Что вообще такое статистика? Сам термин искусственного происхождения. Введён в оборот Ахенваллем Готфридом, который заменил название курса, который он преподавал в университете с "Государствоведение" на "Статистика". И тут логичен вопрос, а какая связь между вроде бы математической дисциплиной и государственными делами? А ответ очень прост. Письменность, государство и статистика возникают одновеременно. Первые записи человечества по сути храмовые долговые расписки. Процитирую:

В крупных храмовых хозяйствах было много жрецов, которые специально занимались измерением земельных участков, организовывали прокладку каналов, вели счет собственному урожаю. Именно храм управлял жизнью соседних городов и деревень, собирал с населения подати, раздавал еду в голодные годы. Хозяйственная деятельность храмовой общины обусловила необходимость ведения учета. Самые ранние записи принадлежат храмовым чиновникам. Они должны были считать, сколько зерна, масла, мяса произведено в хозяйстве, сколько выдано работникам на пропитание, сколько осталось в распоряжении храма. Кроме того, чиновники вели учет сделок на продажу земли и прав собственности на имущество.

Как там было у В.И. Ленина в работе "Как организовать соревнование":

Учет и контроль за количеством труда и за распределением продуктов — в этом суть социалистического преобразования.

Формирование статистики и есть учет и контроль. Поэтому, статистика есть основа для понимания процессов идущих в государстве, в крупных человеческих коллективах, на производстве, да везде! Ахенвалль, выводя статистику из государствоведения с одной стороны закладывал основы для отстранённого научного анализа численных данных и развития статистического инструментария. А с другой стороны выбивал смысловую часть из статистики, отдаляя от специалистов понимание зачем вообще нужна статистика.

Те кто говорят, что статистика это раздел математики не правы. Государственные чиновники реализуя колоссальную потребность в учете и контроле создают статистику, а уже потом, философы анализируя эту практику создают математику. Так, что правильнее говорить, что математика раздел статистики. ?

Давайте внимательнее посмотрим на приведенную выше Ленинскую философскую формулу. С одной стороны учет и контроль, а с другой стороны преобразование. Отсюда становится понятно почему статистика делится на описательную статистику (учет и контроль) и статистику выводов (преобразование). Начнем с описательной статистики.

В этом месте обычно начинается красочный рассказ о терминах на примере зайчиков, котиков или рыбок для наглядности. Иногда с рисунками. Тут тема не нова и есть много хороших и наглядных книг. Есть даже манга. В общем, человеческий ум в стремлении подать материал о базовых статистиках максимально доходчиво проделал огромную работу. В общем не будем повторяться. Поэтому, основные термины рассмотрим исторически.

Приведенная здесь статья опубликована в журнале Черные металлы №8 в 2020 году. Поэтому пост открыт для всех.

Актуальность подготовки специалистов в Производственной системе и методологии Lean Six Sigma для бизнеса в условиях цифровой трансформации

Современный мир стремительно меняется и темп изменений постоянно нарастает. Во многом изменения вокруг нас связаны с внедрением новых цифровых технологий. Поэтому мы все чаще слышим о «цифровой революции» или «индустрия 4.0». Эти понятия, как правило, сопровождаются видением, что уже скоро искусственный интеллект и роботизация заменят собой человека во множестве профессий, что обеспечит высокую, ранее не достижимую эффективность производственных и прочих бизнес-процессов. 

Но по факту нас окружают на предприятиях обычные (не цифровые) процессы с сомнительным уровнем эффективности, где готовая продукция выпускается с браком, документы теряют свою актуальность из-за длительности согласований, а оборудование агрегатов ломается вместе с производственными планами. Низкоэффективные производственные процессы снижают скорость принятия решения и внедрение улучшений, что снижает эффект инициатив и приводит к негативным финансовым последствиям. В связи с этим, актуализируется вопрос о том, как эффективно применять цифровые инструменты для решения фактических проблем предприятия?

Если цифровизация предприятия идет бессистемно на неподготовленных производственных объектах для внедрения цифровых технологий, то реализуемые специалистами (data scientist) единичные проекты, вряд ли принесут ощутимую прибыль компаниям. Потому что цифровые инструменты редко дают результаты без прозрачных баз данных, стабильных, правильно выстроенных процессов, автоматических систем дистанционного управления. Например, введение системы электронного документооборота не сильно ускорит бизнес-процессы согласования документов, если документы, как и раньше нужно будет подписывать от руки. Или, какой смысл в цифровом зрении при идентификации дефектов, если информация не будет использоваться в системах оперативного принятия решений и аттестации продукции, а будет лишь накапливаться в базах данных предприятия, занимая дорогостоящее место на серверах?

