Топ за месяц!🔥
Книжки » Книги » Разная литература » Разберись в Data Science. Как освоить науку о данных и научиться думать как эксперт - Алекс Дж. Гатман 📕 - Книга онлайн бесплатно

Книга Разберись в Data Science. Как освоить науку о данных и научиться думать как эксперт - Алекс Дж. Гатман

34
0
На нашем литературном портале можно бесплатно читать книгу Разберись в Data Science. Как освоить науку о данных и научиться думать как эксперт - Алекс Дж. Гатман полная версия. Жанр: Книги / Разная литература. Онлайн библиотека дает возможность прочитать весь текст произведения на мобильном телефоне или десктопе даже без регистрации и СМС подтверждения на нашем сайте онлайн книг knizki.com.

Шрифт:

-
+

Интервал:

-
+

Закладка:

Сделать
1 ... 61 62 63 ... 69
Перейти на страницу:
Конец ознакомительного отрывкаКупить и скачать книгу

Ознакомительная версия. Доступно 14 страниц из 69

«Вызвать статистика после завершения эксперимента – это то же самое, что попросить его провести вскрытие и сказать, по какой причине эксперимент закончился неудачей». На руководителя проекта возложена неприятная обязанность сообщить о проблеме высшему руководству.

Время историй

Талантливая студентка, изучавшая сложные технические концепции в университете на протяжении последних пяти лет, работает над своим первым крупным проектом в маркетинговой фирме. За день до представления результатов ее менеджер предлагает ей представить результаты проведенного анализа в виде «истории» и сократить ее содержание до одного слайда PowerPoint.

«С ними надо говорить, как с пятиклассниками», – заявляет менеджер.

Она неохотно соглашается, хотя знает, что в аудитории будут ученые. Она считает, что презентация уже была достаточно сокращена. Кроме того, она проверила понятность своего выступления на технически не подкованных коллегах.

«Поверь мне, – говорит менеджер, – тебе не нужно, чтобы эта группа задавала какие-либо вопросы». Из-за отбрасывания большинства технических деталей и критических рассуждений результаты работы сводятся к простому заголовку.

Во время представления результатов в ходе презентации большинство зрителей кивает. Некоторые задаются вопросом: «Нам действительно нужны дата-сайентисты, находящие простые ответы?»[150] Другие зрители, обладающие некоторыми техническими знаниями, недоумевают, почему были проигнорированы технические аспекты проекта.

Обдумывая свою презентацию, студентка понимает, что многие нюансы были потеряны, – и чувствует, что в некотором смысле она предала свою исходную работу.

Игра «Телефон»

Во время случайной встречи за чашкой кофе дата-сайентист рассказывает своему коллеге об интересном факте, обнаруженном в данных компании. У нее еще не было возможности разобраться во всем как следует, но беглый обзор показал, что 75 % участников опроса заявили о своем намерении стать постоянными клиентами.

После встречи дата-сайентист возвращается к своему столу и снова просматривает результаты анализа. Она еще раз видит показатель 75 % и понимает, что в опросе приняли участие всего 8 человек из нескольких сотен. Затем она выясняет, что соответствующий вопрос был добавлен в анкету совсем недавно, так что ни один из тех людей, которые высказали намерение стать постоянными клиентами, еще не стал таковым.

Месяц спустя на общем собрании компании руководители хвастаются своими успехами в деле удержания клиентов. Они говорят о том, что 3 из 4 клиентов стали постоянными, судя по результатам опроса сотен людей.

Дата-сайентист понимает, что этот факт был озвучен во время случайной встречи за чашкой кофе и никогда не должен был распространяться без проверки. К этому моменту он повторялся в компании так много раз, что стал восприниматься как нечто самоочевидное. Дата-сайентист задается вопросом о том, можно ли как-то остановить его использование в компании – и стоит ли вообще это делать.

В дебри

Дата-сайентист применяет подходящие методы для решения сложной проблемы и, по общему мнению, отвечает на поставленные бизнес-вопросы. Но его итоговая презентация для проектной группы оказывается слишком технической. Он не предпринял практически никаких усилий для того, чтобы значимым образом связать полученные результаты с ценностью для бизнеса.

