Что ‎вообще‏ ‎такое ‎статистика? ‎Сам ‎термин ‎искусственного‏ ‎происхождения. ‎Введён‏ ‎в‏ ‎оборот ‎Ахенваллем ‎Готфридом, который‏ ‎заменил ‎название‏ ‎курса, ‎который ‎он ‎преподавал‏ ‎в‏ ‎университете ‎с‏ ‎"Государствоведение" ‎на‏ ‎"Статистика". ‎И ‎тут ‎логичен ‎вопрос,‏ ‎а‏ ‎какая ‎связь‏ ‎между ‎вроде‏ ‎бы ‎математической ‎дисциплиной ‎и ‎государственными‏ ‎делами?‏ ‎А‏ ‎ответ ‎очень‏ ‎прост. ‎Письменность,‏ ‎государство ‎и‏ ‎статистика‏ ‎возникают ‎одновеременно.‏ ‎Первые ‎записи ‎человечества ‎по ‎сути‏ ‎храмовые ‎долговые‏ ‎расписки.‏ ‎Процитирую:

В ‎крупных ‎храмовых‏ ‎хозяйствах ‎было‏ ‎много ‎жрецов, ‎которые ‎специально‏ ‎занимались‏ ‎измерением ‎земельных‏ ‎участков, ‎организовывали‏ ‎прокладку ‎каналов, ‎вели ‎счет ‎собственному‏ ‎урожаю.‏ ‎Именно ‎храм‏ ‎управлял ‎жизнью‏ ‎соседних ‎городов ‎и ‎деревень, ‎собирал‏ ‎с‏ ‎населения‏ ‎подати, ‎раздавал‏ ‎еду ‎в‏ ‎голодные ‎годы.‏ ‎Хозяйственная‏ ‎деятельность ‎храмовой‏ ‎общины ‎обусловила ‎необходимость ‎ведения ‎учета.‏ ‎Самые ‎ранние‏ ‎записи‏ ‎принадлежат ‎храмовым ‎чиновникам.‏ ‎Они ‎должны‏ ‎были ‎считать, ‎сколько ‎зерна,‏ ‎масла,‏ ‎мяса ‎произведено‏ ‎в ‎хозяйстве,‏ ‎сколько ‎выдано ‎работникам ‎на ‎пропитание,‏ ‎сколько‏ ‎осталось ‎в‏ ‎распоряжении ‎храма.‏ ‎Кроме ‎того, ‎чиновники ‎вели ‎учет‏ ‎сделок‏ ‎на‏ ‎продажу ‎земли‏ ‎и ‎прав‏ ‎собственности ‎на‏ ‎имущество.

Как‏ ‎там ‎было‏ ‎у ‎В.И. ‎Ленина ‎в ‎работе‏ ‎"Как ‎организовать‏ ‎соревнование":

Учет‏ ‎и ‎контроль ‎за‏ ‎количеством ‎труда‏ ‎и ‎за ‎распределением ‎продуктов‏ ‎—‏ ‎в ‎этом‏ ‎суть ‎социалистического‏ ‎преобразования.

Формирование ‎статистики ‎и ‎есть ‎учет‏ ‎и‏ ‎контроль. ‎Поэтому,‏ ‎статистика ‎есть‏ ‎основа ‎для ‎понимания ‎процессов ‎идущих‏ ‎в‏ ‎государстве,‏ ‎в ‎крупных‏ ‎человеческих ‎коллективах,‏ ‎на ‎производстве,‏ ‎да‏ ‎везде! ‎Ахенвалль,‏ ‎выводя ‎статистику ‎из ‎государствоведения ‎с‏ ‎одной ‎стороны‏ ‎закладывал‏ ‎основы ‎для ‎отстранённого‏ ‎научного ‎анализа‏ ‎численных ‎данных ‎и ‎развития‏ ‎статистического‏ ‎инструментария. ‎А‏ ‎с ‎другой‏ ‎стороны ‎выбивал ‎смысловую ‎часть ‎из‏ ‎статистики,‏ ‎отдаляя ‎от‏ ‎специалистов ‎понимание‏ ‎зачем ‎вообще ‎нужна ‎статистика. ‎

Те‏ ‎кто‏ ‎говорят,‏ ‎что ‎статистика‏ ‎это ‎раздел‏ ‎математики ‎не‏ ‎правы.‏ ‎Государственные ‎чиновники‏ ‎реализуя ‎колоссальную ‎потребность ‎в ‎учете‏ ‎и ‎контроле‏ ‎создают‏ ‎статистику, ‎а ‎уже‏ ‎потом, ‎философы‏ ‎анализируя ‎эту ‎практику ‎создают‏ ‎математику.‏ ‎Так, ‎что‏ ‎правильнее ‎говорить,‏ ‎что ‎математика ‎раздел ‎статистики. ‎?

Давайте‏ ‎внимательнее‏ ‎посмотрим ‎на‏ ‎приведенную ‎выше‏ ‎Ленинскую ‎философскую ‎формулу. ‎С ‎одной‏ ‎стороны‏ ‎учет‏ ‎и ‎контроль,‏ ‎а ‎с‏ ‎другой ‎стороны‏ ‎преобразование.‏ ‎Отсюда ‎становится‏ ‎понятно ‎почему ‎статистика ‎делится ‎на‏ ‎описательную ‎статистику‏ ‎(учет‏ ‎и ‎контроль) ‎и‏ ‎статистику ‎выводов‏ ‎(преобразование). ‎Начнем ‎с ‎описательной‏ ‎статистики.‏ ‎

В ‎этом‏ ‎месте ‎обычно‏ ‎начинается ‎красочный ‎рассказ ‎о ‎терминах‏ ‎на‏ ‎примере ‎зайчиков,‏ ‎котиков ‎или‏ ‎рыбок ‎для ‎наглядности. ‎Иногда ‎с‏ ‎рисунками.‏ ‎Тут‏ ‎тема ‎не‏ ‎нова ‎и‏ ‎есть ‎много хороших‏ ‎и‏ ‎наглядных книг. ‎Есть‏ ‎даже ‎манга. В ‎общем, ‎человеческий ‎ум‏ ‎в ‎стремлении‏ ‎подать‏ ‎материал ‎о ‎базовых‏ ‎статистиках ‎максимально‏ ‎доходчиво ‎проделал ‎огромную ‎работу.‏ ‎В‏ ‎общем ‎не‏ ‎будем ‎повторяться.‏ ‎Поэтому, ‎основные ‎термины ‎рассмотрим ‎исторически.

Представьте,‏ ‎Вы‏ ‎царь ‎древнего‏ ‎Вавилона. ‎И‏ ‎ваша ‎задача ‎- ‎сформировать ‎бюджет.‏ ‎И‏ ‎с‏ ‎этой ‎целью‏ ‎Вы ‎организуете‏ ‎первую ‎в‏ ‎истории‏ ‎систему ‎налогообложения.‏ ‎И ‎какие ‎вопросы ‎Вам ‎нужно‏ ‎для ‎этого‏ ‎ответить?

