Как только лидеры бизнеса поймут, к каким изменениям способна привести наука о данных, предприятие сможет составить план использования методов науки о данных в работе.

Раскрытие заключенных в данных секретов — залог успеха в бизнесе, но путь к нему может оказаться трудным. Сегодня данные — как структурированные, так и неструктурированные — поступают в самых разных формах и из множества источников.

Возникает масса проблем. Необходимо выбрать способы добычи данных, статистические методы, приложения и инструменты. Наконец, необходимо поместить данные в контекст бизнеса и позаботиться, чтобы организация использовала данные для решения фундаментальных проблем бизнеса.

Познакомьтесь с наукой о данных. За последние годы этот междисциплинарный подход превратился в мощный инструмент в некоторых отраслях и ситуациях. «Он применяется при принятии все большего числа важнейших решений», — делится своим наблюдением Атина Каниура, руководитель глобальных исследований Accenture в области науки о данных. Действительно, в наиболее оптимистичных сценариях он может приводить к трансформации, если не к революционным преобразованиям.

Однако, как и другие инициативы в области бизнеса и ИТ, использование науки о данных не гарантирует результата. Это часто дорогостоящий подход, он может потребовать огромного количества времени и ресурсов, и он требует специальных навыков, которые пользуются высоким спросом.

Как организациям ориентироваться в данной области? Как руководителям бизнеса и ИТ заставить науку о данных эффективно работать? И какие ограничения ей присущи?

Гаутам Шрофф, вице-президент и директор по данным фирмы Tata Consultancy Services (TCS), утверждает: «Некоторые из наиболее серьезных трудностей связаны с пониманием действительных проблем и возможностей бизнеса, осознанием как возможностей, так и ограничений науки о данных». Среди всего этого ажиотажа и шумихи, говорит он, совершенно необходимо «привести ожидания в соответствие с реальностью, чтобы приносить и измерять реальную пользу».

Наука о данных может обеспечить широкое и глубокое понимание

За последние годы наука о данных превратилась в центральный элемент цифрового бизнеса. В связи с тем, что организации соединяют системы и устройства, используют социальные сети, подключают унаследованные и созданные другими базы данных, используют данные, размещенные в Интернете и передаваемые в онлайновом режиме, извлекают информацию из приложений и машин и в реальном времени связывают цепочки поставок с торговыми автоматами, возрастают объем, разнообразие и скорость движения данных.

Если собрать кусочки пазла, можно получить широкое и глубокое понимание. Это позволит получить ответы на вопросы, позволяющие по-новому взглянуть на предприятие, и открыть новые, более совершенные способы ведения бизнеса.

Важно сосредоточиться и на процессах, и на технологии, говорит Шрофф. Исходным пунктом для создания мощной системы изучения данных является понимание, чего организация надеется достичь с помощью данных и где предприятие может добиться наибольшего эффекта.

Крупные проблемы общества или бизнеса часто являются главным элементом уравнения. Но наука о данных может решить целый ряд проблем, связанных с рентабельностью, повышением производительности труда, предоставлением более целенаправленных и полезных ответов и понимания, цифровизацией действий, требующей вычислительных и предсказательных возможностей, таких как контекстный маркетинг в реальном времени.

Как только руководители предприятия поймут, к каким изменениям способна привести наука о данных (а также, когда и где она нужна вместо имеющих более узкую сферу применения инструментов бизнес-аналитики), предприятие сможет составить план запуска в работу методов науки о данных. Обычно требуется привлечение экспертов по статистике, машинному обучению, визуализации данных и бизнесу.

Многомерный подход может охватывать такие дисциплины, как экономика, антропология, статистика, аналитика, информационная технология и искусственный интеллект (ИИ). Цель заключается в получении более широкого и целостного представления данных, а затем использования его в работе новыми, более совершенными способами.

Главное, говорит Каниура, начать с проблемы бизнеса и позволить участникам проектов определить направление развития инициативы и необходимую для ее поддержки ИТ-среду. Она считает, что важно гибко подходить к науке о данных, изучать различные сценарии и использовать моделирование, чтобы понять, как применение данных различными способами может привести к различными последствиям и результатам.

Более того, весь процесс должен иметь встроенные методы проверки. «Кто-то из одного или нескольких бизнес-подразделений должен осуществлять проверку, чтобы убедиться, что организация выбрала лучшее решение бизнес-проблемы», — говорит Каниура.

Понимание искусства в науке

Важно понять, что наука о данных — это, в сущности, человеческая деятельность, требующая специальных навыков и знаний. Специалисты по данным получают высокую зарплату. Проведенное компанией Glassdoor в 2017 г. исследование показало, что средний базовый годовой оклад специалиста в этой области составляет 110 тыс. долл., а опытные специалисты зарабатывают гораздо больше. Удержание таких специалистов также может быть сопряжено с трудностями. Наконец, возможности специалистов по данным не безграничны.

Таким образом, говорит Каниура, важно определить границы, в которых организация будет использовать науку о данных, и то, как участники проектов будут изучать темы. «Вам следует предоставить им свободу исследования, но вы должны также задать им направление и цель», — подчеркивает она.

Не удивительно, что некоторые организации обращаются к внешним провайдерам за решениями в области науки о данных. Особенно в связи с тем, что сегодня проблемы бизнеса становятся сложнее и распространяются на столь различные области, как Интернет вещей и ИИ. Но независимо от того, создает предприятие собственную команду специалистов по данным или обращается к внешним сервис-провайдерам, говорит Шрофф, важно помнить о некоторых ключевых положениях.

Во-первых, наука о данных не имеет подходящего для каждого конкретного случая решения и не адаптирована к размеру конкретной компании. Нет в ней и шаблона, позволяющего придать усилиям определенное направление. Во-вторых, наука о данных требует творчества и интуиции. В конечном счете, она оказывается где-то между искусством и наукой. Наконец, успех в равной мере зависит как от сочетания необходимых навыков и людей, так и от конкретных данных.

Тем не менее, в ближайшие годы наука о данных будет играть все более важную роль в трансформации организаций.

«Очень важно избегать шумихи в СМИ по поводу науки о данных и ИИ, — советует Шрофф. — Имеются вполне реальные возможности использовать данные при принятии решений, автоматизации и получении знаний. В связи с охватывающей отрасли и сектора экономики цифровизацией важнейшим условием успеха становится понимание бизнес-контекста. Наука о данных играет важную роль в создании стоимости».