Книга Джордана Морроу «Как вытащить из данных максимум: Навыки аналитики для неспециалистов» — обзор практического руководства по дата-грамотности

В эпоху цифровой трансформации, когда данные стали ключевым ресурсом для принятия стратегических решений, появляется все больше книг, посвященных развитию навыков работы с информацией. Одной из таких работ стала книга Джордана Морроу «Как вытащить из данных максимум: Навыки аналитики для неспециалистов» (оригинальное название: «Be Data Literate: The Data Literacy Skills Everyone Needs To Succeed»), переведенная на русский язык издательством «Альпина Паблишер» в 2022 году.

Об авторе
Джордана Морроу называют «крестным отцом дата-грамотности». Он является одним из пионеров движения за дата-грамотность и постоянно стремится помогать руководителям и сотрудникам различных организаций раскрывать потенциал данных и аналитики. Морроу занимает должность вице-президента и главы отдела данных и аналитики в компании BrainStorm Inc, а также является основателем и генеральным директором Bodhi Data. Ранее он работал в American Express в течение почти 9 лет, затем перешел в Qlik, где помог заложить основы дата-грамотности, создав одну из первых образовательных программ в этой области.
Помимо рассматриваемой книги, Морроу является автором работ «Be Data Driven» и «Be Data Analytical», что формирует трилогию его подхода к работе с данными. Вне профессиональной деятельности он семьянин, воспитывающий пятерых детей, и увлеченный любитель бега по пересеченной местности и ультрамарафона.

Центральная концепция книги
Основная идея книги заключается в том, что в современном мире, где ежедневно генерируются терабайты информации, умение работать с данными, анализировать их и использовать для бизнеса остается привилегией немногих. По данным автора, специалистов в этой области катастрофически не хватает, что создает разрыв между потенциалом данных и способностью организаций их эффективно использовать.

Морроу определяет дата-грамотность как «способность читать, работать с данными, анализировать их и общаться с помощью данных». Эти четыре элемента составляют основу его подхода:
1. Чтение данных — понимание того, что данные говорят
2. Работа с данными — техническое взаимодействие с информацией
3. Анализ данных — способность глубоко «закапываться» в данные для понимания их значения
4. Общение на языке данных — умение коммуницировать выводы другим

Четыре уровня аналитики
Ключевой вклад книги заключается в структурировании аналитических методов по четырем уровням, которые образуют прогрессивную систему работы с данными:
Уровень 1: Дескриптивная (описательная) аналитика
Описательная аналитика отвечает на вопрос «что произошло?» и предоставляет снимок текущего состояния дел. Морроу сравнивает этот уровень с врачом, который описывает симптомы пациента. Большинство организаций работают именно на этом базовом уровне, используя дашборды и отчеты.
Уровень 2: Диагностическая аналитика
Диагностическая аналитика идет дальше и фокусируется на вопросе «почему это произошло?». Это уровень, где происходит более глубокий анализ причинно-следственных связей.
Уровень 3: Предиктивная (предсказательная) аналитика
Предиктивная аналитика использует исторические данные и статистические модели для ответа на вопрос «что может произойти?». Этот уровень требует более продвинутых технических навыков и инструментов.
Уровень 4: Прескриптивная (предписывающая) аналитика
Прескриптивная аналитика представляет высший уровень аналитической зрелости, отвечая на вопрос «что нужно делать?». Подобно врачу, выписывающему рецепт после диагностики, этот уровень предоставляет конкретные рекомендации для действий.
Практический подход и структура
Книга структурирована таким образом, чтобы быть доступной для неспециалистов. Морроу использует простые аналогии и реальные примеры из различных отраслей для объяснения сложных концепций. Особое внимание уделяется тому, как различные роли в организации должны взаимодействовать с данными — от исследований и разработок до исполнительного руководства.
Автор также представляет шестиступенчатый процесс принятия решений на основе данных:
1. Задавать вопросы — формулирование правильных вопросов в зависимости от уровня аналитики
2. Получать данные — сбор информации для ответа на поставленные вопросы
3. Анализировать — применение критического мышления к данным
4. Интегрировать — объединение анализа с контекстом и интуицией
5. Принимать решения — выбор оптимального варианта действий
6. Итерировать — обучение на ошибках и улучшение процесса

Критические отзывы и восприятие
Книга получила неоднозначные отзывы от читателей. С одной стороны, многие отмечают доступность изложения и полезность для новичков в области аналитики данных. Один из рецензентов написал: «Для человека, который просто мыслит по жизни логически и интересна аналитика и что с ней связано, книга очень и очень интересна».
Однако есть и критические замечания. Основные претензии касаются излишней «воды» и повторений в тексте. Критик отмечает: «Книга совершеннейшая ‘вода’. Состоит в основном из риторических вопросов и примеров из личных примеров». Другой читатель добавляет: «Это худшее что можно было написать про аналитику данных. Это сплошная вода одно и тоже от страницы к странице».
Технические специалисты часто находят книгу слишком поверхностной. Как отметил один из рецензентов: «don’t recommend this to a technical individual or a data professional, but someone who wants to be introduced to data literacy could see benefits».

Актуальность в контексте ИИ
Важно отметить, что во втором издании своей книги «Be Data Literate» (2024) Морроу обновил содержание с учетом развития искусственного интеллекта. Он подчеркивает, что «через дата-грамотность и ИИ-грамотность вы подготовите себя к тому, чтобы быть сильным, конкурентоспособным и помочь своей организации добиться успеха в новую эпоху ИИ».
Автор также рассматривает, как ИИ может применяться на всех четырех уровнях аналитики — от построения визуализаций на дескриптивном уровне до более точных прогнозов на предиктивном и прескриптивном уровнях.

Влияние на корпоративную культуру
Согласно исследованиям, упомянутым в различных источниках, программы развития дата-грамотности приносят существенные выгоды организациям. 75% респондентов отмечают улучшение качества принятия решений, а в сочетании с обучением ИИ этот показатель достигает 88%. Это приводит к улучшению инноваций (75%), клиентского опыта (81%) и удержания сотрудников (82%).
Как отмечает сам Морроу: «Дата-грамотность создает комфорт и уверенность в использовании данных внутри организации, и это не означает, что все должны стать супертехничными или стать кем-то, кем они не являются, но это означает, что каждый способен достигать результатов с помощью данных».

Заключение
Книга Джордана Морроу «Как вытащить из данных максимум» представляет собой практическое введение в мир дата-грамотности для широкой аудитории. Несмотря на критику за излишнюю «разбавленность» контента, она выполняет важную функцию — демократизирует знания о работе с данными, делая их доступными не только для технических специалистов.
Четырехуровневая модель аналитики Морроу стала широко признанной в индустрии и помогает организациям структурировать свой подход к развитию аналитических компетенций. Для читателей, делающих первые шаги в области аналитики данных, книга может стать хорошей отправной точкой, хотя более опытным специалистам стоит искать более глубокие источники знаний.
В контексте развития технологий и растущей важности данных в бизнес-процессах, работа Морроу остается актуальной как призыв к построению данно-ориентированной культуры в организациях, где каждый сотрудник обладает базовыми навыками работы с информацией.