Biznes,  Podcast

Jak robić mniej, ale wytwarzać więcej

Jak robić mniej, ale tworzyć więcej wartości dodanej, co zwykle przekłada się na większe zarobki? Pewnie masz czasem takie rozważania. Być może pytasz siebie, kolegów lub koleżanki, jak to jest, że ktoś inny (być może Twoja konkurencja lub Twój sąsiad) osiągają namacalne wyniki znacznie szybciej, chociaż też mają 24 godziny na dobę, jedną głowę, (raczej) dwie nogi i dwie ręce? 


W tym samym czasie czujesz, że pracujesz jak wół, ale nadal sprawy posuwają się dość wolno do przodu. Co możesz zmienić w swoim myśleniu, a następnie działaniu? Co zrobić, aby robić mniej, ale mieć więcej?  Dzisiejszy odcinek jest właśnie o tym.

 Podzielę się z Tobą dość prostymi, ale namacalnymi przemyśleniami, które osobiście staram się stosować codziennie, aby szybciej osiągnąć mierzalne wyniki.

Zacznijmy od przykładu, aby lepiej zrozumieć problem. Później dokładniej omówimy rozwiązania. Dość często „biznes”, czyli tak zwane  osoby decyzyjne, chcą zwiększyć konwersję używając „sztucznej inteligencji”. Fajnie brzmi, nawet dość konkretnie, ale co to oznacza w praktyce?


Chęć odpowiedzenia na to pytanie generuje kolejne…

W praktyce to zwykle jest bardziej złożone. Tak naprawdę biznesowi niekoniecznie zależy na zwiększaniu konwersji, ale celem jest zwiększenie zarobków. Mimo tego, że to brzmi jako logiczne powiązane kroki, to jednak warto lepiej zrozumieć kontekst, aby nie przepalać budżetów. Mam tutaj na myśli chociażby płatną reklamę na pozyskanie klientów, którzy de-facto generują więcej kosztów niż zysków.

Oczywiście można narzekać na ludzi decyzyjnych, że sami nie wiedzą czego chcą, ale narzekanie jest nudne i niewiele zmienia, pochłania energię i generuje toksyczną atmosferę.  Warto coś z tym zrobić już bardziej po stronie osób, które zajmują się danymi (czasami po polsku nazywanymi “badaczami danych” lub po angielsku data scientist).


Zwykle osobom technicznym jest trudniej zadawać pytania, a tym bardziej znajdować odpowiedzi na takie: “po co to robię?”, “jaka jest z tego wartość?” itd. Jednak  praktyka znów  pokazuje, że łatwiej nauczyć się myśleć “biznesowo” dla osób technicznych odwrotnie (choć bywają wyjątki).

Dokładniej ten przykład jeszcze wyjaśnię dalej.

Już wielu odcinkach (z ostatnich to 85 oraz 86) wspomniałem o tym, na ile ważne jest dobrze zdefiniować cel, ale warto pójść krok dalej. Życie to sekwencja wyborów. Nawet nie dokonując wyboru, to też to jest “nasz wybór” ;). To oznacza, że możesz próbować zrobić wiele rzeczy, ale niestety zwykle jest sporo ograniczeń.

Stąd pojawia się naturalna potrzeba priorytetyzować zadania. Brzmi nadal banalnie prosto w teorii, ale jak to zrobić dobrze w praktyce?  Zwykle jest tak, że zawsze czegoś brakuje: czasu, ludzi, motywacji, umiejętności, pieniędzy lub wszystkiego na raz. 

Jeśli skupiamy się na priorytetach, to  warto uwzględniać co najmniej dwa wymiary: jaki wysiłek należy “włożyć” i jaka potencjalna wartość może się z tego wytworzyć. Warto tu dodać, że pod “wysiłkiem” kryje się kilka kolejnych wymiarów, np. Ile godzin trzeba przepracować, jakie są zależności z innymi zadaniami, ile czasu należy spędzić na zdobywaniu nowej wiedzy, która będzie minimalizować niepewność tego zadania. Warto wziąć pod uwagę także ryzyko, że coś pójdzie nie tak. Oczywiście ryzykiem warto zarządzać, ale trzeba robić to świadomie.

