Мировая история полна ошибок, связанных с неполнотой знаний и принятием неверных решений. Даже если некоторые из них заканчивались положительными результатами.
Один из примеров: В 1492 г. Христофор Колумб отплыл на запад в поисках альтернативного и более короткого пути в Индию. Мы все знаем, чем закончилась эта история, но, чтобы не быть голословными, отметим, что это решение далось ему нелегко: он изучал и осваивал высокие технологии своего времени, изучал математику, небесную навигацию, кораблестроение, а также (видимо, вместе со своим братом) основал в Лиссабоне предприятие по изготовлению карт, что позволило ему быть в курсе идей и тенденций со всей Европы.
Христофор Колумб, использует Big Data
Подготовка к путешествию Колумба было революционным аналогом современных технологий Big Data и AI, которые в то время также совершали значимые открытия и создавали огромные состояния. Доказано, что прибытие Колумба было счастливым случаем, а не закономерным результатом, соразмерным всем знаниям Колумба, поскольку его экспедиция едва не была сведена на нет чудовищными просчетами:
Он использовал неверные данные: В 200 г. до н.э. Эратосфен очень точно рассчитал окружность Земли. Один градус широты равнялся 59,5 морским милям, но более поздние расчеты средневекового Альфрагана предполагали 56,67 морских миль, то есть столько, сколько предполагал Колумб.
Он некорректно подходил к расчётам: Он использовал данные Альфранга, но ошибся ещё на 25%, предположив, что Альфраганус использовал римские мили, в то время как на самом деле он использовал арабскую милю. Не стоит смеяться над ошибкой 500-летней давности: аналогичная ошибка с единицами измерения оказалась роковой для марсианского климатического орбитального аппарата в 1999 году.
Он выдвинул неверные предположения: Колумб также предположил, что Азия вытянута на восток и почти касается Азорских островов. Короче говоря, он хотел, чтобы данные соответствовали его рассказу, добавляя свои собственные рассуждения к тому, что было известно через Птолемея и Марко Поло, что привело к дополнительной погрешности в 60%.
Усугубление когнитивных предубеждений
В целом, конечная проблема заключалась в том, что Колумб не проявил желания оценить истинную ценность предыдущих решений, истории и опыта, позволив им помешать ему. Личные суждения, опыт и интуиция дополнили сильную когнитивную предвзятость, основанную на богатых знаниях о мореплавании.
Мы не можем винить Колумба за то, что он принял такие решения, учитывая ограниченный объем истинных знаний.В итоге ему повезло, и непредвиденные последствия неправильного принятия решений, несомненно, принесли испанской короне невероятную прибыль. Однако этот пример демонстрирует, насколько несовершенной может быть когнитивная предвзятость, и какое влияние она оказала на то, что на самом деле было очень рискованным решением.
Очевидно, что мы живем в другое время. Но ситуация Колумба очень близка всем нам, когда приходится принимать решения: мы часто оказываемся в одной и той же ситуации, имея неполные или некорректные данные, и подгоняем процесс принятия решений под эти данные, а не наоборот. Данные - один из самых ценных ресурсов, которыми может располагать любой бизнес, и хотя, по словам Чарльза Бэббиджа, “ошибки при использовании неадекватных данных гораздо меньше, чем при отсутствии таковых", к принятию решений всегда нужно подходить с осторожностью.
Качество данных — основа эффективной бизнес-аналитики
Принятие решения на основе данных — это процесс, в котором вы собираете данные и извлекаете из них шаблоны, факты или идеи, чтобы делать выводы, которые определяют ваше окончательное решение. Но данные могут быть неточными, исторические результаты могут не лучшим индикатором будущего, а модели, которые упрощают данные, могут быть ненадежными.
