Сторінку не знайдено

Матриця Рамсфелда як ефективний інструмент в процесі приняття рішень

«Існує відоме знане. Це речі, про які ми знаємо, що знаємо. Також існує відоме незнане. Це речі, про які нам відомо, що поки ми про них ми не знаємо. Але ще є невідоме незнане – речі, про які нам не відомо, що ми про це не знаємо»

Дональд Рамсфелд

 

Матриця Рамсфелда

Під час брифінгу, присвяченого війні в Іраку, Дональд Рамсфелд поділив інформацію на 4 категорії:

Ці складові стали основою матриці Рамсфелда (система прийняття рішень, що відображає та оцінює різні ступені визначеності та невизначеності).

Квадранти матриці Рамсфелда

  1.  Відоме знане: це факти, які ми знаємо та розуміємо. Це база наших знань, що забезпечує міцну основу для прийняття рішень;
  2. Відоме незнане: це факти, про які ми знаємо, але остаточно не розуміємо. Це прогалини у наших знаннях, які нам необхідно усунути за допомогою досліджень, розслідувань чи консультацій експертів;
  3. Невідоме знане: це факти, про які ми не здогадуємось, що знаємо. Така інформація зберігається у нашій підсвідомості, ігнорується та вважається непотрібною. Розкриття такої інформації може принести користь та призвести до певних проривів у процесі прийняття рішень;
  4. Невідоме незнане: це факти, які ми не знаємо і не можемо передбачити. Вони є найбільш значним джерелом невизначеності та ризику, тому що можуть призвести до ефекту несподіванки та зірвати плани.

Ефективність матриці Рамсфелда

Етапи використання матриці Рамсфелда

  1. Визначення квадрантів:
  1. Дії:

 

Вплив ШІ та машинного навчання на науку про дані

Основою всіх інновацій, прийнятих рішень та конкурентоспроможності бізнесу є дані. Сьогодні це нова «нафта», яка є величезною цінністю та здатна привести до успіху. Компанії з різних сфер діяльності продовжують збирати величезну кількість даних, що вимагає використання складних інструментів та методів для отримання цінної інформації.

Штучний інтелект та машинне навчання сприяли просуванню науки про дані. Ці технології допомагають фахівцям з даних проводити аналіз, будувати прогнози та виявляти тенденції, автоматизувати рутинні завдання тощо. Наука про дані у поєднанні зі ШІ та машинним навчанням формує майбутнє, засноване на даних. Розглянемо вплив ШІ та машинного навчання.

Штучний Інтелект у сфері аналізу даних

Штучний Інтелект широко використовується у багатьох додатках, зокрема й для аналітики даних. В основному ШІ застосовується для аналізу великих наборів даних, що дозволяє отримувати цінну інформацію, визначати тенденції, будувати прогнози тощо. Алгоритми машинного навчання забезпечують швидку та точну роботу з величезними обсягами даних.

У процесі аналізу даних важливо використовувати ШІ, оскільки це має низку переваг:

ШІ передбачає доповнення роботи фахівців у галузі аналізу даних. Основні способи використання ШІ в аналізі даних:

Сховище даних для швидкого отримання аналітичної інформації

Ми добре знаємо, що основним та найціннішим ресурсом сучасного бізнесу є дані. Проте, чи всі дані однаково цінні?

Дані втрачають свою цінність протягом кількох днів – вони стають неактуальними і несуть мало користі для компанії. Мета кожної компанії знайти рішення, яке дозволить отримати корисну інформацію та ідеї з даних, перш ніж вони застаріють.

Якість даних та ефективність алгоритмів можуть сильно ускладнювати проблему своєчасного надання даних. Варто звернути увагу на сховища даних. Правильне рішення щодо сховища має важливе значення у процесі швидкого надання аналітичної інформації.

На самому початку цифрової революції компанії частіше зберігали дані, щоб дотриматися вимог або оцінити минулі результати. За останні 10 років мета зберігання даних змінилася. Зараз історичні дані можуть нам допомогти у побудові прогнозів та визначенні майбутніх тенденцій. Це призвело до відкриття нових можливостей у процесі ухвалення бізнес-рішень. Разом з цим різко зріс обсяг даних, що генеруються, і з’явилося багато технологій для їх збору та аналізу.