To już zaczyna brzmieć jako bardziej złożony proces i nadal jest wiele pytań. Przede wszystkim nasuwa się myśl,  jak nadawać właściwie priorytety? Popatrzmy teraz na tę sprawę z innej strony. Mniej mówmy jak, a poznajmy zasady, które nas otaczają – dowiedzmy się, jakie są zasady gry, aby wygrać. 

Jest słynna zasada Pareta (zasada 80/20 lub 80 na 20), zgodnie z którą 20% badanych obiektów związanych jest z 80% pewnych zasobów. Ponad 120 lat temu Vilfredo Pareto wykazał, że około 80% gruntów we Włoszech należało do zaledwie 20% ludności (swoją drogą rodzi się pytanie, jak wygląda sytuacja na dzień dzisiejszy). Potem pojawiły się kolejne powiązane fakty ekonomiczne.

Na rozgrzewkę podam Ci szereg przykładów, gdzie ujawnia się wspomniana zasada: 

1. 20% pracowników generuje 80% wyników.

2. 20% ludzi powoduje 80% wypadków samochodowych.

robić mniej ale wytwarzać więcej



3. 20% artykułów spożywczych to 80% całkowitego rachunku (zobacz jak to jest u Ciebie, np. przy większych zakupach w weekend).

4. 20% populacji odpowiedzialna jest  za 80% kosztów społecznych, w tym przestępstw, świadczeń i opieki zdrowotnej (study).

5. 20% naprawionych bugów zmniejsza 80% błędów (które de-facto występują) lub 20% kodu dostarcza 80% funkcjonalności biznesowej (między innymi Microsoft to potwierdził w 2002).

6. 20% aplikacji jest używanych w 80% przypadków (report).

robić mniej ale wytwarzać więcej



7. Większość leków odkrytych w XX wieku to małe cząsteczki syntetyzowane chemicznie, które nadal stanowią 90% leków dostępnych obecnie na rynku (Deloitte).

8. 20% krajów generują 90% wszystkich zarejestrowanych przypadków covid19 (link). Aby to sprawdzić specjalnie wszedłem na stronę: https://www.worldometers.info/coronavirus/. Następnie pobrałem stamtąd dane (29 lipca).

Zrobiłem wykres dla wszystkich krajów. Na osi X są id krajów (wszystkich jest 214). Na osi Y skumulowany procent (tak zwany cumsum), dzięki czemu widać, ile procent do 100 “dokłada” każdy kraj. 

robić mniej ale wytwarzać więcej

Widać, że dla pierwszych 25 krajów (to nawet mniej niż 20%) przypada ponad 80% zarejestrowanych przypadków zachorowań. Można przyjrzeć się dokładniej tym danym, trochę w inny sposób. Zobaczyć pierwsze 30 krajów (po liczbie zarejestrowanych przypadków zachorowań).

robić mniej ale wytwarzać więcej



Jak widać Stany generują zdecydowanie najwięcej przypadków. Zobaczmy też w procentach od ogółu, aby łatwiej było porównywać.

Widać, że tylko trzy pierwsze kraje (USA, Brazylia oraz India) to połowa przypadków.

Tu możesz znaleźć więcej przykładów

Teraz zadam Ci szereg pytań (jeśli nie możesz na nie odpowiedzieć teraz, spróbuj znaleźć odpowiedź potem, proszę poświęć ten czas, daj się zaskoczyć).

1. Czy spędzasz większość czasu zajmując się problemami lub zagadnieniami związanymi tylko z kilkoma Twoimi projektami, pracownikami lub klientami?

