[D5] Analysis (Аналитика)

Сфера "Стратегия"

Наша способность быстро, на основании первых впечатлений, принимать решения генетически запрограммирована — без нее древний человек не выжил бы в условиях дикой природы. И то, что когда-то было частью механизма «бей или беги», до сих пор продолжает оказывать значительное влияние на то, как мы реагируем на новые для нас раздражители.

Дело в том, что перед тем как принять решение, наш мозг всегда старается свести предлагаемый выбор к нескольким подходящим вариантам. Для этого он начинает структурировать поступающую информацию, как бы «разбивая» ее на более мелкие смысловые фрагменты, — так ему проще ее воспринять и обработать. Этот процесс называется «просеиванием» или «скаффолдингом» (англ. scaffolding — строительные леса). Автор книги «Восемь правил эффективности» американский журналист, лауреат Пулитцеровской премии Чарльз Дахигг предлагает представить мозг человека как некую картотеку, в каждом ящике которой хранится множество папок и в которой мы, при необходимости, можем быстро «найти» нужные нам знания[690].

Сталкиваясь с новой информацией, мозг автоматически начинает ее анализировать — «раскладывать» по разным «папкам» своей «картотеки». Такая способность структурировать большие объемы данных крайне важна — по мнению Дахигга, это единственный метод преобразования информации в знания[691]. Чтобы помочь нам быстро принять решение, мозг, опираясь на предыдущий опыт, создает ярлыки на «папках» «картотеки», — так называемые поведенческие шаблоны[692]. Таким образом, чем больше таких «папок» хранится в нашей мысленной «картотеке», тем большим спектром вариантов реагирования мы обладаем.

Но количество далеко не всегда переходит в качество. Переизбыток информации способен дезориентировать, огромное количество поступающих одновременно данных часто вовсе не облегчает, а затрудняет принятие решений, и наш мозг, в попытке справиться перегрузкой, иногда отказывается что-либо воспринимать. Такую неспособность пользоваться данными, когда их становится слишком много, называют «информационной слепотой»[693].

Один из способов преодоления «информационной слепоты» — предварительная работа с данными с целью их преобразования в последовательность вопросов или решений. Этот процесс предполагает исключение так называемой «когнитивной беглости», то есть приверженности шаблонам восприятия. Другими словами, нам необходимо приучить наш мозг прикладывать определенные усилия к обработке поступающей информации, обратить внимание на какие-то нюансы, которые заставят его осознанно включиться в работу.

Как этого можно добиться? Например, взять себе за правило анализировать все, что с нами происходит. Начнем отстраненно обдумывать причины и следствия поступков и действий разных людей. Если к ближнему кругу это применить пока сложно, можно начать с героев книг или кино: почему с ними произошли те или иные события, что в прошлом послужило этому причиной, какие черты характера обусловили такое поведение героев в той или иной ситуации. Чем больше связей и закономерностей мы научимся видеть, тем легче нам будет замечать их в реальной жизни. На этом, например, построена почти вся работа маркетологов — на наблюдении за поведением покупателей и выявлении различных закономерностей, которые можно использовать, чтобы увеличить продажи. Прогноз погоды — тоже не что иное, как анализ большого числа данных (результатов наблюдений за много лет) и обнаружение определенных закономерностей, которые с большой вероятностью будут повторяться. В основе работы врачей тоже лежат многовековые наблюдения, эксперименты и анализ результатов. То же самое можно сказать еще про многие другие сферы деятельности человека.

За последние тридцать лет объем данных, с которым мы имеем дело в повседневной жизни, увеличился в разы. Поэтому умение структурировать и анализировать информацию, а затем вычленять именно то направление, которому стоит уделить внимание, сейчас выходит на первое место среди полезных навыков. Умение осознанно подвергать тщательному исследованию не только внешний мир, но и его образ, «выстроенный» в мозгу, — один из главных признаков аналитического ума[694]. И этому вполне можно научиться. Ведь благодаря тому, что наш мозг обладает нейропластичностью, т. е. способностью создавать новые нейронные связи, мы имеем возможность приобретать новые знания, формировать новые привычки и модели поведения[695].

