• Есть ли у вас данные в поддержку вашей гипотезы?
• Что вы можете сказать об источнике данных, использованных в анализе?
• Вы уверены, что выборка репрезентативна для генеральной совокупности?
• Присутствуют ли какие-либо выбросы в распределении данных? Как они влияют на конечный результат?
• Какие предположения вы положили в основу своего анализа?
• Есть ли какие-либо обстоятельства, способные повлиять на достоверность предположений и модели анализа?
• Почему вы выбрали этот подход к анализу?
• Какие преобразования данных вы провели, чтобы добиться соответствия между ними и моделью?
• Рассматривали ли вы какие-либо иные подходы к анализу данных, и если да, то почему от них отказались?
• Насколько вероятно, по вашему мнению, что независимые переменные действительно обусловливают динамику зависимых переменных? Можно ли провести еще какие-либо аналитические процедуры для подтверждения причинно-следственной связи?
Представьте, что кто-то задает вопросы по поводу представленных данных. Такой человек скорее будет выглядеть смелым и заслужит уважение, чем покажется глупым. Поэтому, если вам встретились непонятные числа, отважно задавайте вопросы. Более того, в некоторых случаях вопросы ожидаемы. Например, если вам показывают средние значения, спросите о дисперсии, или распределении, или стандартном отклонении. Вы можете также спросить, присутствуют ли в данных какие-либо выбросы, являющиеся результатом ошибок или экстраординарных событий, а также не пропущены ли данные, которые могут оказаться значимыми. Вы можете спросить, чему равна медиана, если представлены средние значения. Интерпретировать среднее значение, не имея данных о его дисперсии, опасно, поскольку результаты отдельных наблюдений могут существенно отличаться друг от друга. Кроме того, если кто-то говорит о данных из конкретного обследования, следует спросить, кто проводил это обследование, какова его методика и как были сформулированы вопросы. Говорить о результатах обследования, не зная ответы на эти вопросы, нельзя. Коротко говоря, имеет смысл приобрести привычку задавать вопросы и исследовать данные: это очень важно для выработки навыков количественного анализа.
Практика количественного анализа
Подобно молодому человеку, спрашивавшему, как найти Карнеги-Холл в Нью-Йорке, если вы хотите выработать навыки, искусство и дисциплину хорошего аналитика, вам следует практиковаться, практиковаться и еще раз практиковаться. Возможно, достигнуть прогресса удастся не сразу. Но трудности неизбежны в любом обучении, и только преодолевая их, вы сможете усовершенствовать свои навыки количественного аналитика – медленно, но неуклонно. Работу эту можно представить в виде тех же шести шагов решения любой проблемы, о которых мы говорили на протяжении всей книги.
Определение и формулирование проблемы. Вероятно, у вас на работе немало проблем. Определите их приоритет исходя из срочности и применимости методов количественного анализа для их решения. На этапе определения проблемы самое важное понять, в чем суть проблемы и почему необходимо ее решить. Ответы на эти два вопроса не только дают представление о преимуществах решения проблемы, но и помогают спланировать следующие этапы.
Обзор предшествующих исследований. Если проблема определена, то следует изучить все имевшие место попытки ее решить. Хотя, как правило, этот этап требует довольно много времени, но поисковики вроде Google обычно весьма полезны. Поиск относящейся к проблеме информации очень важен для правильной оценки ее масштаба и для подбора определяющих переменных. Если вы глубоко разобрались в наработках предшественников, то получите более ясную картину того, как можно проблему решить. Это можно сформулировать так: «Проблема сформулирована правильно, предыдущие попытки изучены, значит, полдела сделано».
Моделирование (выбор переменных). Если очертить круг определяющих переменных удалось еще на этапе изучения предыдущих поисков, то на этом этапе остается отбросить те переменные, которые не связаны непосредственно с поиском ответа на поставленный вопрос. То, какие переменные отбросить, а какие оставить, зависит главным образом от целей построения модели. Если вы хотите собрать игрушечный поезд, то размеры и пропорции поезда реального имеют большое значение. Если же вы хотите оценить экономическую эффективность поезда, то на первый план выдвигаются такие параметры, как скорость, грузоподъемность, потребление топлива. Практикуясь в сосредоточении внимания на отдельных особенностях реального объекта (как это делает карикатурист), вы постепенно нащупываете решение, а ваши количественные навыки совершенствуются.
