Книжная полка: «Как вытащить из данных максимум», Джордан Морроу

По прогнозу экспертов Всемирного экономического форума, к 2025 году во всём мире будет ежедневно производиться 463 эксабайта данных. Чтобы представить масштаб — такое количество информации заняло бы больше двухсот миллионов DVD. Очевидно, немалую часть этого объёма занимают фотографии котиков и посты, сгенерированные ботами, но среди всего этого есть и данные, способные принести немало пользы бизнесу.

Работе с ними посвящён подход Data-driven (буквально переводится с английского как «управляемый данными»), который используют в принятии стратегических решений и создании продуктов. Распространяется он и в образовании — на основе данных проектируют адаптивное обучение и разрабатывают рекомендательные системы, чтобы предлагать студентам релевантные курсы и учебные материалы. Аналитика данных о целевой аудитории нужна, чтобы запустить востребованный инфопродукт. А для оценки качества и эффективности образовательных курсов в сфере EdTech и корпоративном обучении используют целые наборы метрик.

О том, как научиться уверенно оперировать данными, не будучи специалистом в области Data Science, и выстроить многоуровневую систему аналитики в компании — книга Джордана Морроу, эксперта в области дата-грамотности.

После вводной главы, где автор обосновывает важность навыков аналитики, он разбирает четыре уровня аналитических методов:

• Дескриптивный, или описательный, — правильная интерпретация данных, ответ на вопрос «Что произошло?».
• Диагностический — проникновение в суть данных, выявление причин и ответ на вопрос «Почему это произошло?».
• Предиктивный, или предсказательный, — выдвижение на основе данных гипотезы о том, что произойдёт в будущем.
• Прескриптивный, или предписывающий, — формулировка рекомендации, как поступить, чтобы достичь того или иного результата.

По словам Джордана Морроу, владеть аналитическими методами на первых двух уровнях рекомендуется всем — от рядовых сотрудников до топ-менеджеров. Методы третьего и четвёртого уровней более продвинутые, с помощью специализированного ПО их применяют специалисты по статистике, по обработке данных и количественному анализу, дата-аналитики. Другим сотрудникам и руководителям, считает автор, будет достаточно базовой дата-грамотности, чтобы понимать, на чём основаны те или иные прогнозы и предписания, участвовать в обсуждениях.

Следующие четыре главы Морроу как раз посвятил понятию дата-грамотности, которую он определяет как «способность читать данные, работать с ними, анализировать их и общаться на языке данных». Из этого определения автор формулирует составляющие аналитической компетенции — от чтения данных до общения на языке данных. Затем он рассказывает о связанных с дата-грамотностью областях (например, об этике и законодательстве в сфере данных, организационной культуре, качестве и визуализации данных, управлении ими) и об отношении этой компетенции к четырём уровням аналитики.

В главах 7 и 8 Морроу описывает стадии внедрения дата-грамотности в организации, а затем называет три аспекта, без которых не получится сформировать эту компетенцию: любопытство, креативность и критическое мышление. В следующей главе автор приводит схему принятия решений на основе данных, состоящую из шести шагов. А после коротко затрагивает стратегические аспекты дата-грамотности — например, роль больших данных, искусственного интеллекта и машинного обучения в аналитике. И наконец, в заключительной главе автор даёт рекомендации для тех, кто только приступает к изучению аналитики.