Вопросы‏ ‎по ‎налоговой ‎базе:

• сколько‏ ‎человек ‎живет‏ ‎в ‎моем ‎царстве?
• как ‎население‏ ‎распределено‏ ‎по ‎территории?
• какая‏ ‎производительность ‎труда‏ ‎у ‎моих ‎поданных ‎по ‎различным‏ ‎отраслям?
• как‏ ‎производительность ‎труда‏ ‎распределена ‎по‏ ‎регионам?

Вопросы ‎налоговой ‎нагрузки:

• сколько ‎собирать ‎налогов‏ ‎с‏ ‎населения,‏ ‎чтобы ‎оно‏ ‎не ‎умирало‏ ‎с ‎голоду?
• как‏ ‎распределить‏ ‎нагрузку ‎по‏ ‎отраслям ‎и ‎регионам?
• в ‎какой ‎форме‏ ‎взымать ‎налоги?
• как‏ ‎собирать‏ ‎налоги ‎с ‎торговцев,‏ ‎чтобы ‎они‏ ‎не ‎проезжали ‎мимо ‎моего‏ ‎царства?

Вопросы‏ ‎собираемости ‎налогов:

• собираются‏ ‎ли ‎налоги‏ ‎в ‎полном ‎объеме?
• сколько ‎из ‎собранных‏ ‎налогов‏ ‎доезжает ‎до‏ ‎моей ‎казны?

Прониклись‏ ‎масштабом ‎задачи? ‎Именно ‎ввиду ‎масштаба‏ ‎задачи‏ ‎Вы‏ ‎предпринимаете ‎невиданное‏ ‎ранее ‎действо‏ ‎- ‎перепись‏ ‎всего‏ ‎населения ‎царства.‏ ‎На ‎языке ‎статистики ‎все ‎население‏ ‎это ‎генеральная‏ ‎совокупность. Обладая‏ ‎царской ‎властью ‎Вы‏ ‎можете ‎работать‏ ‎с ‎генеральными ‎совокупностями ‎т.е.‏ ‎изучая‏ ‎все ‎население‏ ‎в ‎целом.‏ ‎При ‎этом ‎это ‎чудовищно ‎дорого‏ ‎и‏ ‎очень ‎долго!‏ ‎Но ‎у‏ ‎Вас ‎есть ‎умные ‎подданные. ‎К‏ ‎Вам‏ ‎приходит‏ ‎жрец ‎и‏ ‎предлагает ‎-‏ ‎давайте ‎делать‏ ‎перепись‏ ‎не ‎каждые‏ ‎пять ‎лет, ‎а ‎раз ‎в‏ ‎пятьдесят ‎лет,‏ ‎но‏ ‎ежегодно ‎делать ‎выборочные‏ ‎переписи ‎т.е.‏ ‎оценивать ‎все ‎население ‎(генеральную‏ ‎совокупность)‏ ‎по ‎выборке. При‏ ‎правильной ‎организации‏ ‎выборок ‎мы ‎практически ‎не ‎теряем‏ ‎в‏ ‎точности, ‎но‏ ‎при ‎этом‏ ‎экономим ‎много ‎ресурсов. ‎

Но ‎генеральная‏ ‎совокупность‏ ‎и‏ ‎выборка ‎это‏ ‎не ‎одно‏ ‎число, ‎а‏ ‎набор‏ ‎чисел. ‎В‏ ‎государственном ‎масштабе ‎это ‎очень ‎очень‏ ‎много ‎чисел.‏ ‎Поэтому,‏ ‎много ‎цифр ‎заменяются‏ ‎на ‎интегральные‏ ‎характеристики: ‎центр ‎(среднее, ‎медиана,‏ ‎мода)‏ ‎и ‎разброс‏ ‎(среднеквадратическое ‎отклонение,‏ ‎межквартильный ‎размах). ‎Есть ‎и ‎другие‏ ‎интегральные‏ ‎характеристики, ‎про‏ ‎них ‎детально‏ ‎в ‎инструментальной ‎части. ‎Интегральные ‎характеристики‏ ‎позволяют‏ ‎смотреть‏ ‎на ‎выборку‏ ‎в ‎целом,‏ ‎что ‎открывает‏ ‎широкий‏ ‎простор ‎для‏ ‎анализа. ‎Это ‎в ‎том ‎числе‏ ‎и ‎анализ‏ ‎динамики‏ ‎изменения ‎выборок ‎во‏ ‎времени. ‎

И‏ ‎вот ‎Вам ‎приносят ‎итоги‏ ‎переписи.‏ ‎Вы ‎их‏ ‎просматриваете ‎и‏ ‎видите, ‎что ‎в ‎провинции ‎А‏ ‎живет‏ ‎в ‎два‏ ‎раза ‎больше‏ ‎людей, ‎чем ‎в ‎провинции ‎Б.‏ ‎Но‏ ‎налогов‏ ‎с ‎этих‏ ‎провинций ‎приходит‏ ‎одинаково. ‎Почему‏ ‎так?‏ ‎В ‎провинции‏ ‎А ‎вороватые ‎чиновники? ‎Там ‎был‏ ‎неурожай? ‎Провинция‏ ‎А‏ ‎пограничная ‎и ‎там‏ ‎больше ‎ресурсов‏ ‎тратится ‎на ‎оборону? ‎Или‏ ‎еще‏ ‎что? ‎И‏ ‎в ‎зависимости‏ ‎от ‎того, ‎какой ‎ответ ‎верен,‏ ‎Ваши‏ ‎действия ‎будут‏ ‎разные. ‎А‏ ‎в ‎поиске ‎правильного ‎ответа ‎помогает‏ ‎статистика‏ ‎выводов.‏ ‎Статистика ‎выводов‏ ‎это ‎разнообразные‏ ‎инструменты ‎анализа‏ ‎гипотез,‏ ‎математического ‎моделирования,‏ ‎планирования ‎и ‎анализа ‎экспериментов.

На ‎этой‏ ‎статье ‎заканчиваем‏ ‎вводную‏ ‎философскую ‎часть ‎и‏ ‎переходим ‎к‏ ‎инструментальной ‎части. ‎

Приведенная ‎здесь‏ ‎статья ‎опубликована ‎в ‎журнале ‎Черные‏ ‎металлы ‎№8‏ ‎в‏ ‎2020 ‎году. ‎Поэтому‏ ‎пост ‎открыт‏ ‎для ‎всех.

