Когда речь заходит про анализ данных, сегодня сразу приходит на ум работа с Big data – объемными, разнообразными и быстро меняющимися массивами информации, которые не могут быть обработаны традиционными способами. Тут на помощь приходят IT-технологии. Профессиональный аналитик данных должен знать языки Python, SQL, R, уметь создавать отчеты в Tableau и Power BI, знать много чего еще, но сегодня речь не об этом.
Сложные данные в нашей повседневной жизни – понятие многогранное и в какой-то степени индивидуальное. Для кого-то сложности начинаются на этапе изучения высшей математики в вузе, а кому-то сложно сделать выбор из нескольких сортов клубники на рынке в разгар сезона, потому что сразу на все зарплаты точно не хватит.
Наиболее иллюстративный пример – сбор материала для написания доклада, реферата и презентации. По многим популярным темам в Сети скопился колоссальный объем информации, в котором можно запросто «утонуть». Это точно не грозит тем, кто уже прошел нашу программу «Когнитивистика», потому что они освоили разные технологии развития мышления, в том числе мышление в стиле Шерлока Холмса, изучили репрезентативные модели и субмодальности, разобрались, как работает дедукция, индукция и абдукция.
На всякий случай уточним, что в контексте мышления абдукция – это процесс выдвижения гипотез для объяснения наблюдаемых фактов или явлений. Заодно поясним, что модальность – это градации внутри категории, характеризующие способ действия или отношение к действию, а субмодальность – это элементы внутри модальности, которые определяют, как мы сортируем и кодируем опыт.
Например, если мы ведем речь про модальности восприятия, то зрительное восприятие, слуховое восприятие, тактильное восприятие – это модальности внутри категории восприятия. Соответственно, цвет, яркость, контрастность – это субмодальности зрительной модальности, громкость, звонкость и высота звука – это субмодальности слуховой модальности.
С нашей программой «Когнитивистика» вы научитесь все раскладывать «по полочкам» и анализировать любые данные, а самые элементарные знания по теме мы дадим прямо сейчас.
Зачем нам аналитика данных в повседневной жизни?
Прежде, чем мы перейдем собственно к анализу сложных данных, давайте чуть подробнее остановимся на том, зачем уметь быстро анализировать сложные данные обычному человеку и как это может пригодиться в повседневной жизни, если только вы не ученый-исследователь и не топ-менеджер с амбициями выхода на международные рынки сбыта.
На самом деле, умение быстро анализировать сложные данные – это важный навык не только для собственников бизнеса, профессиональных аналитиков или ученых. В повседневной жизни аналитика данных становится все более полезной для каждого из нас. Итак, зачем нам быстро анализировать сложные данные?
Принятие более взвешенных решений
В жизни нам постоянно приходится принимать решения, масштабные и малозначительные, связанные с покупками, накоплениями, переездом, выбором профессии для себя, школы и спортивной секции для ребенка и т.д. Мы постоянно сталкиваемся с дилеммой:
- Какой товар купить?
- Где дешевле взять билет?
- Какую вакцину предпочесть?
- На каких условиях лучше оформить кредит?
Чем больше информации, тем сложнее выбор, однако развитие критического мышления, умение быстро выделять главное, сравнивать варианты, замечать скрытые риски позволяет избегать ошибок, экономит деньги, нервы и время.
Получение информации из новостей и соцсетей
Мы живем в эпоху мощного информационного шума. Поток информации, огромный и непрерывный, «накрывает» нас постоянно, а с учетом общей нестабильности просто игнорировать этот информационный фон не получится. Есть виды информации, которые в той или иной степени важны для каждого из нас:
- Новые законодательные инициативы.
- Изменения курса доллара.
- Закрытие на карантин учебных заведений.
- Отключение электроэнергии, газо- и водоснабжения.
- Перекрытие дорог.
- Обязательная эвакуация из районов, примыкающих к зоне боевых действий.
Если читать и смотреть все подряд, не анализируя, есть риск поверить в какой-нибудь фейк, поддаться панике, принять за истину в последней инстанции личное мнение известного человека, который им поделился, потому что его об этом попросили. Навык анализа помогает отделять факты от эмоций и манипуляций.
Убедительная аргументация
Все люди разные, и их взгляды на одни и те же события могут отличаться, что часто вызывает споры и дискуссии. Да, можно не ввязываться в споры на рынке и в общественном транспорте, но в деловых переговорах важно уметь обосновать свою точку зрения.