Уточним, что неверные данные — это любая часть информации, которая является ошибочной, вводящей в заблуждение или запутанной по своему формату. Примерами неверных данных являются неполные данные, которые не дают полной картины; неточные данные, которые искажают ситуацию, тем самым не позволяя вам нацеливаться или определять стратегии соответствующим образом; устаревшие данные, возникающие из-за того, что в современной цифровой экосистеме изменения происходят так быстро, что даже информация, которая выглядит репрезентативной, может быть неактуальной; а также дублированные данные, которые искажают показатели, замедляют обработку и хранение и многое другое.
В эпоху цифровых технологий качество обслуживания клиентов определяет успех бизнеса. Поскольку значительная часть взаимодействия с клиентами происходит в Интернете, крайне важно, чтобы ваша компания имела полный обзор потребителя. Это даст вам конкурентное преимущество.
С развитием цифрового мира и Интернета огромные объемы информации собираются при каждом взаимодействии с клиентом. Таким образом, потребность в очистке, упорядочивании и концентрации наиболее ценных данных сегодня важнее, чем когда-либо.
Большинство людей считают, что много данных - это хорошо, но на самом деле это далеко не так, если они не подвергались надлежащей обработке. Многие организации признают этот фактор успеха, но редко действуют в соответствии с ним. Поэтому независимо от того, насколько "обширны" данные, качество всегда важнее количества.
Качества хороших данных
Разработка корректных методов анализа данных
Компании очень часто оказываются парализованными в своих попытках провести оценку готовности данных к цифровой трансформации. Реальность такова, что, как правило, уже имеющаяся информация достаточно хороша, но основная проблема заключается в ее расчленении, интеграции с другими средами и предоставлении в нужное место в нужном формате в нужное время.
Как руководители предприятий, мы должны понимать недостатки количественного анализа и включать качественные факторы в процесс принятия решений.
Нам также необходимо обеспечить эффективную и действенную систему интеграции данных между коммерческими подразделениями и более широкими бизнес-функциями. Это критически важное условие успеха, которое не позволит нам принимать неверные решения, основанные не только на неверных предположениях, но и на отсутствии возможности своевременно измерить и оценить наш курс, чтобы скорректировать его по ходу дела.
Хорошим способом предотвращения этого является использование данных, поступающих от коммерческих процессов и с рынка, для создания более полной картины о клиентах, а затем обеспечение соответствующего управления ценообразованием и коммерческими процессами, например, увязка цикла потребления клиента и жизненного цикла продукта с коммерческими решениями, а также реагирование на динамику и настроение рынка.
Не застывайте в анализе. Одной из ключевых задач науки о данных является устранение когнитивных предубеждений. Как люди, мы испытываем тревожный недостаток статистической интуиции и склонны путать корреляцию с причинно-следственной связью.
ИИ - лучший навигатор по данным
В настоящее время количественные методы и искусственный интеллект позволяют интерпретировать большие массивы данных и быстрее внедрять изменения. Анализ данных очень часто не только повышает эффективность, но и помогает выявить новые возможности для бизнеса, которые в противном случае могли быть упущены из виду, например неиспользованные сегменты клиентов. При этом потенциал роста и прибыльности становится бесконечным и все больше опирается на информацию.
Знания о структуре расходов, ценовой чувствительности и поведении клиентов необходимы для формирования и постоянного развития стратегии бизнеса.Если данные неточны, устарели или неполны, то тактика ведения бизнеса будет не столь эффективной, и вы можете упустить потенциальных клиентов.
Лучшие практики принятия решений на основе данных
Выводы, сделанные в процессе принятия решений на основе данных, помогут вам принимать более обоснованные решения и реализовывать более успешные стратегии.
Каждое неверное решение в бизнесе - это упущенная хорошая возможность. Знания о покупательских предпочтениях, ценовой чувствительности и поведении клиентов необходимы для выработки и постоянного совершенствования коммерческой тактики. Если данные неточны, устарели или неполны, то ваши стратегии будут не столь эффективны, и вы можете остаться без прибыли или даже упустить потенциальные перспективы.