Актуальность ‎подготовки ‎специалистов‏ ‎в‏ ‎Производственной ‎системе‏ ‎и ‎методологии‏ ‎Lean ‎Six ‎Sigma ‎для ‎бизнеса‏ ‎в‏ ‎условиях ‎цифровой‏ ‎трансформации

Современный ‎мир‏ ‎стремительно ‎меняется ‎и ‎темп ‎изменений‏ ‎постоянно‏ ‎нарастает.‏ ‎Во ‎многом‏ ‎изменения ‎вокруг‏ ‎нас ‎связаны‏ ‎с‏ ‎внедрением ‎новых‏ ‎цифровых ‎технологий. ‎Поэтому ‎мы ‎все‏ ‎чаще ‎слышим‏ ‎о‏ ‎«цифровой ‎революции» ‎или‏ ‎«индустрия ‎4.0».‏ ‎Эти ‎понятия, ‎как ‎правило,‏ ‎сопровождаются‏ ‎видением, ‎что‏ ‎уже ‎скоро‏ ‎искусственный ‎интеллект ‎и ‎роботизация ‎заменят‏ ‎собой‏ ‎человека ‎во‏ ‎множестве ‎профессий,‏ ‎что ‎обеспечит ‎высокую, ‎ранее ‎не‏ ‎достижимую‏ ‎эффективность‏ ‎производственных ‎и‏ ‎прочих ‎бизнес-процессов.‏ ‎

Но ‎по‏ ‎факту‏ ‎нас ‎окружают‏ ‎на ‎предприятиях ‎обычные ‎(не ‎цифровые)‏ ‎процессы ‎с‏ ‎сомнительным‏ ‎уровнем ‎эффективности, ‎где‏ ‎готовая ‎продукция‏ ‎выпускается ‎с ‎браком, ‎документы‏ ‎теряют‏ ‎свою ‎актуальность‏ ‎из-за ‎длительности‏ ‎согласований, ‎а ‎оборудование ‎агрегатов ‎ломается‏ ‎вместе‏ ‎с ‎производственными‏ ‎планами. ‎Низкоэффективные‏ ‎производственные ‎процессы ‎снижают ‎скорость ‎принятия‏ ‎решения‏ ‎и‏ ‎внедрение ‎улучшений,‏ ‎что ‎снижает‏ ‎эффект ‎инициатив‏ ‎и‏ ‎приводит ‎к‏ ‎негативным ‎финансовым ‎последствиям. ‎В ‎связи‏ ‎с ‎этим,‏ ‎актуализируется‏ ‎вопрос ‎о ‎том,‏ ‎как ‎эффективно‏ ‎применять ‎цифровые ‎инструменты ‎для‏ ‎решения‏ ‎фактических ‎проблем‏ ‎предприятия?

Если ‎цифровизация‏ ‎предприятия ‎идет ‎бессистемно ‎на ‎неподготовленных‏ ‎производственных‏ ‎объектах ‎для‏ ‎внедрения ‎цифровых‏ ‎технологий, ‎то ‎реализуемые ‎специалистами ‎(data‏ ‎scientist)‏ ‎единичные‏ ‎проекты, ‎вряд‏ ‎ли ‎принесут‏ ‎ощутимую ‎прибыль‏ ‎компаниям.‏ ‎Потому ‎что‏ ‎цифровые ‎инструменты ‎редко ‎дают ‎результаты‏ ‎без ‎прозрачных‏ ‎баз‏ ‎данных, ‎стабильных, ‎правильно‏ ‎выстроенных ‎процессов,‏ ‎автоматических ‎систем ‎дистанционного ‎управления.‏ ‎Например,‏ ‎введение ‎системы‏ ‎электронного ‎документооборота‏ ‎не ‎сильно ‎ускорит ‎бизнес-процессы ‎согласования‏ ‎документов,‏ ‎если ‎документы,‏ ‎как ‎и‏ ‎раньше ‎нужно ‎будет ‎подписывать ‎от‏ ‎руки.‏ ‎Или,‏ ‎какой ‎смысл‏ ‎в ‎цифровом‏ ‎зрении ‎при‏ ‎идентификации‏ ‎дефектов, ‎если‏ ‎информация ‎не ‎будет ‎использоваться ‎в‏ ‎системах ‎оперативного‏ ‎принятия‏ ‎решений ‎и ‎аттестации‏ ‎продукции, ‎а‏ ‎будет ‎лишь ‎накапливаться ‎в‏ ‎базах‏ ‎данных ‎предприятия,‏ ‎занимая ‎дорогостоящее‏ ‎место ‎на ‎серверах?

Подобные ‎единичные ‎малоэффективные‏ ‎цифровые‏ ‎проекты ‎никак‏ ‎не ‎решают‏ ‎проблем ‎предприятия. ‎А ‎иногда ‎наоборот,‏ ‎только‏ ‎добавляют‏ ‎новых ‎сложностей‏ ‎в ‎бизнес-процесс.‏ ‎Например, ‎оперативный‏ ‎учет‏ ‎дублируются, ‎и‏ ‎специалисты ‎вынуждены ‎вносить ‎одинаковую ‎информацию‏ ‎в ‎разные‏ ‎системы.‏ ‎Или ‎в ‎бизнес-процессах‏ ‎предприятия ‎добавляется‏ ‎множество ‎новых ‎шагов-не-увеличивающих-ценность ‎производимого‏ ‎продукта‏ ‎или ‎услуги,‏ ‎таких ‎как,‏ ‎есть ‎необходимость ‎формировать ‎отчетность ‎по‏ ‎новым‏ ‎информационным ‎системам.‏ ‎

Цифровизация ‎должна‏ ‎упрощать ‎труд ‎специалистов ‎предприятия, ‎и‏ ‎только‏ ‎тогда‏ ‎результаты ‎проектов‏ ‎принимаются ‎и‏ ‎используются ‎в‏ ‎бизнесе.‏ ‎В ‎случае‏ ‎если ‎сотрудники ‎считают ‎цифровое ‎решение‏ ‎усложнением ‎своей‏ ‎работы,‏ ‎то ‎оно ‎не‏ ‎приживется ‎и‏ ‎станет ‎еще ‎одним ‎бесполезным‏ ‎делом‏ ‎которое ‎им‏ ‎навязали. ‎Это‏ ‎может ‎быть, ‎как ‎следствием ‎того,‏ ‎что‏ ‎цифровое ‎решение‏ ‎действительно ‎сложно‏ ‎в ‎использовании, ‎так ‎и ‎того,‏ ‎что‏ ‎команда‏ ‎проекта ‎не‏ ‎донесла ‎ценность‏ ‎цифрового ‎решения‏ ‎до‏ ‎сотрудников. ‎

Поэтому‏ ‎бессистемность ‎цифровизиции ‎предприятия ‎вредят ‎делу‏ ‎построения ‎высокоэффективной‏ ‎цифровой‏ ‎компании, ‎не ‎только‏ ‎финансовыми ‎и‏ ‎временными ‎потерями, ‎но ‎и‏ ‎подрывая‏ ‎уверенность ‎в‏ ‎эффективности ‎инструментов‏ ‎индустрии ‎4.0. ‎Цифровая ‎трансформация ‎бизнеса‏ ‎требует‏ ‎не ‎единичных‏ ‎решений, ‎а‏ ‎целостной ‎системы, ‎включающей ‎как ‎инструменты‏ ‎совершенствования‏ ‎бизнес-процессов‏ ‎и ‎повышения‏ ‎компетенций ‎сотрудников‏ ‎предприятия, ‎так‏ ‎и‏ ‎цифровые ‎инструменты.