Здесь не подходит простое «Я так думаю» или «Мне так кажется». Здесь нужно работать с цифрами и фактами – находить, анализировать, сопоставлять и использовать для аргументации. Научившись быстро анализировать сложные данные, вы получаете ряд преимуществ:
- Возможность убедительно обосновать свою точку зрения.
- Продемонстрировать свою компетентность.
- Заслужить профессиональный авторитет и репутацию эксперта.
Проще говоря, любая работа, которая предполагает умственную деятельность и коммуникации, включает анализ данных, что необходимо для подготовки обоснованной аргументации своих действий и решений.
Развитие мышления
И, наконец, анализ данных полезен для развития мышления. Анализируя статистические данные, данные таблиц и финансовых отчетов, мы прокачиваем наши когнитивные навыки, вносим вклад в развитие логического мышления и, в принципе, держим в тонусе свой мозг.
Регулярно работая с данными, вы научитесь мыслить критически и постоянно задавать вопросы:
- Почему это так, а не иначе?
- Что стоит за этими цифрами?
- Кому это выгодно?
- Какие это может иметь долгоиграющие последствия?
Развитое логическое и критическое мышление помогает в любой сфере, начиная от получения образования и заканчивая принятием важных жизненных решений.
Так, родители анализируют отзывы, программу и стоимость обучения на разных курсах английского языка, чтобы выбрать для ребенка лучший вариант. Автолюбитель сравнивает данные по расходу топлива у разных моделей машин. Турист ищет оптимальный маршрут, учитывая цены, пересадки и комфорт.
И во всех этих случаях важно вписаться в определенные ограничения по времени, дабы успеть забронировать билеты и отели до начала отпуска, сделать первый взнос на авто до подорожания и отдать ребенка на курсы до начала занятий.
Таким образом, умение быстро анализировать сложные данные – это ценный навык в бизнесе, менеджменте, науке и обычной жизни. Он требует сочетания аналитического мышления, структурированного подхода и практических инструментов. Как этого добиться? Давайте смотреть!
Анализ данных: пошаговый алгоритм
Итак, как же подступиться к работе со сложными данными, если вы ранее этим не занимались, но хотели бы научиться? С чего начать и куда двигаться? На самом деле, в этой сфере советов и рекомендаций даже больше, чем сортов клубники на прилавке в разгар сезона, и запутаться с выбором обучающего трека можно уже на этом этапе.
Поэтому ограничимся максимально емкими и толковыми материалами и изучим «Как анализировать данные: базовое руководство» [iDatica, 2022]. И еще разберемся «Как правильно анализировать информацию» [Changellenge, 2025]. Для начала набросаем общий алгоритм работы, а затем подробнее остановимся на каждом пункте.
Алгоритм анализа данных:
- Определить цель.
- Понять, какие данные нужны.
- Оформить и визуализировать данные.
- Сравнить данные.
- Искать данные, которые опровергают сделанные выводы.
Теперь подробнее по каждому пункту.
Определить цель
Целеполагание – это то, с чего следует начинать любое важное дело. Нужно понимать, зачем вы будете делать то, что собрались делать, и какой результат хотите получить. В повседневной жизни и профессиональной деятельности анализ данных нужен не сам по себе и не как «искусство ради искусства», а для решения какой-либо задачи или проблемы.
Примеры цели анализа данных:
- Сравнить стоимость и качество товара и выбрать оптимальное сочетание цена-качество.
- Понять, куда уходит большая часть личного бюджета или бюджета компании.
- Определить, какая соцсеть дает больше откликов на ваши посты и/или приводит больше клиентов, которые совершают покупки.
- Установить очередность исправления недоработок и внедрения дополнительных функций в цифровой продукт.
- Найти закономерности в изменении своего самочувствия и состояния здоровья – какие продукты, лекарства, действия его улучшают, а какие ухудшают.
Таким образом, прежде чем собирать или начинать анализировать предоставленные данные, ответьте на вопрос о том, что именно вы хотите узнать или решить? Правильно поставленная цель – это половина успеха.
Понять, какие данные нужны
Теперь, когда вы понимаете, на какой вопрос ищите ответ или какую проблему хотите решить, нужно подумать, что может дать ответ на ваш вопрос или подсказать решение проблемы. И, соответственно, с этих позиций искать нужные данные.
