Текст книги "Просчитать будущее. Кто кликнет, купит, соврёт или умрёт"

Закон и порядок: политика, политики и контроль

Право на неприкосновенность частной жизни является наиболее универсальным из всех прав и тем, которым наиболее всего дорожат свободные люди.

Судья Верховного суда Луис Брандейс, 1928 год

Тем не менее мы должны сделать все возможное, чтобы приручить это дикое существо. Полная свобода – не вариант. Люди будут продолжать бороться за то, чтобы навести порядок с распространением медицинских фактов, финансовых тайн и компрометирующих фотографий. Страх настолько силен, что каждый четвертый пользователь Facebook указывает о себе ложную информацию из-за опасений, связанных с сохранением конфиденциальности.

Каждая организация должна ответить на следующие вопросы в отношении данных – кто, что, где, когда, как долго и зачем:

Хранение – что хранится и как долго.

Доступ – какие сотрудники, категории персонала или члены группы имеют доступ к конкретным элементам данных.

Распространение – какие данные могут быть предоставлены конкретным сторонам внутри организации и за ее пределами.

Объединение – какие элементы данных могут быть объединены, агрегированы или скомбинированы.

Реакция – какие действия можно предпринять на основе каждого элемента данных, определив ответную реакцию организации, аудиторию, которой дается ответ, и прочее поведение.

Чтобы еще больше усложнить дело, добавьте в каждый из этих пунктов уточнение «при каких обстоятельствах и для каких целей».

Здесь есть над чем поломать голову. Какие правила управления данными должны быть установлены на законодательном уровне, а какие – на уровне отраслевого саморегулирования или норм профессиональной этики? Какие связанные с данными действия организации могут осуществлять без информирования потребителя, а в каких случаях ему должно предоставляться право выбора? Как обеспечивать соблюдение этих правил? Какие стандарты безопасности – шифрование, защита паролей, брандмауэры и т. п. – позволят вам заслужить репутацию неприступной крепости в электронном королевстве?

Да уж, работы у нас по горло.

Война вокруг данных

Весь бесплатный Интернет – бесплатные платформы, сервисы и контент – полностью финансируется за счет целевой рекламы, эффективность (и, следовательно, доходность) которой зависит от сбора и анализа пользовательских данных.

Александр Фурнас, журналист The Atlantic

Ставки растут, страсти накаляются.

В одном углу ринга – ярые защитники неприкосновенности частной жизни. Не доверяя организациям, они стремятся в зародыше задушить любые возможные проблемы с данными: ограничить, удалить всё и в первую очередь запретить сбор.

В другом углу – охотники за данными, одержимые ими скопидомы и беспринципные манипуляторы. Эта колоритная группа включает бизнесменов, менеджеров, членов советов директоров и, собственно говоря, специалистов по ПА.

Представители второй группы видят всю ценность и возможности данных, и это их вдохновляет – причем не только и не столько из своекорыстных или экономических соображений. Мы хотим строить дивный новый мир: повышать производительность и эффективность, сокращать ненужные почтовые рассылки и спасать деревья, улучшать здравоохранение, рекомендовать фильмы и музыку, которые доставляют вам удовольствие. И мы любим браться за сложные научные проблемы, которые позволят нам это сделать.

Несмотря на всю нашу любовь к данным, мы тоже иногда становимся их жертвами. Однажды я зашел в аптеку Walgreens. После того как заплатил за покупки, кассовый аппарат выдал мне красочный скидочный купон. На нем была крупно изображена упаковка предлагаемого мне препарата, которую могли прекрасно видеть стоящие рядом со мной покупатели. Мне хотелось умереть от стыда. Это было средство от метеоризма Beano. Дело в том, что у меня развилась легкая форма лактазной недостаточности, и я, тогда еще не зная об этом, искал способ избавиться от неприятных симптомов. Слепо действуя на основе этих данных, система рекомендаций Walgreens, видимо, не учитывала возможность того, что рядом с обслуживаемым ею покупателем могут стоять другие люди.

