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

Конечно, если обнаруживаются факторы, которые демонстрируют связь с анализируемыми параметрами, но при этом сами по себе бессмысленны, стоит вернуться к самому началу и проверить доброкачественность исходных данных и корректность методики анализа. Однако в большинстве случаев анализ массивов данных более эффективен, чем прогнозы на основе качественного анализа. Только учтите, что предсказательные проекты основываются на информации за прошлые периоды для прогнозирования событий в будущем. Если со времени проведения последнего анализа в мире что-то изменилось, то полученный прогноз может оказаться недостоверным.

Проект «Что случилось, когда…?»Проекты, описывающие ряд событий и показателей на основе собранных данных, распространены наиболее широко. Они представляют структурированные данные: сколько единиц продукта было продано, за какой период и где, какие финансовые результаты продемонстрировала компания в прошлом квартале, сколько человек взяли на работу в прошлом году. Поскольку эти проекты ориентированы в основном на отчетные данные, сложные математические методы в них, как правило, не используются, и может показаться, что они очень просты в исполнении. Но колоссальный рост данных, генерируемых современными организациями, привел к тому, что аналогично возрос и объем отчетности на их основе. Вот почему иногда бывает сложно привлечь внимание целевой аудитории к создаваемым и распространяемым отчетам.

Этот вид проектов особенно полезен, когда требуется наглядно представить данные. Достаточно сказать, что если в ваших отчетах в основном таблицы, заполненные цифрами, вряд ли вы привлечете внимание аудитории. Кое-кто скажет, что устал от обилия графиков и цветных диаграмм, но большинство наверняка считают, что они более понятны, чем цифры на бумаге. Поскольку в главе 4мы подробно рассматриваем, какими способами можно проинформировать о результатах анализа, там же поговорим и о том, как сделать цифровые отчеты более интересными и привлекающими внимание.

По определению, у аналитического проекта, основанного на количественном анализе, узок круг рассматриваемых вопросов, поскольку требуется сбор данных и проверка на их основе некой гипотезы (см. вставку «Примеры проверяемой гипотезы»). Трудно собирать данные по широкому кругу. Но на этом этапе важно не сузить преждевременно масштабы рассматриваемой проблемы или будущего решения. Взгляд на проблему должен быть достаточно широким для того, чтобы выделить несколько возможных вариантов решения. Например, если организация считает, что в отдельном подразделении или регионе возникла проблема с эффективностью деятельности, то причин этого может быть много – начиная от недовольства потребителей до производственных факторов или особенностей продуктов и услуг.

• Анализ видов продуктов, пользовавшихся спросом в прошлом году, лучше всего поможет понять, на какие коммерческие предложения, рассылаемые по электронной почте, мы получим максимальный отклик в будущем.

• Продолжительность учебы является надежным критерием будущей эффективности деятельности сотрудников на должностях, требующих высокого уровня компетентности.

• Десятипроцентные скидки с цены продуктов за неделю до праздников менее эффективны, чем скидки, введенные в другое время.

• Размещение товара на витрине в конце прохода наиболее эффективно с точки зрения стимулирования продаж.

• Наших покупателей можно разделить на четыре группы в зависимости от того, какие продукты они предпочитают.

• Возможность повышать цены на продукты стандартного качества и при этом не вызвать сокращения спроса существенно уменьшается в годы экономической рецессии.

• Наши подразделения, централизовавшие склады, предпочитают поддерживать меньший операционный запас материалов для производственного процесса.

В примере с компанией Transitions Optical, приведенном в конце этой главы, к идентификации и формулированию проблемы менеджеров подтолкнуло смутное ощущение, что маркетинговые расходы избыточны. Однако из области решений было выбрано только одно, включавшее комплексную оптимизацию маркетинговых расходов и привлечения средств массовой информации.

Мы называем первый этап количественного анализа формулированием проблемы, но его же можно назвать и выявлением возможностей. Британский инженер Джозеф Джаггер (1830–1892) понял, что есть возможность сорвать банк в казино Монте-Карло [23]. Он приобрел опыт работы с машинами и механизмами на хлопкопрядильных фабриках Йоркшира. Это помогло ему понять принципы движения колеса рулетки и предположить, что под действием механической неисправности одни цифры выпадают чаще, чем другие. А что если использовать эту неисправность в своих интересах? Он поехал в Монако, чтобы проверить свое предположение.