Цифровизация‏ ‎компании ‎для ‎своей ‎успешности ‎должна‏ ‎основываться ‎на‏ ‎прочном‏ ‎фундаменте ‎Производственной ‎системы.‏ ‎Казалось ‎бы,‏ ‎между ‎Производственной ‎системой ‎и‏ ‎цифровизацией‏ ‎предприятия ‎мало‏ ‎общего. ‎Но‏ ‎на ‎самом ‎деле, ‎развертывание ‎Производственной‏ ‎системы‏ ‎на ‎предприятии‏ ‎приводит ‎к‏ ‎сокращению ‎потерь ‎с ‎точки ‎зрения‏ ‎бережливого‏ ‎производства‏ ‎делая ‎бизнес-процессы‏ ‎пригодными ‎для‏ ‎использования ‎цифровых‏ ‎инструментов.‏ ‎На ‎рис.‏ ‎1. ‎представлена ‎область ‎максимальной ‎эффективности‏ ‎инструментов ‎Производственной‏ ‎системы,‏ ‎снижающие ‎риски ‎цифровизации‏ ‎предприятия. ‎

Рис.‏ ‎1. ‎Мероприятия ‎по ‎снижению‏ ‎рисков‏ ‎в ‎цифровизации‏ ‎предприятия. ‎Зеленым‏ ‎– ‎область ‎максимальной ‎эффективности ‎инструментов‏ ‎производственной‏ ‎системы

Помимо ‎Производственной‏ ‎системы ‎цифровизиция‏ ‎предприятия ‎должна ‎основываться ‎на ‎высоких‏ ‎компетенциях‏ ‎специалистов‏ ‎предприятия ‎в‏ ‎сфере ‎совершенствования‏ ‎процессов. ‎На‏ ‎множестве‏ ‎предприятий, ‎переходящих‏ ‎к ‎индустрии ‎4.0 ‎в ‎качестве‏ ‎таких ‎специалистов‏ ‎успешно‏ ‎выступают ‎зеленые ‎и‏ ‎черные ‎пояса,‏ ‎владеющие ‎методологией ‎Lean ‎Six‏ ‎Sigma‏ ‎[7-14]. ‎Специалисты‏ ‎Lean ‎Six‏ ‎Sigma ‎использующие ‎инструментарий ‎как ‎бережливого‏ ‎производства,‏ ‎так ‎и‏ ‎цифровой ‎методы‏ ‎являются ‎авангардом ‎совершенствования ‎бизнес-процессов, ‎тем‏ ‎самым‏ ‎стыковочным‏ ‎звеном ‎между‏ ‎производственниками ‎и‏ ‎«цифрой».

Залог ‎успеха‏ ‎в‏ ‎реализации ‎проектов‏ ‎цифровизации ‎специалистами, ‎обученными ‎методологии ‎Lean‏ ‎Six ‎Sigma‏ ‎—‏ ‎эффективная ‎коммуникация ‎как‏ ‎следствие ‎ориентации‏ ‎на ‎клиента. ‎Они ‎выступают‏ ‎своеобразными‏ ‎переводчиками ‎с‏ ‎языка ‎высокой‏ ‎цифры ‎на ‎язык ‎потребностей ‎бизнеса‏ ‎и‏ ‎обратно. ‎Что‏ ‎позволяет ‎формулировать‏ ‎конкретные ‎задачи ‎и ‎бизнес-кейсы ‎для‏ ‎цифровизации‏ ‎и‏ ‎транслировать ‎возможности‏ ‎цифровизации ‎для‏ ‎всех ‎участников‏ ‎бизнес-процессов.‏ ‎

Специалисты ‎Lean‏ ‎Six ‎Sigma ‎важны ‎в ‎цифровизации‏ ‎не ‎только‏ ‎как‏ ‎эффективные ‎коммуникаторы. ‎Реализация‏ ‎проектов ‎по‏ ‎совершенствованию ‎бизнес-процессов ‎предприятия ‎создаёт‏ ‎среду‏ ‎эффективного ‎применения‏ ‎цифровых ‎инструментов‏ ‎индустрии ‎4.0. ‎В ‎практике ‎цифровой‏ ‎трансформации‏ ‎предприятия ‎нет‏ ‎«цифровой ‎революции»,‏ ‎а ‎есть ‎«цифровая ‎эволюция» ‎основным‏ ‎двигателем‏ ‎которой‏ ‎является ‎Производственная‏ ‎система, ‎включающая‏ ‎в ‎себя‏ ‎методологию‏ ‎Lean ‎Six‏ ‎Sigma. ‎При ‎сопоставлении ‎проектного ‎подхода‏ ‎DMAIC ‎являющемся‏ ‎основой‏ ‎методологии ‎Lean ‎Six‏ ‎Sigma ‎с‏ ‎циклом ‎цифровизации ‎предприятия, ‎выясняется,‏ ‎что‏ ‎подходы ‎одинаковые.‏ ‎(рис. ‎2).‏ ‎Переход ‎от ‎низкоэффективных ‎процессов ‎через‏ ‎методологию‏ ‎Lean ‎Six‏ ‎Sigma ‎к‏ ‎цифровизации ‎бизнеса ‎включает ‎в ‎себя‏ ‎четыре‏ ‎этапа‏ ‎(рис. ‎3).

Рис.‏ ‎2. ‎Цифровизация‏ ‎и ‎методология‏ ‎DMAIC

Рис.‏ ‎3. ‎Этапы‏ ‎развития ‎методологии ‎Lean ‎Six ‎Sigma‏ ‎на ‎предприятии

Первый‏ ‎этап.‏ ‎Зарождение ‎системы. Выстраивание ‎структуры,‏ ‎создание ‎регламентирующих‏ ‎документов, ‎подготовка ‎кадров. ‎Первые‏ ‎победы,‏ ‎успешные ‎проекты,‏ ‎доказавшие ‎эффективность‏ ‎методологии. ‎Массовое ‎обучение ‎руководителей ‎на‏ ‎уровень‏ ‎«Спонсор ‎проекта‏ ‎Lean ‎Six‏ ‎Sigma». ‎Подготовка ‎специалистов ‎на ‎уровень‏ ‎«Черный‏ ‎пояс»‏ ‎и ‎«Пояс‏ ‎тренер». ‎Достижение‏ ‎30% ‎потенциала‏ ‎эффективности‏ ‎методологии.

Второй ‎этап.‏ ‎Промышленная ‎эксплуатация ‎системы. Обучение ‎методологии ‎LSS‏ ‎до ‎2%+‏ ‎персонала‏ ‎от ‎общей ‎численности‏ ‎(имеются ‎в‏ ‎виду ‎все ‎уровни ‎знания‏ ‎методологии‏ ‎от ‎белого‏ ‎пояса ‎до‏ ‎черного). ‎Снижение ‎сопротивления ‎изменениям ‎руководителей‏ ‎различного‏ ‎уровня. ‎Интеграция‏ ‎в ‎общую‏ ‎систему, ‎объединение ‎разрозненных ‎инструментов ‎(А3,‏ ‎Контрольные‏ ‎карты‏ ‎и ‎др.)‏ ‎в ‎логику‏ ‎единой ‎методологии‏ ‎Lean‏ ‎Six ‎Sigma.‏ ‎Проекты ‎делаются ‎не ‎только ‎по‏ ‎направлениям ‎технологии‏ ‎и‏ ‎энергетики, ‎но ‎и‏ ‎в ‎логистике,‏ ‎кадровой ‎службе, ‎в ‎ремонтном‏ ‎производстве‏ ‎и ‎др.‏ ‎Эффективность ‎методологии‏ ‎достигает ‎90%.

Третий ‎этап. ‎«Дожимание» ‎системы. По‏ ‎большинству‏ ‎направлений ‎бизнеса‏ ‎сделаны ‎проекты‏ ‎Lean ‎Six ‎Sigma, ‎из-за ‎этого‏ ‎происходит‏ ‎снижение‏ ‎величины ‎эффекта‏ ‎от ‎одного‏ ‎проекта, ‎но‏ ‎это‏ ‎компенсируется ‎количеством‏ ‎проектов. ‎Массово ‎выполняются ‎проекты ‎по‏ ‎предиктивной ‎диагностике‏ ‎оборудования‏ ‎и ‎моделирования ‎не‏ ‎производственных ‎процессов.‏ ‎Для ‎создания ‎новых ‎продуктов‏ ‎используется‏ ‎методология ‎DFSS‏ ‎(design ‎for‏ ‎six ‎sigma). ‎90% ‎контрольных ‎карт‏ ‎построена‏ ‎по ‎результатам‏ ‎проектов ‎Lean‏ ‎Six ‎Sigma ‎и ‎имеют ‎математическую‏ ‎модель‏ ‎управления‏ ‎процессом ‎(советчик).‏ ‎Для ‎дальнейшего‏ ‎развития ‎и‏ ‎оцифровки‏ ‎бизнес ‎процессов‏ ‎происходит ‎установка ‎приборов ‎учета ‎на‏ ‎недостающие ‎позиции.‏ ‎Активно‏ ‎используются ‎виртуальные ‎анализаторы‏ ‎замещая ‎некоторые‏ ‎не ‎ключевые ‎анализы. ‎Эффективность‏ ‎максимальная.

Четвертый‏ ‎этап. ‎Принятие‏ ‎стратегических ‎решений‏ ‎(эволюция ‎системы). ‎Все ‎процессы ‎проанализированы‏ ‎и‏ ‎оцифрованы, ‎дополнительных‏ ‎проектов ‎Lean‏ ‎Six ‎Sigma ‎не ‎требуется, ‎найти‏ ‎новую‏ ‎тему‏ ‎становится ‎сложно.‏ ‎Накоплены ‎большие‏ ‎базы ‎«правильных»‏ ‎данных.‏ ‎Для ‎избегания‏ ‎стагнации ‎необходимо ‎переходить ‎полностью ‎на‏ ‎цифровые, ‎автоматизированные‏ ‎продукты‏ ‎управления ‎процессами. ‎Объединение‏ ‎всех ‎советчиков‏ ‎разработанных ‎на ‎базе ‎проектов‏ ‎Lean‏ ‎Six ‎Sigma‏ ‎в ‎единую‏ ‎систему ‎под ‎управлением ‎искусственным ‎интеллектом.‏ ‎Эволюция‏ ‎системы ‎Lean‏ ‎Six ‎Sigma‏ ‎в ‎систему ‎цифровизации ‎производства.

Интеграция ‎в‏ ‎учебную‏ ‎программу‏ ‎ВУЗов ‎элементов‏ ‎Производственной ‎системы‏ ‎и ‎методологии‏ ‎Lean‏ ‎Six ‎Sigma

Открытым‏ ‎вопросом ‎остается ‎подготовка ‎специалистов ‎по‏ ‎Производственной ‎системе‏ ‎и‏ ‎методологии ‎Lean ‎Six‏ ‎Sigma. ‎На‏ ‎текущий ‎момент, ‎данная ‎подготовка‏ ‎осуществляется‏ ‎компаниями ‎самостоятельно‏ ‎или ‎с‏ ‎привлечением ‎консалтинговых ‎фирм. ‎Поэтому ‎процесс‏ ‎подготовки‏ ‎специалистов ‎подобного‏ ‎профиля ‎дорогой‏ ‎и ‎длительный. ‎Высшая ‎школа ‎в‏ ‎подавляющем‏ ‎большинстве‏ ‎из ‎данного‏ ‎процесса ‎исключена.‏ ‎Что ‎приводит‏ ‎к‏ ‎тому, ‎что‏ ‎еще ‎некоторое ‎время ‎после ‎трудоустройства‏ ‎выпускников ‎ВУЗов‏ ‎необходимо‏ ‎обучать ‎инструментам ‎Производственной‏ ‎системы. ‎Обучение‏ ‎методологии ‎Lean ‎Six ‎Sigma‏ ‎это‏ ‎не ‎менее‏ ‎полугода ‎подготовки‏ ‎на ‎уровень ‎зеленый ‎пояс ‎и‏ ‎не‏ ‎менее ‎полутора‏ ‎лет ‎–‏ ‎на ‎уровень ‎черный ‎пояс. ‎Для‏ ‎ускорения‏ ‎процесса‏ ‎подготовки ‎специалистов‏ ‎по ‎Производственной‏ ‎системе ‎и‏ ‎методологии‏ ‎Lean ‎Six‏ ‎Sigma ‎необходимо ‎включать ‎в ‎программы‏ ‎подготовки ‎профильных‏ ‎ВУЗов.

Набор‏ ‎требуемых ‎компетенций ‎для‏ ‎специалистов ‎в‏ ‎методологии ‎Lean ‎Six ‎Sigma‏ ‎представлен‏ ‎в ‎таблице‏ ‎1. ‎При‏ ‎анализе ‎данного ‎набора ‎компетенций, ‎выясняется,‏ ‎что‏ ‎программа ‎подготовки‏ ‎специалистов ‎в‏ ‎области ‎металлургии ‎в ‎достаточной ‎мере‏ ‎развивает‏ ‎необходимые‏ ‎компетенции ‎только‏ ‎в ‎двух‏ ‎направлениях ‎«компьютерная‏ ‎грамотность»‏ ‎и ‎«математическая‏ ‎грамотность». ‎

Таблица ‎1 ‎– ‎Категории‏ ‎навыков ‎специалистов‏ ‎методологии‏ ‎Lean ‎Six ‎Sigma

Включение‏ ‎объема ‎необходимых‏ ‎компетенций ‎по ‎методологии ‎Lean‏ ‎Six‏ ‎Sigma ‎в‏ ‎программу ‎подготовки‏ ‎бакалавров ‎приведет ‎к ‎значительному ‎снижению‏ ‎уровня‏ ‎базовой ‎подготовки‏ ‎в ‎металлургии.‏ ‎Поэтому, ‎развитие ‎данных ‎компетенций ‎можно‏ ‎обеспечить‏ ‎только‏ ‎в ‎рамках‏ ‎программ ‎подготовки‏ ‎инженеров ‎и‏ ‎магистров.