Другие медицинские данные носят гораздо более серьезный и чувствительный характер, нежели информация о пищеварительных проблемах. Однажды, преподавая на летних курсах для одаренных подростков, я получил информацию, которую, как считал, мне не следовало сообщать. Администратор отвел меня в сторону и предупредил, что один из учеников страдает биполярным расстройством. Я не разбираюсь в психиатрии и не хотел предвзято относиться к этому ученику, но в банке памяти мозга нет кнопки «Стереть информацию». В конце концов, этот подросток был одним из моих лучших учеников, и его психическое расстройство не проявлялось сколь-либо заметным для окружающих образом.

Сейчас мы наблюдаем растущее использование данных о местоположении, источником которых являются сотовые телефоны и автомобильные навигаторы. В результате у некоторых людей возникают серьезные проблемы с начальством, супругами и правоохранительными органами. Вот что написал по этому поводу Том Митчелл, профессор Университета Карнеги – Меллон и мировой авторитет в области исследований и разработки методов машинного обучения, в статье в журнале Science: «Потенциальные выгоды от сбора и использования таких данных [данных о местоположении, получаемых с помощью системы GPS] многочисленны: это и сокращение дорожных пробок и загрязнения воздуха, и ограничение распространения инфекционных заболеваний, и более рациональное использование государственных ресурсов, таких как парки, общественный транспорт и службы скорой помощи. Однако сбор этих данных несет с собой риски для неприкосновенности частной жизни таких масштабов, с которыми люди никогда еще прежде не сталкивались».

Эти два лагеря будут сражаться за данные еще много десятилетий. Сторонники сбора и использования информации должны так настроить свои миноискатели, чтобы они стали максимально чувствительны к нужным данным. Защитники же неприкосновенности частной жизни должны понять, что технологии на основе информации – это инструмент, который может служить как добру, так и злу, как и обычный нож. Полностью объявить прогнозную аналитику вне закона – не вариант. Не существует единственного, объективно верного решения. Это субъективная, динамично развивающаяся область, где сегодня формируются новые аспекты нашей культуры. Диалог здесь имеет критическое значение, но подход «ознакомьтесь с нашей политикой конфиденциальности, дочитать которую до конца у вас все равно не хватит терпения», нельзя назвать диалогом. Организации и потребители пока говорят на разных языках. Достижение баланса интересов совместными усилиями – вот новая серьезная задача, стоящая перед обществом. Нам предстоит пройти длинный путь.

Добывать знания из данных – не значит копаться в вашей личной жизни

Позвольте мне реабилитировать аналитиков данных и их любимое дело. Сама по себе прогнозная аналитика не нарушает неприкосновенности частной жизни – лежащий в ее основе процесс противоположен вторжению в частную жизнь. Хотя прогнозную аналитику иногда называют data mining (добычей знаний из данных), она построена не на «углублении в данные» с целью покопаться в вашей личной жизни. Как раз наоборот, ПА построена на «обобщении», т. е. выявлении общих закономерностей, присущих огромным массивам клиентских данных. Она часто становится козлом отпущения просто потому, что люди не понимают ее сути.

Тем не менее нельзя не признать, что сегодня ПА выступает одним из ключевых факторов эскалации войны вокруг данных, играя роль мощного катализатора. Почему? Да потому что она порождает настоятельную потребность во все больших объемах данных. Чем больше у вас элементов информации в расчете на клиента, тем больше шансов выявить в процессе анализа данных то, что наилучшим образом будет предсказывать будущее. И чем больше у вас строк клиентских данных, тем более точная прогнозная модель будет создана в результате машинного обучения.

Не стоит обвинять солнце, если томимый жаждой вор украл у вас лимонад. Если будут введены продуманные и справедливые правила обращения с данными и деятельность в сфере ПА будет вестись в строгом соответствии с ними, ни о каких злоупотреблениях данными или вторжении в частную жизнь не будет идти и речи. ПА станет абсолютно безопасным и обыденным инструментом, и мы будем жить в счастливом футуристическом мире глобального прогнозирования. Верно?

Перенесемся на мгновение в мрачное будущее. Вы сидите в шикарном центре управления, в одной руке держите тюбик с пюре со вкусом курицы, а другой активно маневрируете джойстиком, дистанционно управляя землеройным механизмом, добывающим на метеорите драгоценные металлы. Неожиданно к вам подходит босс и одаривает пристальным взглядом: «Нам нужно поговорить о вашей лояльности к нашей компании».

В вашей организации решили, что вы собираетесь увольняться. Вы хотели бы работать там, где будут знать обо всех ваших планах и намерениях – причем, возможно, еще до того, как осознаете их сами?

Hewlett-Packard изучает саму себя

Я знаю, как больно говорить «Прощай», но мне пришло время улетать.

Из песни группы REO Speedwagon

В 2011 году двое талантливых исследователей из Hewlett-Packard начали использовать математические методы для оценки лояльности каждого из более чем 330 000 сотрудников компании. Гитали Халдер и Аниндия Дей разработали прогнозные модели для выявления сотрудников с наиболее высоким риском ухода, т. е. тех, кто с наибольшей вероятностью может покинуть компанию.

Удержание сотрудников – ключевое условие для выживания любой организации. В конце концов, организация – это прежде всего совокупность ее членов. Один из пяти идеологических принципов, сформулированных основателем HP, гласит: «Мы достигаем наших общих целей путем командной работы». Сотрудники развивают взаимодополняющие навыки и берут на себя взаимодополняющие роли. Они учатся совместной работе. Поэтому уход хорошего сотрудника плохо отражается на организации.

Управление текучестью кадров – важнейшая задача для всех компаний. Например, одна транснациональная корпорация сталкивается с высокой «текучкой» сотрудников своего колл-центра в Барселоне. Люди приезжают только для того, чтобы провести лето в этом прекрасном городе, устраиваются на работу, а потом внезапно увольняются. Компания хочет заранее выявлять таких претендентов на рабочие места.

Компании, которые хотят повысить эффективность управления персоналом, нацеливают ПА-программы не только вовне, на клиентов, но и на собственных сотрудников для прогнозирования их поведения. Аналогично тому, как компании выявляют готовых уйти клиентов и прилагают усилия для их удержания, HP прогнозирует, кто из ее сотрудников может покинуть компанию, и принимает превентивные меры. Можно сказать, что и в том и в другом случае компании ищут утечки в корпусе судна, чтобы, залатав их, удержать его на плаву.

1. Предмет прогнозирования: какие сотрудники могут уйти.

2. Цель прогнозирования: выбор того, какие действия предпринять в отношении своих подчиненных на основе прогнозов, остается за руководителями. Это пример применения ПА для поддержки принятия решений, а не для автоматического принятия решений.

Проницательность или вторжение?

Компания Hewlett-Packard – легендарная история успеха. Открытая двумя друзьями в пресловутом гараже, сегодня она является мировым лидером в производстве персональных компьютеров. В 2011 году компания стала 27-м по величине крупнейшим работодателем; ее годовая выручка составила $127 млрд, что ставит ее на одно из первых мест среди технологических компаний мира по этому показателю.

HP по праву можно назвать империей, но ни в коем случае не цитаделью. В некоторых рабочих группах текучесть кадров достигает 20 %. Разумеется, на корабле такого размера утечки неизбежны, особенно принимая во внимание гипермобильность сегодняшних ИТ-специалистов.

HP – лидер прогнозной аналитики. В ее аналитическом отделе в одном только Бангалоре работает 1700 человек. Компания разрабатывает и применяет передовые аналитические методы в области продаж, маркетинга, финансов, управления цепочками поставок и персоналом. Ее ПА-проекты включают прогнозирование ухода клиентов, оценку потенциальных клиентов и выявление мошенничества среди поставщиков.

Гитали Халдер руководит в Бангалоре аналитической группой, специализирующейся на прикладном применении ПА в сфере управления персоналом. Обладатель диплома магистра экономики Экономической школы в Дели, имеющий несколько лет практического опыта, Халдер – энергичный сторонник ПА. Уверенная в себе, общительная и красноречивая, она производит впечатление и заражает своим энтузиазмом. Вместе с консультантом Аниндией Дей, также из бангалорского подразделения HP, они представляют слаженный, динамичный тандем, о чем свидетельствует их замечательная презентация проекта на конференции Predictive Analytics World в ноябре 2011 года в Лондоне.

