logo
Статистика ложь, да в ней намек
Погружение в мир аналитики. Практика применения разнообразного инструментария для конкретных ситуаций. Философия анализа как такового.
маленький
средний
большой
О проекте Просмотр Уровни подписки Фильтры
Все проекты
Во-первых — учиться, во-вторых — учиться и в-третьих — учиться и затем проверять то, чтобы наука у нас не оставалась мёртвой буквой или модной фразой (а это, нечего греха таить, у нас особенно часто бывает), чтобы наука действительно входила в плоть и кровь, превращалась в составной элемент быта вполне и настоящим образом.

В.И. Ленин. «Правда» № 49, 4 марта 1923 г.

Сейчас слова Владимира Ильича актуальны как никогда.

Всю свою сознательную жизнь я чему-то учусь. С моей тягой к знаниям мне повезло работать в компании, которая помогает и поддерживает меня в этом. До определенного момента я учился сам и не думал, что могу быть полезен другим. Но, пару лет назад меня позвали работать в университет. И оказалась, что я хороший тренер и преподаватель. Хороший преподаватель - не потому, что много знаю (есть много людей, которые знают гораздо больше), а потому, что реализую знания на практике. В моем активе десятки реализованных проектов (в основном на производстве) как в области совершенствования процессов, так и в области исследования и разработки. Настала пора учить тех кто хочет учится!

В своей практике я перепробовал кучу новомодных практик: от бережливки до цифровой трансформации и от PMBOK до аджайла. Видел работу множества консалтерских контор. Положив руку на сердце, я не могу сказать, что это все бесполезно, просто в этой теме куча жуликов, прорваться через которых к действительно полезным вещам крайне тяжело. Ключевых препятствий к прорыву всего два: желание конкретного специалиста получить вожделенный сертификат, а не знания и отсутствие практического опыта ведения проектов у подавляющего большинства тренеров. Поэтому, в рамках этого блога Вы не получите сертификата, но получите знания о том как конкретные инструменты применяются на практике.

Что является основным контентом блога?

Первое: Инструменты анализа бизнес-процессов. Прежде всего это инструменты графического и статистического анализа данных. Статистический анализ гипотез, математическое моделирование, машинное обучение, оптимизация процессов, планирование эксперимента и визуализация полученных результатов с помощью разнообразных графиков. Хоть это и важные инструменты анализа, но это не все. Будут рассмотрены такие инструменты анализа процессов как разнообразные варианты картирований, быстрые переналадки, понятие потерь, анализ рисков, генерация и выбор идей и прочий не статистический инструментарий аналитика.

Второе: Методология анализа бизнес-процессов. В этой части мы подробно рассмотрим как подбирать инструменты для решения конкретных задач. Как правильно адатировать инструменты под конкретные задачи. Будут подробно разобраны широко применяемые на практике методологии улучшения процессов: lean six sigma, PDCA, кайдзен, FMEA, SPC.

Третье: Философия анализа. В данной категории рассматриваются вопросы целеполагания, культуры и поведенческих установок. Как сделать направление анализа в кампании успешным и результативным. Если Вы хотите стать продвинутым аналитиком, материалы именно этого уровня будут для Вас максимально полезны.

Четвертое: Борьба с манипуляторами и жуликами от аналитики. Подробно рассмотрим как распознавать манипуляции с данными в результатах анализа, мотивацию манипуляторов и как аналитику не превратится в манипулятора.

Пятое: Практика. Будут рассмотрены примеры решения практических задач. Это будут как проекты по улучшению процессов целиком, так и отдельные инструменты для небольших задач. Так же, для тех кто захочет сам попробовать тот или иной инструмент на практике, будет возможность это сделать и получить от меня обратную связь.

Важное примечание. Я не журналист, а махровый производственник и тексты мои не будут изысканными и отточенными. Но, я постараюсь, чтобы они были максимально простыми (насколько это возможно без потери смысла) и доходчивыми.

Если Вы захотите, чтобы я помог Вам или вашему предприятию, то пожалуйста:
1. Смотрю и анализирую подготовленный Вами набор данных на стриме и выкладываю в открытый доступ - 10 тысяч рублей
2. Провожу разведанализ Ваших данных и пишу по ним отчет с рекомендациями - от 100 тысяч рублей
3. Реализация проекта/методологическая помощь в реализации проекта - от 1 миллиона рублей
4. Техническая диагностика предприятия, постановка целей и задач для аналитиков, разработка программы обучения под конкретные условия и само обучение аналитиков - от 10 миллионов рублей

для связи: [email protected]
Поток 250₽ месяц

На данном уровне Вам доступны материалы блога.

Оформить подписку
logo Статистика ложь, да в ней намек

Две статистики

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.


