Hossein Mortazavi
Hossein Mortazavi
خواندن ۵ دقیقه·۴ سال پیش

زندگی با دیتا و تحلیلش

این پست و پست قبلی( زندگی با آمار و پوکر) به معرفی فصلهایی از کتاب ...Smarter Faster Better مربوط میشه و سعی میکنم همچون رویکرد خود کتاب قضیه رو با یه داستان شروع کنم و بعدش برم سر اصل مطلب.

سالها پیش برا یه پوزیشنی اقدام کردم و جلسه مصاحبه خیلی تند و سریع تشکیل شد و بعد دو روز خودم رو تو شرکت پشت میز مصاحبه دیدم، مصاحبه کننده (غیر فارسی زبان) آدم جالبی بود یکی از سوالاش این بود اکسل چقدر بلدی و من هم تنها چیزی که به ذهنم رسید که بتونم قانعش کنم این بود که تو کار الانم بهم میگن Excel man و واقعا هم همینطور بود، بواسطه پروژه های عملی که با استادم داشتم و زیرو رو کردن کانال MR Excel در یوتیوب و پروژه های شخصی، اکسل رو در حد خوبی بلد بودم بگذریم رشته صنایع هم میطلبید که اکسل رو قوی باشم.

سوال دومش رو خوب متوجه نشدم و بعد چند بار تکرار فهمیدم که KPI چیست و یه KPIی که تو شرکتتون track میکنی چیه، خلاصه منم یه چیزایی رسوندم. بین سوالهای بعدی که میپرسید دیگه دست به دامن سرچ شدم که هنوز بلد نیستم ولی میتونم پیدا کنم! بقیه مصاحبه به گپ و گفت گذشت که چند ساله ایرانی، چشمتون روز بد نبینه گفت دیروز اومدم! و چند سوال دیگه ازش کردم که من چندمین نفرم توی تیم و اونم باز گفت تو اولینی و هر چی من سعی میکردم یه وجه اشتراک با این اجنبی! پیدا کنم همش میخورد تو دیوار!

دیگه دید خیلی دارم حرف میزنم گفت من یه مصاحبه دیگه دارم! از رک بودنش خوشم اومد ولی خب من آس رو اخر رو کردم و گفتم Ok see you! اینقد حجم از اعتماد به نفس با وجود مصاحبه به ظاهر داغون رو نمیدونم از کجا اورده بودم که اینو گفتم ولی خب یه جورایی میدونستم قبولم و بعد دو روز دیدم حسه درست بوده!

روز اولی که رفتم سر کار متوجه شدم که واقعا سوال KPI و اکسل رو برا چی پرسیده بود یکی از ویژگی هاش این بود که به شدت به سادگی و شفافیت تو کار اعتقاد داشت و کل کاری که میکرد تو اکسل بود و با چند فرمول ساده اکشن بزینسی بر اساس همین تحلیل های ساده میرفت و تو مدتی که با هم کار میکردیم انصافا خطا تو پیش بینیاش ندیدم. کم کم تفاوتها رو فهمیدم که مایندست این بشر کلا یه چیز دیگس و گرنه از اونور دنیا چرا اینجاس.

اینم بگم اوایل با کلی زحمت تحلیل های بقول خودم خفن میزاشتم جلوش و با یه نگاه به دیتا کافی بود با همون شخصیت رُکش بگه man this is a shit! خلاصه با یه مدت سرو کله زدن فهمیدم که داستان یه چیز دیگس اون بر عکس من به دیتا نگاه میکنه یعنی یه فرضی تو ذهنشه و میره اونو از دیتا میکشه بیرون ولی من دیتارو میدیدم و دنبال تحلیل بودم ازش و این یکی از درسهایی بود که ازش یاد گرفتم

فصل اخر کتاب به خوبی فصل شش که در پست زندگی با آمار و پوکر گفتم بنظرم نبود ولی خب موضوعش چون مرتبط با کارمه دنبالش کردم و خوشبختانه راضی کننده بود

داستانی که بالا گفتم رو نویسنده با یه روایت دیگه میگه که آقا مهم اینه از دیتا استفاده کنیم وگرنه دیتا همه جا هست خوبشم هست! مثالی که میزنه یه شرکتیه که کانسپت کارشون رو خوب متوجه نشدم ولی بخشی که تمرکز داشت تیمی بود که کارشون این بود که زنگ بزنن ملت بدهکار (حالا یا به شرکت یا به بانک رو اینشو خوب نفهمیدم) که خونه دار بچه دار بیا قسط وامت رو بده خب طبیعیه اونور هم نمیگه چشم فردا میارم بلکه یه فحشی نثار تماس گیرنده میکنه و تامام!

شرکت هم برا اینکه بقول خودش بیاد عملکرد نیروهاشو ببره بالا و پول بیشتری رو در ماه نقد کنه(KPIتیم) اومده بود دشبوردهایی جلوتماس گیرنده ها گذاشته بود که سن بدهکار چقده،مجرده یا متاهل و کدوم منطقه میشینه و از این دست متادیتاها ولی دریغ از افزایش عملکرد با وجود این دیتاهای بقول خودشون ناب!.

این وسط یه مدیری پیدا میشه که تو یکی از مناطق به شدت عملکرد نیروهاش در نقدشوندگی یا همون KPI تیم بالاتر از مناطق دیگه بود دیتاها همون دیتا بدهکارا شبیه مناطق دیگه ولی عملکرد بالاتر! خلاصه ته توش رو که در میارن راز پیشرفت این مدیر این بود که مثل مدیر من بر عکس به دیتا نگاه میکرد یعنی میومد یه فرضی رو که با توجه به تجربش تو ذهنش بود و یا بعد جلسه brainstorming با تیمش هر چند در ابتدا احمقانه میساخت و اونارو تو دیتای لاگ تماسها بررسی میکرد و به یه رولهای ساده رسیده بود که مثلا بین ساعت 9-11 چون خانمهای خونه دار خونه هستن به افراد متاهل زنگ بزنیم تو این ساعت و اونا نسبت به همسراشون راحتتر قانع میشن بدهکاری رو پاس کنن و مثلا بین ساعت 8-9 شب به مجردها زنگ میزدن چون تو این ساعت تنهان و دوست دارن با یکی حرف بزنن و بقول معروف زود خر میشن بیان پولو بدن! و الی آخر

کاری به درستی تحلیلایی که مثال زده ندارم ولی اشتباهی که خیلی دیدم افرادی که کار مرتبط با دیتا انجام میدن اینکه سریع میرن سر دیتا در صورتی که درستش اینه که فرضهای منطقی (شایدم غیر منطقی) اول بسازی و تستشون کنی(بقول آماریا آزمون فرض انجام بدی) و طبق اونا تصمیم بگیری.

امیدوارم این پست براتون مفید باشه خوشحال میشم نظرتون رو در مورد تحیلی دیتا و تجربه کار باهاش رو در کامنت با بقیه در میون بزارید و یه خبر خوش بدم که ضمیمه اول کتاب کل 8 فصل رو گفته که چجوری کتاب رو با این رویکرد فصلها نوشته و میشه به عنوان یه خلاصه ببینینش اگه وقت نمیکنین کامل بخونین.

تحلیل دادهدیتاداده
دیتاساینتیستی که دوست داره تو عمل کار یاد بگیره نه صرفا کتاب و مقاله هر چند کتاب،مقاله و کورس از منابع مهم یادگیریشه و آخر اینکه کمک میکنه بزینس ها تصمیمات بهتری مبتنی بر داده بگیرن
شاید از این پست‌ها خوشتان بیاید