Халдер и Дей собрали массивный набор данных в качестве учебного материала для создания прогнозных моделей. Это были данные о сотрудниках за последние два года, касающиеся таких вещей, как заработная плата, повышение по службе, оценка работы и ротация должностей. Также они указали, какие сотрудники остались в компании, а какие покинули ее. Таким образом, HP получила возможность извлечь из своего прошлого опыта ценнейший урок – а именно научиться прогнозировать, какие комбинации факторов определяют, сотрудники какого типа (или типов) могут оставить работу.

Если этот проект действительно поможет HP уменьшить текучесть кадров, Халдер и Дей могут стать двумя самыми ценными сотрудниками компании – или двумя самыми нелюбимыми, по крайней мере среди части коллег. Неудивительно, что некоторые, даже преданные, сотрудники HP могут чувствовать себя некомфортно, зная о существовании такой системы оценки. Что если прогнозная модель ошибется, несправедливо оценив вас как нелояльного сотрудника и тем самым испортив вашу репутацию?

Мы видим появление совершенно новой категории информации о людях – прогнозных данных. Помимо персональных, финансовых и других личных данных о человеке мы получаем доступ к данным о его будущем – другими словами, к его сокровенным намерениям, мыслям и чувствам. Что это – проницательность или вторжение в личное пространство?

Зависит от того, что HP делает с этими данными.

Первое испытание

На другом конце света Алекс Бо перенимает эстафету у Халдер и Дей, помогая преобразовать плоды их труда в конкретные действия. Бо работает менеджером в расположенной в Хьюстоне службе Global Business Services (GBS). Имея тысячи сотрудников, GBS предоставляет широкий спектр услуг всем подразделениям HP, которые предпочитают передать некоторые из своих функций на аутсорсинг (в HP это принято называть аутсорсингом, хотя GBS является внутрикорпоративной службой).

Первым делом Бо, Халдер и Дей решили нацелиться на одну из групп внутри GPS. Она определяет вознаграждение менеджеров по продажам HP по всему миру и насчитывает около 300 сотрудников, рассеянных по разным странам. На тот момент уровень текучести кадров в ней был довольно высоким – около 20 %. Замечательный полигон для первого испытания прогнозной системы в реальных условиях.

Глобальные организации – это всегда сложно. В данном случае Бо, Халдер и Дей предстояло иметь дело не с обычной командой менеджеров по продажам и даже не с командой отдела персонала, которая занимается их поддержкой. Они должны были сотрудничать с глобальной командой, в основном сосредоточенной в Мексике, Китае и Польше, которая помогала различным командам отдела персонала, поддерживающим менеджеров по продажам. Иными словами, проект получался многоуровневым: они действовали как команда аналитиков, которая должна была помочь с управлением персоналом глобальной команде GBS, которая помогала командам по поддержке менеджеров по продажам.

Просто перечитайте предыдущий абзац еще раз пять, и вы поймете. Однажды мне довелось руководить для HP одним проектом по прогнозированию потенциального спроса среди ее корпоративных клиентов – т. е. сколько компьютеров должна будет купить каждая компания и какая часть этой потребности в настоящее время покрывается конкурентами НР? За несколько месяцев работы над этим проектом мне пришлось контактировать с таким количеством людей из такого количества рабочих групп и такого количества стран, что мне потребовалось составить целый справочник с расшифровкой названий рабочих групп, указанием часовых поясов и т. д., просто чтобы не запутаться.