Подготовка‏ ‎специалистов ‎в‏ ‎методологии ‎Lean ‎Six ‎Sigma ‎требует‏ ‎реализации ‎практических‏ ‎проектов‏ ‎по ‎улучшению ‎бизнес-процессов.‏ ‎Это ‎обстоятельство‏ ‎предъявляет ‎к ‎ВУЗам ‎дополнительное‏ ‎требование‏ ‎по ‎высокому‏ ‎уровню ‎кооперации‏ ‎с ‎бизнесом ‎т.к. ‎для ‎реализации‏ ‎проектов‏ ‎в ‎соответствии‏ ‎методологией ‎Lean‏ ‎Six ‎Sigma ‎необходим ‎доступ ‎к‏ ‎актуальной‏ ‎технической‏ ‎и ‎финансовой‏ ‎информации ‎об‏ ‎улучшаемых ‎бизнес-процессах.

Одной‏ ‎из‏ ‎проблем ‎при‏ ‎интеграции ‎в ‎образовательную ‎программу ‎ВУЗов‏ ‎Производственной ‎системы‏ ‎и‏ ‎методологии ‎Lean ‎Six‏ ‎Sigma ‎это‏ ‎получение ‎требуемых ‎компетенций ‎преподавателями‏ ‎вузов.‏ ‎Поэтому ‎важно‏ ‎развитие ‎кооперации‏ ‎между ‎образованием ‎и ‎бизнесом ‎для‏ ‎передачи‏ ‎необходимого ‎набора‏ ‎компетенций ‎от‏ ‎специалистов ‎предприятий ‎по ‎Производственной ‎системе‏ ‎и‏ ‎методологии‏ ‎Lean ‎Six‏ ‎Sigma ‎к‏ ‎преподавательскому ‎составу‏ ‎профильных‏ ‎ВУЗов. ‎С‏ ‎этой ‎целью ‎со ‎стороны ‎предприятий‏ ‎необходимо ‎выделять‏ ‎ресурсы,‏ ‎во-первых, ‎на ‎теоретическую‏ ‎подготовку, ‎а‏ ‎во-вторых, ‎на ‎реализацию ‎практических‏ ‎проектов‏ ‎Lean ‎Six‏ ‎Sigma ‎по‏ ‎совершенствованию ‎бизнес-процессов ‎преподавательским ‎составом ‎ВУЗов.

На‏ ‎текущий‏ ‎момент ‎в‏ ‎ЛГТУ ‎на‏ ‎кафедре ‎ОМД ‎реализуется ‎пилотный ‎проект‏ ‎по‏ ‎подготовке‏ ‎магистров ‎на‏ ‎уровень ‎зеленый‏ ‎пояс ‎Lean‏ ‎Six‏ ‎Sigma ‎в‏ ‎рамках ‎программы ‎дополнительного ‎профессионального ‎образования‏ ‎НЛМК. ‎Первый‏ ‎выпуск‏ ‎специалистов, ‎подготовленных ‎по‏ ‎новой ‎программе,‏ ‎будет ‎осуществлен ‎в ‎текущем‏ ‎учебном‏ ‎году.

Выводы

Интеграция ‎в‏ ‎образовательную ‎программу‏ ‎ВУЗов ‎Производственной ‎системы ‎и ‎методологии‏ ‎Lean‏ ‎Six ‎Sigma‏ ‎позволяет ‎получить‏ ‎следующие ‎выгоды ‎заинтересованным ‎сторонам.

Выгоды ‎для‏ ‎предприятий‏ ‎и‏ ‎бизнеса:

- задействование ‎технической‏ ‎экспертизы ‎преподавателей‏ ‎ВУЗов ‎в‏ ‎реализации‏ ‎проектов ‎Lean‏ ‎Six ‎Sigma;

- рост ‎количества ‎мероприятий ‎операционной‏ ‎эффективности ‎от‏ ‎проектов‏ ‎Lean ‎Six ‎Sigma‏ ‎за ‎счет‏ ‎целевой ‎подготовки ‎специалистов ‎для‏ ‎предприятия‏ ‎в ‎ВУЗе;

- увеличивается‏ ‎полезное ‎время‏ ‎специалистов ‎в ‎первые ‎два ‎года‏ ‎после‏ ‎прихода ‎на‏ ‎предприятии ‎(значительное‏ ‎снижение ‎времени ‎на ‎донабор ‎компетенций);

- вовлечение‏ ‎принятых‏ ‎специалистов‏ ‎к ‎высокоинтеллектуальной‏ ‎творческой ‎работе,‏ ‎т.е. ‎повышение‏ ‎интереса‏ ‎к ‎работе‏ ‎на ‎предприятии ‎и ‎повышение ‎лояльности‏ ‎новых ‎сотрудников;

- развитие‏ ‎кооперации‏ ‎науки, ‎образования ‎и‏ ‎бизнеса.

Выгоды ‎для‏ ‎ВУЗов:

- создание ‎компетенций ‎у ‎преподавателей‏ ‎для‏ ‎реализации ‎проекта‏ ‎«Бережливый ‎университет»;

- повышение‏ ‎актуальности ‎образовательных ‎программ ‎для ‎бизнеса.

Выгоды‏ ‎для‏ ‎государства:

- подготовка ‎кадров‏ ‎для ‎цифровой‏ ‎трансформации ‎ВУЗов, ‎организаций ‎и ‎предприятий;

- повышение‏ ‎производительности‏ ‎труда‏ ‎за ‎счет‏ ‎реорганизации ‎бизнес-процессов;

- повышение‏ ‎эффективности ‎национальной‏ ‎программы‏ ‎«Цифровая ‎экономика‏ ‎Российской ‎Федерации».

Как ‎специалист‏ ‎по ‎статистике ‎я ‎регулярно ‎слышу‏ ‎фразу ‎из‏ ‎заголовка.‏ ‎Есть ‎две ‎ситуации,‏ ‎когда ‎лично‏ ‎мне ‎адресуют ‎данную ‎фразу.‏ ‎Первая‏ ‎ситуация, ‎так‏ ‎меня ‎приветствуют‏ ‎люди, ‎которых ‎я ‎собираюсь ‎учить‏ ‎статистике.‏ ‎Почему-то ‎это‏ ‎считается ‎остроумным‏ ‎- ‎попробовать ‎на ‎зуб ‎преподавателя‏ ‎именно‏ ‎этой‏ ‎фразой. ‎Вторая‏ ‎ситуация, ‎мне‏ ‎удалось ‎из‏ ‎обработки‏ ‎статистических ‎данных‏ ‎вытащить ‎неочевидные ‎взаимосвязи ‎в ‎производственном‏ ‎процессе ‎и‏ ‎технологический‏ ‎персонал ‎излагает ‎свой‏ ‎скепсис ‎этой‏ ‎фразой. ‎

Регулярно, ‎когда ‎я‏ ‎слышу‏ ‎эту ‎фразу‏ ‎во ‎мне‏ ‎закипает ‎гнев. ‎Так ‎как, ‎произнося‏ ‎эту‏ ‎фразу, ‎люди‏ ‎заранее ‎отсекают‏ ‎от ‎себя ‎очень ‎важный ‎пласт‏ ‎знаний‏ ‎на‏ ‎основании ‎шутки.‏ ‎Но, ‎успокаивает‏ ‎меня ‎то,‏ ‎что‏ ‎статистику ‎часто,‏ ‎даже ‎слишком ‎часто ‎используют ‎не‏ ‎для ‎поиска‏ ‎истины,‏ ‎а ‎для ‎того,‏ ‎чтобы ‎манипулировать‏ ‎другими. ‎Вспоминаются, ‎например, ‎истории‏ ‎про‏ ‎гауссиану или ‎Алена‏ ‎Попова.

