Опираться на данные? Если хотите быть креативным, то не надо!

Всегда ли большой объем данных помогает в решении проблемы? Опираться на данные — правильный подход к решению проблем? Глава отдела Data Science в Microsoft Билл Парди рассказал об ошибках мышления, которые часто встают на нашем пути при работе с информацией и большими данными.

Никакие данные не обладают неотъемлемой ценностью, потому что вся информация сама по себе бессмысленна. Почему? Потому что информация не говорит вам, что делать. — Бо Лотто

Я пишу это, сидя в небольшой комнате для конференций на втором этаже офисного здания. Вид из окна: заасфальтированный двор в 25 футах от здания со столами, стульями и продуманным ландшафтом. Я не могу видеть солнце, но погода кажется хорошей. Если опираться на данные, стоит ли мне, основываясь на этих данных, пойти работать на улицу? Подумайте над ответом, и мы вернемся к этому вопросу позже.

Если вы работаете дизайнером, инженером или на другой должности, связанной с созданием продуктов, вы много слышали о терминах big data и data driven. Предполагается, что данные равны пониманию и направлению движения. Но так ли это? Любые данные в любых количествах несут в себе проблемы, и поэтому полагаться только на них очень опасно. Давайте рассмотрим некоторые из этих проблем. Во-первых, данные — это просто информация и сама по себе она не представляет объективной реальности. Во-вторых, никакие данные не будут полными, а получение большего количества данных не означает внесение большей ясности. Давайте посмотрим на всё более детально.

Данные не являются реальностью

Люди отлично принимают решения на основе контекста и истории, но мы плохо видим возможности за этими пределами. Вот пример: прочитайте текст внизу вслух.

Если вы прочитали “what are you reading now?”, вы сделали то, что многие люди, знающие английский, сделали бы с этими данными. Вы сделали это, несмотря на то, что в предложении нет ни одного английского слова. Вы смогли прочитать осмысленное предложение благодаря контексту статьи и вашему предыдущему опыту с английским языком и заполнением пробелов. Заметьте: я попросил вас прочитать предложение, поэтому вы увидели слово reading в буквах. Это помогло определить результат. Хотя не все читают это одинаково: если бы вы что-то ели или сидели в ресторане, вы могли бы прочитать “what are you eating now?”. И для любого человека, не знающего английский, буквы были бы просто бессмысленными.

Процесс обработки данных сильно зависит от человека. Часто мы приходим к одним и тем же заключениям на основе общей истории и контекста, но мы можем из этих же данных сделать и противоположные выводы по тем же самым причинам.

Все данные что-то упускают

Маленькие данные, большие данные, неважно. Опираться на данные вряд ли возможно — на каком-либо уровне все данные не являются полными. Чтобы показать это, давайте представим, что вы создаете программу и решаете создать профиль вашего потенциального клиента. Вы ожидаете, что профиль пользователя поможет вам понять, что делать дальше. Вы создаете “персону” по имени Линда из данных, которые у вас есть.

Линда:

• Женщина
• 31 год
• Не замужем
• Искренняя
• Умная
• Изучала философию
• Интересуется проблемами дискриминации и социальной справедливости
• В студенчестве участвовала в демонстрациях против ядерного оружия

Эти данные могут быть полезными для профиля, но полный портрет одного человека не определяет группу людей. Основываясь на этих данных, какой из вариантов является более вероятным для Линды?

1. Линда работает банковским сотрудником.
2. Линда работает банковским сотрудником и выступает за права женщин.

Если вы думаете, как 80% людей, столкнувшихся с проблемой Линды, вы скажете, что второй вариант более вероятен. Этот ответ противоречит логике вероятности. Первый ответ более вероятен, потому что банковские сотрудницы-феминистки включены в множество банковских сотрудников, но не наоборот. Почему мы совершаем эту ошибку? Не углубляясь в поведенческую психологию, можно сказать, что мы предпочитаем второй сценарий, потому что он рассказывает историю. В этом наборе данных многого не хватает, поэтому наш мозг заполняет пробелы. Очевидная особенность позволяет нам создать историю, в которой больше смысла, но логика реальности указывает на противоположное. В этом случае многие люди игнорируют логическую ошибку. Вы можете представить даже больше информации о Линде: как она одевается, где она живет, с кем она общается; и это приведет вас к ещё более полному профилю. Но в нем по-прежнему будет недоставать информации, и эти данные не приведут вас к пониманию того, какой продукт нужен пользователю.