Представьте, ‎Вы‏ ‎царь ‎древнего ‎Вавилона. ‎И ‎ваша‏ ‎задача‏ ‎-‏ ‎сформировать ‎бюджет.‏ ‎И ‎с‏ ‎этой ‎целью‏ ‎Вы‏ ‎организуете ‎первую‏ ‎в ‎истории ‎систему ‎налогообложения. ‎И‏ ‎какие ‎вопросы‏ ‎Вам‏ ‎нужно ‎для ‎этого‏ ‎ответить?


Вопросы ‎по‏ ‎налоговой ‎базе:

  • сколько ‎человек ‎живет‏ ‎в‏ ‎моем ‎царстве?
  • как‏ ‎население ‎распределено‏ ‎по ‎территории?
  • какая ‎производительность ‎труда ‎у‏ ‎моих‏ ‎поданных ‎по‏ ‎различным ‎отраслям?
  • как‏ ‎производительность ‎труда ‎распределена ‎по ‎регионам?


Вопросы‏ ‎налоговой‏ ‎нагрузки:

  • сколько‏ ‎собирать ‎налогов‏ ‎с ‎населения,‏ ‎чтобы ‎оно‏ ‎не‏ ‎умирало ‎с‏ ‎голоду?
  • как ‎распределить ‎нагрузку ‎по ‎отраслям‏ ‎и ‎регионам?
  • в‏ ‎какой‏ ‎форме ‎взымать ‎налоги?
  • как‏ ‎собирать ‎налоги‏ ‎с ‎торговцев, ‎чтобы ‎они‏ ‎не‏ ‎проезжали ‎мимо‏ ‎моего ‎царства?


Вопросы‏ ‎собираемости ‎налогов:

  • собираются ‎ли ‎налоги ‎в‏ ‎полном‏ ‎объеме?
  • сколько ‎из‏ ‎собранных ‎налогов‏ ‎доезжает ‎до ‎моей ‎казны?


Прониклись ‎масштабом‏ ‎задачи?‏ ‎Именно‏ ‎ввиду ‎масштаба‏ ‎задачи ‎Вы‏ ‎предпринимаете ‎невиданное‏ ‎ранее‏ ‎действо ‎-‏ ‎перепись ‎всего ‎населения ‎царства. ‎На‏ ‎языке ‎статистики‏ ‎все‏ ‎население ‎это ‎генеральная‏ ‎совокупность. ‎Обладая‏ ‎царской ‎властью ‎Вы ‎можете‏ ‎работать‏ ‎с ‎генеральными‏ ‎совокупностями ‎т.е.‏ ‎изучая ‎все ‎население ‎в ‎целом.‏ ‎При‏ ‎этом ‎это‏ ‎чудовищно ‎дорого‏ ‎и ‎очень ‎долго! ‎Но ‎у‏ ‎Вас‏ ‎есть‏ ‎умные ‎подданные.‏ ‎К ‎Вам‏ ‎приходит ‎жрец‏ ‎и‏ ‎предлагает ‎-‏ ‎давайте ‎делать ‎перепись ‎не ‎каждые‏ ‎пять ‎лет,‏ ‎а‏ ‎раз ‎в ‎пятьдесят‏ ‎лет, ‎но‏ ‎ежегодно ‎делать ‎выборочные ‎переписи‏ ‎т.е.‏ ‎оценивать ‎все‏ ‎население ‎(генеральную‏ ‎совокупность) ‎по ‎выборке. ‎При ‎правильной‏ ‎организации‏ ‎выборок ‎мы‏ ‎практически ‎не‏ ‎теряем ‎в ‎точности, ‎но ‎при‏ ‎этом‏ ‎экономим‏ ‎много ‎ресурсов.‏ ‎


Но ‎генеральная‏ ‎совокупность ‎и‏ ‎выборка‏ ‎это ‎не‏ ‎одно ‎число, ‎а ‎набор ‎чисел.‏ ‎В ‎государственном‏ ‎масштабе‏ ‎это ‎очень ‎очень‏ ‎много ‎чисел.‏ ‎Поэтому, ‎много ‎цифр ‎заменяются‏ ‎на‏ ‎интегральные ‎характеристики:‏ ‎центр ‎(среднее,‏ ‎медиана, ‎мода) ‎и ‎разброс ‎(среднеквадратическое‏ ‎отклонение,‏ ‎межквартильный ‎размах).‏ ‎Есть ‎и‏ ‎другие ‎интегральные ‎характеристики, ‎про ‎них‏ ‎детально‏ ‎в‏ ‎инструментальной ‎части.‏ ‎Интегральные ‎характеристики‏ ‎позволяют ‎смотреть‏ ‎на‏ ‎выборку ‎в‏ ‎целом, ‎что ‎открывает ‎широкий ‎простор‏ ‎для ‎анализа.‏ ‎Это‏ ‎в ‎том ‎числе‏ ‎и ‎анализ‏ ‎динамики ‎изменения ‎выборок ‎во‏ ‎времени.‏ ‎


