобы, с одной стороны, те, кто принимает решения, проявляли хотя бы минимальный интерес и уважительное отношение к навыкам и опыту количественных аналитиков, а с другой – аналитики интересовались проблемами менеджеров и серьезно относились к ним. Такая асимметрия в отношениях допускается преднамеренно. В то время как для менеджеров достаточно иметь некоторый вкус к математике, для количественных аналитиков Кемпф и его группа считают абсолютно необходимым как можно глубже понимать механизм интуиции менеджеров. Это означает, что менеджеру не обязательно становиться специалистом в математическом анализе, но аналитику можно и нужно стать экспертом по проблемам бизнеса.