Хуже того, вы даже не поймете, в чем проблема, поскольку ваши данные не подскажут вам, что это не так. Вы не сможете решить проблему или оптимизировать свою стратегию. Вы также можете потерять свои преимущества перед конкурентами из-за того, что не смогли предугадать потребности своих клиентов.
Краткосрочные и долгосрочные решения, которые вы планируете принять, зависят от качества имеющихся у вас бизнес-данных. Хотя поддержание здоровья данных и принятие подобных решений может отнимать много времени, в долгосрочной перспективе это принесет пользу вашему бизнесу.
Опишите цели бизнеса и поймите пользователя. Каждый пользователь должен хорошо знать бизнес и понимать, чего хочет организация. Это поможет в дальнейшем соединить понимание с решениями, соответствующими бизнес-целям.
Точные данные - основа полноценного анализа. По определению, статистическая работа, в которой анализируются расплывчатые данные, также будет некачественной и с гораздо большей вероятностью приведет к принятию неверного решения, чем анализ, основанный на точных данных. Найдите надежные источники данных и определите, как очистить, организовать и поддерживать данные, чтобы они были легко доступны и презентабельны. Это, как правило, очень трудоемкая задача, но вложения в нее впоследствии окупятся сторицей.
Не останавливайтесь на хранении данных и администрировании баз данных. Совершенствуйте процесс сбора данных. Качественные данные - это результат постоянной работы; разовой очистки не получится. Вся имеющаяся у вас информация должна собираться, обрабатываться и управляться должным образом, особенно по мере развития вашего бизнеса.
Исторические данные могут не быть хорошим индикатором будущего. Проведите статистический анализ, определите контрольные группы и методы выборки для проверки и подтверждения своих предположений. Способность эффективно определять ключевые факторы, объясняющие изменения, очень важна, однако следует помнить, что корреляция и причинно-следственная связь - это две разные вещи.
Метрики, упрощающие сложные бизнес-процессы, следует разрабатывать с осторожностью. Всем нравятся простые метрики, которыми можно руководствоваться при принятии решений. Проблема заключается в том, что такой подход чреват чрезмерным упрощением и само собой разумеющимися предположениями, не позволяющими учесть другие качественные факторы при принятии решения.
Дорогостоящие инвестиции в инфраструктуру данных или "очень продвинутые алгоритмы искусственного интеллекта" могут привести к чрезмерной опоре на них. Такие инвестиции могут привести к тому, что руководители начнут чрезмерно полагаться на эту информацию в процессе принятия решений, даже если следует использовать другие подходы.
Оспаривайте свои предположения и когнитивные предубеждения на каждом этапе. Последний шаг в процессе принятия решения - это формирование выводов на основе любой информации или представлений, полученных в ходе работы над моделью. Для начала стоит задать себе вопросы, на которые, как вам кажется, вы уже знаете ответ. Многие компании делают такие предположения, как "клиенты типа X - наши лучшие клиенты" или "клиенты очень чувствительны к цене на продукт X". Оспаривая эти предположения, вы можете либо подтвердить их данными, либо скорректировать с учетом новых знаний.
Объективность и честность важны для любого анализа. Все мы по своей природе хотим услышать радующие результаты и/или простое и понятное объяснение. Хотя эффективные консультанты понимают это желание, они также стремятся получить точную информацию, а не просто нарисовать благоприятные результаты, которые могут быть более привлекательной для руководителя.
Выбирайте средства наглядного представления, которые позволяют принимать решения на основе глубокого анализа. Сократите путь к принятию решений до максимально информативного обобщения.
Один из примеров: В 1492 г. Христофор Колумб отплыл на запад в поисках альтернативного и более короткого пути в Индию. Мы все знаем, чем закончилась эта история, но, чтобы не быть голословными, отметим, что это решение далось ему нелегко: он изучал и осваивал высокие технологии своего времени, изучал математику, небесную навигацию, кораблестроение, а также (видимо, вместе со своим братом) основал в Лиссабоне предприятие по изготовлению карт, что позволило ему быть в курсе идей и тенденций со всей Европы.
