top of page
Фото автораДжимшер Челидзе

Data-driven или data-informed: почему цифра не заменит человека?

Цифровизация и цифровая трансформация неотделимы от использования данных для принятия решений. Но как можно использовать данные для принятия решений?

Содержание

Всего, сейчас, существует 4 стратегии использования данных для принятия решений:

  • No-Data

  • Data-driven

  • Data-informed

  • Data-inspired

И наиболее распространенный запрос и тезис в России: "Мы Data-driven". Но что за этим скрывается, и почему мировые ИТ-гиганты отходят от этой стратегии как единой для всех ситуаций и направлений деятельности?

No-Data

No-data - управление и принятие решений без учета данных и аналитики. Это наиболее распространенный подход в малом и среднем бизнесе. Его использует доминирующее количество руководителей и организаций.

Data-driven

Data-driven - управление и принятие решений исключительно количественных на данных и метрик

Сначала получают цифры/метрики, а потом на их основе принимают решения. Полученные числа — первое, на что посмотрят, решая, куда двигаться дальше. Отлично подходит для обоснования решений перед вышестоящим руководством / акционерами.

Data-informed

Data-informed - управление и принятие решений с учетом данных.

Метрики привносят дополнительную информацию, которая может быть полезна при принятии решений. Однако, окончательное решение принимается с учетом прошлого опыта, экспертизы, интуиции и т.д.


Data-inspired

Data-inspired - подход, при котором анализ рынка и трендов, поиск неочевидных связей в разрозненных данных служит для принятия стратегических решений и поиска новых возможностей. Ключевое - мы опираемся не на опыт и анализ событий, а на видение будущего и исследования.

Позволяет строить стратегию, но имеет наибольшие риски

Давайте разберем, а какие слабые места есть у Data-driven?

  • Недостаток креативности

Data-Driven не дает места креативности и разным точкам зрения

  • Узкая фокусировка

Данные могут ответить качественно только на те вопросы, которые были изначально заложены на этапе проектирования

  • Исключение экспертных знаний

Data-driven подход не учитывает экспертные знания и опыт

  • Необъективность

Создать абсолютно объективный набор метрик практически невозможно, в любом случае взгляд менеджера найдет отражение в наборе метрик

  • Сложность оцифровки реакции людей

Data-driven плохо учитывает человеческий фактор: эмоции и чувства, субъективное мнение

  • Требовательность к качеству данных

Data-driven требователен к качеству исходных данных и проработке нормативно-справочной информации

При этом, именно работа с данными и качество данных - одна из ключевых причин большинства проблем в ИТ-проектах

А какие же проблемы существуют в работе с данными, и к каким проблемам они приводят?

А теперь, давайте ответим на несколько вопросов:

  • возможно ли в наших компаниях создать решения с идеальными данными?

  • возможно ли создать объективные метрики и не перегрузить руководителей?

  • насколько это все реально в условиях постоянных изменений и неопределенности?

  • что важнее всего в условиях неопределенности?

Для этого давайте обратимся к модели Киневин, которая позволяет определить порядок действий, в зависимости от запутанности ситуации

В итоге Data Driven плохо подходит для принятия решений в условиях неопределённости и при низком качестве исходных данных.

А попытка создать идеальную систему метрик может привести к бесконечной стоимости роста каждого решения, перегрузке руководителей данными и к критичным ошибкам

При этом Data-driven отлично подходит для принятия ежедневных небольших решений или решений в условиях стабильности, в простых системах

Data-informed помогает ориентироваться в ситуациях неопределенности и сочетать экспертные качества с анализом данных, планировать ближайшее будущее.

Недостатки подхода:

  • не подходит для принятия стратегических решений и поиска новых возможностей, так как основан на опыте и анализе событий и фактов

  • сложнее обосновать свои решения руководству и заинтересованным сторонам, потому что они не полностью основаны на количественных данных и во многом зависят от точки зрения и картины мира, опыта и экспертности

  • существует риск влияния когнитивных искажений

  • проблема множественного выбора — слишком много входных данных, их придется приоритизировать, искать корреляцию, а информация на выходе может быть противоречивой.

Data-inspired помогает строить стратегии и работать на долгосрочное будущее, находить новые решения.

Недостатки подхода:

  • не подходит для оперативного и тактического управления

  • решения на основе такого подхода наиболее рискованные

  • формирует абстрактные идеи и предположения

  • еще сложнее обосновывать свои решения руководству и заинтересованным сторонам

  • целиком зависит от квалификации того, кто анализирует данные

Резюме

Серебряной пули» не существует – нет единого подхода для всех ситуаций:

  • Data-driven – отличный инструмент для решения повседневных/оперативных задач или в условиях стабильности, т.е. для принятия 80% всех решений. Это инструмент оперативного управления и планирования / контроля

  • Data-informed необходим при создании новых продуктов, работе с людьми и планировании ближайшего будущего. Это инструмент тактического управления и планирования

  • Data-inspired помогает создавать стратегии и находить новые решения, работать на долгосрочное будущее. Это инструмент стратегического управления и планирования.

Пример того, для каких задач можно применять каждую стратегию в таблице ниже

Data-driven

Data-informed

Data-inspired

A/B - тесты

Оценка производительности и стабильности новых функций

​Дорожная карта развития

Приоритезация разработки новых функций

Стратегия

Поиск новых возможностей

Человек все равно остается ключевым элементом любого подхода. Только свой опыт и экспертизу он может тратить не на рутину, а на интеллектуальную работу

Полезные материалы

Полезные ссылки


bottom of page