R to środowisko obliczeniowe zbudowane wokół statystyki, z własnym repozytorium pakietów i własnym językiem. Decyzja o nim nie jest wyborem ulubionego narzędzia analityka. Jest rozstrzygnięciem o tym, czy liczba, na której organizacja opiera decyzję, da się odtworzyć po roku przez kogoś innego niż jej autor.
Na skróty
Czego dowiesz się z artykułu:
- Jaki koszt organizacja ponosi, zanim ktokolwiek zaproponuje zmianę narzędzia analitycznego
- Jakie warunki muszą wystąpić razem, żeby środowisko statystyczne było właściwą odpowiedzią
- W jakich sytuacjach to środowisko nie odpowiada na realny problem
- Jakie alternatywy pozostają i jaką cenę niesie każda z nich
- Co organizacja podpisuje, wpuszczając kod analityczny do procesu decyzyjnego
Dla kogo ten artykuł:
- Menedżerowie odpowiadający za decyzje opierane na danych
- Kierownicy zespołów analitycznych i raportowych
- Osoby planujące budżet narzędzi i szkoleń w obszarze danych
Ile kosztuje decyzja oparta na liczbie, której nikt nie umie odtworzyć?
Rachunek nie zaczyna się od nazwy narzędzia. Zaczyna się od pozycji, których nikt nie księguje osobno: spotkanie, na którym padają rozbieżne wersje tego samego wskaźnika, dzień pracy przeznaczony na ustalenie, która z nich jest prawdziwa, i decyzja odłożona do czasu, aż ktoś to ustali. Każda z tych pozycji jest drobna. Razem tworzą stałą pozycję w koszcie każdego cyklu planistycznego.
Do tego dochodzi koszt widoczny dopiero wtedy, gdy o liczbę pyta ktoś z zewnątrz — audytor, regulator albo kontrahent. Wynik powstał w arkuszu, którego kolejne wersje krążyły w załącznikach, a kroki przekształcenia danych zna wyłącznie osoba, która je wykonała. Jeżeli ta osoba zmieniła stanowisko, organizacja nie ma liczby, tylko plik. Odtworzenie wyniku od zera bywa wtedy droższe niż policzenie go po raz pierwszy.
Problem ma odmiany, a ich pomylenie kosztuje najwięcej. Pierwsza odmiana to rzetelność metody: pytanie wymaga wnioskowania — testu, przedziału ufności, modelu — a odpowiedź powstaje przez porównanie średnich. Druga to odtwarzalność: metoda jest poprawna, ale procedura żyje w klikaniu, więc nie da się jej powtórzyć bez jej autora. Trzecia to zasięg: analiza zatrzymuje się na wielkości zbioru, którą narzędzie biurowe jeszcze udźwignie, i całe pytania pozostają niezadane. Rozstrzygnięcie nie zależy od tego, jak biegle zespół posługuje się dzisiejszym narzędziem — zależy od tego, którą z tych odmian organizacja faktycznie ponosi.
Kiedy środowisko statystyczne jest właściwą odpowiedzią?
Środowisko zbudowane wokół statystyki jest właściwą odpowiedzią wtedy, gdy występują razem trzy warunki, a nie gdy spełniony jest którykolwiek z nich osobno:
- Pytanie jest statystyczne, a nie arytmetyczne. Odpowiedź wymaga wnioskowania z próby, oceny niepewności albo modelu, a nie zsumowania kolumny. Gdy pytanie sprowadza się do sumy w podziale na kategorie, każde narzędzie raportowe wystarczy i będzie tańsze.
- Wynik ma być odtwarzalny poza autorem. Analiza zapisana jako kod z wersjonowanym zestawem pakietów wraca do tego samego wyniku po miesiącach, na innym komputerze i w innych rękach. To jest jedyna cecha, której klikanie nie umie kupić za żadną cenę.
- Organizacja godzi się utrzymywać kompetencję po swojej stronie. Kod analityczny wymaga przeglądu, konwencji i wprowadzenia następnej osoby. Zespół, który tego nie zaplanuje, dostanie zbiór skryptów pisanych stylem tylu osób, ile ich pisało.
Dopiero gdy te warunki występują łącznie, sensu nabiera nauka samego środowiska: struktury danych, przekształcenia zbiorów, wizualizacja i pierwsze modele. Ten zakres — od podstaw języka po własną analizę doprowadzoną do końca — obejmuje szkolenie Wprowadzenie do analizy danych z językiem R.
Kiedy tej technologii nie wybierać?
Najczęstszym błędem jest sięgnięcie po środowisko statystyczne w imię „analityki”, zanim ktokolwiek nazwał pytanie, na które liczba ma odpowiedzieć. Zespół dostaje wtedy narzędzie o wysokim progu wejścia i ten sam zestaw raportów co wcześniej, tylko wytwarzany wolniej.