Питання зберігання даних часто є не пріоритетним. Величезна кількість даних зберігається на дисках або стрічкових накопичувачах. Це значно ускладнює доступ до них, збільшуючи фінансові витрати та енергоспоживання. Якісне рішення щодо зберігання даних звільняє час та переводить фокус уваги з проблем високих витрат на аналітику, оптимізацію та розв’язання завдань ШІ. Наприклад, у фармацевтиці час, який необхідний для отримання інформації, має важливе значення у боротьбі з пандеміями, розробці нових ефективніших ліків та вдосконаленні існуючих. Тому для оперативного процесу отримання даних необхідне ефективне рішення щодо зберігання даних.

Однією з найпоширеніших проблем у процесі управління даними є якість даних. Часто прагнення помістити всю інформацію на озера даних перетворювало це озеро на «болото». Дані, які не відповідають реальності, знижують ефективність. Тому для компаній, які переходять на управління на основі даних, важливо акцентувати на способах оцінки та усунення прогалин у якості.

Інфраструктура даних може впливати на якість даних. Вбудовані інструменти на основі ШІ здатні забезпечити правильне зберігання інформації з огляду на вимоги, обов’язкові перевірки та заходи безпеки. Інфраструктура даних представляє величезні можливості та при цьому усуває людські витрати та енергетичні неефективності застарілих систем зберігання.

Data Science для фінансових компаній

Основа будь-якого бізнесу – це інформація. На даний момент існує велика кількість різних методів аналізу даних, які використовуються компаніями для автоматизації та досягнення максимальної ефективності. Фінансові компанії, які надають фінансові послуги та послуги для управління фінансовими процесами, не є винятком. Вони володіють та обробляють величезну кількість даних, які потребують якісного управління та високого рівня захисту. Наука про дані відіграє ключову роль в організації цих та інших процесів.

  1. Виявлення та запобігання шахрайству

Ключовим показником успішності фінансової організації є безпека коштів та даних клієнтів. Це досить складний і трудомісткий процес. Важливо використовувати не лише технології, які допоможуть блокувати шахрайські дії, а й технології, які зможуть виявити підозрілу активність на ранній стадії та оцінити ситуацію. Такі технології необхідно регулярно моніторити та оновлювати.

Величезна кількість транзакцій та процесів не дозволяє вручну відстежити підозрілу активність. Проте, Data Science є чудовим інструментом у цій ситуації. Він дає змогу створити алгоритм самостійного аналізу певних дій, що дозволить автоматизувати процес виявлення. Також варто відзначити, що технологія здатна самонавчатися. Обробка більшої кількості даних сприяє отриманню більшого досвіду та знань. Виявлення підроблених документів, копії фінансових операцій та рахунків, підозрілих дій, запобігання шахрайству можливе завдяки Data Science.

  1. Оцінка та управління ризиками

Машинне навчання та штучний інтелект, у тому числі допомагають провести оцінку фінансових ризиків та безпеки. Нові моделі машинного навчання дозволяють більш ефективно проводити аналіз ризиків та керувати ними.

Конкуренти, органи влади, інвестори та інші учасники можуть нести певні ризики для бізнеса. Будь-яка ситуація має бути розв’язана з урахуванням розуміння ризиків, потенційних втрат та можливостей зростання. Цей процес вимагає аналізу великої кількості оброблених та необроблених даних.

Складні самонавчальні алгоритми Data Science у цьому разі будуть максимально корисні. Вони проводять оцінку даних з метою аналізу ризиків, дозволяючи компаніям створювати надійну модель подальшого розвитку.

  1. Управління даними клієнта

Найціннішим ресурсом будь-якої компанії є дані, якість управління якими має вирішальне значення. Така велика кількість даних, якими володіють фінансові компанії, доцільно обробляти автоматично. Швидкий та ефективний аналіз неструктурованих даних забезпечить ШІ.

  1. Персоналізація

Дохід сучасного бізнесу залежить від точності вгадування потреб клієнтів. Чим краще компанія вгадає бажання клієнта – тим вищий шанс отримати більший дохід. Для фінансових компаній це працює так само. Клієнти охочіше будуть користуватися послугами компанії або банку, який має пропозицію саме для них з урахуванням їхнього доходу, потреб та певної ситуації.

Data Science дозволяє відстежити поведінку користувачів та надає повну картину. Бізнес отримує можливість приймати більш обґрунтовані рішення, а клієнт отримує унікальну та персоналізовану пропозицію.

  1. Аналітика

Збір та аналіз даних – це 2 ключових процеса. Сучасні технології дозволяють ефективно обробляти великі обсяги даних різного типу. Це дозволяє відстежити зміни даних та внести редагування з метою запобігання ризикам. Наприклад, аналіз даних про клієнтів відкриває нові можливості, дозволяючи відреагувати на інтерес клієнта та побудувати якісну маркетингову кампанію.

Робота з даними та навчання команди

Сучасним світом керують дані. Кожна людина та компанія щодня генерує величезну кількість даних. І якщо людина може не замислюватися про дані та їх використання, то компанії не можуть прогаяти таку можливість. Сучасний бізнес є активним користувачем даних у своїй повсякденній рутині. Виходячи з поставлених завдань, проводиться аналіз різних показників та будуються прогнози. Це дозволяє компаніям відійти від підходу «наосліп» і діяти, спираючись на реальні та достовірні дані.

Сучасні інструменти аналітики досить прості у використанні, що дозволяє будь-якому співробітнику компанії виконувати певний набір функцій. Однак, для більш якісної та повноцінної роботи з даними необхідне навчання та регулярне підвищення кваліфікації. Повна залученість та зацікавленість команди може гарантувати успіх та високий загальний результат.

Керівники компаній часто стикаються з опором співробітників навчатися чомусь новому у сфері даних. Нижче кілька рекомендацій, які допоможуть подолати опір та вирішити основні проблеми при реалізації процесу навчання та підвищення кваліфікації.

  1. Подолання опору

Опір співробітників проходити навчання є однією з основних проблем. Тут варто глянути на проблему очима маркетолога – тобто зробити навчання таким, щоб його захотіли пройти. Правильна популяризація навчання один із найважливіших елементів залучення співробітників. Залучення лідерів компанії, які зможуть наголосити на цінності придбання навичок роботи з даними, стане вагомим аргументом. Проте, варто акцентувати увагу не тільки на кінцевому результаті та користі компанії, а й на можливостях кожного співробітника – тобто кар’єрних успіхах команди.

  1. «Простота» даних

Основна причина опору співробітників – це страх нового та уявлення роботи з даними, як щось максимально складне та незрозуміле. Насамперед необхідно доступно пояснити чому робота з даними така важлива для кожного співробітника та для компанії в цілому. Крім цього, машинне навчання, штучний інтелект та наука про дані породжують страх «непотрібності» співробітників. Керівникам варто пояснити, що впровадження даних технологій не передбачає скорочення команди, а навпаки, автоматизацію деяких функцій для оптимізації, спрощення та покращення роботи співробітника. Якісне використання даних – це ключ до прийняття ефективних рішень у масштабах однієї позиції в компанії, а отже, однієї команди та всієї компанії. Кожен співробітник – це шестерня, від якої залежить успішна та безперервна робота всього механізму компанії.

  1. Розуміння використання даних

Використання даних має бути зрозумілим співробітникам. Кожен співробітник повинен розуміти для чого він використовує дані: яка його конкретна мета, яка мета компанії, для покращення яких бізнес-процесів тощо. Така прозорість і розуміння дозволить співробітникам почуватися більш впевнено та правильно представляти дані на обговореннях результатів.

Як я мало не розбив літак вартістю в £50 мільйонів та нормалізація девіантності

«Вирівняй його!» – долинув крик із заднього сидіння мого Tornado GR4, проте в ньому не було потреби – я вже і без того щосили тягнув ручку керування на себе!

Наш 25-тонний заправлений по самі вінця бомбардувальник мав кут пікірування в ризиковані 40 градусів і шалено трясся, тоді як крила, намагаючись підкоритися нездійсненним командам, розрізали потік повітря.

У той момент, коли ми вивалилися через нижній край хмари, крізь свій дисплей, що відображає показання приладів на борту, я побачив рівні ряди полів на землі: мені стало моторошно.

Ситуація була кепська.

Пролунав сигнал системи попередження про небезпечну близькість землі (GPWS).

«7,6,5 – Тім, залишилося 400 футів» – закричав офіцер систем озброєння (WSO).

Ми обидва знали, що знаходимось за межами можливостей системи катапультування.

Як я потрапив у таку неприємність?

Давайте зупинимося.

Так, іноді потрібно просто зупинитись.

Насправді це може бути не так просто, особливо, якщо ви робите щось протягом довгого часу, і це стало для вас звичною рутиною.

Для багатьох із нас це можуть бути шкідливі звички, на кшталт куріння, вживання алкоголю, азартні ігри – речі, які стали життєвою нормою, але аж ніяк не є корисними.

Для інших це можуть бути робочі звички – речі, які ви робите протягом тривалого часу і вже стали незмінними правилами роботи.

Хоча, іноді все може бути набагато гірше.

Нещодавно я дізнався про авіакатастрофу, яка настільки шокувала моїх колег, що породила дискусію про те, що іноді так звані «нещасні випадки», мають бути класифіковані, як щось навмисне.

«Нещасний випадок – неприємний інцидент, що трапляється раптово і ненавмисно, зазвичай призводить до травм або збитків» (тлумачення Оксфордського словника англійської мови)

Це був нещасний випадок 2014 року, в якому бізнес-джет Gulfstream IV зазнав катастрофи в Бедфорді штату Массачусетс після того, як досвідчений екіпаж зробив спробу зльоту із задіяним механізмом стопоріння (англ. gust lock). Механізм стопоріння – це пристрій, що блокує органи керування з метою запобігання шкоді від впливу вітру під час перебування літака на стоянці. Зліт був перерваний на пізній стадії. Літак викотився за межі злітно-посадкової смуги, розвалився на частини і спалахнув: всі, хто знаходився на борту, загинули.

У зведеному звіті про подію значився висновок, про те, що перед зльотом екіпаж не перевірив органи керування: вони спробували злетіти зі задіяним механізмом стопоріння і, усвідомивши це, спробували перервати зліт, проте було занадто пізно.

Сприяючі фактори включали звичне для екіпажу ігнорування листів перевірок. Фактично, не всі 5 чек-листів були виконані. Таке ігнорування було стандартною практикою всередині цієї організації.

Якби перевірка відповідно до чек-листів була здійснена, то механізм стопоріння був би відключений ще до запуску двигуна. Крім того, було б здійснено перевірку органів керування.

Причиною катастрофи стало те, що теоретично називається «нормалізацією девіантності». Вперше цей термін було вжито соціологом Діаною Воан у своїй книзі, присвяченій катастрофі шатла «Челленджер» – The Challenger Launch Decision: Risky Technology, Culture, and Deviance.

“Соціальна нормалізація девіантності означає, що люди всередині організації стають настільки звикаютьі до девіантної поведінки, що не вважають її девіантною, незважаючи на те, що вони грубо порушують елементарні правила безпеки” – Діана Воан

Що довше така ситуація існує в організації, то звичніша вона для персоналу. Люди зі сторони вважатимуть таку ситуацію ненормальною, проте всередині організації вона є щоденною практикою.

У великих організаціях така тенденція може протікати безсимптомно та швидко вкорінюватись.

У 2003 році Діана Воан отримала запрошення приєднатися до комісії з розслідування катастрофи шатла Колумбія. Вона змогла продемонструвати, що NASA не засвоїло уроків з попередньої катастрофи шатла Челленджер, ба більше використовувало той самий ступінь прийнятного ризику та змістилося у бік нормалізації ризикованих операцій.

«Коли ми заглибилися в дані, стало зрозуміло, що менеджери не порушували жодних правил, а навпаки, підкорялися всім вимогам NASA. Після аналізу я зрозуміла, що ці правила були «не такими» – вони відрізнялися від звичайного порядку. Люди підкорялися необхідності дотримуватися графіку, відповідно підлаштувавши правила про те, як приймати ризиковані рішення»  – Діана Воан про внутрішні помилки NASA.

Співробітники NASA сформували правила, керуючись своїми власними оцінками, які повільно деградували зі збільшенням ступеня терміновості запуску шатлів – ми знаємо, як таке трапляється.

Як і у випадку з Gulfstream, нормалізація девіації часто призводить до погіршення професійних якостей співробітників. Це, зі свого боку, веде до повільної та поступової деградації культури безпеки.

Я гостро відчув це під час перебування на посаді старшого інспектора найбільшого авіазагону в Королівських Повітряних Силах (RAF).