Сбор данных (измерение). Прежде чем собирать данные по отобранным переменным, надо проверить: а не делал ли этого кто-либо ранее? Очень часто оказывается, что в соседнем департаменте, а иногда и в вашем собственном такие данные уже собирались. Не исключено, что их можно найти в открытом доступе. Даже если придется их купить, это иногда обходится дешевле, чем собирать самому. Если данных, непосредственно относящихся к вашей проблеме, нет, то следует определиться с методологией их сбора. Если вы решили провести опрос, то содержание анкеты и даже формулировку отдельных вопросов необходимо тщательно изучить. Если решено провести эксперимент, то лучше пригласить специалиста для консультаций по методике его проведения. Получение точных и актуальных данных для анализа имеет огромное значение для конечного результата, поэтому на данном этапе не стоит жалеть времени и усилий.
Анализ данных. Анализ данных заключается в поиске устойчивой модели взаимосвязей между ними или между переменными. Статистические методы для анализа подбирают на этапе определения проблемы: после того как будет определена суть проблемы, выбор наиболее подходящего метода анализа становится очевидным. Если для решения проблемы необходимо провести сравнение между группами данных или показателей, то потребуется соответствующая процедура. Если проблема во взаимной связи переменных, то логично выбрать процедуру регрессионного анализа или ей подобную. Поскольку все эти аналитические процедуры широко используются в самых разных ситуациях, имеет смысл потратить время на овладение их теоретическими и практическими аспектами. Наверняка в вашей организации найдется специалист, способный помочь вам советом в этом деле.
Результаты и необходимые меры. Не пренебрегайте этим важным этапом количественного анализа. Успешные аналитические команды уделяют ему столько же времени и внимания, сколько предыдущим пяти. Попросите коллег в компании поделиться опытом демонстрации результатов анализа, обсудите с ними ваши идеи и проблемы. Освойте язык визуализации статистических исследований, например найдите постоянное место на рабочем столе книгам Эдварда Тафти. А если сам Тафти приедет в ваш город с однодневным семинаром «Представление данных и информации», не упустите случай пойти.
Количественные навыки ↔ Количественные знания и методы
На этом этапе следует ознакомиться с теоретическими основами количественного анализа. В первую очередь стоит обратить внимание на такие курсы, как «Элементарная статистика» и «Методы исследования». Если вы сможете записаться на них дистанционно, это будет прекрасно. Можно поэтапно осваивать их в интернете или с использованием обычных учебников каждый раз, когда появится требующая решения практическая задача. Многие испытывают трудности, осваивая понятия элементарной статистики, поскольку в некоторых учебниках ничего не пишут об их применении в реальном мире. Поэтому следует очень тщательно подходить к выбору учебника, содержащего информацию о прикладных аспектах применения статистических методов в тех или иных реальных ситуациях. Одной теории тут мало. В качестве основного мы рекомендуем учебник Хайнца Кохлера Statistics for Business and Economics[102]. Один из рецензентов так отозвался о нем на Amazon.com:
Лучший учебник по статистике всех времен и народов!
Грядущий экзамен по статистике пугал меня до смерти. Было такое чувство, что освоить все эти понятия и выводы будет невероятно трудно. Но компоновка материала и структура этой книги настолько удобны для изучения… Статистика никогда больше не будет проблемой для меня. Изумительно, как Кохлеру удалось превратить статистику в легкий и очень интересный предмет[103].
То же самое можно сказать и о методах исследования: по ним написано множество учебников и рецензий. Самое важное в изучении этих базовых курсов – постараться решить приведенные в учебнике примеры. Поскольку большинство задач предназначено для иллюстрации связи теории с практикой, теоретические концепции, закрепленные решением примеров, усваиваются намного прочнее. Если вы прочитаете каждый из выбранных учебников не менее трех раз, то можете считать, что необходимый минимум знаний количественного аналитика вы почти освоили. Теперь остается только практиковаться (практиковаться и еще раз практиковаться).
Количественный аналитик
В бизнесе процедуры количественного анализа осуществляются непрерывно и в социальном контексте. Обычно они охватывают не только саму процедуру анализа, но и подготовку отчета (или проведение презентации), совместную работу в сообществе аналитиков, обмен опытом на семинарах и других подобных мероприятиях, работу с экспертами. Все эти виды деятельности крайне важны для развития аналитических навыков.
Подготовьте отчет
Первый шаг в деле реализации результатов анализа – это подготовка отчета, который расскажет «историю данных». Вы многому научились, читая учебники, но гораздо большему можно научиться, упорно стараясь решить реальную проблему, а затем готовя отчет о результатах. Если вы занялись проблемой, которую многие уже пытались безуспешно решить, то это произведет впечатление; но если это не так, нет причин сожалеть. Уделите пристальное внимание выбору подходящей проблемы, поскольку, как говорил Вольтер, люди оценивают вас по вашим вопросам, а не по ответам. Затем педантично соблюдайте последовательность шести шагов количественного анализа и представьте результаты и предложения в форме отчета. Его подготовка преследует три основные цели: