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

Книга Сноудона написана с симпатией к этим монахиням и восхищением перед сестрами, благородно согласившимися пожертвовать свой мозг для научных исследований после смерти. Результаты исследования Сноудона показали, что патологические изменения поведения не всегда вызываются видимыми изменениями в мозге, а лингвистические способности в молодости, по всей видимости, предотвращают в старости развитие болезни Альцгеймера. Предупреждение инсультов и сердечных заболеваний помогает избежать деменции (приобретенного слабоумия), а наследственность, диета и физические упражнения также играют в этом значительную роль. Изложение научных фактов на фоне реальных человеческих судеб, вдохновляющий и восхищенный взгляд на процесс старения будут весьма интересны читателям [82].

Работа Сноудона с сестрами-монахинями стала темой статьи, проиллюстрированной на обложке журнала Time в 2009 году [83]. Это еще раз говорит о том, что творческое аналитическое мышление способно заинтересовать самую широкую аудиторию.

Симон Хайнес в прошлом работал инвестиционным банкиром в банке Macquarie. Под вымышленным именем Марк Бус он купил опцион на пакет акций транспортной компании TNT на общую сумму около 90 тысяч долларов. Банк Macquarie предоставлял услуги по финансовому консультированию компании TNT, и перед самым увольнением из банка Хайнес получил косвенные свидетельства того, что TNT в скором времени будет поглощена. Так и случилось буквально через пару дней после покупки опциона. Хайнес исполнил опцион и получил прибыль около двух миллионов долларов за одну эту операцию. Кроме того, он умело замел следы, и инспекторам из Австралийской комиссии по ценным бумагам и инвестициям пришлось проделать большую аналитическую работу, чтобы разобраться в сути махинации.

Определение и формулирование проблемы. Нетипичная торговая активность с опционами TNT была отмечена за три дня до объявления о поглощении компании. Это объявление привело к росту рентабельности на инвестиции в акции компании до 200 процентов. Хотя инспекторы биржи называли нескольких физических и юридических лиц, покупавших и продававших акции компании на протяжении этих трех дней, но они не могли определить, кто из них был первым. Дело было передано в Комиссию по ценным бумагам и инвестициям – орган, ответственный за состояние фондового рынка. Несмотря на то, что к расследованию привлекли все возможные ресурсы и обычные судебные процедуры, Комиссия три месяца не могла добиться результата. В конце концов она пришла к выводу, что операции проводились по фальшивым документам.

Изучение предыдущих поисков решения. Конкретно в рамках этого случая предыдущие исследования отсутствовали, поскольку он оказался исключительным. Но у сотрудников Комиссии был большой опыт проведения аналогичных расследований. Они предположили, что информация об операции может «протечь» в социальную сеть. Члены Комиссии умели искать информацию о людях, компаниях и адресах во внутренних корпоративных и социальных сетях.

Моделирование (отбор переменных). В качестве двух основных переменных в модель включены доступ неустановленного лица к информации о грядущем поглощении компании TNT и наличие у него необходимых предпосылок (счет в банке, деньги и т. п.) для торговли ценными бумагами на момент поглощения TNT.

Сбор (измерение) данных. Традиционные методы расследования позволяли установить того, кто имело или мог иметь доступ к инсайдерской информации («информированные лица»). Кроме того, с их помощью можно было отследить операции по снятию соответствующих денежных сумм со счетов («люди с наличностью»). Имея эту информацию, они могли выявлять и накапливать сведения о связях между людьми, компаниями, адресами и активами, принадлежащими «информированным людям» и «людям с наличностью». Процесс анализа этих связей привел к созданию аналитической базы данных, содержащей сведения о более чем 160 тысячах человек, компаний, адресов, активов и операций по снятию наличных, между которыми установлено более миллиона разнообразных контактов.

Анализ данных. Одни и те же элементы многократно встречаются в базе данных в связи с различными операциями, поэтому, прежде чем переходить к следующему этапу, аналитики решили выделить операции, относящиеся к одному и тому же элементу (то человеку, компании, активу или адресу нахождения). Для выполнения этой задачи было задействовано более сотни разработанных специалистами Комиссии алгоритмов. Энтони Вьель, на тот момент главный следователь Комиссии по данному делу, а ныне партнер по аналитике и расследованиям в австралийском отделении аудиторской фирмы Deloitte, так прокомментировал этот процесс: «После того как все повторяющиеся элементы были объединены, мы запустили специальный алгоритм для выявления связей между “информированными людьми” и “людьми с наличностью”. При этом характер связей оценивался как либо “слабый”, либо “прочный”, чтобы можно было отсортировать полученные результаты. На первом этапе анализа мы выявили 65 элементов со слабыми и прочными связями, на втором из них было отобрано только два элемента с прочными связями. Один из них оказался ложной переменной, появившейся в результате некорректно выполненного объединения операций, зато вторым и был тот человек, который нас интересовал» [84].