И ‎вот‏ ‎Вам ‎приносят‏ ‎итоги ‎переписи. ‎Вы ‎их ‎просматриваете‏ ‎и‏ ‎видите, ‎что‏ ‎в ‎провинции‏ ‎А ‎живет ‎в ‎два ‎раза‏ ‎больше‏ ‎людей,‏ ‎чем ‎в‏ ‎провинции ‎Б.‏ ‎Но ‎налогов‏ ‎с‏ ‎этих ‎провинций‏ ‎приходит ‎одинаково. ‎Почему ‎так? ‎В‏ ‎провинции ‎А‏ ‎вороватые‏ ‎чиновники? ‎Там ‎был‏ ‎неурожай? ‎Провинция‏ ‎А ‎пограничная ‎и ‎там‏ ‎больше‏ ‎ресурсов ‎тратится‏ ‎на ‎оборону?‏ ‎Или ‎еще ‎что? ‎И ‎в‏ ‎зависимости‏ ‎от ‎того,‏ ‎какой ‎ответ‏ ‎верен, ‎Ваши ‎действия ‎будут ‎разные.‏ ‎А‏ ‎в‏ ‎поиске ‎правильного‏ ‎ответа ‎помогает‏ ‎статистика ‎выводов.‏ ‎Статистика‏ ‎выводов ‎это‏ ‎разнообразные ‎инструменты ‎анализа ‎гипотез, ‎математического‏ ‎моделирования, ‎планирования‏ ‎и‏ ‎анализа ‎экспериментов.


На ‎этой‏ ‎статье ‎заканчиваем‏ ‎вводную ‎философскую ‎часть ‎и‏ ‎переходим‏ ‎к ‎инструментальной‏ ‎части. ‎

logo Статистика ложь, да в ней намек

Совершенствование образовательной программы высших учебных заведений с целью повышения востребованности специалистов для бизнеса в условиях цифровой трансформации

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.


Цифровизация‏ ‎компании ‎для ‎своей ‎успешности ‎должна‏ ‎основываться ‎на‏ ‎прочном‏ ‎фундаменте ‎Производственной ‎системы.‏ ‎Казалось ‎бы,‏ ‎между ‎Производственной ‎системой ‎и‏ ‎цифровизацией‏ ‎предприятия ‎мало‏ ‎общего. ‎Но‏ ‎на ‎самом ‎деле, ‎развертывание ‎Производственной‏ ‎системы‏ ‎на ‎предприятии‏ ‎приводит ‎к‏ ‎сокращению ‎потерь ‎с ‎точки ‎зрения‏ ‎бережливого‏ ‎производства‏ ‎делая ‎бизнес-процессы‏ ‎пригодными ‎для‏ ‎использования ‎цифровых‏ ‎инструментов.‏ ‎На ‎рис.‏ ‎1. ‎представлена ‎область ‎максимальной ‎эффективности‏ ‎инструментов ‎Производственной‏ ‎системы,‏ ‎снижающие ‎риски ‎цифровизации‏ ‎предприятия. ‎


‏ ‎


Рис. ‎1. ‎Мероприятия ‎по‏ ‎снижению‏ ‎рисков ‎в‏ ‎цифровизации ‎предприятия.‏ ‎Зеленым ‎– ‎область ‎максимальной ‎эффективности‏ ‎инструментов‏ ‎производственной ‎системы


Помимо‏ ‎Производственной ‎системы‏ ‎цифровизиция ‎предприятия ‎должна ‎основываться ‎на‏ ‎высоких‏ ‎компетенциях‏ ‎специалистов ‎предприятия‏ ‎в ‎сфере‏ ‎совершенствования ‎процессов.‏ ‎На‏ ‎множестве ‎предприятий,‏ ‎переходящих ‎к ‎индустрии ‎4.0 ‎в‏ ‎качестве ‎таких‏ ‎специалистов‏ ‎успешно ‎выступают ‎зеленые‏ ‎и ‎черные‏ ‎пояса, ‎владеющие ‎методологией ‎Lean‏ ‎Six‏ ‎Sigma ‎[7-14].‏ ‎Специалисты ‎Lean‏ ‎Six ‎Sigma ‎использующие ‎инструментарий ‎как‏ ‎бережливого‏ ‎производства, ‎так‏ ‎и ‎цифровой‏ ‎методы ‎являются ‎авангардом ‎совершенствования ‎бизнес-процессов,‏ ‎тем‏ ‎самым‏ ‎стыковочным ‎звеном‏ ‎между ‎производственниками‏ ‎и ‎«цифрой».