Пытаясь добиться признания в качестве уважаемого технического эксперта, он излишне увлекается технической терминологией, и хотя заинтересованные стороны считают результаты его работы впечатляющими, они покидают зал без четкого представления о том, что делать дальше. По их мнению, проект нельзя считать завершенным из-за того, что он не был представлен понятно.

Проблема превращается в порочный круг: специалиста по работе с данными просят разработать лучшее решение для завершения проекта. Дата-сайентист углубляется в дебри…

Проверка реальности

Дата-сайентист проводит анализ рынка, но разработанное им решение не может быть реализовано в качестве рыночной стратегии, так как оно оторвано от того, как работает бизнес. Если бы в распоряжении компании было бесконечное количество качественных данных, средств и времени, это было бы отличным решением! Однако в действительности это отличное решение идеальной проблемы, а не той, которая на самом деле стоит перед бизнесом.

Но дата-сайентист непреклонен. Он хочет реализовать это решение «правильным» (то есть своим) способом. Он высокомерно заявляет своим коллегам по бизнесу, что они должны придумать, как это сделать. Наконец вмешивается старший партнер и говорит, что проект будет свернут, если они не смогут проложить путь по текущей траектории.

«Что еще мы можем сделать?» – спрашивает старший партнер. (До сих пор никто не задавал этот вопрос.)

После этого команда находит способ, выигрышный для всех.

Захват власти

После многолетнего взаимодействия с клиентами в страховой отрасли команда проекта привлекает дата-сайентиста для анализа данных о клиентах, накопившихся за многие годы. Этот специалист недавно был повышен до старшего дата-сайентиста, и новое звание вскружило ему голову.

Команда усердно работала над выстраиванием доверительных отношений с каждым клиентом. Но старший дата-сайентист, которому не терпится решить проблемы и доказать свою ценность, настаивает на встрече с клиентом, утверждая, что в противном случае он ничего не сможет сделать. Вместо того чтобы рассматривать себя как часть команды, он считает себя консультантом, которому предстоит спасти компанию, введя ее в пространство данных.

Хотя нет ничего лучше, чем задать вопрос и услышать мнение клиента из первых уст, команда проекта чувствует неуважение со стороны дата-сайентиста. Во-первых, это сигнализирует об отсутствии веры в способности команды определять правильный контекст, выявлять реальную проблему и налаживать связи для оказания воздействия.

Во-вторых, это умаляет значимость сложной работы по выстраиванию доверительных отношений, побуждающих клиента говорить о своих потребностях. Это свидетельствует о (сознательном или неосознанном) пренебрежении риском, связанным с ненужной встречей и потенциальным оскорблением клиента.

Хвастун

Статистик одержим предоставлением максимально технических объяснений.

Хотя другие участники команды – столь же образованные и компетентные люди, хвастун тратит много времени на споры о том, какая методология является самой лучшей, а также на разбор примеров из Интернета и учебников. Он открыто критикует бизнес-коллег как недостаточно умных, чтобы понять результаты проделанной работы (хотя они работают в компании намного дольше, чем он).

Все знают, насколько он умен, и он буквально упивается своим статусом софиста. Но он не производит результатов. Процесс создания презентации для него поистине мучителен. А за его тягой к спорам скрывается аналитический паралич. Делая каждый слайд, он будто идет на компромисс со своими убеждениями.

В результате к нему обращаются лишь тогда, когда кто-то должен сыграть роль адвоката дьявола в рамках проекта. Но даже в этом случае людям приходится выслушивать его наполненные жаргоном тирады и сравнения с предыдущими проектами, при реализации которых его мнения игнорировались.

В повседневной работе его мнения скорее мешают, чем помогают.

Отношение к данным

Ознакомительная версия. Доступно 14 страниц из 69

1 ... 61 62 63 ... 69
Перейти на страницу:

Внимание!

Сайт сохраняет куки вашего браузера. Вы сможете в любой момент сделать закладку и продолжить прочтение книги «Разберись в Data Science. Как освоить науку о данных и научиться думать как эксперт - Алекс Дж. Гатман», после закрытия браузера.

Комментарии и отзывы (0) к книге "Разберись в Data Science. Как освоить науку о данных и научиться думать как эксперт - Алекс Дж. Гатман"