2. Czy podczas spotkań, szkoleń czy zajęć większość dyskusji prowadzi zaledwie kilku uczestników?

3. Czy większość produktywności Twojego zespołu pochodzi od niewielkiej liczby członków zespołu?

4. Czy większość zysków Twojej firmy pochodzi od zaledwie kilku „dużych” klientów?

5. Czy większość Twoich pomysłów nie działa, ale ta mniejszość generuje największe korzyści?

Na spokojnie poszukaj odpowiedzi na te pytania. Najlepiej zatrzymać się na chwilę i maksymalnie dokładnie sprecyzować je w liczbach. Jak najbardziej możesz zacząć od prostszych np. zobacz, ile miałeś klientów w ciągu ostatnich 2, 5 czy 10 lat. Następnie sprawdź,  ile procent z nich wygenerowało 80% przychodu firmy?


Załóżmy, że masz do zrobienia 100 zadań. Załóżmy, że czas, który posiadasz to miesiąc, niech to będzie 20 dni roboczych. Wybierając właściwe zadania  w 4 dni (20% wysiłku) wygenerujesz 80% wartości. Natomiast chcąc uzyskać kolejnych 20% wartości, musisz poświęcić kolejne 16 dni (czyli ponad 3 tygodnie pracy).

Jakie zadania mam wykonać aby wyrobić 80% wartości? To bardzo dobre pytanie, postaram się na nie odpowiedzieć w tym odcinku.

Pewnie ta zasada  jest Ci znana i myślisz, że jest to jedynie teoria. Jednak to działa także w praktyce, ale niestety w moim odczuciu mało osób (firm) ją stosuje. Jak to zwykle bywa, zdrowy rozsądek nadal jest konieczny, aby pewne rzeczy adaptować do rzeczywistości, która nas otacza, więc pokażę Ci, jak sam rozumiem tę zasadę.

Pewnie moje aktualne rozumienie nieco odbiega od pierwowzoru teoretycznego, ale najważniejsze jest to,  jak ją  stosuję w praktyce i jakie przynosi efekty.

Jakiś czas temu natrafiłem na  tweeta Denny’ego Britza (swoją drogą Denny prowadzi fajny blog WildML), w którym było powiedziane, że w uczeniu maszynowym mniej chodzi o model, bardziej o zbieranie właściwych danych, czyszczenie danych, radzenie z błędami poznawczymi, dobór właściwej metryki, dobrej infrastruktury. Zamiast ekscytować się kolejnym nowym algorytmem (transformerem), bardziej opłaca się skupić na innych rzeczach.





Trochę później natrafiłem na post na Linkedin, gdzie Dan Becker powiedział, że widzi bardzo dużo memów narzekających ludzi, którzy zajmują się uczeniem maszynowym bez wiedzy matematycznej. Trochę to jest prawda, ale w większości przypadków nie o to chodzi. 

Większość modeli nigdy nie zostanie użyta na produkcji dlatego, że badacze danych (Data Scientist) zbyt mocno koncentrują się na trenowaniu modelu i zdecydowanie mniej na zrobieniu czegoś praktycznego

robić mniej ale wytwarzać więcej



Mogę potwierdzić, że dokładnie w naszym przypadku, kiedy pomagamy w firmach jako DataWorkshop wdrażać modele, to największym wyzwaniem nie jest użycie najciekawszego modelu, tylko co trzeba zrobić, aby ostatecznie na końcu była wartość. Z jednej strony to jest smutne, bo osoby techniczne (którą jestem) kręci sama technologia.

Z drugiej strony za rozwiązywanie najprostszych problemów zbiera się czasem paradoksalnie największe nagrody, ponieważ w tym jest największa wartość. Być może to brzmi mniej ambitnie z punktu widzenia researchu i technologii, czy też złożoności modelu, ale  proste rozwiązania dają często bardzo dużą  wartość.


Otóż wyzwania są na poziomie koncepcyjnym. Problem pojawia się tam, gdzie z dużym deficytem czasu, ludzi, pieniędzy itd. trzeba zrobić coś wartościowego. To potrafi czasem być nawet większym wyzwaniem niż te technologiczne, bo trzeba podchodzić do znalezienia rozwiązań dość twórczo.

Dobra, już nie przedłużajmy. Przejdźmy do realnego przykładu. Na początku wspomniałem o przypadku użycia online sklepu. Mam na myśli sytuację,  kiedy osoby decyzyjne mówią, że chcą zwiększyć konwersje (swoją drogą, to są przypadki z życia wzięta, ale poszukuje zbiorów danych niekomercyjnych, aby przekazać Ci najlepiej kontekst jak to działa).

Mamy sklep online. Są produkty, są klienci, którzy kupują te produkty. Załóżmy, że mamy 100 klientów, ale potencjalnie sklep odwiedziło 5000 osób, czyli masz konwersję 2%. Co drugi użytkownik ze stu kupuje. Stąd pojawia się genialny pomysł, aby zwiększyć konwersję. Pomysł jest dość logiczny i można to próbować robić na wiele sposobów. Na przykład można optymalizować pewne elementy na stronie, zarządzać porzuconymi koszykami lub nawet zwiększyć budżet na reklamy (oczekując cudów, które mogą się rzeczywiście wydarzyć).


Przed tym, jak zaczniemy działać i próbować zwiększyć konwersję, warto zadać dodatkowe i bardzo proste  pytanie: po co?



Po co zwiększamy konwersję i co to oznacza w praktyce?

Pomyśli o tym w ten sposób. Na czym zależy każdemu biznesowi – na tym, aby zarabiać. Ewentualnie zarabiać dużo (lub nawet bardzo bardzo dużo). To zróbmy prosty eksperyment i zobaczmy, jakie są przychody firmy na danych, które mamy.

Aż prosi się, aby na początku sprawdzić klientów. Dość często jest tak, że 20% klientów  generuje 80% przychodów. W sklepie, na którym opiera się przykład tak właśnie wyszło.


robić mniej ale wytwarzać więcej

Też można zauważyć, że 2% klientów generuje ponad 40% przychodów.

robić mniej ale wytwarzać więcej

Sprawdźmy jeszcze jedną ważną rzecz, a mianowicie zwroty. Zamówienie można zwrócić w pewnym czasie. Wtedy oznacza, że firma musi dopłacić. Mało tego, że prawdopodobnie był koszt na pozyskanie klienta czy realizację zamówienia, to mogą pojawić się jeszcze dodatkowe koszty na realizację zwrotów. Sprawdźmy, jak wyglądają zwroty.


robić mniej ale wytwarzać więcej

Widać, że 10% klientów generują ponad 90% zwrotów. Warto zatrzymać się na moment  i zadać pytanie, na ile zbiór klientów, którzy tworzą największą wartość (czyli 20% dające 80% wartości) pokrywa się ze zbiorem 10%, czyli tym najbardziej chętnym do zwrotów.


robić mniej ale wytwarzać więcej

Przy okazji można zobaczyć dane w 3 wymiarach (trzeci wymiar to kolor).  Jednym wymiar to kraj, z którego są dokonywane zakupy, drugi kolor to, ile sztuk (tutaj powstało 7 koszyków + wszystko razem).

Widać na przykład, że  jak ktoś kupi z Australii 1 lub 2 sztuki, to około ponad 70% szans, że zwróci. Natomiast dla większej liczby zakupów jest w miarę stabilnie (podobnie jest z Japonią, tylko tam mamy do czynienia z sytuacją do 3 sztuk, a dopiero potem się stabilizuje). Też widać, że Stany generalnie zawsze zwracają. W sumie to jest taka kultura. Korea wygląda dość niestabilne pod kątem zwrotów.

robić mniej ale wytwarzać więcej

 Warto zwrócić uwagę na to, że wyciąganie takich wniosków, że „Korea za dużo zwraca i może zrezygnować ze sprzedaży w tym kraju”, trzeba robić ostrożnie. Zobacz na wykres poniżej.


robić mniej ale wytwarzać więcej

Jak widać większość sprzedaży należy do UK. Korea jest na przedostatnim miejscu tuż przed Nigerią, więc za mało danych. Uważaj na szybko wyciągane wnioski, nawet jeśli są one ciekawe ;).

Mając tę informację, możemy zrozumieć, że chcemy przede wszystkim dowiedzieć się,  kim są klienci, którzy generują najwięcej wartości dla firmy. Co to oznacza zrozumieć? Czasem mówi się o tworzenie person. Co też może być wartościowe, tylko  jest tam dość sporo subiektywizmu, bo podchodzi się zbyt “płasko” do ludzi próbując ich szufladkować.

Fajnie byłoby uzyskać coś innego. Mieć namacalne charakterystyki różnych segmentów i następnie zrozumieć, na co mamy wpływ. Najlepiej, aby te cechy były zbierane automatycznie (np. cechy zachowania), niż zbierać deklaratywne pytania i odpowiedzi, które mogą być różnie interpretowane przez odpowiadających (ludzie zwykle generują dość dużo szumu, dość często także sami nie wiedzą, czego chcą).

Mając dane, które mówią nam, jak zachowuje się konkretna osoba  lub grupa  wiemy, na czym powinniśmy się koncentrować, gdzie wkładać swoją energię.  Możemy przewidywać, co może wpłynąć na aktywność tej właśnie grupy osób mając większą pewność, że można  i warto to zrobić, a włożona energia w ten proces się zwróci. Grunt to wiedzieć, na co poświęcać czas i energię. Wtedy możemy działać zgodnie z zasadą 20/80. 


Swoją drogą, 30 lipca był nagrany webinar, gdzie dokładniej opisuję (również pokazuję na poziomie kodu) wyżej opisany przykład.  Polecam również zapisać się na newsletter wtedy nie ominie Cię informacja o podobnych wydarzeniach.



Jak zacząć?



Pewnie czytasz ten artykuł i myślisz. Pięknie to jest, ale jak zacząć to stosować? To wszystko zależy od tego, gdzie jesteś obecnie. Trochę upraszczając wprowadziłem 5 poziomów zaawansowania. Będąc na 5 kroku, to już sobie poradzisz dalej ;). No chyba, że nie, to dawaj znać w komentarz lub w inny sposób, jakie masz pytania.

5 poziomów zaawansowania

1. Uświadom sobie (najpierw teoretycznie), że jest pewna asymetria pomiędzy Twoim wysiłkiem a wartością, którą możesz wytworzyć. Po tym kroku już wiesz, że istnieje zasada Pareta.

2. Zrozumieć, że zasada Pareta jak najbardziej jest praktyczna i procesy, które nas otaczają można ciągle opisywać w ten sposób (dlaczego tak jest, to inna sprawa, ale możesz to potraktować jako “prawo natury”). Po tym kroku już wiesz, że warto stosować zasadę Pareta w praktyce i szukasz możliwości “na swoim podwórku”.

3. Przekonaj się, że zasada 20/80 działa również u Ciebie. Zacznij mierzyć wartość biznesową (zwykle to jest trudniejsze) oraz wysiłek. Po tym kroku umiesz zmierzyć, ile wysiłku trzeba włożyć na wykonania zadania X i ile wartości to przyniosło.

4. Retrospekcja – zobacz, które projekty warto było zrealizować w myśl zasady Pareta (mniejszym wysiłkiem wytworzyły większą wartość). Przeanalizuje też takie, które więcej pochłaniają czasu, ale zdecydowanie mniej dają. Po tym kroku już masz konkretne własne przypadki, gdzie widzisz, jak zasada Pareta “podpowiada” Ci,  co  warto kontynuować, a co zakończyć.

5. Zacznij rozważać, w jaki sposób można przewidzieć z góry, które zadania warto wykonywać w myśl zasady Pareto – zacznij lepiej planować pracę.

Prawdopodobnie pierwsze dwa kroki są w miarę łatwe, natomiast problemy mogą się pojawić przy trzecim kroku. W jaki sposób mierzyć wartość biznesową i wysiłek?

Co do wartości biznesowej, to najlepiej, aby od razu pojawiły się wprost pieniądze  – to liczy się najłatwiej ;). Tylko uważaj – nie wszystkie pieniądze, które “przychodzą” oznaczają pieniądze, które “zostają”. Nawet w omawianym przykładzie pojawiły się zwroty, a naszym celem było skupić się na realnych “przychodach”, czyli tym, co fizycznie z nami zostanie. Jeśli możesz skupić się na powiększeniu strumienia wpływów – to raczej jest to, czym chcesz się zająć. Ewentualnie zmniejszeniem straty (wypływu) środków. 

Jeśli oba (powiększanie przypływów i zmniejszeniem wycieków) przypadki są poza zasięgiem, ale nadal chcesz zrobić  “coś”, to trzeba jakoś to ująć, aby dało się to zmierzyć. Staraj się unikać “stawiania billboardów” bo ciężko jest to zmierzyć i ma się poczucie, że w większości przypadków da się to zrobić lepiej (co najmniej podobne wyniki, ale bardziej namacalne – lepiej rozumiesz, jak coś działa). 

Podzielę się jeszcze  wskazówką, którą stosujemy w DataWorkshop. Dotyczy ona definiowania hipotez. Pomaga w sytuacji, kiedy serce podpowiada, aby coś zrobić, ale nie wiesz jak to zmierzyć. Zawsze warto coś założyć i sformułować  przykładową hipotezę, którą wyzwala w nas na nie tylko na poziomie języka pewien porządek myślowy, ale także porządkuje tok rozumowania: 

Zakładamy że dzięki działaniu X, zwiększy się nasza rozpoznawalność w ciągu najbliższych 6 miesięcy, co poskutkuje …. (tutaj warto dodać konkret, np. zwiększy się rejestracja o Y%).



Jest spora szansa, że to się nie wydarzy i wyniki będą inne,  to jedynie hipoteza, ale taka prosta reguła porządkowania myśli na poziomie języka zmusza do uporządkowania ich także w głowie, co pomaga wyeliminować pomysły, które w gruncie rzeczy ciężko się bronią. 



Tu warto też dodać, że żyjemy w świecie, w którym mnóstwo czynników może wpłynąć na tę czy inną decyzję. Nie da się tak łatwo stwierdzić, że zwiększenie rejestracji pojawiło się na skutek zwiększenia zaufania, które pojawiło się w wyniku zrobienia czegoś.  


Świat jest złożony, jego interpretacja jeszcze trudniejsza, chociaż zawsze można wszystko próbować wyjaśnić, logicznie poukładać, abyśmy mieli poczucie spójności. 

Dodam też od razu, że reguła 20 vs 80 wcale nie oznacza zawsze równego podziału. Bardziej chodzi o to, aby zdać sobie sprawę, że masz możliwość skupienia się na ważnych sprawach, które zdecydowanie mniejszym wysiłkiem dają więcej wartości.


Ten rozkład może być 20 vs 80, lub 10 vs 90, czy 30 vs 70 (i wszystkie możliwe kombinacje pomiędzy). Nie przywiązuj się do konkretnych liczb. Dodatkowo warto wiedzieć, że  jest pewna odmiana tej reguły – “zasada Pareta do kwadratu”, kiedy mówi się, że 4% wysiłku generuje 64% wartości.