Залог‏ ‎успеха‏ ‎в ‎реализации‏ ‎проектов ‎цифровизации ‎специалистами, ‎обученными ‎методологии‏ ‎Lean ‎Six‏ ‎Sigma‏ ‎— ‎эффективная ‎коммуникация‏ ‎как ‎следствие‏ ‎ориентации ‎на ‎клиента. ‎Они‏ ‎выступают‏ ‎своеобразными ‎переводчиками‏ ‎с ‎языка‏ ‎высокой ‎цифры ‎на ‎язык ‎потребностей‏ ‎бизнеса‏ ‎и ‎обратно.‏ ‎Что ‎позволяет‏ ‎формулировать ‎конкретные ‎задачи ‎и ‎бизнес-кейсы‏ ‎для‏ ‎цифровизации‏ ‎и ‎транслировать‏ ‎возможности ‎цифровизации‏ ‎для ‎всех‏ ‎участников‏ ‎бизнес-процессов. ‎


Специалисты‏ ‎Lean ‎Six ‎Sigma ‎важны ‎в‏ ‎цифровизации ‎не‏ ‎только‏ ‎как ‎эффективные ‎коммуникаторы.‏ ‎Реализация ‎проектов‏ ‎по ‎совершенствованию ‎бизнес-процессов ‎предприятия‏ ‎создаёт‏ ‎среду ‎эффективного‏ ‎применения ‎цифровых‏ ‎инструментов ‎индустрии ‎4.0. ‎В ‎практике‏ ‎цифровой‏ ‎трансформации ‎предприятия‏ ‎нет ‎«цифровой‏ ‎революции», ‎а ‎есть ‎«цифровая ‎эволюция»‏ ‎основным‏ ‎двигателем‏ ‎которой ‎является‏ ‎Производственная ‎система,‏ ‎включающая ‎в‏ ‎себя‏ ‎методологию ‎Lean‏ ‎Six ‎Sigma. ‎При ‎сопоставлении ‎проектного‏ ‎подхода ‎DMAIC‏ ‎являющемся‏ ‎основой ‎методологии ‎Lean‏ ‎Six ‎Sigma‏ ‎с ‎циклом ‎цифровизации ‎предприятия,‏ ‎выясняется,‏ ‎что ‎подходы‏ ‎одинаковые. ‎(рис.‏ ‎2). ‎Переход ‎от ‎низкоэффективных ‎процессов‏ ‎через‏ ‎методологию ‎Lean‏ ‎Six ‎Sigma‏ ‎к ‎цифровизации ‎бизнеса ‎включает ‎в‏ ‎себя‏ ‎четыре‏ ‎этапа ‎(рис.‏ ‎3).


 ‎


Рис.‏ ‎2. ‎Цифровизация‏ ‎и‏ ‎методология ‎DMAIC


‏ ‎


Рис. ‎3. ‎Этапы ‎развития ‎методологии‏ ‎Lean ‎Six‏ ‎Sigma‏ ‎на ‎предприятии


Первый ‎этап.‏ ‎Зарождение ‎системы.‏ ‎Выстраивание ‎структуры, ‎создание ‎регламентирующих‏ ‎документов,‏ ‎подготовка ‎кадров.‏ ‎Первые ‎победы,‏ ‎успешные ‎проекты, ‎доказавшие ‎эффективность ‎методологии.‏ ‎Массовое‏ ‎обучение ‎руководителей‏ ‎на ‎уровень‏ ‎«Спонсор ‎проекта ‎Lean ‎Six ‎Sigma».‏ ‎Подготовка‏ ‎специалистов‏ ‎на ‎уровень‏ ‎«Черный ‎пояс»‏ ‎и ‎«Пояс‏ ‎тренер».‏ ‎Достижение ‎30%‏ ‎потенциала ‎эффективности ‎методологии.


Второй ‎этап. ‎Промышленная‏ ‎эксплуатация ‎системы.‏ ‎Обучение‏ ‎методологии ‎LSS ‎до‏ ‎2%+ ‎персонала‏ ‎от ‎общей ‎численности ‎(имеются‏ ‎в‏ ‎виду ‎все‏ ‎уровни ‎знания‏ ‎методологии ‎от ‎белого ‎пояса ‎до‏ ‎черного).‏ ‎Снижение ‎сопротивления‏ ‎изменениям ‎руководителей‏ ‎различного ‎уровня. ‎Интеграция ‎в ‎общую‏ ‎систему,‏ ‎объединение‏ ‎разрозненных ‎инструментов‏ ‎(А3, ‎Контрольные‏ ‎карты ‎и‏ ‎др.)‏ ‎в ‎логику‏ ‎единой ‎методологии ‎Lean ‎Six ‎Sigma.‏ ‎Проекты ‎делаются‏ ‎не‏ ‎только ‎по ‎направлениям‏ ‎технологии ‎и‏ ‎энергетики, ‎но ‎и ‎в‏ ‎логистике,‏ ‎кадровой ‎службе,‏ ‎в ‎ремонтном‏ ‎производстве ‎и ‎др. ‎Эффективность ‎методологии‏ ‎достигает‏ ‎90%.


Третий ‎этап.‏ ‎«Дожимание» ‎системы.‏ ‎По ‎большинству ‎направлений ‎бизнеса ‎сделаны‏ ‎проекты‏ ‎Lean‏ ‎Six ‎Sigma,‏ ‎из-за ‎этого‏ ‎происходит ‎снижение‏ ‎величины‏ ‎эффекта ‎от‏ ‎одного ‎проекта, ‎но ‎это ‎компенсируется‏ ‎количеством ‎проектов.‏ ‎Массово‏ ‎выполняются ‎проекты ‎по‏ ‎предиктивной ‎диагностике‏ ‎оборудования ‎и ‎моделирования ‎не‏ ‎производственных‏ ‎процессов. ‎Для‏ ‎создания ‎новых‏ ‎продуктов ‎используется ‎методология ‎DFSS ‎(design‏ ‎for‏ ‎six ‎sigma).‏ ‎90% ‎контрольных‏ ‎карт ‎построена ‎по ‎результатам ‎проектов‏ ‎Lean‏ ‎Six‏ ‎Sigma ‎и‏ ‎имеют ‎математическую‏ ‎модель ‎управления‏ ‎процессом‏ ‎(советчик). ‎Для‏ ‎дальнейшего ‎развития ‎и ‎оцифровки ‎бизнес‏ ‎процессов ‎происходит‏ ‎установка‏ ‎приборов ‎учета ‎на‏ ‎недостающие ‎позиции.‏ ‎Активно ‎используются ‎виртуальные ‎анализаторы‏ ‎замещая‏ ‎некоторые ‎не‏ ‎ключевые ‎анализы.‏ ‎Эффективность ‎максимальная.


Четвертый ‎этап. ‎Принятие ‎стратегических‏ ‎решений‏ ‎(эволюция ‎системы).‏ ‎Все ‎процессы‏ ‎проанализированы ‎и ‎оцифрованы, ‎дополнительных ‎проектов‏ ‎Lean‏ ‎Six‏ ‎Sigma ‎не‏ ‎требуется, ‎найти‏ ‎новую ‎тему‏ ‎становится‏ ‎сложно. ‎Накоплены‏ ‎большие ‎базы ‎«правильных» ‎данных. ‎Для‏ ‎избегания ‎стагнации‏ ‎необходимо‏ ‎переходить ‎полностью ‎на‏ ‎цифровые, ‎автоматизированные‏ ‎продукты ‎управления ‎процессами. ‎Объединение‏ ‎всех‏ ‎советчиков ‎разработанных‏ ‎на ‎базе‏ ‎проектов ‎Lean ‎Six ‎Sigma ‎в‏ ‎единую‏ ‎систему ‎под‏ ‎управлением ‎искусственным‏ ‎интеллектом. ‎Эволюция ‎системы ‎Lean ‎Six‏ ‎Sigma‏ ‎в‏ ‎систему ‎цифровизации‏ ‎производства.


Интеграция ‎в‏ ‎учебную ‎программу‏ ‎ВУЗов‏ ‎элементов ‎Производственной‏ ‎системы ‎и ‎методологии ‎Lean ‎Six‏ ‎Sigma


Открытым ‎вопросом‏ ‎остается‏ ‎подготовка ‎специалистов ‎по‏ ‎Производственной ‎системе‏ ‎и ‎методологии ‎Lean ‎Six‏ ‎Sigma.‏ ‎На ‎текущий‏ ‎момент, ‎данная‏ ‎подготовка ‎осуществляется ‎компаниями ‎самостоятельно ‎или‏ ‎с‏ ‎привлечением ‎консалтинговых‏ ‎фирм. ‎Поэтому‏ ‎процесс ‎подготовки ‎специалистов ‎подобного ‎профиля‏ ‎дорогой‏ ‎и‏ ‎длительный. ‎Высшая‏ ‎школа ‎в‏ ‎подавляющем ‎большинстве‏ ‎из‏ ‎данного ‎процесса‏ ‎исключена. ‎Что ‎приводит ‎к ‎тому,‏ ‎что ‎еще‏ ‎некоторое‏ ‎время ‎после ‎трудоустройства‏ ‎выпускников ‎ВУЗов‏ ‎необходимо ‎обучать ‎инструментам ‎Производственной‏ ‎системы.‏ ‎Обучение ‎методологии‏ ‎Lean ‎Six‏ ‎Sigma ‎это ‎не ‎менее ‎полугода‏ ‎подготовки‏ ‎на ‎уровень‏ ‎зеленый ‎пояс‏ ‎и ‎не ‎менее ‎полутора ‎лет‏ ‎–‏ ‎на‏ ‎уровень ‎черный‏ ‎пояс. ‎Для‏ ‎ускорения ‎процесса‏ ‎подготовки‏ ‎специалистов ‎по‏ ‎Производственной ‎системе ‎и ‎методологии ‎Lean‏ ‎Six ‎Sigma‏ ‎необходимо‏ ‎включать ‎в ‎программы‏ ‎подготовки ‎профильных‏ ‎ВУЗов.


