О книге Томаса Дэвенпорта и Ким Джин Хо «О чем говорят цифры. Как понимать и использовать данные».

Книга задумывалась авторами как пособие по аналитическому мышлению менеджеров, а не по математике, и это им блестяще удалось. «Математические знания и количественное мышление – это разные вещи, - говорят нам авторы, - чтобы стать хорошим количественным аналитиком требуется не так уж много знаний по математике, выходящих за пределы программы средней школы».

 

Одна из полезнейших книг, прочитанных мной в прошлом году. Лично у меня всегда были проблемы с математикой, несмотря на инженерную подготовку. Но это не мешало мне быть неплохим качественным аналитиком. Инженерная подготовка закладывает хорошую базу для качественной аналитики, а опыт в бизнесе развивает аналитические качества. Мои друзья и клиенты из мира бизнеса тоже предпочитают качественное аналитическое мышление, но еще более – мышление интуитивное, обладая прекрасной «предпринимательской чуйкой».

Но количественная аналитика – не мое, по крайней мере я так думал до прочтения книги. Авторы переубедили меня, предложив шесть шагов количественного анализа:

1)      Определение проблемы;

2)      Изучение предыдущих поисков решения;

3)      Моделирование;

4)      Сбор данных;

5)      Анализ данных;

6)      Результаты и необходимые меры, принятые на их основе (управленческие решения).

Становится ясно, что хорошие математические способности нужны лишь на этапе анализа данных, а время и терпение – на этапе их сбора. Но для этих целей менеджеры могут нанять аналитиков (к стати, книга написана не для количественных аналитиков, а для менеджеров, являющихся заказчиками аналитических исследований, поэтому обзор математических алгоритмов в ней сведен к минимуму, а математических формул там вовсе нет).

Книга задумывалась авторами как пособие по аналитическому мышлению менеджеров, а не по математике, и это им блестяще удалось. «Математические знания и количественное мышление – это разные вещи, - говорят нам авторы, - чтобы стать хорошим количественным аналитиком требуется не так уж много знаний по математике, выходящих за пределы программы средней школы». Наиболее ценный навык количественного аналитика – это умение извлекать информацию из баз данных, а это зависит не от математической подготовки, а от навыков количественного мышления. О важности подобного мышления в условиях развития информационных ресурсов предупреждал еще Питер Друкер.

Основные понятия, которые должен знать менеджер, чтобы выступать в качестве грамотного заказчика исследования, такие как среднее значение, медиана, величина разброса, в книге просто и доходчиво объяснены. На примерах. И все примеры разобраны по шести шагам количественного анализа. Просто и доходчиво.

Особых похвал заслуживают вопросы, которые менеджер должен научиться задавать количественным аналитикам. Если вы заказчик подобного исследования – возьмите их себе на заметку и научитесь задавать на совещаниях и переговорах с аналитиками. От этих вопросов вы только выиграете – во-первых, сможете помочь аналитикам направить исследование в нужное вам русло, во-вторых, сможете понять, чего от него ожидать (а может не стоит связываться с этим аналитиком, проще пригласить другого?) и в-третьих, сможете подготовить аналитика к предоставлению рекомендаций в удобной для вас форме (не многие аналитики умеют общаться понятиями бизнеса и разбираются в его проблематике, в результате заказчик не получает требуемый результат). Именно эти три аспекта создают барьер между менеджерами компаний и количественными аналитиками – часто это люди с разных планет. Но современный бизнес в эпоху информационных технологий требует все большей точности анализа самых разнообразных данных, и хотите вы или нет – но чтобы преуспеть в конкурентной борьбе, вам понадобится научиться анализировать. Учитесь сейчас, потом будет поздно.

Особого внимания заслуживает глава 5 – креативность в количественном анализе. Будучи специалистом ТРИЗ, я понимаю эту взаимосвязь. Но почему-то, количественный анализ обычно представляется антиподом креативности. На самом деле, это неверно. Авторы дают четко понять – давно известно, что успех количественного анализа определяется не столько выбранным алгоритмом (математикой), сколько набором переменных. Но, увы – точного алгоритма определения переменных на этапе моделирования не существует. Это объект креативного мышления! То же можно сказать и об интерпретации полученных данных и создания рекомендаций на их основе. Важнейший момент для менеджеров, заказывающих подобные исследования. Если вы думаете, что хороший количественный аналитик сделает за вас всю работу – это глубочайшее заблуждение.

Хотел сказать авторам книги и «МИФу» отдельное спасибо за эту книгу вот почему: в процессе прочтения книги я понял, как с помощью методологии, которую я использовал для построения матрицы преимуществ (см. мою книгу «Эра умных продаж – стратегии и управление»), упростить выбор критериев при проведении конкурентного анализа. В результате написал статью "Бэнч-маркинг. Как правильно выбрать критерии сравнения и… создать инновацию?". Статья вышла в издательстве «Гребенников».

О книге  Томаса Дэвенпорта и Ким Джин Хо «О чем говорят цифры. Как понимать и использовать данные» на сайте издательства.

 

© Антон Кожемяко.

 


Комментарии

Читайте также

Показать больше записей