Poza tym są sytuacje, w których to środowisko nie odpowiada na realny problem. Cykliczne raportowanie tych samych wskaźników dla stałego grona odbiorców jest zadaniem dla narzędzia raportowego z modelem danych i kontrolą dostępu; kod analityczny obsłuży je tylko przez zbudowanie własnej namiastki takiego narzędzia. Analiza, która ma zamieszkać wewnątrz produktu — w usłudze wołanej przez aplikację, z wymaganiami wobec czasu odpowiedzi i utrzymania — należy do stosu, w którym ten produkt powstaje, a nie do warsztatu analitycznego. Zespół bez planu utrzymania kodu analitycznego dostanie wyspę: skrypty czytelne dla pojedynczej osoby, obchodzone przez resztę, kosztowniejsze niż stan zastany. Żadnej z tych sytuacji nie zmienia to, ile pracy włożono już w rozpoznanie narzędzia. Gdzie leży granica między raportowaniem a analizą i co po stronie raportowej obsłuży platforma niskokodowa, rozkłada przewodnik po Microsoft Power Platform.
Jakie są alternatywy i ile kosztują?
Arkusz kalkulacyjny nie wymaga rekrutacji ani wdrożenia i jest jedynym narzędziem, które zna cała organizacja. Ceną jest brak śladu: po fakcie nie da się powiedzieć, jakim ciągiem kroków powstał wynik, więc każdy spór o liczbę wraca do rozmowy o pamięci. Narzędzie klasy raportowej porządkuje wskaźniki i odbiorców, ale płaci się za nie modelem danych utrzymywanym osobno oraz metodami, których w nim nie ma — testowanie hipotez pozostaje poza zasięgiem. Język ogólnego przeznaczenia daje jedno środowisko dla analizy i dla wdrożenia, kosztem uboższego zaplecza metod statystycznych i większej pracy przy tych, które w środowisku statystycznym są gotowe. Argumenty za tą drogą rozkłada tekst o tym, dlaczego programujemy w języku Python.
Ostatnia droga bywa najtańsza i najrzadziej rozważana: kupienie analizy na zewnątrz. Organizacja dostaje wynik bez budowania kompetencji — i dokładnie dlatego przy każdym kolejnym pytaniu zaczyna od początku, a wiedza o własnych danych zostaje po stronie dostawcy.
Co organizacja podpisuje, wpuszczając kod analityczny do procesu decyzyjnego?
Podpisuje przede wszystkim utrzymanie środowiska, a nie tylko napisanie analizy. Pakiety pochodzą z otwartego repozytorium i zmieniają się niezależnie od organizacji, więc odtwarzalność wymaga zamrożenia wersji i świadomej decyzji o ich podnoszeniu. Bez tego ta sama analiza policzy po roku coś innego, a nikt nie będzie wiedział dlaczego.
Podpisuje też ścieżkę od wyniku do decyzji. Analiza, na której ktoś ma się oprzeć, potrzebuje przeglądu przez drugą osobę, zapisanego założenia o danych wejściowych i miejsca, w którym mieszka — repozytorium, a nie skrzynki pocztowej. Najdroższą pozycją nie jest jednak żadna z tych rzeczy, tylko kompetencja składu. Analiza czytana przez pojedynczą osobę zamienia każde pytanie w kolejkę do jednego kalendarza. Rolą, która ten rachunek obniża, jest zespół umiejący pracować na dużych zbiorach powtarzalnie, a nie tylko policzyć raz — czyli zakres szkolenia Zaawansowane techniki przetwarzania danych w R. Bez tego organizacja płaci podwójnie: za narzędzie i osobno za każdą liczbę, której nie umie obronić.
FAQ — najczęściej zadawane pytania
Czy trzeba porzucić arkusze, żeby zacząć?
Nie. Wejście zaczyna się zwykle od pojedynczej analizy, która i tak jest powtarzana co miesiąc, a arkusz zostaje tam, gdzie działa. Ryzykiem nie jest współistnienie narzędzi, lecz brak reguły: jeżeli nikt nie zapisze, które liczby są liczone kodem, obie ścieżki będą produkować rozbieżne wyniki.
Czy to środowisko poprawi jakość naszych decyzji?
Usunie tę klasę błędów, którą wyklucza konstrukcją — wynik niepowtarzalny i metodę dobraną na oko. Nie usunie błędów w danych źródłowych, braku definicji wskaźnika ani decyzji podejmowanych wbrew liczbom. Jeżeli przegląd ostatnich sporów wskazuje na te drugie, zmiana narzędzia jest wydatkiem bez pokrycia.
Po czym poznać, że wdrożenie utknęło?
Po tym, że kod powstaje, ale nikt poza autorem go nie uruchamia. Wynik nadal krąży jako plik, a analiza stała się prywatnym warsztatem zamiast wspólnym zasobem. To jest moment na decyzję o przeglądzie i konwencjach, a nie na kolejne szkolenie.