Набор ‎требуемых ‎компетенций ‎для‏ ‎специалистов‏ ‎в ‎методологии‏ ‎Lean ‎Six‏ ‎Sigma ‎представлен ‎в ‎таблице ‎1.‏ ‎При‏ ‎анализе ‎данного‏ ‎набора ‎компетенций,‏ ‎выясняется, ‎что ‎программа ‎подготовки ‎специалистов‏ ‎в‏ ‎области‏ ‎металлургии ‎в‏ ‎достаточной ‎мере‏ ‎развивает ‎необходимые‏ ‎компетенции‏ ‎только ‎в‏ ‎двух ‎направлениях ‎«компьютерная ‎грамотность» ‎и‏ ‎«математическая ‎грамотность».‏ ‎


Таблица‏ ‎1 ‎– ‎Категории‏ ‎навыков ‎специалистов‏ ‎методологии ‎Lean ‎Six ‎Sigma


Включение‏ ‎объема‏ ‎необходимых ‎компетенций‏ ‎по ‎методологии‏ ‎Lean ‎Six ‎Sigma ‎в ‎программу‏ ‎подготовки‏ ‎бакалавров ‎приведет‏ ‎к ‎значительному‏ ‎снижению ‎уровня ‎базовой ‎подготовки ‎в‏ ‎металлургии.‏ ‎Поэтому,‏ ‎развитие ‎данных‏ ‎компетенций ‎можно‏ ‎обеспечить ‎только‏ ‎в‏ ‎рамках ‎программ‏ ‎подготовки ‎инженеров ‎и ‎магистров.


Подготовка ‎специалистов‏ ‎в ‎методологии‏ ‎Lean‏ ‎Six ‎Sigma ‎требует‏ ‎реализации ‎практических‏ ‎проектов ‎по ‎улучшению ‎бизнес-процессов.‏ ‎Это‏ ‎обстоятельство ‎предъявляет‏ ‎к ‎ВУЗам‏ ‎дополнительное ‎требование ‎по ‎высокому ‎уровню‏ ‎кооперации‏ ‎с ‎бизнесом‏ ‎т.к. ‎для‏ ‎реализации ‎проектов ‎в ‎соответствии ‎методологией‏ ‎Lean‏ ‎Six‏ ‎Sigma ‎необходим‏ ‎доступ ‎к‏ ‎актуальной ‎технической‏ ‎и‏ ‎финансовой ‎информации‏ ‎об ‎улучшаемых ‎бизнес-процессах.


Одной ‎из ‎проблем‏ ‎при ‎интеграции‏ ‎в‏ ‎образовательную ‎программу ‎ВУЗов‏ ‎Производственной ‎системы‏ ‎и ‎методологии ‎Lean ‎Six‏ ‎Sigma‏ ‎это ‎получение‏ ‎требуемых ‎компетенций‏ ‎преподавателями ‎вузов. ‎Поэтому ‎важно ‎развитие‏ ‎кооперации‏ ‎между ‎образованием‏ ‎и ‎бизнесом‏ ‎для ‎передачи ‎необходимого ‎набора ‎компетенций‏ ‎от‏ ‎специалистов‏ ‎предприятий ‎по‏ ‎Производственной ‎системе‏ ‎и ‎методологии‏ ‎Lean‏ ‎Six ‎Sigma‏ ‎к ‎преподавательскому ‎составу ‎профильных ‎ВУЗов.‏ ‎С ‎этой‏ ‎целью‏ ‎со ‎стороны ‎предприятий‏ ‎необходимо ‎выделять‏ ‎ресурсы, ‎во-первых, ‎на ‎теоретическую‏ ‎подготовку,‏ ‎а ‎во-вторых,‏ ‎на ‎реализацию‏ ‎практических ‎проектов ‎Lean ‎Six ‎Sigma‏ ‎по‏ ‎совершенствованию ‎бизнес-процессов‏ ‎преподавательским ‎составом‏ ‎ВУЗов.


На ‎текущий ‎момент ‎в ‎ЛГТУ‏ ‎на‏ ‎кафедре‏ ‎ОМД ‎реализуется‏ ‎пилотный ‎проект‏ ‎по ‎подготовке‏ ‎магистров‏ ‎на ‎уровень‏ ‎зеленый ‎пояс ‎Lean ‎Six ‎Sigma‏ ‎в ‎рамках‏ ‎программы‏ ‎дополнительного ‎профессионального ‎образования‏ ‎НЛМК. ‎Первый‏ ‎выпуск ‎специалистов, ‎подготовленных ‎по‏ ‎новой‏ ‎программе, ‎будет‏ ‎осуществлен ‎в‏ ‎текущем ‎учебном ‎году.