Na przykład, sklep, który analizowaliśmy miał podobny wynik (było mniej niż 60%), ale ponad 50%. Co też brzmi bardzo atrakcyjnie, prawda? Innymi słowy, jak stracisz te 4% klientów, Twój przychód spadnie o 50%, co brzmi dość poważnie.

Ostrzeżenie



Już wcześniej wspomniałem o zasadzie zdrowego rozsądku, którą należy stosować.  Można zacząć kombinować w ten sposób. Czy to oznacza, że zdobywając wiedzę na poziomie 20% w pewnym zawodzie, będę już ekspertem (bo mam odpowiedzi na 80%)? To jest ciekawe pytanie. Bo jednak jeśli pomyślimy w ten sposób, że chirurg pójdzie w ten sposób na skróty, to  owszem w 80% sobie poradzą, ale tę pozostałe 20% przypadków ciężko zlekceważyć. 

Dlatego, aby stać się ekspertem, to lepiej jednak poznać 100% swojej branży (oczywiście to wszystko jest umowne, bo świat rozwija się itd), ale jest tu ciekawostka, że nawet w tym przypadku ta zasada może być przydatna.

Jeśli zaczniesz studiować dowolny temat od takiej strony, że najpierw wkładasz 80% wysiłku, aby wytworzyć 20% wartości (czyli tak jak zwykle działa świat akademicki), to jest duża szansa, że szybko poddasz się (psychologicznie, człowiek jednak wymaga nagrody).

Dlatego to, co do mnie bardziej przemawia, to najpierw pomóc człowiekowi wykonać pierwsze kroki, poczuć “smak” rozwiązania, wkręcić go do tematu, naładować baterię po to, aby dalej już sobie poradził samodzielnie. Takie podejście mam między innymi na moich kursach online (na które gorąco zapraszam).


Zasada 20/80 jest sporą inspiracją (i co najważniejsze sprawdzoną praktyką), aby zmienić swoje działanie w różnych obszarach. Warto przemyśleć, gdzie możesz jeszcze zastosować tę zasadę u siebie. Pokazałem Ci dziś sporo przykładów, które powinny przemawiać, że warto przynajmniej spróbować 😉 Jest także sporo literatury na ten temat w sieci, można także poczytać książkę. Polecana jest ta poniżej, jeśli chcesz jeszcze bardziej zgłębić temat. 



Podsumowanie



Pamiętaj, że zawsze masz wybór, które zadania zamierzasz wykonać. Warto sobie uświadomić, że najpierw warto zabrać się za zadania, dzięki którym możesz zrywać nisko wiszące owoce.

Zespoły, które zajmują się analizą danych, mają tendencję wpadać w tak zwane “czarne dziury”, kiedy zaczynają analizować, ale jak zapytasz “po co to robią?”, to często w pierwszej kolejności pada odpowiedź natury technicznej, a później ewentualnie słynne: “w sumie to nie wiem”.

Nasz mózg dość często jest ograniczany przez wiele czynników  i ciężko mu trzymać wszystkie konteksty naraz. Sama analiza danych potrafi pochłonąć sporo zasobów. Dlatego trzeba być tego świadomym i na różne sposoby szukać tego, na czym naprawdę warto skupić się teraz. Życzę Ci, aby ta prosta metoda przyczyniła się do Twojej efektywności.

Daj znać jak Ci poszło z wdrożeniem  lub podziel się swoimi metodami, jak zwiększać efektywność, jeśli takie posiadasz 🙂 

Od 2013 roku zacząłem pracować z uczeniem maszynowym (od strony praktycznej). W 2015 założyłem inicjatywę DataWorkshop. Pomagać ludziom zaczać stosować uczenie maszynow w praktyce. W 2017 zacząłem nagrywać podcast BiznesMyśli. Jestem perfekcjonistą w sercu i pragmatykiem z nawyku. Lubię podróżować.

Leave a Reply

Twój adres email nie zostanie opublikowany. Pola, których wypełnienie jest wymagane, są oznaczone symbolem *