Молотком ‎можно‏ ‎построить ‎дом, ‎а ‎можно ‎убивать‏ ‎людей.‏ ‎Статистика ‎инструмент,‏ ‎и ‎врет‏ ‎не ‎она, ‎а ‎человек ‎который‏ ‎держит‏ ‎в‏ ‎руках ‎этот‏ ‎инструмент. ‎Можно‏ ‎выделить ‎несколько‏ ‎видов‏ ‎лжи ‎с‏ ‎помощью ‎статистики. ‎При ‎этом, ‎важно‏ ‎сказать, ‎что‏ ‎такие‏ ‎же ‎приемы ‎использует‏ ‎не ‎только‏ ‎манипулятор, ‎но ‎и ‎нормальный‏ ‎аналитик.‏ ‎Предлагаю ‎рассмотреть‏ ‎этот ‎важный‏ ‎момент ‎на ‎примерах. ‎

Тенденциозный ‎подбор‏ ‎данных.‏ ‎Манипулятор ‎формирует‏ ‎базу ‎данных‏ ‎таким ‎образом, ‎чтобы ‎на ‎выходе‏ ‎анализа‏ ‎получить‏ ‎нужный ‎результат.‏ ‎При ‎этом‏ ‎аналитик ‎так‏ ‎же‏ ‎занимается ‎предобработкой‏ ‎базы ‎данных ‎- ‎удаляет ‎выбросы‏ ‎и ‎аномалии,‏ ‎заполняет‏ ‎пропуски ‎в ‎данных,‏ ‎удаляет ‎часть‏ ‎неважных ‎для ‎анализа ‎данных.‏ ‎Важные‏ ‎различия ‎в‏ ‎этом ‎вопросе‏ ‎между ‎аналитиком ‎и ‎манипулятором ‎-‏ ‎манипулятор‏ ‎не ‎сообщает‏ ‎конечному ‎пользователю,‏ ‎что ‎он ‎сделал ‎с ‎базой‏ ‎данных,‏ ‎а‏ ‎статистик ‎подробно‏ ‎оговаривает, ‎что‏ ‎он ‎сделал‏ ‎с‏ ‎данными, ‎почему‏ ‎он ‎это ‎сделал ‎и ‎как‏ ‎это ‎может‏ ‎повлиять‏ ‎на ‎конечный ‎результат.‏ ‎

Применение ‎редких‏ ‎методов ‎анализа. ‎Инструментарий ‎статистика‏ ‎богат‏ ‎на ‎методы‏ ‎обработки ‎данных.‏ ‎Манипулятор ‎может ‎перебрать ‎несколько ‎методов‏ ‎и‏ ‎одним ‎из‏ ‎редких ‎тестов‏ ‎получить ‎нужный ‎ему ‎результат. ‎При‏ ‎этом‏ ‎аналитик‏ ‎так ‎же‏ ‎перебирает ‎множество‏ ‎статистических ‎тестов‏ ‎и‏ ‎чем ‎больше‏ ‎инструментов ‎использует ‎статистик, ‎тем ‎достовернее‏ ‎результат. ‎Важная‏ ‎разница‏ ‎состоит ‎в ‎том,‏ ‎что ‎манипулятор‏ ‎ищет ‎тот ‎единственный ‎тест‏ ‎который‏ ‎даст ‎нужный‏ ‎ему ‎результат,‏ ‎а ‎аналитик ‎ищет ‎совпадающие ‎результаты‏ ‎-‏ ‎это ‎позволяет‏ ‎посмотреть ‎на‏ ‎одну ‎и ‎ту ‎же ‎задачу‏ ‎с‏ ‎разных‏ ‎сторон ‎и‏ ‎подтвердить ‎правильность‏ ‎решения ‎несколькими‏ ‎способами.‏ ‎

Варьирование ‎шкал‏ ‎на ‎графиках. Манипулятор ‎может ‎подобрать ‎такой‏ ‎масштаб ‎на‏ ‎графике,‏ ‎чтобы ‎подсветить ‎нужный‏ ‎результат. ‎Аналитик‏ ‎сделает ‎то ‎же ‎самое,‏ ‎но‏ ‎приведет ‎два‏ ‎графика ‎-‏ ‎полный ‎и ‎детальный. ‎

Выбор ‎специфической‏ ‎метрики. Один‏ ‎и ‎тот‏ ‎же ‎показатель‏ ‎может ‎быть ‎представлен ‎по ‎разному.‏ ‎Например,‏ ‎задача‏ ‎увеличения ‎объемов‏ ‎производства. ‎Нашей‏ ‎метрикой ‎может‏ ‎быть‏ ‎производительность, ‎скорость,‏ ‎простои ‎плановые ‎и ‎аварийные, ‎межоперационная‏ ‎пауза ‎и‏ ‎т.д.‏ ‎и ‎т.п. ‎Часто‏ ‎бывает, ‎что‏ ‎метрики ‎изменяются ‎разнонаправленно. ‎Поэтому,‏ ‎манипулятор‏ ‎практически ‎всегда‏ ‎может ‎подобрать‏ ‎метрики ‎так, ‎чтобы ‎показать ‎заранее‏ ‎заданный‏ ‎результат. ‎Статистик‏ ‎будет ‎показывать‏ ‎процесс ‎в ‎целом ‎- ‎по‏ ‎заранее‏ ‎оговоренным‏ ‎с ‎клиентом‏ ‎метрикам. ‎

Терминологическая‏ ‎атака. Статистика ‎богата‏ ‎на‏ ‎специфические ‎термины.‏ ‎Манипулятор ‎будет ‎ими ‎сыпать ‎как‏ ‎из ‎рога‏ ‎изобилия.‏ ‎Аналитик ‎сделает ‎все,‏ ‎чтобы ‎их‏ ‎убрать. ‎Если ‎уж ‎придется‏ ‎применить‏ ‎специфический ‎термин,‏ ‎он ‎подробно‏ ‎опишет, ‎что ‎это ‎значит. ‎Вообще,‏ ‎хороший‏ ‎статистик ‎тратит‏ ‎много ‎времени‏ ‎на ‎то, ‎чтобы ‎быть ‎понятым.‏ ‎Специфические‏ ‎термины‏ ‎нужны ‎не‏ ‎для ‎того,‏ ‎чтобы ‎по-умничать,‏ ‎а‏ ‎для ‎того,‏ ‎чтобы ‎кратко ‎выразить ‎мысль. ‎Другой‏ ‎специалист ‎её‏ ‎всегда‏ ‎поймет. ‎Но ‎дело‏ ‎в ‎том,‏ ‎что ‎аналитики ‎"пошли ‎в‏ ‎народ"‏ ‎и ‎одна‏ ‎фраза ‎сказанная‏ ‎на ‎статистическом ‎языке, ‎требует ‎страницы‏ ‎текста‏ ‎для ‎непогруженных‏ ‎в ‎тему‏ ‎специалистов.