Если вам предоставляют готовый массив данных для анализа, нужно понимать, хватит ли вам этих данных, чтобы решить поставленную задачу, или нужно где-то взять (запросить, найти) дополнительные сведения.
Как понять, какие данные нужны:
- Какие факты или цифры помогут вам сделать вывод?
- Насколько достоверны и актуальны имеющиеся данные?
- Как проверить достоверность и актуальность данных?
- Какие параметры вы будете сравнивать?
- Какие данные принципиально важны для решения задачи, а какие можно просто «принять к сведению»?
- Имеются ли дополнительные факторы, которые неочевидны с первого взгляда, но принципиально влияют на ситуацию?
Так, если вы хотите сдать международный экзамен по английскому языку, главным и принципиальным требованием к курсам английского будет программа обучения, соответствующая тому уровню, на который вы хотите сдать экзамен. На сегодняшний день принято шесть уровней владения иностранным языком: А1, А2, В1, В2, С1, С2, где А1 – это элементарный уровень, а С2 – самый высокий.
Дополнительными параметрами, по которым вы будете сравнивать курсы, являются стоимость и длительность обучения, формат обучения (офлайн или онлайн), отзывы и результаты выпускников (процент успешно сдавших экзамен). Оценивая результаты, важно иметь в виду, сколько слушателей завершили полный курс, а сколько бросили дело на полпути, и высчитывать процент успешно сдавших экзамен именно от количества завершивших обучение.
Если вы покупаете бытовую технику, отталкивайтесь от тех параметров, которые не сможете «обойти». В частности, размер ниши под стиральную машину в ванной комнате, объем холодильной камеры, если вы собираетесь там хранить баранью ногу целиком, уровень шума, создаваемого работающим феном, если вы его покупаете для собаки, которая пугается громких звуков.
Соответственно, из всего массива данных (предложений о продаже) вы сразу отсортировываете бесшумные фены и стиральные машины и холодильники нужного размера, и далее выбираете что-то одно с учетом дополнительных параметров (цена, доставка, наличие гарантийной мастерской бренда в вашем городе и т.д.)
Не будем долго останавливаться на том, где брать данные – сейчас их почти всегда берут в Сети. Акцентируем ваше внимание на том, что официальную информацию следует брать с официальных сайтов государственных органов, торговых сетей, компаний-производителей и компаний, предоставляющих услуги.
Обращайте внимание на адрес сайта, потому что мошенники часто раскручивают фейковые сайты так, что они появляются в поисковой выдаче раньше, чем официальные, из-за чего есть риск заплатить за стиральную машину несуществующему интернет-магазину. Перепроверяйте адреса и телефоны по всем доступным источникам (сайты, соцсети, карты), и выбирайте оплату наложенным платежом после получения товара, не кидаясь на скидки за предоплату.
В целом, безопасность в Сети – это отдельная и весьма объемная тема. Вы можете ее раскрыть для себя достаточно подробно на нашем экспресс-курсе «Основы интернет-безопасности».
Оформить и визуализировать данные
Аналитика данных будет даваться проще, если данные представлены в «удобоваримом» виде. Цены и гарантийные сроки на товары можно выписать в столбик, процент сдавших экзамены можно наглядно представить в виде диаграммы в таблице Excel. Научиться строить диаграммы можно, изучив наш «Базовый курс по Excel».
К слову, Excel пригоден для визуализации самих разнообразных данных. Так, если вам необходимо установить очередность исправления недоработок и внедрения дополнительных функций в цифровой продукт, вы можете внести в таблицу все поступившие от клиентов жалобы и предложения, «закрепив» за каждой жалобой свой цвет строки. Тогда, анализируя данные таблиц, вы легко увидите закономерности.
Например, жалобы на то, что «ссылка на страницу блога ведет на страницу с товарами» можно выделить желтым цветом, жалобы на «слишком маленькие кнопки» выделить красным цветом, а недовольство отсутствием сортировки товаром по стране-производителю – голубым цветом. И, если у вас полтаблицы «расцвело» красным цветом – в первую очередь следует увеличить размер кнопок, а уже потом делать все остальное.
Таким образом, простая таблица – это отличный старт для анализа данных. Если позже понадобится визуализировать данные иным способом, можно построить диаграммы или применить формулы. А начните анализ данных с самых простых вопросов:
- Где больше и где меньше искомых величин?
