Nate Silver, autorul cărţii „The Signal and the Noise”, despre cum să înveţi singur să analizezi datele statistice

Numai că, pentru majoritatea oamenilor, distanţa dintre stadiul în care ei recunosc importanţa datelor şi cel în care chiar încep să le analizeze este masivă. Oare cum ar putea cei care nu au avut parte de o instruire extinsă în domeniul statisticii să se echipeze cu abilităţile necesare pentru a se descurca foarte bine (sau măcar să supravieţuiască) în era noastră marcată de baze de date şi informaţii atât de masive, încât trebuie gestionate, prelucrate şi analizate de către specialişti – aşa-numitele „Big Data” ?

Luna trecută am avut şansa să îi adresez această întrebare lui Silver; s-ar putea ca răspunsurile lui să te surprindă. Nici vorbă să recomande ca toată lumea să îşi ia doctoratul în statistică; în conversaţia scurtată pe care o reproduc mai jos, el îi sfătuieşte atât pe studenţi, cât şi pe directorii executivi, să îşi „suflece mânecile” – indiferent de nivelul de „alfabetizare” pe care l-au atins în domeniul statisticii – şi „se murdărească pe mâini”, apucându-se de analiza datelor şi informaţiilor.

Dacă sunt un profesionist sau director executiv de nivel mediu şi am citit cartea ta, ştiu că lucrurile acestea contează şi mai ştiu că e complicat şi că nu mă pot aştepta la prea multe. Există ceva de genul unui anumit nivel de pricepere în statistică la care trebuie să ajung? La ce fel de educaţie trebuie să mă întorc şi să mă asigur că o capăt?

Cred că trainingul cel mai bun este, aproape întotdeauna, cel obţinut „văzând şi făcând”, în care te implici direct în ceea ce vrei să înveţi. Într-un fel, cartea este destul de abstractă, parţial din cauză că atunci când o citeşti încerci să te uiţi la multe domenii diferite. Dar nu încerci să faci generalizări nebuneşti cu privire la ceea ce se întâmplă de-a lungul şi de-a latul prea multor domenii.

Dar toată experienţa mea e extrasă din lucrul cu informaţii din baseball sau în urma învăţării teoriei jocurilor, pentru că vrei să fii mai bun la poker, nu? Sau vrei să construieşti nişte modele mai bune pentru previzionarea rezultatelor din campaniile electorale, fiindcă eşti curios şi crezi că produsele existente nu sunt atât puternice pe cât ar putea să fie. Deci cred că e mult mai bine să „te murdăreşti pe mâini”, băgându-ţi mâinile în setul de date cu care trebuie să lucrezi şi începând să le analizezi, decât să petreci prea mult timp citind despre asta sau făcând alte lucruri teoretice.

Dar cum să fac în cazul în care ţi-am citit cartea şi de-abia am început facultatea sau sunt chiar ceva mai tânăr şi mă gândesc că s-ar putea să fiu interesat de rolul de statistician sau de expert în analiza datelor? Ce anume trebuie să studiez? De câtă educaţie am nevoie? Care este baza pe care trebuie să o capăt pentru a deveni cât de cât un cunoscător în domeniu şi a avea acces la unele dintre aceste joburi?

Repet, cred că experienţa obţinută din practica efectivă este mult mai importantă decât experienţa căpătată în mediul universitar sau academic. Probabil că nu strică să urmezi un curs de statistică în facultate.

Dar, de fapt, este ceva care îţi cere să foloseşti multe părţi diferite ale creierului tău. Cred că lucrul care este cel mai greu de predat altora este intuiţia care îţi spune care sunt marile întrebări pe care trebuie să le pui. Este acea curiozitate intelectuală. Acel detector de „bullshit”-uri – şi vorbesc aşa în lipsa unui termen mai bun – când vezi un set de date şi ai măcar o primă abordare, în care încerci să vezi cât de mult „semnal” veritabil există de fapt în acel set de date. Această aptitudine te poate ajuta să devii mult mai eficient.