Самая простая тренировка для мозга — формирование полезных привычек, связанных с умственной деятельностью. Например, решать каждый день несколько головоломок, учить наизусть стихи, изучать иностранные языки. И чем раньше мы это начнем, тем больших успехов сможем добиться. В детстве для этого превосходно подходят пазлы, настольные игры, занимательные задачи и, конечно, квесты. Даже самые простые — вспомним, как все в юном возрасте любили играть в поиск сокровищ по карте. Великолепная прокачка аналитических навыков — шахматы. И освоить эту игру никогда не поздно. Чем чаще мы будем «выдергивать» мозг из ежедневной рутины, тем легче нам будет ориентироваться в современном мире, готовом захлебнуться от избытка информационных потоков.

Много веков подряд процесс обучения происходил одним и тем же образом — люди впитывали информацию, передаваемую от поколения к поколению, не подвергая ее анализу. Но технический прогресс, информационный взрыв и многократно возросшие объемы данных, которые необходимо было обрабатывать, поставили перед человечеством новую задачу. Сейчас важнейшей характеристикой интеллекта является не просто способность накапливать и запоминать информацию и, при необходимости, быстро находить, но, прежде всего, умение структурировать ее, решать сложные и нестандартные задачи, генерировать новые идеи. Современный человек должен много знать и уметь быстро выполнять сложные мыслительные операции.

В прежние эпохи потребность в таком развитом интеллекте носила очень локальный характер и была важна для весьма немногочисленных групп — жрецов, мыслителей, ученых. В современном информационном обществе востребованность аналитических способностей стремительно возрастает. Чем раньше мы научимся применять новые методы и подходы в работе с информацией в работе и повседневных делах, тем лучше и качественнее станет наша жизнь.

Например, многие современные системы организации производства используют технологии распределенного интеллекта — «дробление» крупных задач на подзадачи и дальнейшее распределение этих задач между отдельными исполнителями или группами исполнителей. Полученные результаты затем объединяются. Такая схема позволяет экономить время и максимально эффективно использовать возможности каждого сотрудника и применима во всех сферах жизни: от организации генеральной уборки силами всех членов семьи до решения сложных бизнес-задач.

Так, использование технологий распределенного интеллекта позволяет построить систему медицинской диагностики, когда в постановке диагноза участвует целый «виртуальный консилиум» баз знаний, подготовленных различными специалистами. Возможность обмена знаниями по Сети позволяет концентрировать различные знания в различных узлах Сети и затем комбинировать их и совместно использовать для решения определенной задачи[696].

Еще один пример использования технологий распределенного интеллекта — так называемые «фабрики мысли». Впервые словосочетание «Brain trust» (фабрика мысли, мозговой трест) появилось больше века назад, но крылатым стало с легкой руки американского журналиста Джеймса М. Кирана, который назвал «мозговым трестом» группы профессоров-советников, способствовавших победе Франклина Рузвельта на президентских выборах 1932 года. «Мозговыми трестами» стали именовать вообще любое сообщество экспертов, совместно разрабатывающих новые проекты, предлагающих новые идеи, ищущих способы решения поставленных задач[697]. Более современный термин «Think Tank» (мозговой центр) возник в годы Второй мировой войны и использовался для обозначения британских и американских государственных военно-аналитических организаций. После войны значение термина существенно расширилось — «мозговыми центрами» стали называть различные экспертно-аналитические структуры, как государственные, так и негосударственные[698].

Эти научно-исследовательские организации концентрируются на оригинальных исследованиях и образовательных программах, направленных на обучение и оказание воздействия на политиков, ученых и лиц, формирующих общественное мнение. «Фабрики мысли» представляют собой одно из звеньев в системе принятия решений в государстве и воплощают соединение организованной в корпорацию силы интеллекта с силой и глобальным охватом государства[699].

Общее число «фабрик мысли» по всему миру сейчас превышает 8,2 тысячи. Креативные исследовательские коллективы существуют уже почти в 170 странах мира. Чуть меньше трети всех «фабрик» сконцентрированы в США. Соединенные Штаты можно назвать крупнейшим игроком на этом рынке. За достаточно длительную историю — первый подобный институт появился в США около века назад — успели сформироваться «фабрики мысли» нескольких поколений. Начиналось все с образования исследовательских центров в рамках крупнейших университетов страны, а затем постепенно трансформировалось в отдельный институт гражданского общества. В Пенсильванском университете США проводятся ежегодные обследования «фабрик мысли» по всему миру, по итогам которых

публикуются отчеты с перечнями ведущих центров в мире в целом, а также по отдельным регионам и направлениям[700].

