Почему data mining хорош для конкурентной разведки?

Как говорилось выше, в традиционной обработке данных предполагается, что первоначально должна быть выдвинута гипотеза о связи переменных или их комплексов, но за этим стоит и не формальная, содержательная гипотеза. Аналитика в конкурентной разведке похожа на полную сюрпризов работу сапера. Вот встретилось нечто неожиданное и это нужно изучить тщательно, определить безошибочно. Последствия могут и не быть такими трагичными, как у сапера. Но как знать.

Не будет преувеличением сказать, что сначала сформировались профессиональные способности интерпретировать неожиданные результаты, и только потом появилась (стала возможной) система data mining.

Вкратце легенда появления таких людей как профессионалов звучит так. Несмотря на вполне понятное увлечение Зорге и Штирлицами, ни у СССР, ни у его союзников не было достаточного числа шпионов в нацистской Германии и Японии. Основная разведывательная информация приходила из разрозненных, случайно захваченных документов, из допросов военнопленных, радиоперехватов и снимков самолетов-разведчиков. Даже обработка личных писем противника с фронта и на фронт была поставлена на поток. Собирать вместе все части такой головоломки до войны никто не умел, специалисты постепенно обучались собирать разрозненные сведения в логичную интерпретацию, способную обосновать какое-либо важное решение.

Тогда со всей остротой встала кадровая проблема. В ходе перебора сотен (а если по всем странам – то тысяч) потенциальных кандидатов в аналитики выяснилось, что Шерлоки Холмсы на такую работу не годятся. Лучшие аналитики, интерпретаторы разрозненных сведений находятся среди тех, кто может мыслить не только логически, но и образно. Лучшие кандидаты, способные работать с «подарками», которые преподносит методика data mining, не всегда рассуждают последовательно. Иногда они попросту раздражают, когда перескакивают с одного на другое без видимой связи между темами. Их описание реальности или будущих событий в чем-то напоминает сновидение, в котором ты то летишь в небе, то оказываешься в подземелье. Причем все это не кажется тебе неестественным и необычным. Внешняя информация витиевато переплетается с поставленной задачей, а общая задача неожиданно превращается в частную.

Найти таких людей непросто. Например, ЦРУ (еще раз коснемся этой организации) стремится набирать аналитиков из лучших выпускников колледжей. Их инструктируют и полгода «натаскивают» на сборе некоторой условной, придуманной разведывательной информации, иногда относящейся к реальному прошлому. Спустя полгода стажировки новичок защищает перед комиссией свою первую интерпретацию данных. Прошедших экзамен еще год-два заставляют извлекать объяснения из неточных данных, интерпретировать их без оговорок.

Для аналитической работы в конкурентной разведке непригодны люди, которые работали в других сферах, в особенности там, где человек должен нести ответственность за свои суждения. В особенности безнадежны те, кто за свою ошибку был наказан, уволен, понижен в должности.

Но тот, кто ошибся в аналитической оценке по ходу вхождения в непростую работу по интерпретации разрозненных сведений, достоин не осуждения, а лишь того, чтобы его ошибку включили в неизбежные издержки обучения нового специалиста. В противном случае и этого человека можно испортить.

Одной из особенностей и типовых ошибок конкурентной разведки состоят в том, что выявленные закономерности и их интерпретацию трудно увязать со временем. Именно из-за необходимости интерпретировать полученные результаты в большинстве своем аналитики ошибаются, когда оценивают сроки. В ЦРУ заранее знали, что экономика Советского Союза развалится. Но было неизвестно когда. И распад СССР был неожиданным даже для тех, кто сделал этот верный прогноз.

И еще один прием, связанный с интерпретацией результатов. Любой вариант интерпретации можно проверить выдачей его знающим людям (не обязательно начальству) в некотором сослагательном, предположительном варианте. По ходу дела нужно внимательно следить за реакцией собеседника, и если он начинает приводить дополнительные аргументы в пользу предлагаемой вами интерпретации событий, нужно быстро уходить от темы, прерывать разговор или переводить его на другое. А если начинаются возражения, тогда беседу следует продолжать до тех пор, пока не будет выдвинуто альтернативное объяснение выявленной закономерности.

Такая проверка теоретических построений аналитика не связана непосредственно с реальной жизнью. Это лишь попытка выхода на совпадение мнений, и совсем не исключено, что оба мнения окажутся ошибочными. Только вероятность ошибки немного уменьшилась.

Помимо конкурентной разведки, data mining используется везде, где сложно выдвинуть предварительные гипотезы из-за слабого знания изучаемой предметной области. В розничной торговле это – выявление товаров, которые стоит продвигать совместно; выбор местоположения товара в магазине (выкладка); в маркетинге – поиск рыночных сегментов, тенденций покупательского поведения; в финансах - выявление правил экспертных систем для андеррайтинга; классификация дебиторских задолженностей по возможностям взыскания; прогноз изменений на валютных рынках; в хозяйственно-юридической практике – анализ контрактов. Этот список далеко не полон, и его можно очень долго продолжать.

Приведу несколько примеров, близких к конкурентной разведке, но непосредственно к ней не относящихся.

Пример из области общей договорной практики: «Кто из ваших партнеров в наименьшей степени захочет отозваться на ваше новое предложение?». При этом следует отдавать себе отчет в том, что напрямую на этот вопрос никто не ответит.

Из сферы оптовой торговли в data mining может придти такой вопрос: «Через какой канал и кому следует предлагать поступившие новые товары?».

В розничной торговле с помощью его решается, в частности, такая проблема: «Какие товары следует продвигать со скидками, чтобы это привело к общему росту продаж?».



Оглавление

НОВОСТИ КОМПАНИИ


архив ...»