Самоманипулирование. Статистик ‎может ‎увлечься ‎анализом ‎(да,‏ ‎после‏ ‎того‏ ‎как ‎человек‏ ‎прошагает ‎первые‏ ‎этапы ‎развития‏ ‎как‏ ‎аналитик, ‎это‏ ‎занятие ‎становится ‎веселым) ‎и ‎ему‏ ‎процесс ‎становится‏ ‎важнее‏ ‎результата. ‎Творить ‎в‏ ‎этом ‎состоянии‏ ‎круто, ‎здорово ‎и ‎весело.‏ ‎Но‏ ‎это ‎опасное‏ ‎для ‎аналитика‏ ‎состояние. ‎Во-первых, ‎статистик ‎подключает ‎эмоции.‏ ‎А‏ ‎во-вторых, ‎где‏ ‎эмоции, ‎там‏ ‎и ‎желание ‎понравиться. ‎И ‎аналитик‏ ‎может‏ ‎начать‏ ‎подгонять ‎результаты‏ ‎под ‎мнения‏ ‎тех, ‎кому‏ ‎он‏ ‎хочет ‎понравиться.‏ ‎Тут ‎специалист ‎превращается ‎в ‎манипулятора‏ ‎и ‎сам‏ ‎этого‏ ‎не ‎замечает. ‎Решается‏ ‎этот ‎вопрос‏ ‎апелляцией ‎к ‎цели ‎-‏ ‎задача‏ ‎аналитика ‎решить‏ ‎проблему, ‎а‏ ‎не ‎нравиться ‎другим.

Ситуация ‎с ‎манипулированием‏ ‎отягощается‏ ‎тем, ‎что‏ ‎для ‎применения‏ ‎статистики ‎нужны ‎специфические ‎компетенции, ‎которых,‏ ‎как‏ ‎правило,‏ ‎у ‎клиентов‏ ‎нет. ‎Поэтому‏ ‎в ‎отношениях‏ ‎аналитик-клиент‏ ‎огромную ‎роль‏ ‎играет ‎доверие ‎и ‎авторитет. ‎Аналитик‏ ‎должен ‎серьезно‏ ‎заботится‏ ‎о ‎своем ‎авторитете‏ ‎- ‎не‏ ‎допускать ‎манипулирования ‎клиентом. ‎

А‏ ‎как‏ ‎же ‎в‏ ‎итоге ‎вскрывается‏ ‎манипуляция? ‎А ‎все ‎просто ‎-‏ ‎"практика‏ ‎критерий ‎истины"‏ ‎(с). ‎Особенность‏ ‎статистики ‎состоит ‎в ‎том, ‎что‏ ‎всегда‏ ‎возникает‏ ‎обратная ‎связь‏ ‎с ‎процессом,‏ ‎который ‎наработал‏ ‎эту‏ ‎самую ‎статистику.‏ ‎Поэтому, ‎все ‎рекомендации ‎могут ‎(и‏ ‎должны!) ‎быть‏ ‎проверены‏ ‎в ‎рамках ‎эксперимента.‏ ‎Да, ‎эксперимент‏ ‎может ‎быть ‎дорогой ‎и‏ ‎долгий.‏ ‎Но ‎именно‏ ‎в ‎рамках‏ ‎эксперимента ‎проявляется ‎качество ‎проведенного ‎анализа‏ ‎и‏ ‎снижается ‎риск‏ ‎неверного ‎решения.

Манипуляция‏ ‎всегда ‎направлена ‎на ‎принятие ‎ангажированного‏ ‎решения.‏ ‎Это‏ ‎не ‎значит,‏ ‎что ‎решение‏ ‎ложное, ‎это‏ ‎значит,‏ ‎что ‎оно‏ ‎получено ‎не ‎на ‎основании ‎изучения‏ ‎процесса, ‎анализа‏ ‎статистики‏ ‎и ‎экспертизы, ‎а‏ ‎на ‎основе‏ ‎чьего-то ‎желания ‎повлиять ‎на‏ ‎конечное‏ ‎решение. ‎Поэтому,‏ ‎в ‎подавляющем‏ ‎большинстве ‎случаев ‎манипуляций ‎эксперимент ‎будет‏ ‎провален.‏ ‎Но ‎это‏ ‎не ‎значит,‏ ‎что ‎каждый ‎проваленный ‎эксперимент ‎результат‏ ‎манипуляции.‏ ‎Недостижение‏ ‎цели ‎в‏ ‎рамках ‎эксперимента‏ ‎конечно ‎плохо,‏ ‎но‏ ‎полномасштабное ‎внедрение‏ ‎могло ‎обернуться ‎вообще ‎катастрофой ‎для‏ ‎клиента. ‎Неудачный‏ ‎эксперимент‏ ‎не ‎бесполезен, ‎он‏ ‎показывает ‎в‏ ‎каком ‎направлении ‎не ‎надо‏ ‎идти.‏ ‎К ‎слову,‏ ‎эксперимент, ‎его‏ ‎планирование, ‎проведение ‎и ‎анализ ‎тоже‏ ‎является‏ ‎частью ‎инструментария‏ ‎статистика, ‎который‏ ‎мы ‎тоже ‎будем ‎рассматривать.

Манипулятор ‎и‏ ‎аналитик‏ ‎это‏ ‎как ‎черное‏ ‎и ‎белое,‏ ‎инь ‎и‏ ‎ян‏ ‎- ‎связанные,‏ ‎но ‎отрицающие ‎друг ‎друга ‎явления.‏ ‎Аналитик ‎формирует‏ ‎авторитет‏ ‎на ‎котором ‎паразитирует‏ ‎манипулятор. ‎При‏ ‎этом ‎манипулятор ‎создает ‎шлейф‏ ‎разочарований‏ ‎и ‎аналитику‏ ‎приходиться ‎начинать‏ ‎работу ‎в ‎новом ‎месте ‎с‏ ‎отрицательных‏ ‎стартовых ‎позиций.‏ ‎Поэтому, ‎в‏ ‎рамках ‎обучения ‎мы ‎будем ‎разбирать‏ ‎не‏ ‎только‏ ‎как ‎делать‏ ‎анализ ‎правильно,‏ ‎но ‎и‏ ‎детально‏ ‎погружаться ‎в‏ ‎способы ‎манипуляции. ‎Врага ‎надо ‎знать‏ ‎в ‎лицо!‏ ‎