Содержание материала
Итеративные подходы к внедрению аналитических инноваций
В целях внедрения аналитических инноваций и исследования больших данных потребуется использовать более подходящие для такой деятельности итеративные подходы. Они делают акцент на сотрудничестве и гибкости. Идея состоит в том, чтобы создать небольшую команду, которая ежедневно работает над обеспечением работоспособности идеи. Команда будет решать возникающие проблемы и в случае необходимости менять направление. Для того чтобы подход способствовал инновациям, он должен учитывать реакцию и быть достаточно гибким: имеет смысл отойти от первоначального плана, если возникает необходимость в изменениях.
Допустим, команда начинает анализировать новый источник больших данных. В процессе работы обязательно возникнут проблемы, связанные с содержимым и структурой данных, в результате чего команде нужно будет скорректировать планы. Основной упор делается не на том, чтобы строго придерживаться изначального плана, а на том, чтобы привести данные в такой вид, в каком они могут быть проанализированы. Возможно, некоторые показатели работают не так хорошо, как предполагалось, но найдены другие, более подходящие. Внесите требуемые изменения. Если в конце первого этапа данные находятся в том виде, который необходим для предстоящего анализа, то это победа независимо от конкретных предпринятых для этого шагов.
Чтобы обеспечить дальнейший успех, после подготовки данных следует все силы направить на то, чтобы быстро создать рабочие прототипы. Цель состоит в том, чтобы получить доказательство работоспособности идеи. Прототип нуждается в достаточном количестве деталей, чтобы люди могли понять общую картину того, что произойдет, если организация возьмется за реализацию идеи всерьез. Возвращаясь к нашему примеру, подчеркнем, что при первом использовании данных не следует стремиться к идеальному анализу. Изначальная аналитика не обязательно должна быть пуленепробиваемой. Скорее, она должна быть достаточно прочной, чтобы показать плюсы конкретного подхода. Позже будет достаточно времени для совершенствования процесса. Если вы не сможете доказать, что подход имеет свои преимущества, на его дальнейшее развитие не будет выделено времени. А быстро созданный прототип обеспечит такое доказательство.
Ключом к быстрому созданию прототипа являются более короткие итерационные циклы и разбиение задачи на небольшие фрагменты. Это позволяет демонстрировать прогресс; кроме того, решение небольших фрагментов задачи по одному позволяет легче справляться с неожиданностями и учитывать новые сведения, получаемые на каждом этапе.
Проявляйте гибкость
Последствия инновационной аналитической идеи не могут быть полностью осознаны с самого начала. План никогда не будет полностью готов. Команда проекта не будет обладать полным пониманием. Вот почему при исследовании идей очень важно использовать итерационный гибкий подход. Корректировка планов по мере получения новой информации является частью этого праздника.
При исследовании больших данных специалистам в нашем примере потребуется проявлять гибкость. Данные бывают не такими чистыми, как хотелось бы, и не такими полными, как ожидалось; не всегда обладают необходимой прогностической ценностью. Это нормально. Как только аналитики приступят к работе с данными, они могут вдруг осознать, что некоторые следующие запланированные шаги не совсем подходящие. Если они используют гибкий, итеративный подход и не связаны первоначальным планом проекта, они скорректируют планы и двинутся вперед. Пока команда помнит о цели анализа и о том, что нужно доказать, она может гарантировать, что внесенные изменения обеспечивают движение в нужном направлении.