Христофор Колумб, использует Big Data
Подготовка к путешествию Колумба было революционным аналогом современных технологий Big Data и AI, которые в то время также совершали значимые открытия и создавали огромные состояния. Доказано, что прибытие Колумба было счастливым случаем, а не закономерным результатом, соразмерным всем знаниям Колумба, поскольку его экспедиция едва не была сведена на нет чудовищными просчетами:
Он использовал неверные данные: В 200 г. до н.э. Эратосфен очень точно рассчитал окружность Земли. Один градус широты равнялся 59,5 морским милям, но более поздние расчеты средневекового Альфрагана предполагали 56,67 морских миль, то есть столько, сколько предполагал Колумб.
Он некорректно подходил к расчётам: Он использовал данные Альфранга, но ошибся ещё на 25%, предположив, что Альфраганус использовал римские мили, в то время как на самом деле он использовал арабскую милю. Не стоит смеяться над ошибкой 500-летней давности: аналогичная ошибка с единицами измерения оказалась роковой для марсианского климатического орбитального аппарата в 1999 году.
Он выдвинул неверные предположения: Колумб также предположил, что Азия вытянута на восток и почти касается Азорских островов. Короче говоря, он хотел, чтобы данные соответствовали его рассказу, добавляя свои собственные рассуждения к тому, что было известно через Птолемея и Марко Поло, что привело к дополнительной погрешности в 60%.
Усугубление когнитивных предубеждений
В целом, конечная проблема заключалась в том, что Колумб не проявил желания оценить истинную ценность предыдущих решений, истории и опыта, позволив им помешать ему. Личные суждения, опыт и интуиция дополнили сильную когнитивную предвзятость, основанную на богатых знаниях о мореплавании.
Мы не можем винить Колумба за то, что он принял такие решения, учитывая ограниченный объем истинных знаний.В итоге ему повезло, и непредвиденные последствия неправильного принятия решений, несомненно, принесли испанской короне невероятную прибыль. Однако этот пример демонстрирует, насколько несовершенной может быть когнитивная предвзятость, и какое влияние она оказала на то, что на самом деле было очень рискованным решением.
Очевидно, что мы живем в другое время. Но ситуация Колумба очень близка всем нам, когда приходится принимать решения: мы часто оказываемся в одной и той же ситуации, имея неполные или некорректные данные, и подгоняем процесс принятия решений под эти данные, а не наоборот. Данные - один из самых ценных ресурсов, которыми может располагать любой бизнес, и хотя, по словам Чарльза Бэббиджа, “ошибки при использовании неадекватных данных гораздо меньше, чем при отсутствии таковых", к принятию решений всегда нужно подходить с осторожностью.
Качество данных — основа эффективной бизнес-аналитики
Принятие решения на основе данных — это процесс, в котором вы собираете данные и извлекаете из них шаблоны, факты или идеи, чтобы делать выводы, которые определяют ваше окончательное решение. Но данные могут быть неточными, исторические результаты могут не лучшим индикатором будущего, а модели, которые упрощают данные, могут быть ненадежными.
Уточним, что неверные данные — это любая часть информации, которая является ошибочной, вводящей в заблуждение или запутанной по своему формату. Примерами неверных данных являются неполные данные, которые не дают полной картины; неточные данные, которые искажают ситуацию, тем самым не позволяя вам нацеливаться или определять стратегии соответствующим образом; устаревшие данные, возникающие из-за того, что в современной цифровой экосистеме изменения происходят так быстро, что даже информация, которая выглядит репрезентативной, может быть неактуальной; а также дублированные данные, которые искажают показатели, замедляют обработку и хранение и многое другое.
