Эффективными средствами во внутрикорпоративных войнах являются методы получения необходимых выводов на основе общих или общедоступных данных. Казалось бы,  общедоступность данных и их обработка понятными (?) методами исключают возможности манипулирования выводами и обобщениями. Так ли это на самом деле? Есть ли возможности через манипулирование данными манипулировать выводами, предложениями и последующими решениями?

 

            Манипулирование данными основано на следующих предпосылках:

1.      Исходные данные общедоступны или могут быть предъявлены по первому требованию (маскировка и усыпление бдительности);

2.      Менеджеры, которым предъявляются выводы на основе манипулирования данными, в массе своей имеют низкий фактический образовательный уровень (невежественность часто маскируется внешним поведением: резкостью суждений, нетерпимостью, употреблением плохо понимаемых терминов, требованием «доложить все понятно» (т.е. свести сложные, иногда, вопросы до примитивного уровня мышления соответствующего менеджера) и другими уловками балаганного уровня);

3.      Имеет место хороший уровень  образования манипулятора и его (ее) способностей использовать имеющиеся данные для получения нужных ему (ей) выводов.

Сама схема манипулирования очень проста: используя известные математические факты, построения и парадоксы, манипулятор выстраивает обработку данных так, чтобы получить необходимые выводы (заключения). Чисто внешне и формально к таким построениям нет претензий – вроде бы все верно. Чтобы опровергнуть манипулирование данными надо понимать суть построений манипулятора – на чем они основаны. Лучше всего, показать возможности манипулирования данными на небольших примерах. Эти примеры несколько упрощены для краткости изложения, но они передают суть рассматриваемой темы.

Пример 1. Оценка клиентами нового продукта компании.

На основе анализа результатов опроса и отзывов клиентов компании были получены следующие данные по филиалам А и В:

Филиал А

 

Клиенты от 18 до 35 лет

Клиенты старше 35 лет

Отрицательное отношение к новому продукту

1000

100

Положительное отношение к новому продукту

8000

900

 Как несложно подсчитать, доля клиентов филиала А в возрасте от 18 до 35 лет, положительно относящихся к новому продукту (0,889), меньше соответствующей доли клиентов старше 35 лет(0,900). Т.е. можно сделать вывод, что по филиалу А новый продукт положительно оценен обеими возрастными категориями клиентов, даже с некоторым преобладанием среди клиентов старше 35 лет.

 

Филиал В

 

Клиенты от 18 до 35 лет

Клиенты старше 35 лет

Отрицательное отношение к новому продукту

1000

9000

Положительное отношение к новому продукту

1

1000

           

            Как несложно подсчитать, доля клиентов филиала В в возрасте от 18 до 35 лет, положительно относящихся к новому продукту (0,00099), меньше соответствующей доли клиентов старше 35 лет (0,1). Т.е. можно сделать вывод, что по филиалу В новый продукт положительно оценен в большей степени среди клиентов старше 35 лет.

            Итак, что же мы имеем, если «анализ» данных на этом и закончен? А имеем мы следующий предварительный вывод: новый продукт более популярен среди клиентов старше 35 лет! Верен ли этот вывод (на основе таких выводов, некоторые менеджеры строят рекламные кампании!)? Нет, не верен. Если данные по филиалам объединить, то в целом по «сети» получим, что доля клиента в возрасте от 18 до 35 лет, положительно относящихся к новому продукту составит 0,8! Вывод совсем другой и прямо противоположный первоначальному!

Пример 2. Оценка среднего чека клиента.

Данный пример основан на известном парадоксе Уилла Ролжерса об увеличении среднего значения двух числовых множеств при перемещении одного элемента из А в В.  По мнению многих менеджеров такого не может быть. Рассмотрим один из вариантов использования данного парадокса. Пусть имеется 2 выборки (за разные периоды; или за один период по разным филиалам или сгруппированные еще по какому-нибудь признаку). Для простоты рассмотрения рассмотрим следующие выборки данных по величине клиентского чека (покупки): В1: (400, 300, 200, 400), В2: (600, 600, 800, 700). Средние величины по выборкам соответственно равны: В1: 325; В2: 675. Изменив принцип группировки данных по средним клиентским чекам (например, взяв данные не на 15 число месяца, а на 20-е) получим «модифицированные» (в нужном направлении!) выборки Д1 и Д2 – Д1: (400, 300, 200, 400,600), Д2: (600, 800, 700). Соответствующие средние Д1 - 380, Д2- 700. Вот «просто так» средние показатели по клиентскому чеку  «могут быть увеличены» (здравствуй, премия!). Кстати, разве только один элемент может быть «перемещен» из выборки в выборку? А бывают ли ситуации, когда можно (за счет перемещений элементов) уменьшить средние значения?

 

            Данными примерами, конечно, не исчерпывается арсенал методов манипулирования данными и получения нужных выводов. Знания и умение оценить ситуацию открывают большие возможности как собственно к манипулированию, так и к контригре, основанной на публичной критике действий и предложений манипулятора. Как бы вы «разоблачили» предложения манипуляторов по приведенным выше примерам? Как бы вы парировали «разоблачения», если бы сами конструировали обработку данных в соответствии с указанными выше примерами?

 

 

You have no rights to post comments