في منصبي عن العلاقات
في مجال تحليل البيانات وصلت ظهر دفع القليل بشأن ما إذا كان من شأنه أن العلاقات الإنسانية
من أي وقت مضى لا تكون مهمة في تحليل البيانات وعما إذا كان لديه أي علاقة مع
"النضج" من الميدان. أعتقد أن البشر سيلعبون دائمًا دورًا في تحليل البيانات
، لكن من الممكن بمرور الوقت أن يلعبوا أدوارًا مختلفة. أردت أن أناقش في هذا المنشور
ما قصدته عن "المؤسسات" و "المعرفة المؤسسية" في سياق تحليل البيانات
وعندما يكون الشخص المحدد الذي يقوم بالتحليل مهمًا لكيفية إجراء التحليل.
بعض الدروس من التمويل
قال بيتر لينش ،
المستثمر الأسطوري ومدير صندوق Fidelity Magellan Fund ، ذات مرة
استثمر في الأعمال
التجارية التي يمكن لأي أحمق تشغيلها لأن المرء سيفعل يومًا ما.
ربما تأتي نسخة أكثر
تفصيلاً من هذا الشعور من زميله المستثمر الأسطوري وارن بافيت ، في شهادته أمام لجنة
التحقيق في الأزمة المالية الأمريكية في عام 2010 ،
لم أكن أعرف شيئًا
عن إدارة Moody's [وكالة تصنيف السندات]. - لقد قلت أيضًا
مرات عديدة في التقارير وفي أماكن أخرى أنه عندما يتم ربط إدارة ذات سمعة رائعة مع
شركة ذات سمعة سيئة في الاقتصاد ، فإن سمعة العمل تظل كما هي.
إذا كان لديك عمل
جيد بما فيه الكفاية ، إذا كان لديك صحيفة احتكارية ، إذا كان لديك محطة تلفزيونية
على الشبكة - أنا أتحدث عن الماضي - كما تعلم ، يمكن لابن أخيك الغبي أن يديرها. وإذا
كان لديك عمل جيد حقًا ، فلن يحدث أي فرق.
في كلتا الحالتين
، يتحدثون عن الشركات التي يُعتقد عمومًا أنها "مملة". هذا لأنهم ناضجون
، ولديهم اقتصاديات راسخة (جيدة) ، ولا يعتمدون بشكل كبير على الأشخاص الذين يديرون
الشركة. بهذا المعنى ، فإن العمل التجاري ناضج منك ولا يهمك من هو الرئيس التنفيذي
(في حدود المعقول ، بالطبع). قدم كريستوفر ميمز أحدث نسخة من هذه الحجة (بالدولار)
في صحيفة وول ستريت جورنال في إشارة إلى "الأبطال الخارقين" لمؤسس التكنولوجيا
وكيف أنهم سيئون للأعمال التجارية في نهاية المطاف.
أنا أزعم أنه في
تحليل البيانات، للأفضل أو للأسوأ، وكنت تفعل الرعاية الذي تقوم به تحليل البيانات
الخاصة بك.
نضج تحليل البيانات
كان تفكيري على هذا
المنوال هو أن المنظمات أو البلدان الناضجة تميل إلى استبدال الأشخاص بالمؤسسات على
أمل أن تتمكن المنظمة من المضي قدمًا بغض النظر عن من يدير المؤسسة ، طالما أن المؤسسة
نفسها يمكنها الاستمرار في العمل. يمكن للشركات الكبيرة أن تحل محل رئيسها التنفيذي
وتستمر في جني الأموال. تستبدل العديد من الشركات الكبيرة الكثير من موظفيها كل عام
وتستمر في النمو والأرباح. إذا ذهبت إلى شركة ناشئة تضم ثلاثة موظفين واستبدلت الرئيس
التنفيذي ، فإن ما يتبقى لك هو شركة مختلفة تمامًا. أعتقد أن مجال تحليل البيانات أقرب
إلى نهاية نطاق الشركة الناشئة من نهاية الشركة الناضجة. لا أعتقد أن لدينا الكثير
من "المعرفة المؤسسية" حول ما يجب فعله في تحليل البيانات ،
من المحتمل أن يكون
لدى العديد من محللي البيانات خبرة أحد المتعاونين في الاقتراب منهم ببعض البيانات
وإخبارهم بشيء على غرار ، "هذا سهل ، فقط قم بتشغيل الانحدار على البيانات".
يعتقد المتعاونون مثل هؤلاء أن تحليل البيانات يتمتع بمعرفة مؤسسية عميقة ، حيث يتمتع
كل فرد بنفس الفهم الدقيق لما يعنيه "تشغيل الانحدار". لكن الواقع هو أن
نمذجة الانحدار مهمة معقدة تتطلب عادةً تكرارًا متكررًا مع المتعاونين حول ما يجب القيام
به. وذلك لأن "تشغيل الانحدار" يرتبط ارتباطًا وثيقًا بالسياق الذي تم فيه
إنشاء البيانات والجمهور الذي سيتم تقديم النتائج إليه. كل هذا يعني أن الشخصيعد إجراء
التحليل أمرًا بالغ الأهمية للتحليل نفسه ، ويرجع ذلك جزئيًا إلى أنه سيتعين عليهم
إدارة العلاقات مع الأطراف الأخرى المعنية. إذا كان "تشغيل الانحدار" في
الواقع بسيطًا مثل استدعاء الوظيفة في R وبصق الملخص ، فعندئذٍ ، لن يكون من المهم
أي شخص يطلق على هذه الوظيفة.
على النقيض من ذلك
، دعونا نلقي نظرة على مهمة مختلفة: انعكاس المصفوفة. يعد انعكاس المصفوفة مهمة حاسمة
لأي نمذجة إحصائية. أولاً ، إنها تكمن في قلب نمذجة الانحدار! ومع ذلك ، ربما لا يفكر
معظم المحللين مرتين قبل القيام بذلك ؛ تقوم الوظيفة بذلك نيابةً عنك (مدفونة في مكان
ما في أسفل كل كود فورتران). في الماضي ، ربما كان يتعين على المرء استدعاء المحلل
العددي لتطوير فهم عميق لمصفوفات التصميم الخاصة بنا وتنفيذ أفضل نهج ممكن لعكس المنتج
المتقاطع. الآن يمكننا الاتصال فقط على الرغم من أنه ربما لا ينبغي عليك القيام بذلك
لأسباب أخرى!). لقد وصلت معرفة انعكاس المصفوفة إلى النقطة التي يمكننا فيها في معظم
الحالات ، وفي معظم المواقف المعقولة ، القيام بذلك دون الكثير من التفكير. من هذا
المنطلق لدينا "المعرفة المؤسسية". يمكننا الاستفادة من تلك المعرفة المؤسسية
وتنفيذها في رمز R الذي يمكن لأي شخص الاتصال به. إذا جاءني
أحدهم وقال "مرحبًا ، اقلب هذه المصفوفة" ، فسأضغط على الزر للقيام بذلك.
ستكون النتيجة هي نفسها بغض النظر عمن دعا solve()الوظيفة. من الواضح أن هناك بعض الحالات
التي قد نرغب فيها في التحدث مع محلل عددي ، لكن عدد هذه الحالات صغير (وربما يتقلص).
يكمن جمال الانحدار
الخطي في أنه عام لدرجة أنه يمكن تطبيقه على عدد لا يحصى من المشاكل والأسئلة. لكن
عموميتها هي التي تجعل من الصعب إضفاء الطابع الرسمي على عملية "نمذجة الانحدار"
لأن كل سياق منفرد يتم فيه تطبيق الانحدار الخطي يختلف. علاوة على ذلك ، لا تكون نمذجة
الانحدار عادةً إجراءً منفردًا ، بل مجموعة من الإجراءات ، بما في ذلك التصور وتشخيص
النماذج وتقدير عدم اليقين. قد يكون من الممكن أتمتة العملية ضمن سياق ضيق للغاية ،
ومن غير المحتمل أن يتم نقل المعرفة المكتسبة في هذا السياق الضيق إلى سياق مختلف.
الحلم
لقد كتبت سابقًا
عن كيف أن حلم العديد من الشركات اليوم هو "إضفاء الطابع المؤسسي" تمامًا
على عملية تحليل البيانات (أعتقد أنني استخدمت كلمة "إنتاجية" من قبل). إذا
كانت عملية تحليل البيانات ناضجة لدرجة أنه يمكن ترميز عناصرها الحاسمة في البرامج
، إذن نعم ، أعتقد أن ذلك يمكن أن يكون فكرة لكسب المال. لكن المشكلة هي أنه لا يزال
لدينا الكثير لنتعلمه حول تحليل البيانات. بالتأكيد ، المكونات الفردية مفهومة جيدًا
، لكننا بعيدون عن القدرة على الضغط على زر و "تشغيل الانحدار". سنظل بحاجة
إلى أشخاص يشاركون في هذه العملية في المستقبل القريب.
لطلب تحليل احصائي التواصل عبر الواتس اب اضغط هنا
ليست هناك تعليقات:
إرسال تعليق