В эпоху цифровых технологий качество обслуживания клиентов определяет успех бизнеса. Поскольку значительная часть взаимодействия с клиентами происходит в Интернете, крайне важно, чтобы ваша компания имела полный обзор потребителя. Это даст вам конкурентное преимущество.
С развитием цифрового мира и Интернета огромные объемы информации собираются при каждом взаимодействии с клиентом. Таким образом, потребность в очистке, упорядочивании и концентрации наиболее ценных данных сегодня важнее, чем когда-либо.
Большинство людей считают, что много данных - это хорошо, но на самом деле это далеко не так, если они не подвергались надлежащей обработке. Многие организации признают этот фактор успеха, но редко действуют в соответствии с ним. Поэтому независимо от того, насколько "обширны" данные, качество всегда важнее количества.
Качества хороших данных
- Полнота: В данных нет пробелов; все, что должно было быть собрано, было успешно сделано.
- Актуальность: Информация действительно полезна для ваших инициатив, целей и решений. Даже если данные высокого качества, они бесполезны, если не имеют отношения к вашим целям.
- Точность: Имеющиеся у вас данные описывают реальные условия ведения бизнеса, что помогает делать правильные выводы.
- Согласованность: Каждый элемент данных унифицирован по содержанию и формату с аналогичными элементами в различных наборах данных и базах данных.
- Своевременность: Данные отражают текущую реальность и собираются непосредственно после события.
Разработка корректных методов анализа данных
Компании очень часто оказываются парализованными в своих попытках провести оценку готовности данных к цифровой трансформации. Реальность такова, что, как правило, уже имеющаяся информация достаточно хороша, но основная проблема заключается в ее расчленении, интеграции с другими средами и предоставлении в нужное место в нужном формате в нужное время.
Как руководители предприятий, мы должны понимать недостатки количественного анализа и включать качественные факторы в процесс принятия решений.
Нам также необходимо обеспечить эффективную и действенную систему интеграции данных между коммерческими подразделениями и более широкими бизнес-функциями. Это критически важное условие успеха, которое не позволит нам принимать неверные решения, основанные не только на неверных предположениях, но и на отсутствии возможности своевременно измерить и оценить наш курс, чтобы скорректировать его по ходу дела.
Хорошим способом предотвращения этого является использование данных, поступающих от коммерческих процессов и с рынка, для создания более полной картины о клиентах, а затем обеспечение соответствующего управления ценообразованием и коммерческими процессами, например, увязка цикла потребления клиента и жизненного цикла продукта с коммерческими решениями, а также реагирование на динамику и настроение рынка.
Не застывайте в анализе. Одной из ключевых задач науки о данных является устранение когнитивных предубеждений. Как люди, мы испытываем тревожный недостаток статистической интуиции и склонны путать корреляцию с причинно-следственной связью.
ИИ - лучший навигатор по данным
В настоящее время количественные методы и искусственный интеллект позволяют интерпретировать большие массивы данных и быстрее внедрять изменения. Анализ данных очень часто не только повышает эффективность, но и помогает выявить новые возможности для бизнеса, которые в противном случае могли быть упущены из виду, например неиспользованные сегменты клиентов. При этом потенциал роста и прибыльности становится бесконечным и все больше опирается на информацию.
Знания о структуре расходов, ценовой чувствительности и поведении клиентов необходимы для формирования и постоянного развития стратегии бизнеса.Если данные неточны, устарели или неполны, то тактика ведения бизнеса будет не столь эффективной, и вы можете упустить потенциальных клиентов.
Лучшие практики принятия решений на основе данных
Выводы, сделанные в процессе принятия решений на основе данных, помогут вам принимать более обоснованные решения и реализовывать более успешные стратегии.