Подобные единичные малоэффективные цифровые проекты никак не решают проблем предприятия. А иногда наоборот, только добавляют новых сложностей в бизнес-процесс. Например, оперативный учет дублируются, и специалисты вынуждены вносить одинаковую информацию в разные системы. Или в бизнес-процессах предприятия добавляется множество новых шагов-не-увеличивающих-ценность производимого продукта или услуги, таких как, есть необходимость формировать отчетность по новым информационным системам. 

Цифровизация должна упрощать труд специалистов предприятия, и только тогда результаты проектов принимаются и используются в бизнесе. В случае если сотрудники считают цифровое решение усложнением своей работы, то оно не приживется и станет еще одним бесполезным делом которое им навязали. Это может быть, как следствием того, что цифровое решение действительно сложно в использовании, так и того, что команда проекта не донесла ценность цифрового решения до сотрудников. 

Поэтому бессистемность цифровизиции предприятия вредят делу построения высокоэффективной цифровой компании, не только финансовыми и временными потерями, но и подрывая уверенность в эффективности инструментов индустрии 4.0. Цифровая трансформация бизнеса требует не единичных решений, а целостной системы, включающей как инструменты совершенствования бизнес-процессов и повышения компетенций сотрудников предприятия, так и цифровые инструменты.

Как специалист по статистике я регулярно слышу фразу из заголовка. Есть две ситуации, когда лично мне адресуют данную фразу. Первая ситуация, так меня приветствуют люди, которых я собираюсь учить статистике. Почему-то это считается остроумным - попробовать на зуб преподавателя именно этой фразой. Вторая ситуация, мне удалось из обработки статистических данных вытащить неочевидные взаимосвязи в производственном процессе и технологический персонал излагает свой скепсис этой фразой.

Регулярно, когда я слышу эту фразу во мне закипает гнев. Так как, произнося эту фразу, люди заранее отсекают от себя очень важный пласт знаний на основании шутки. Но, успокаивает меня то, что статистику часто, даже слишком часто используют не для поиска истины, а для того, чтобы манипулировать другими. Вспоминаются, например, истории про гауссиану или Алена Попова.

Молотком можно построить дом, а можно убивать людей. Статистика инструмент, и врет не она, а человек который держит в руках этот инструмент. Можно выделить несколько видов лжи с помощью статистики. При этом, важно сказать, что такие же приемы использует не только манипулятор, но и нормальный аналитик. Предлагаю рассмотреть этот важный момент на примерах.

Тенденциозный подбор данных. Манипулятор формирует базу данных таким образом, чтобы на выходе анализа получить нужный результат. При этом аналитик так же занимается предобработкой базы данных - удаляет выбросы и аномалии, заполняет пропуски в данных, удаляет часть неважных для анализа данных. Важные различия в этом вопросе между аналитиком и манипулятором - манипулятор не сообщает конечному пользователю, что он сделал с базой данных, а статистик подробно оговаривает, что он сделал с данными, почему он это сделал и как это может повлиять на конечный результат.

Применение редких методов анализа. Инструментарий статистика богат на методы обработки данных. Манипулятор может перебрать несколько методов и одним из редких тестов получить нужный ему результат. При этом аналитик так же перебирает множество статистических тестов и чем больше инструментов использует статистик, тем достовернее результат. Важная разница состоит в том, что манипулятор ищет тот единственный тест который даст нужный ему результат, а аналитик ищет совпадающие результаты - это позволяет посмотреть на одну и ту же задачу с разных сторон и подтвердить правильность решения несколькими способами.

Варьирование шкал на графиках. Манипулятор может подобрать такой масштаб на графике, чтобы подсветить нужный результат. Аналитик сделает то же самое, но приведет два графика - полный и детальный.

Выбор специфической метрики. Один и тот же показатель может быть представлен по разному. Например, задача увеличения объемов производства. Нашей метрикой может быть производительность, скорость, простои плановые и аварийные, межоперационная пауза и т.д. и т.п. Часто бывает, что метрики изменяются разнонаправленно. Поэтому, манипулятор практически всегда может подобрать метрики так, чтобы показать заранее заданный результат. Статистик будет показывать процесс в целом - по заранее оговоренным с клиентом метрикам.

Терминологическая атака. Статистика богата на специфические термины. Манипулятор будет ими сыпать как из рога изобилия. Аналитик сделает все, чтобы их убрать. Если уж придется применить специфический термин, он подробно опишет, что это значит. Вообще, хороший статистик тратит много времени на то, чтобы быть понятым. Специфические термины нужны не для того, чтобы по-умничать, а для того, чтобы кратко выразить мысль. Другой специалист её всегда поймет. Но дело в том, что аналитики "пошли в народ" и одна фраза сказанная на статистическом языке, требует страницы текста для непогруженных в тему специалистов.