Близорукость, вызванная данными
Как говорил Марк Твен, существует ложь, наглая ложь и статистика[10]. Возможно, в этом утверждении есть забавное преувеличение для достижения большего эффекта. Но организации допускают серьезную ошибку, чрезмерно увлекаясь цифрами. И некоторые компании уже поняли это на собственном горьком опыте.
В 2012 г. Adobe отказалась от ежегодных отчетов о результатах работы персонала. По сути, компания пользовалась специальными формами с целью сбора статистических данных для оценки достижений и улучшений по массе различных параметров. Старший вице-президент Adobe по кадрам и офисам Донна Моррис сравнила сбор этой отчетности с ежегодными посещениями стоматолога. Вместо отчетов компания внедрила менее формальные, основанные на межличностном общении способы диагностики, а именно – личные встречи начальников и подчиненных, на которых результаты работы обсуждаются совместно и в более непринужденной обстановке[11].
Боб Низ, автор статьи «Как избыток данных снижает продуктивность и качество принятия решений» (How Too Much Data Can Hurt Out Productivity and Decision-Making), вышедшей в Fast Company, пишет: «Глубокое погружение в данные о том, кто покупает ваш виджет, бессмысленно, если не приводит к тому, чтобы ваши продавцы фокусировались на правильной аудитории и не тратили время на тех, кто никогда ничего у вас не купит»[12]. Низ отмечает, что люди непредсказуемы. И то, что вы собрали кучу классных данных по конкретной выборке, вовсе не означает, что вам удастся ими воспользоваться. Вы можете установить, что данная аудитория любит синий цвет. При этом, если вы начнете использовать синий в оформлении упаковки, это может и отпугнуть потребителей. Почему? Просто потому, что люди не машины. Их поведение спонтанно, противоречиво и порой не укладывается в схемы.
В 2016 г. McKinsey&Company провели опрос топ-менеджеров ведущих компаний на тему использования больших данных и аналитики. Один из респондентов – директор по управлению рисками American Express Аш Гупта – дал очень интересный ответ: «В первую очередь нам пришлось поработать над повышением качества данных. Данных у нас очень много, и порой мы не пользовались ими и не задумывались об их качестве, как должны бы»[13].
Итак, о чем нас предупреждают эти примеры?