Содержание материала
Искусство или наука
Аналитика — не только наука. Это также искусство. Хороший анализ сочетает в себе серьезный научный подход с большой долей артистизма. Артистизм необходим, когда предстоит справиться с необычными проблемами, создать убедительную презентацию и доходчиво интерпретировать результаты. Хороший профессионал в области аналитики должен развиваться как в области науки, так и в области искусства, поскольку он не только ученый, но и художник!
Рассмотрим для примера кластерный анализ — распространенный набор алгоритмов, используемых для создания моделей сегментации. Не существует простых общепринятых метрик, определяющих правильный ответ. Моделирование сегментации относится скорее к искусству. Профессионалы в области аналитики, которым часто приходится создавать модели сегментации, придерживаются в этом собственных принципов. Например, я при оценке таких моделей следую определенному процессу. Я знаю, когда мне нужно сделать это, куда я направляюсь и какие закономерности ищу. Однако мне было бы сложно доходчиво объяснить кому-то другому некоторые стадии этого процесса. Точно так же другим людям сложно объяснить свои методы мне. Каждый человек по-своему оценивает модели сегментации, и здесь присутствует значительная доля искусства.
Доверие — важный фактор в работе профессиональных аналитиков, и оно как никогда важно, когда речь заходит о специалистах, чья работа включает большую художественную составляющую. При отсутствии однозначных метрик, позволяющих сделать тот или иной выбор, бизнес-спонсорам приходится доверять интуиции аналитика и его искусству. Чтобы заслужить безоговорочное доверие, потребуется много времени. Выдающийся профессионал в области аналитики будет завоевывать это доверие и со временем станет настоящим советником для своих бизнес-партнеров.
Профессионалы в области аналитики как художники
Так же как два разных художника могут совершенно по-разному интерпретировать сцену и при этом создать замечательные произведения искусства, так и два разных человека в результате проведения анализа могут придумать различные подходы, по-своему замечательные. В этом заключается артистическая составляющая аналитики. Некоторые алгоритмы оставляют мало возможностей для творчества, однако оно всегда лежит в основе решений о том, как лучше определить проблему, разработать аналитический процесс и обработать имеющиеся данные, чтобы прийти к решению. Хорошие профессионалы в области аналитики в равной степени и художники, и ученые.
В последнее время в сообществе аналитиков часто обсуждается роль ученого в области науки о данных в организациях. Мы уже упоминали, что сегодня нет большой разницы между тем, что делает ученый в области науки о данных, и тем, что всегда делали профессионалы в области углубленной аналитики. Появляются новые инструменты вроде MapReduce, которые должен освоить аналитик, чтобы называться ученым в области науки о данных, однако освоение новых инструментов для таких людей — привычное дело. Имеет ли ученый в области науки о данных какие-либо новые инструменты? Да. Стоит ли перед ним совершенно новая цель? Нет.
Ученые в области науки о данных рассматривают аналитиков как художников в области данных. Это именно те люди, которым предстоит разобраться в корпоративных данных. Они смогут создать из них нечто такое, что поможет решать проблемы элегантным и эффективным способом. Подобно тому как художник превращает краски в картину, которую можно повесить в доме, художники в области данных превращают данные в решение бизнес-задачи.
Выдающиеся профессионалы в области аналитики — столь же художники, сколь ученые. Именно это сочетание делает их выдающимися. Если вы скептически относитесь к этому утверждению, спросите своих знакомых аналитиков, что еще они умеют, чем увлекаются. Вы удивитесь, узнав, сколь многие из них также обладают талантом в области музыки, искусства или других творческих дисциплинах.
См. в Библиотеке: Укрощение больших данных / Билл Фрэнкс.