Учитывая такую сложность организационной структуры, удержание каждого сотрудника вышеуказанной группы имеет большую ценность. Обучение новых сотрудников обходится довольно дорого. Дело в том, что члены группы GBS по вопросам вознаграждения менеджеров по продажам должны обладать весьма специфическим набором навыков. Они работают в сложной и разнообразной среде и управляют системами вознаграждения, от которых зависит эффективность стимулирования менеджеров по продажам, от которых, в свою очередь, зависит выручка – и выживание – компании. В HP нет единой тарифной сетки – компания больше похожа на лоскутное одеяло, поскольку значительная часть организационного роста происходит за счет приобретения небольших компаний, вместе с которыми HP поглощает новые команды продаж с собственными правилами вознаграждения. По оценкам, группа GBS выполняет примерно 50 % всей работы по определению вознаграждения менеджеров по продажам во всей глобальной организации.

Факторы риска

Анализ данных показал, что риск ухода зависит от ряда вполне очевидных факторов. Например, сотрудники с более высокой зарплатой, чаще получающие прибавки к ней и обладающие более высокими показателями личной эффективности, увольняются гораздо реже. Это ключевые факторы, снижающие риск ухода. Более частая ротация также способствует удержанию сотрудников. Алекс Бо предполагает, что периодическая смена деятельности внутри группы помогает сохранить интерес к работе, если та носит рутинный, скрупулезный характер.

Одним из сюрпризов стало то, что продвижение по службе не всегда идет на благо. В целом по HP повышение способствует снижению риска ухода, но в данной группе GBS, где оно сопровождалось относительно небольшим ростом зарплаты, эффект был обратным: сотрудники, которые чаще повышались по службе, демонстрировали более высокую вероятность ухода, если только карьерный рост не приводил к значительному росту заработной платы.

Любой анализ настолько хорош, насколько хороши исходные данные (как говорится, мусор на входе дает мусор на выходе). В похожем проекте для другой компании – поставщика кредитной информации для корпоративных клиентов, входящей в список крупнейших компаний по выручке Fortune 1000, – мне нужно было разработать прогнозную модель для оценки того, как долго могут задержаться на рабочем месте потенциальные кандидаты на должность сотрудников колл-центра. Оказалось, что кандидаты с опытом работы в сфере продаж имеют на 69 % более высокую вероятность проработать на этом месте более девяти месяцев. Другие факторы включали количество мест работы за последние 10 лет, предоставленный кандидатом источник рекомендаций и уровень образования. Однако в этом проекте мы едва не угодили в ловушку. Предварительные результаты убедительно показали, что кандидаты с неоконченным средним образованием имеют в 2,6 раза более высокую вероятность дольше задержаться на этой работе. Через несколько дней мы собирались представить эти результаты клиенту и рекомендовать, чтобы компания нанимала больше людей, бросивших среднюю школу, – когда вдруг обнаружили огромное количество ошибок в переданных нам данных о сотрудниках. Как правило, подверженные ошибкам данные позволяют всего лишь сделать меньше выводов, но никак не вывести строгие ложные закономерности, однако это был исключительный случай. Мы были на волосок от фиаско!

Как и в любой другой области ПА, прогнозная модель Халдер и Дей сводит вместе все разнообразные факторы и выдает единую прогнозную скоринговую оценку – в данном случае оценку риска ухода – для каждого человека. Хотя эти выводы во многом могут показаться самоочевидными, модель работает более изощренно: она оценивает, как эти элементы соотносятся друг с другом, как сочетаются или взаимодействуют между собой, а также какие интуитивные предположения, не оправдавшиеся на практике, следует отбросить. Автоматизируя процесс извлечения знаний из данных, прогнозная модель в буквальном смысле слова учится на прошлом опыте.

Будучи применена по отношению ко всем сотрудникам HP по всему миру, эта прогнозная модель выявила возможности для потенциальной экономии порядка $300 млн на расходах, связанных с заменой персонала и потерей производительности. Так, из 40 % сотрудников HP, отнесенных моделью к группе наивысшего риска, 75 % уволились в короткие сроки (точность прогнозов 1,9).

Я спросил у Халдер и Дей, которые также являются сотрудниками HP, как обстоят дела у них самих? Спрогнозировали ли они вероятность своего ухода? Они мне ответили, что очень любят свою работу в HP, но признали, что входят в группу высокого риска. Это кажется правдоподобным, поскольку аналитики данных сегодня пользуются большим спросом.