Несмотря на то, что фабрики мысли всегда выглядели как нечто более современное и гибкое по сравнению с традиционными академическими структурами, в современных условиях, когда цифровая среда меняется очень быстро, они начинают отставать от своих более мобильных конкурентов. По мнению Майкла Коннери, вице-президента по коммуникациям компании Weber-Shandwick в Вашингтоне, «случайная находка, выловленная из тщательно фильтруемой ленты социальной сети, с той же вероятностью может оказать влияние на нашу работу, как и результаты тщательного и продуманного исследования»[701]. Многие уже не тратят время на поиск информации — она ищет нас сама: ленты наших социальных сетей сегодня строятся не по принципу «новости друзей», а по принципу «контент, который может нас заинтересовать». Это — результат работы компаний, которые, используя технологии глубинного анализа данных (в том числе и той информации, которую мы размещаем в соцсетях), умело манипулируют нашим поведением.

Одна из них — Cambridge Analityca, частная английская компания, специализирующаяся на сборе и анализе данных о пользователях Интернета. В частности, собирая и анализируя информацию о пользователях Facebook (персональные данные, контакты, «лайки», подписки и т. п.), в компании составляют психометрические профили групп пользователей, содержащие, помимо традиционно используемых в маркетинге социально-демографических характеристик, массу полезного для дальнейшего использования — убеждения, особенности характера, политические предпочтения, интересы и многое другое. Дальнейшие исследования позволяют вывести корреляцию между, казалось бы, не пересекающимися характеристиками. Например, что люди, которым нравится Nike и KitKat, склонны более негативно оценивать действия определенного ближневосточного государства, чем те, кто предпочитает Adidas и Bounty[702]. Вся эта информация позволяет компании не только максимально адресно предлагать рекламу, но и подавать ее в той форме и с тем смысловым и эмоциональным наполнением, на которые каждый конкретный пользователь отреагирует нужным для рекламодателя образом. Эти наработки были успешно (хотя компания официально опровергла

использование психографических методов в своих исследованиях) использованы в предвыборной кампании Дональда Трампа — эффективная работа с избирателями в Интернете считается одной из главных причин его победы.

Важную роль анализ данных играет в бизнес-процессах — на его основании делаются прогнозы, разрабатываются стратегии развития и новые подходы к управлению проектами. Например, появление так называемых гибких подходов — Scrum, Kanban и десятка других методов — было спровоцировано стремлением производителей программного обеспечения сделать лучший продукт. Первоначально все этапы разработки шли друг за другом, не пересекаясь, — каждый следующий этап начинался после завершения предыдущего. И если, например, в какой-то момент возникала новая интересная идея, то в большинстве случае ее приходилось игнорировать, чтобы не переделывать все предыдущие этапы. В итоге продукты получались хуже, чем могли бы. А возможность тестировать, анализировать и менять продукты в процессе работы — сделала весь процесс гибким.

В основе гибких подходов лежит философия Agile, которая применима в принципе ко всем сферам жизни. Суть в том, чтобы делить большой путь на короткие отрезки, постоянно проводя анализ: помогает ли нам это двигаться в направлении нашей цели.

Следующие идеи Agile легли в основу построения работы многих крупных компаний[703]:

1. Люди важнее вещей и процессов.
2. Продукт важнее документации, которую никто не читает.
3. Сотрудничество важнее контракта.
4. Постоянная готовность к изменениям важнее, чем

первоначальный план.

Принципы Agile нашли отражение в методологии Scrum, его еще называют «подходом структуры»[704]. Над проектом работает команда универсальных специалистов, а также владелец продукта и scrum- мастер. Рабочий процесс делится на равные спринты — обычно от недели до месяца, в зависимости от проекта и команды. Перед каждым периодом формулируются задачи, а в конце — обсуждаются результаты, а команда начинает новый спринт.