Aşa ceva este cam greu de predat altora prin simpla învăţare din cărţi. Se capătă prin experienţă. Iar dacă este să capeţi o educaţie teoretică, atunci îţi recomand să te asiguri că este cât mai diversă, astfel încât să îţi exersezi cât mai mulţi muşchi diferiţi. Poţi să înveţi şi să capeţi abilităţile tehnice mai târziu şi vei fi mult mai motivat să înveţi mai multe lucruri din domeniul abilităţilor tehnice atunci când ai în faţă o problemă pe care trebuie să o rezolvi sau ai un stimulent financiar ca să capeţi acele abilităţi. Deci cred că e important să nu te specializezi prea devreme.

Să zicem că te afli în punctul în care ai început să „te joci” cu nişte date. Eşti interesat, eşti motivat, iar acum este vremea să înveţi şi să dobândeşti unele dintre acele abilităţi, aşa cum ai spus. Ce faci – te duci pur şi simplu şi alegi un manual? Încerci un curs online?

Vreau să spun că drumul meu a fost, într-un fel, cam sui generis, nu? Probabil că un curs online ar da rezultate, dar eu cred că, de fapt, atunci când oamenii învaţă singuri şi primesc ocazional îndrumări şi au din când în când parte de sprijin şi motivare, se obţin rezultate bune.

O situaţie ideală este cea în care studiezi singur şi poate că ai un fel de mentor cu care vorbeşti din când în când. Trebuie să fii conştient că vei face la început câteva greşeli prosteşti. Iar unele vor avea nevoie de o corecţie, pe care o vei face o singură dată. În cazul altor greşeli, îţi va lua o viaţă ca să vezi lecţiile pe care trebuie să le înveţi, ca să nu le mai repeţi. Dar da, cred că oamenii care au propria lor motivaţie interioară se vor descurca întotdeauna mai bine decât cei care „se alimentează” cu lucruri prescrise de alţii.

Să zicem că o organizaţie aduce o grămadă de „capete de statisticieni”, ca să folosesc terminologia ta. Ce faci: îi izolezi în propriul lor departament, care serveşte restul companiei? Sau e important ca fiecare echipă să aibă printre membrii săi pe cineva care are acea „trusă” de instrumente analitice, combinată cu experienţa necesară în domeniu?

Cred că îţi doreşti să integrezi, cât mai mult posibil, ceea ce fac ei. Asta înseamnă că acei oameni vor avea şi nişte abilităţi de business, nu? Şi că vor afla că e important să ştie cum să îşi prezinte munca. Dar ai nevoie ca abilităţile şi activitatea lor să se integreze în „ţesătura” organizaţiei. Ai văzut această mişcare, de exemplu, în echipele de baseball, unde era obiceiul să angajezi un analist ca să bifezi şi căsuţa cu jobul acela, iar analistul să îşi compartimenteze munca, faţă de restul activităţilor din clubul de baseball. Dar cu o asemenea mişcare nu realizezi mare lucru.

Ai avut, în mod evident, nişte experienţe publice cu faptul că, până şi atunci când datele sunt bune şi modelul este bun, oamenii pot să intre în contraofensivă şi să respingă multe lucruri, din varii motive, legitime sau nu. Ai vreun sfat pentru situaţia în care te afli în această poziţie şi ai un loc la masa discuţiilor, dar ceilalţi nu prea cred în ceea ce vrei să le „vinzi”?

Dacă nu îţi poţi prezenta ideea măcar unui public ceva mai numeros, atunci nu îţi va fi de cine ştie ce ajutor. Despre Einstein se spune că ar fi zis că nu are încredere în nicio teorie din fizică ce nu poate fi explicată până şi unui copil de 10 ani. De multe ori, intuiţiile pe care le avem despre ceea ce se întâmplă cu adevărat „în spatele lucrurilor” nu sunt chiar atât de complicate. În filmul Moneyball (în care managerul unei echipe de baseball cu buget mic reuşeşte, folosind statistica şi calculatorul, să descopere şi să atragă jucători extrem de talentaţi, dar care fuseseră respinşi sau ignoraţi de alte cluburi, fie din cauză că nu mai sunt tineri sau au fost accidentaţi pe teren, fie din cauză că ar avea un caracter dificil, n.tr.), statistica dezvăluie căprocentajul „on base” înregistrat de un jucător de baseball, care arată de câte ori a înaintat la următoarea bază, este un indicator mai bun decât pare să fie indicatorul „batting average”, care arată de câte ori a reuşit, în medie, să ajungă cel puţin la baza 1 când a fost la lovire: „OK, bine, scopul este de fapt să facă puncte ajungând la baza casei. Primul pas pentru a ajunge să facă puncte este să înainteze pe rând la cele patru baze, deci hai să obţinem o statistică ce măsoară de câte ori a ajuns la baze în loc să măsoare un singur tip de a ajunge la baza casei”. Nu e o bătălie care să fie chiar atât de greu de dus.