Опираться на данные: больше данных, меньше ясности?

Данные могут негативно повлиять на нашу способность видеть творческие решения, даже в отношении простых проблем. Вот пример:

Вам нужно закрепить свечу на стене (пробковой доске) и зажечь её так, чтобы воск не капал на стол внизу.

У вас есть:

• Упаковка спичек
• Коробка канцелярских кнопок

Есть идеи? Давайте я дам вам больше данных.

Этот маленький эксперимент, проблема свечи Данкера, проводился на разных людях по всему миру. Некоторые придумывали много креативных решений, но многие не решили проблему. Обычно же решения бывали сложным или неэффективными.

Лучшее и самое простое решение — опустошить коробку и прикрепить её к стене, а затем поставить в неё свечу. Так просто, да? Но это не сразу приходило людям на ум. Проблема описана довольно ограниченно, и добавление картинки в описание не просто не помогает, но даже снижает способность найти решение. Что здесь происходит?

В формулировке проблеме сказано, что мы должны прикрепить свечу к стене, и у нас есть предубеждение о том, что кнопки используются, чтобы прикреплять вещи к стенам. Более того, описание и картинка утверждают, что коробка является просто хранилищем для кнопок. Эти описания создают предрассудки об объектах, которые сложно преодолеть.

Исследователи пробовали разные способы улучшить способность людей видеть решение более быстро. Например, изменить описание на:

• Упаковка спичек
• Коробка
• Канцелярские кнопки

И изменить картинку на:

Эти небольшие, но важные шаги меняют всё и повышают шансы участников быстро найти решение. Они также повышают креативность. Почему? Новое описание и картинка помогают справиться с предрассудком, описанным выше, и позволяют нам видеть, что коробку можно использовать как полку. Коробка и кнопки создают другое видение ситуации, чем коробка кнопок. Вуаля!

Но все эти данные сами по себе в лучшем случае бессмысленны, а в худшем — вводят в заблуждение. В большинстве ситуаций данные сообщат вам очень мало или почти ничего. К сожалению, многие профессионалы не так относятся к данным. Я часто слышу, как коллеги посреди обсуждения дизайна или бизнес-решения задают вопрос: “Что говорят нам об этом данные?” Ответ: не так уж и много.

Ситуация может показаться плохой для нашего богатого на данные будущего, но она не безнадежна. Вот три подхода к данным, которые обогатят ваши творческие способности и позволят вам использовать полученную информацию.

1. Экспериментируйте с рецептом

Я работаю в компании, продукты которой использует полмиллиарда людей. Я управляю командой data science, и мы постоянно получаем запросы на увеличение количества данных о нашем бизнесе.

Я не сказал об одной вещи, которая делает все наши данные полезными. Это вы и ваша креативность.

Видите ли, данные бессмысленны, только если вы ожидаете от них объективной правды без учета нашего восприятия и творческих способностей. Под творческими способностями я подразумеваю процесс экспериментирования и нахождения ответов на вопросы. Креативность позволяет нам взять данные, начать делать предположения о том, что эти данные означают, и экспериментировать, пока мы не получим что-то полезное.

Идея здесь заключается в том, что мы должны опираться на данные как на информацию, а не как руководство. Другими словами, дело не в ингредиентах, а в поваре. Хорошие продукты необязательно превратятся в хорошее блюдо. И даже отличные рецепты не обходятся без экспериментирования и неудачных попыток людей, создающих их. Точно так же человеческое участие в потоке данных является самым важным, и это особенно верно для людей из сферы творчества и инноваций. Чтобы данные помогли нам получить отличное решение, мы должны позволить им рассказывать нам о фактах, чтобы мы могли задавать вопросы и экспериментировать со “смежным возможным”, чтобы получить перспективы и инсайты, которых не дают сырые данные. Это верно по следующим причинам:

• Экспериментирование оставляет много открытых возможностей
• Экспериментаторы ждут провалов и неопределенности
• Эксперимент оставляет процесс открытым для изменений

Экспериментирование — немного холодное и научное слово, поэтому вы можете заменить его словом “исследование” или даже словом “игра”. Экспериментирование поддерживает идею того, что точного результата изучения не существует, и открывает многие возможные результаты. Чтобы это произошло, мы должны понять, что “успех” может прийти в нескольких формах или ни в какой из них. Это значит, что, экспериментируя с рецептом, вы можете как не получить нужное блюдо, так и открыть новый раздел кулинарии!

2. Задавайте вопросы обо всем

Эксперименты и игры — способы исследования новых возможностей. Лучший способ начать изучение — это задавать вопросы. Вернитесь к проблеме свечи и задавайте вопросы, чтобы прийти к новым возможностям. Например, если у меня есть свеча, стена,  коробка и кнопки, я могу задать следующие вопросы:

• Что произойдет, если я уберу предмет из списка, поможет ли мне это?
• Что если я переверну все с ног на голову, будет ли разница?
• Что если я выложу все спички из упаковки?
• Что если я выложу все кнопки из коробки?
• Может, мне попробовать прикрепить всё к стене?

Даже небольшое количество данных может привести к длинному списку вопросов, которые я могу задать о проблеме свечи. И два последних вопроса начинают приближать меня к идее того, что коробка не обязана оставаться наполненной кнопками. Мое мышление волшебным образом трансформируется. Всё это я могу сделать один, но ещё больше волшебства случается, когда я подключаю других людей.

3. Мыслите инклюзивно

Я упомянул “смежное возможное” ранее. Для многих из нас креативность позволяет исследовать не все возможные результаты, а их небольшую часть, ограниченную нашим прошлым, предрассудками и перспективами. Так устроен мозг. Мы создаем воспоминания на протяжении всей жизни, чтобы опираться на них при принятии решений по поводу будущего. Поэтому мы по-разному интерпретируем данные. Чем более разнообразна история человека, тем больше возможностей он видит, но их количество по-прежнему ограничено объемом мозга.

Соберите разнообразную команду. Чем больше в команде отличаются происхождение, взгляды, образование и профессии, тем больше разнообразных возможностей команда может предложить для данной проблемы или набора информации. Данные не являются драйвером креативности, а создают возможности для различных восприятий, идей и, главное, вопросов. Чем более гомогенна команда, тем более эффективной она может быть, но она точно будет менее творческой, а именно креативность нужна вам при решении сложных проблем.

Разнообразие — это не средство от всех болезней; члены команды должны хотеть выходить из зоны комфорта и принимать свои различия. Но обычно разнообразные команды более умны, чем гомогенные.

Опираться на данные: креативность в богатом данными мире

Данные становятся все более важной частью нашей жизни и работы. Те из нас, кто проводит свои дни, решая разные проблемы, будут опираться на данные как на инструмент, помогающий нам понимать мир и создавать новые вещи. Но данные не должны управлять нами. Они должны быть сигналом, который мы используем для ответа на старые вопросы и поиска новых. Озарение должно идти от нас.

Мы рассмотрели причины, по которым всецело полагаться на данные — плохая идея. Но мы также узнали, как вовлекать информацию в процесс творчества:

• Знать, что мы и наши коллеги полагаемся на свою историю в любом случае, используя предрассудки для принятия решений.
• Экспериментировать, играть с данными и исследовать их при помощи вопросов.
• Учитывать разные точки зрения и разные взгляды на проблему, получая как можно больше “смежных возможностей”.

Поэтому в следующий раз, когда вы столкнетесь с управляемым данными сценарием, обратите внимание на вопросы, которые возникают из этих данных, а не ищите ответы в них.

Так стоит ли мне идти работать во двор? Что же, я упустил важную часть данных. На Тихоокеанском северо-западе сейчас ранняя весна, и на улице всего +9. Несмотря на манящий солнечный свет, я проверил температуру на улице, и именно этот вопрос был тем, который нужно было задать.