- Есть ли повторяющиеся закономерности?
- Что выбивается из общего ряда?
Даже простая сортировка и фильтрация уже дают инсайты – внезапные озарения, понимание или осознание, которое возникает при решении проблемы или анализе ситуации.
Сравнить данные
Сравнительный анализ может помочь найти ответы на самые запутанные вопросы. Чтобы сравнивать было удобнее, разбейте данные на определенные категории или временные отрезки. Например, если в прошлом году вам хватало вашей зарплаты на все ваши повседневные потребности, а в этом году не хватает, есть смысл сравнить доходы и расходы за аналогичный период прошлого года.
Цены на коммунальные услуги можно посмотреть в личном кабинете компании-поставщика услуг в разделе «Архив платежей», а свою зарплату и цены на основные статьи расходов вы, скорее всего, и так помните. Если вы платите преимущественно карточкой, данные для анализа можно взять из архива ваших платежей в приложении банка.
Если вам нужен анализ данных по расходам компании, придется «поднять» не только официальный бухгалтерский отчет, но еще и «серую бухгалтерию», чтобы получить полную картину. Дабы не «тонуть» в цифрах, сначала определите момент, с которого все «идет не так», и начинайте сравнивать различные показатели «до» и «после». Например, по месяцам или кварталам.
Если нужно понять, почему вас обходят конкуренты, тут придется потрудиться и раздобыть сведения о расходах и доходах конкурентов, которые обычно никто не афиширует. Если это невозможно, тогда хотя бы присмотритесь, что изменилось за последнее время в работе конкурентов. Возможно, именно это изменение со всеми сопутствующими ему неочевидными нюансами и позволило вырваться вашим конкурентам вперед.
Сделайте выводы на основе анализа: что вы поняли? какое решение теперь кажется разумным? что можно улучшить в будущем? Проще говоря, ищите отличия, и тогда вы имеете большой шанс найти причину проблемы и «нащупать» решение.
Искать данные, которые опровергают сделанные выводы
После того, как вы сделали выводы и «нащупали» решение, следует поискать данные, которые опровергают ваши выводы и ставят под сомнение правильность найденного выхода. Это обязательный шаг перед принятием окончательного решения и дальнейшими действиями.
Так, может статься, что большая цена и малый гарантийный срок для холодильников какого-либо бренда – вовсе не изъян, потому что они служат по 30 лет и более лет без ремонта, а техника меньшей стоимости и с большим гарантийным сроком «съест» кучу денег на ремонт после окончания гарантии.
По итогам анализа присутствия в соцсетях у вас может сложиться вполне объективное впечатление, что рекламные кампании «ВКонтакте» приводят больше клиентов, чем реклама в «Одноклассниках». Однако если вдруг окажется, что пара случайных конверсий из «Одноклассников» принесла половину суммы, поступающей за полгода от всех клиентов из «ВКонтакте» – это повод задуматься и расширить присутствие в «Одноклассниках».
Возможно, именно вашей целевой аудитории комфортнее в «Одноклассниках», и уделив ей побольше внимания, вы получите не пару, а десяток клиентов, которые перекроют доходы от «ВКонтакте» в несколько раз.
Это основные шаги, как научиться быстро анализировать сложные данные. Давайте подытожим, что мы узнали, и дадим еще несколько небольших советов, как ускорить работу с данными.
Как работать с данными:
- Начинайте с цели и основного вопроса, который нужно решить.
- Собирайте данные для анализа, исходя из вашей цели и ваших задач.
- Наглядно оформляйте данные.
- При необходимости разбивайте данные на части.
- Сравнивайте и ищите различия.
- Изучайте и ищите то, что не вписывается в сложившуюся картину.
- Делайте выводы, а не просто описания.
- Давайте рекомендации, а не просто выводы.
И, конечно, помните общие закономерности, присущие всем процессам. Например, принцип Парето, согласно которому 20% усилий приносят 80% результата. Если вы в ходе анализа данных найдете те самые 20%, от которых зависит 80% результата – считайте, что со своей задачей вы справились.
В любом случае, для успешной аналитики данных вам понадобится дальнейшее развитие логического мышления, в чем поможет наша программа «Когнитивистика». А сейчас давайте проверим, насколько хорошо вы к этому готовы и насколько легко оперируете необходимыми для этого терминами:
