Основные принципы мышления для специалистов по анализу данных

Образ мышления, который превращает хороших специалистов по данным в великих специалистов

Делиться

В 1899 году Уилбур Райт написал в Смитсоновский институт письмо с просьбой предоставить всё, что у них есть о пилотируемых полётах. Он и его брат Орвилл проглотили все статьи, теории и расчёты ведущих исследователей-авиаторов своего времени. Они изучили конструкции планеров Отто Лилиенталя, инженерные принципы Октава Шанюта и таблицы Сэмюэля Лэнгли по подъёмной силе и сопротивлению.

Затем они сделали нечто радикальное: они подвергли все это сомнению.

Когда их планёры не справились с опубликованными данными, братья Райт не считали себя виноватыми. Они построили собственную аэродинамическую трубу и самостоятельно испытали более 200 конструкций крыльев. Результаты их ошеломили. Коэффициенты подъёмной силы Лилиенталя — цифры, на которые полагалась вся отрасль, — оказались неверными, и не просто немного. Абсолютно, абсолютно неверными.

Братья Райт сомневались в этом не из высокомерия; они руководствовались основополагающими принципами мышления. Именно это и стало причиной разницы между их первым полётом в 1903 году и Лэнгли, у которого было больше финансирования, престижа и ресурсов, который разбил свой самолёт в Потомаке всего девятью днями ранее.

Современные специалисты по анализу данных сталкиваются с аналогичной проблемой. Нас окружают множество схем, фреймворков и передовых практик — руководства по A/B-тестированию, таксономии метрик, контрольные списки выбора моделей. Эти инструменты бесценны. Но, как и таблицы Лэнгли, они могут сбить нас с толку, если применять их бездумно.

Большинство известных мне специалистов по стратегическим данным не выбирают между фреймворками и основными принципами. Они используют и то, и другое. Фреймворки обеспечивают скорость. Основные принципы обеспечивают ясность. Вместе они отделяют исполнителей задач от стратегических партнёров.

Источник: towardsdatascience.com