Еще одна методология, основанная на идеях Agile, — это Kanban, или «подход баланса»[705]. Смысл в том, что разные специалисты внутри команды должны быть равномерно заняты, чтобы не возникало ситуаций, когда одни могут начать работу только после того, как другие закончат свою. В kanban нет ролей владельца продукта и scrum- мастера. Бизнес-процесс делится на стадии выполнения конкретных задач: «Планируется», «Разрабатывается», «Тестируется», «Завершено» и др. Главный показатель эффективности в kanban — это среднее время выполнения конкретной задачи. Задача решена быстро — команда работала продуктивно и слаженно. Если решение задачи затянулось — надо думать, на каком этапе и почему возникли задержки и чью работу надо оптимизировать[706].

Принципы Agile можно применять и в нашей повседневной жизни. По мнению основателя системы личной эффективности Agile Results, американского бизнесмена, топ-менеджера корпорации Microsoft Джей Ди Мейера, для этого необходимо придерживаться следующих правил[707]:

1. Начинаем действовать и не увязаем на этапе предварительной подготовки. Результат поможет нам скорректировать дальнейшие шаги. 2. Подход к достижению результата важнее результата. Мы не можем контролировать результат, но свой подход, свое отношение и методы достижения можем. Результаты нужно рассматривать как

обратную связь с нашими методами.
3. Энергия важнее времени. За час работы в полную силу мы

успеем больше, чем за несколько часов в уставшем состоянии.
4. Важно не переделать как можно больше, а сделать действительно важные дела для поставленных нами целей. Когда мы выделяем важное и концентрируемся на этом вопросе, мозг тут же «подносит»

всю относящуюся к этому информацию.
5. Нужно все время развиваться — учиться новому, быть более

гибкими, быстрее реагировать на изменения, лучше улавливать обратную связь и расти.

6. Важно не как много мы делаем, а тот результат, который получаем в итоге. Определение нужного результата помогает нам сфокусировать усилия. Секрет успеха — в выполнении нужных шагов для достижения нужных результатов.

7. Сильные стороны важнее слабых. Вместо того чтобы тратить время на исправление недостатков, лучше использовать свои достоинства. Слабости компенсируйте сотрудничеством с теми, кто в этом силен.

8. Систематичность вместо действия по ситуации. Одно дело — достигать результатов от случая к случаю, и другое — начать жить в ритме достижений. Этот опыт сложится в систему, на которую можно положиться, которую можно изучать и улучшать.

9. Польза превыше разгребания завалов. Вместо того чтобы просто решать накопившиеся задачи, нужно сконцентрироваться на том, что действительно приносит пользу.

10. Фиксированное время, гибкие задачи. Например, четко выделив время на еду, сон и спорт, мы можем строить свое расписание вокруг этих жизненно важных точек. На работе время можно распределить по типу задач: например, час на административную работу, два — на встречи и три — на работу над проектом. Составляя планы, нужно исходить из этих временных отрезков, ни в коем случае не варьируя сами отрезки.

Как мы видим, эти идеи и принципы применимы не только к информационным продуктам и к работе программистов, но и практически к любому роду деятельности. Каждый человек может использовать, эти принципы в своей повседневной жизни. Чтобы начать действовать достаточно начать — это главный принцип Agile. Даже небольшой первоначальный результат поможет двигаться дальше, а не увязнуть в длительной подготовке и планировании.

Поисковые системы, Big Data, машинное обучение — все это уже сегодняшний день. Чтобы не остаться в прошлом, нужно постоянно тренировать свой мозг. Для совершенствования навыков аналитического мышления полезно моделировать разные ситуации: обращая внимание на ключевые моменты и выявляя взаимосвязи. И даже когда «обучившийся» механизм соцсетей предлагает нам посмотреть, прочитать или купить что-то, что, по его мнению, может быть нам интересно, следует спросить себя: а на чем может быть основано такое решение? Какие мои действия — запросы, просмотры и прочее — привели к этому? Действительно ли мне это нужно? И могу ли я сам найти что-то лучше, интереснее и полезнее? Если мы будем анализировать рядовые события, происходящие в нашей жизни, это позволит нам научиться смотреть вперед и видеть дальше остальных, планировать и принимать правильные решения, а при необходимости проявлять гибкость и быстро перестраиваться.