Революция в аналитике. Как в эпоху Big Data улучшить ваш бизнес с помощью операционной аналитики - Билл Фрэнкс

Наконец, еще один важный аспект аналитической культуры, связанный с преодолением неудач, заключается в понимании людьми того, как правильно использовать любые результаты аналитики. Неверное истолкование и неправильное применение аналитических результатов неприемлемы. Старая поговорка гласит: недоученный хуже неученого. Когда недостает знаний о том, как использовать результаты аналитического процесса, это тоже плохо.

В одной из популярных статей в моем блоге обсуждается тревожный пример, который наглядно иллюстрирует опасности использования аналитики без надлежащего понимания или обучения{92}. Руководство находящейся недалеко от моего дома школы решило использовать для оценки курсовых работ учащихся специальную программу проверки на плагиат. Так вот, беспроблемный прежде класс с углубленным изучением школьной программы и со множеством отличников программа уличила в обмане. Всем учащимся завернули курсовую работу, что негативно отразилось на их годовых оценках. Когда мне сообщили детали, я понял, что причина была в неправильном использовании ПО. Например, совпадение фраз из трех слов в двух работах маркировалось как тревожный сигнал. Скажем, если двое учащихся написали фразу: «Автор предполагает, что…», их работы отмечались как подозрительные. При таких нестрогих критериях можно ожидать множество случайных совпадений. Если работа набирала определенное количество красных флажков, она считалась плагиатом. Преподаватели, не имевшие опыта в использовании такого рода анализа, отстаивали оценки «экспертного» ПО, даже если видели явно нелогичные и несправедливые выводы. Все это больно ударило по репутации учащихся, негативно повлияло на их годовые оценки и потенциально на возможность поступить в колледжи по их выбору.

Как и любой другой инструмент, аналитика может быть мощной и полезной при правильном применении, но может и причинить серьезный вред, если используется людьми, которые не умеют правильно ее применять. Все мы сталкивались в бизнесе с ситуациями, когда статистика или показатели предоставляются руководителям вне полного контекста и без необходимых пояснений. Увидев показатели вне контекста, руководитель может принять непродуктивное или ошибочное решение. Крайне необходимо подготовить сотрудников к правильному использованию аналитики в рамках своих рабочих обязанностей. Как уже говорилось выше, рядовым сотрудникам не нужно разбираться в работе алгоритмов. Но они должны в точности знать, как правильно обращаться с результатами анализа, проведенного алгоритмами.

Неправильное использование аналитики может принести больше вреда, чем ее полное отсутствие

Убедитесь, что каждый человек в вашей организации обучен правильному использованию аналитики на том уровне, который требуется для его работы. Неправильное применение аналитических инструментов, методик или результатов может принести больше вреда, чем пользы.

Давайте рассмотрим несколько действий, которые должны стать стандартными при создании и использовании аналитики. В свою очередь, корпоративная культура призвана требовать соблюдения этих стандартов:

• Кто-то из сотрудников должен полностью разбираться в каждом анализе, знать его сильные и слабые стороны. Не всем сотрудникам надо разбираться в таких тонкостях, но кто-то обязательно должен.

• Параметры и опции, используемые в процессе, должны выбираться с обоснованием. Не стоит предполагать, что настройки по умолчанию подходят для любого случая.

• При появлении неожиданных результатов необходимо провести дополнительное исследование и поставить необходимые вопросы, прежде чем делать выводы. Ни один алгоритм или пакет программ не является всеведущим. Неожиданные результаты могут привести к значимым инсайтам в аналитическом процессе и в поддерживающих его данных.

• Если обнаруживаются дополнительные факты или данные, которые противоречат первоначальным выводам, необходимо уделить им серьезное внимание. Главное – найти правильный ответ, а не защищать исходные предположения.

• Разрешите сотрудникам выполнять и использовать только те виды анализа, для правильного применения которых они подготовлены. Иначе сотрудники могут забраться в темный лес, сами того не осознавая.

Возвращаясь к вышеописанному примеру с плагиатом, можно сказать, что желание учителей использовать аналитику, безусловно, достойно похвалы. Однако они совершили серьезную ошибку, начав использовать ее без должного понимания того, что делают. Учителя не знали, как правильно настроить алгоритмы и как интерпретировать результаты. Этот пример наглядно иллюстрирует, как неправильное использование аналитики может принести больше вреда, чем пользы, если применять ее вне контекста или вне обозначенного масштаба. Вот почему так важно, чтобы организация предоставила своим сотрудникам надлежащие обучение и поддержку. Неудача по незнанию неприемлема ни при каких условиях.

Наиболее важные положения этой главы:

• Не застревайте в ловушке сделанных вслепую предположений, как блоха в банке. Регулярно подвергайте предположения сомнению, чтобы проверить, по-прежнему ли они актуальны.

• Поддержка аналитики и специалистов-аналитиков должна начинаться с уровня генерального директора. Никто не захочет оставаться в организации, где не ценят его работу.

• Когда люди чувствуют угрозу со стороны операционной аналитики и сопротивляются ей, используйте метод игрофикации. Придумайте игру, где победа достигается за счет эффективного использования нового аналитического процесса.

• Улучшения, предлагаемые аналитикой, не должны служить обвинением в том, что прежние решения принимались неправильно. Дайте сотрудникам понять, каким образом использование аналитики поможет им лучше выполнять свою работу.

• Операционная аналитика предполагает делегирование полномочий, а не их потерю. Делегирование полномочий по принятию решений надежному алгоритму мало чем отличается от делегирования полномочий доверенным людям.

• Небольшие изменения могут существенно повысить аналитическую эффективность организации. Успешная бизнес-модель современных магазинов йогуртов построена на небольших, но трансформационных изменениях по сравнению со старой моделью. ИТ-службы точно так же должны перейти от режима обслуживания к режиму содействия.

• Без свободного испытания аналитических процессов, которые впоследствии не заработают, невозможен свободный поиск процессов, которые впоследствии заработают. Не зацикливайтесь на предотвращении появления плохих идей; лучше сосредоточьтесь на содействии появлению хороших.

• Поощряйте людей искать новые неожиданные способы использования существующих данных и аналитических процессов.