Каждое неверное решение в бизнесе - это упущенная хорошая возможность. Знания о покупательских предпочтениях, ценовой чувствительности и поведении клиентов необходимы для выработки и постоянного совершенствования коммерческой тактики. Если данные неточны, устарели или неполны, то ваши стратегии будут не столь эффективны, и вы можете остаться без прибыли или даже упустить потенциальные перспективы.
Хуже того, вы даже не поймете, в чем проблема, поскольку ваши данные не подскажут вам, что это не так. Вы не сможете решить проблему или оптимизировать свою стратегию. Вы также можете потерять свои преимущества перед конкурентами из-за того, что не смогли предугадать потребности своих клиентов.
Краткосрочные и долгосрочные решения, которые вы планируете принять, зависят от качества имеющихся у вас бизнес-данных. Хотя поддержание здоровья данных и принятие подобных решений может отнимать много времени, в долгосрочной перспективе это принесет пользу вашему бизнесу.
Опишите цели бизнеса и поймите пользователя. Каждый пользователь должен хорошо знать бизнес и понимать, чего хочет организация. Это поможет в дальнейшем соединить понимание с решениями, соответствующими бизнес-целям.
Точные данные - основа полноценного анализа. По определению, статистическая работа, в которой анализируются расплывчатые данные, также будет некачественной и с гораздо большей вероятностью приведет к принятию неверного решения, чем анализ, основанный на точных данных. Найдите надежные источники данных и определите, как очистить, организовать и поддерживать данные, чтобы они были легко доступны и презентабельны. Это, как правило, очень трудоемкая задача, но вложения в нее впоследствии окупятся сторицей.
Не останавливайтесь на хранении данных и администрировании баз данных. Совершенствуйте процесс сбора данных. Качественные данные - это результат постоянной работы; разовой очистки не получится. Вся имеющаяся у вас информация должна собираться, обрабатываться и управляться должным образом, особенно по мере развития вашего бизнеса.
Исторические данные могут не быть хорошим индикатором будущего. Проведите статистический анализ, определите контрольные группы и методы выборки для проверки и подтверждения своих предположений. Способность эффективно определять ключевые факторы, объясняющие изменения, очень важна, однако следует помнить, что корреляция и причинно-следственная связь - это две разные вещи.
Метрики, упрощающие сложные бизнес-процессы, следует разрабатывать с осторожностью. Всем нравятся простые метрики, которыми можно руководствоваться при принятии решений. Проблема заключается в том, что такой подход чреват чрезмерным упрощением и само собой разумеющимися предположениями, не позволяющими учесть другие качественные факторы при принятии решения.
Дорогостоящие инвестиции в инфраструктуру данных или "очень продвинутые алгоритмы искусственного интеллекта" могут привести к чрезмерной опоре на них. Такие инвестиции могут привести к тому, что руководители начнут чрезмерно полагаться на эту информацию в процессе принятия решений, даже если следует использовать другие подходы.
Оспаривайте свои предположения и когнитивные предубеждения на каждом этапе. Последний шаг в процессе принятия решения - это формирование выводов на основе любой информации или представлений, полученных в ходе работы над моделью. Для начала стоит задать себе вопросы, на которые, как вам кажется, вы уже знаете ответ. Многие компании делают такие предположения, как "клиенты типа X - наши лучшие клиенты" или "клиенты очень чувствительны к цене на продукт X". Оспаривая эти предположения, вы можете либо подтвердить их данными, либо скорректировать с учетом новых знаний.
Объективность и честность важны для любого анализа. Все мы по своей природе хотим услышать радующие результаты и/или простое и понятное объяснение. Хотя эффективные консультанты понимают это желание, они также стремятся получить точную информацию, а не просто нарисовать благоприятные результаты, которые могут быть более привлекательной для руководителя.
Выбирайте средства наглядного представления, которые позволяют принимать решения на основе глубокого анализа. Сократите путь к принятию решений до максимально информативного обобщения.
Автор: Israel Rodrigo
Предыдущая статья: Ценовые барьеры и кривые спроса в стратегиях ценообразования