Выводы


Интеграция ‎в ‎образовательную‏ ‎программу‏ ‎ВУЗов ‎Производственной‏ ‎системы ‎и‏ ‎методологии ‎Lean ‎Six ‎Sigma ‎позволяет‏ ‎получить‏ ‎следующие‏ ‎выгоды ‎заинтересованным‏ ‎сторонам.

Выгоды ‎для‏ ‎предприятий ‎и‏ ‎бизнеса:

‏ ‎- ‎задействование‏ ‎технической ‎экспертизы ‎преподавателей ‎ВУЗов ‎в‏ ‎реализации ‎проектов‏ ‎Lean‏ ‎Six ‎Sigma;

‎-‏ ‎рост ‎количества‏ ‎мероприятий ‎операционной ‎эффективности ‎от‏ ‎проектов‏ ‎Lean ‎Six‏ ‎Sigma ‎за‏ ‎счет ‎целевой ‎подготовки ‎специалистов ‎для‏ ‎предприятия‏ ‎в ‎ВУЗе;

‏ ‎- ‎увеличивается‏ ‎полезное ‎время ‎специалистов ‎в ‎первые‏ ‎два‏ ‎года‏ ‎после ‎прихода‏ ‎на ‎предприятии‏ ‎(значительное ‎снижение‏ ‎времени‏ ‎на ‎донабор‏ ‎компетенций);

‎- ‎вовлечение ‎принятых ‎специалистов‏ ‎к ‎высокоинтеллектуальной‏ ‎творческой‏ ‎работе, ‎т.е. ‎повышение‏ ‎интереса ‎к‏ ‎работе ‎на ‎предприятии ‎и‏ ‎повышение‏ ‎лояльности ‎новых‏ ‎сотрудников;

‎-‏ ‎развитие ‎кооперации ‎науки, ‎образования ‎и‏ ‎бизнеса.

Выгоды‏ ‎для ‎ВУЗов:

‏ ‎- ‎создание‏ ‎компетенций ‎у ‎преподавателей ‎для ‎реализации‏ ‎проекта‏ ‎«Бережливый‏ ‎университет»;

‎-‏ ‎повышение ‎актуальности‏ ‎образовательных ‎программ‏ ‎для‏ ‎бизнеса.

Выгоды ‎для‏ ‎государства:

‎- ‎подготовка ‎кадров ‎для‏ ‎цифровой ‎трансформации‏ ‎ВУЗов,‏ ‎организаций ‎и ‎предприятий;

‏ ‎- ‎повышение‏ ‎производительности ‎труда ‎за ‎счет‏ ‎реорганизации‏ ‎бизнес-процессов;

‎-‏ ‎повышение ‎эффективности‏ ‎национальной ‎программы ‎«Цифровая ‎экономика ‎Российской‏ ‎Федерации».

logo Статистика ложь, да в ней намек

Существуют три вида лжи: ложь, наглая ложь и статистика

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.


Самоманипулирование.‏ ‎Статистик‏ ‎может ‎увлечься‏ ‎анализом ‎(да,‏ ‎после ‎того‏ ‎как‏ ‎человек ‎прошагает‏ ‎первые ‎этапы ‎развития ‎как ‎аналитик,‏ ‎это ‎занятие‏ ‎становится‏ ‎веселым) ‎и ‎ему‏ ‎процесс ‎становится‏ ‎важнее ‎результата. ‎Творить ‎в‏ ‎этом‏ ‎состоянии ‎круто,‏ ‎здорово ‎и‏ ‎весело. ‎Но ‎это ‎опасное ‎для‏ ‎аналитика‏ ‎состояние. ‎Во-первых,‏ ‎статистик ‎подключает‏ ‎эмоции. ‎А ‎во-вторых, ‎где ‎эмоции,‏ ‎там‏ ‎и‏ ‎желание ‎понравиться.‏ ‎И ‎аналитик‏ ‎может ‎начать‏ ‎подгонять‏ ‎результаты ‎под‏ ‎мнения ‎тех, ‎кому ‎он ‎хочет‏ ‎понравиться. ‎Тут‏ ‎специалист‏ ‎превращается ‎в ‎манипулятора‏ ‎и ‎сам‏ ‎этого ‎не ‎замечает. ‎Решается‏ ‎этот‏ ‎вопрос ‎апелляцией‏ ‎к ‎цели‏ ‎- ‎задача ‎аналитика ‎решить ‎проблему,‏ ‎а‏ ‎не ‎нравиться‏ ‎другим.