Acum, dacă simţi că exprimi ceea ce vrei să spui şi chiar comunici esenţa unui lucru, dar oamenii tot nu te ascultă, atunci poate că e vremea să îţi schimbi cariera. Se întâmplă ca oamenii care au talent la analiză să fie foarte căutaţi acum în multe domenii, aşa că ai de ales şi îţi poţi permite, într-o anumită măsură, să fii pretenţios.

Nu accepta un job în care te plictiseşti. Dacă te provoacă să îţi depăşeşti limitele, dacă simţi că te dezvolţi şi iei parte la nişte dezbateri interne constructive, atunci e în regulă. O anumită doză de conflict este sănătoasă. Dar, dacă simţi că nu eşti ascultat, o să ajungi să îţi doreşti să îţi tai venele dacă mai stai. E vremea să pleci şi să îţi vezi de drumul tău.

Dar ce ai avea de spus, din perspectiva unei organizaţii sau a unei afaceri şi cunoscând acele zone în care datele chiar sunt esenţiale pentru a face nişte previziuni bune şi a lua decizii bune, faţă de acele zone în care datele nu sunt atât de importante? Când vorbeşti cu oamenii din multe startup-uri sau companii din domeniul tehnologiei, auzi lucruri de genul: „datele nu ne pot spune nimic; viitorul este atât de diferit de trecut, iar noi chiar nu ne putem baza deloc pe date, aşa că este de fapt o chestiune de intuiţie”.

Adesea, atunci când datele nu prea sunt de încredere, nici intuiţia nu este ceva în care să ne putem încrede. Problema este că oamenii văd situaţia ca fiind de tipul sau una sau alta, când uneori este de tipul amândouă sau, la fel de bine, niciuna. Întrebarea ar trebui să fie: cât de bun este un model faţă de abordarea noastră bazată pe „aruncarea unei mingi date pe ascuns cu vaselină” şi pe ceea ce ne spune instinctul? Şi, de asemenea, cât de mult ştim despre această problemă?. Există probleme în cazul cărora, pur şi simplu, nu ai un răspuns bun şi eşti nevoit să îţi iei măsuri care să te protejeze în cazul în care se concretizează riscurile asumate de business-ul pe care-l conduci şi să nu pretinzi că ai avea mai multă certitudine decât ai cu adevărat.

Multe business-uri private sunt foarte reticente la ideea de a avea de-a face cu incertitudinea în perspectiva pe care o au faţă de viitor. Managerul nu vrea să pară că nu e sigur pe el în ceea ce face. Iar consultantul sau analistul vrea să ofere informaţiile necesare pentru a-l face pe manager să se simtă mai încrezător în sine. Dar aceasta este o chestiune foarte problematică, fiindcă multe dintre problemele aflate la frontiera business-ului sau la frontiera ştiinţei [sunt], prin definiţie, nişte probleme foarte dificile, pe care nimeni altcineva nu le-a rezolvat.

Aceasta este genul de situaţie în care este important să ai o atitudine mai umilă în privinţa a ceea ce poţi realiza şi ce nu. Simplul fapt că un model nu va fi foarte precis sau plin de acurateţe nu înseamnă că, din această cauză, ar trebui să ai încredere în instinctele tale după ce ai dat pe gât câteva pahare de whisky şi să presupui că lucrurile vor merge mult mai bine.

Walter Frick este editor asociat la Harvard Business Review