Ситуация ‎с‏ ‎манипулированием ‎отягощается ‎тем, ‎что ‎для‏ ‎применения‏ ‎статистики‏ ‎нужны ‎специфические‏ ‎компетенции, ‎которых,‏ ‎как ‎правило,‏ ‎у‏ ‎клиентов ‎нет.‏ ‎Поэтому ‎в ‎отношениях ‎аналитик-клиент ‎огромную‏ ‎роль ‎играет‏ ‎доверие‏ ‎и ‎авторитет. ‎Аналитик‏ ‎должен ‎серьезно‏ ‎заботится ‎о ‎своем ‎авторитете‏ ‎-‏ ‎не ‎допускать‏ ‎манипулирования ‎клиентом.‏ ‎


А ‎как ‎же ‎в ‎итоге‏ ‎вскрывается‏ ‎манипуляция? ‎А‏ ‎все ‎просто‏ ‎- ‎"практика ‎критерий ‎истины" ‎(с).‏ ‎Особенность‏ ‎статистики‏ ‎состоит ‎в‏ ‎том, ‎что‏ ‎всегда ‎возникает‏ ‎обратная‏ ‎связь ‎с‏ ‎процессом, ‎который ‎наработал ‎эту ‎самую‏ ‎статистику. ‎Поэтому,‏ ‎все‏ ‎рекомендации ‎могут ‎(и‏ ‎должны!) ‎быть‏ ‎проверены ‎в ‎рамках ‎эксперимента.‏ ‎Да,‏ ‎эксперимент ‎может‏ ‎быть ‎дорогой‏ ‎и ‎долгий. ‎Но ‎именно ‎в‏ ‎рамках‏ ‎эксперимента ‎проявляется‏ ‎качество ‎проведенного‏ ‎анализа ‎и ‎снижается ‎риск ‎неверного‏ ‎решения.


Манипуляция‏ ‎всегда‏ ‎направлена ‎на‏ ‎принятие ‎ангажированного‏ ‎решения. ‎Это‏ ‎не‏ ‎значит, ‎что‏ ‎решение ‎ложное, ‎это ‎значит, ‎что‏ ‎оно ‎получено‏ ‎не‏ ‎на ‎основании ‎изучения‏ ‎процесса, ‎анализа‏ ‎статистики ‎и ‎экспертизы, ‎а‏ ‎на‏ ‎основе ‎чьего-то‏ ‎желания ‎повлиять‏ ‎на ‎конечное ‎решение. ‎Поэтому, ‎в‏ ‎подавляющем‏ ‎большинстве ‎случаев‏ ‎манипуляций ‎эксперимент‏ ‎будет ‎провален. ‎Но ‎это ‎не‏ ‎значит,‏ ‎что‏ ‎каждый ‎проваленный‏ ‎эксперимент ‎результат‏ ‎манипуляции. ‎Недостижение‏ ‎цели‏ ‎в ‎рамках‏ ‎эксперимента ‎конечно ‎плохо, ‎но ‎полномасштабное‏ ‎внедрение ‎могло‏ ‎обернуться‏ ‎вообще ‎катастрофой ‎для‏ ‎клиента. ‎Неудачный‏ ‎эксперимент ‎не ‎бесполезен, ‎он‏ ‎показывает‏ ‎в ‎каком‏ ‎направлении ‎не‏ ‎надо ‎идти. ‎К ‎слову, ‎эксперимент,‏ ‎его‏ ‎планирование, ‎проведение‏ ‎и ‎анализ‏ ‎тоже ‎является ‎частью ‎инструментария ‎статистика,‏ ‎который‏ ‎мы‏ ‎тоже ‎будем‏ ‎рассматривать.


Манипулятор ‎и‏ ‎аналитик ‎это‏ ‎как‏ ‎черное ‎и‏ ‎белое, ‎инь ‎и ‎ян ‎-‏ ‎связанные, ‎но‏ ‎отрицающие‏ ‎друг ‎друга ‎явления.‏ ‎Аналитик ‎формирует‏ ‎авторитет ‎на ‎котором ‎паразитирует‏ ‎манипулятор.‏ ‎При ‎этом‏ ‎манипулятор ‎создает‏ ‎шлейф ‎разочарований ‎и ‎аналитику ‎приходиться‏ ‎начинать‏ ‎работу ‎в‏ ‎новом ‎месте‏ ‎с ‎отрицательных ‎стартовых ‎позиций. ‎Поэтому,‏ ‎в‏ ‎рамках‏ ‎обучения ‎мы‏ ‎будем ‎разбирать‏ ‎не ‎только‏ ‎как‏ ‎делать ‎анализ‏ ‎правильно, ‎но ‎и ‎детально ‎погружаться‏ ‎в ‎способы‏ ‎манипуляции.‏ ‎Врага ‎надо ‎знать‏ ‎в ‎лицо!‏ ‎

Отслеживать

Подарить подписку

Будет создан код, который позволит адресату получить бесплатный для него доступ на определённый уровень подписки.

Оплата за этого пользователя будет списываться с вашей карты вплоть до отмены подписки. Код может быть показан на экране или отправлен по почте вместе с инструкцией.

Добавить карту
0/2048