Багато моїх старших інструкторів залишали авіазагін після закінчення періоду служби. Це спонукало нас до навчання менш кваліфікованих колег більш складним фазам польоту – набагато раніше, ніж це відбувалося раніше.

І це привело нас у глухий кут.

Якби ми не надали кваліфікацію молодим інструкторам, то довелося б додати навантаження на більш досвідчених хлопців. Це могло стати причиною підвищення ризику виникнення нещасних випадків через їхню втому. Але, якщо поквапитися зі кваліфікацією молодих інструкторів, то такий ризик все одно б зріс через їхню недосвідченість.

Безпрограшного варіанта не було.

На щастя, існували зовнішні організації, куди ми могли звернутися по допомогу. Наприклад,  Центральна льотна школа Королівських ВПС, а також психологи з Центру авіаційної медицини: у нашому випадку було знайдено компроміс.

Однак іноді буває надто пізно.

У 2011 році двоє моїх друзів, які були членами пілотажної групи Red Arrows, загинули під час аварії. Через мій багатий досвід у пілотуванні Hawk T1 (літак, на якому літає пілотажна група) мені було наказано долучитися до комісії зі розслідування в якості вузькопрофільного фахівця та надати допомогу в написанні доповіді висновків.

Інцидент, який я розслідував – катастрофа, де у спробах приземлення після виконання програми в Борнмуті, загинув мій друг. Незважаючи на те, що причини катастрофи були здебільшого медичними, наша доповідь вказала на багато сфер, де пілотажна група страждала від «нормалізації девіантності».

Як бачите, «нормалізація девіантності» зустрічається не тільки у великих організаціях, а й у маленьких згуртованих підрозділах, таких як пілотажні групи або частини сил спеціальних операцій.

Так відбувається тому, що людям ззовні дуже складно отримати відповідний досвід і знання для того, щоб усвідомити «нормальність» того, що відбувається всередині такої групи.

Одного разу я розмовляв із членом групи, завданням якої була оцінка льотних стандартів підрозділів Королівських ВПС. Він сказав мені, що, перевіряючи дії пілота Red Arrows, він виявив себе догори новгами на висоті 100 футів над злітно-посадковою смугою аеродрому Скемптон у бойовому порядку з двома літаками на відстані декілька футів.

Яким чином він мав оцінити нормальність того, що відбувається?

Він не міг, і йому довелося використати власний досвід разом із порадами членів команди.

Колись я знав одного командира ланки, який вважав, що його люди пріоритетніші за думки ззовні, тому оцінювати та регулювати їхні дії повинен тільки він сам.

Він був неправий.

Іноді оцінка має частково йти з боку самого підрозділу, але відкидати зовнішнє регулювання та нагляд – неприпустимо.

Подумайте про світову фінансову кризу 2008 року. Багато банків луснули тільки тому, що вони не піддавалися зовнішньому регулюванню, оскільки змогли переконати владу, що самі здатні регулювати свою діяльність.

Подивіться на це так, ніби ви кажете знайомому, що у нього прогресує розвиток шкідливої звички.

Кожен із нас прийняв би це, навіть якби вона нам не подобалася.

Отже, «нормалізація девіантності» зустрічається і в окремих людей.

Візьміть, наприклад, алкогольну чи наркотичну залежність. Як тільки ви починаєте вживання тютюну чи алкоголю, це швидко стає нормою. У деяких випадках людина вже не пам’ятає іншу «нормальність».

Іноді це призводить до того, що той, хто йде таким шляхом, робить відверто дурні вчинки.

Наприклад, коли я мало не розбився на своєму Tornado GR4 у Бельгії в середині 2000-х.

Я був впевненим у собі пілотом, якого відправили до Європи для участі у міжнародних льотних навчаннях. У нас було 2 літаки та домовленість між членами екіпажу, що ми ними не міняємось – якщо якась машина виходить з ладу, то її екіпаж перебуває на землі до введення її в дію.

Це була гарна домовленість доки наш літак не зламався.

Ми дуже добре зарекомендували себе під час навчань. Ми діяли як пара бомбардувальників та  вразили всі наші цілі і не були збиті літаками «червоних», які відігравали роль противників. Дійшло до того, що на початку другого тижня почалося за нами цілеспрямоване полювання: противник хотів похвалитися тим, що він збив літаки всіх країн-учасників.

Однак, на другому тижні відірватися від землі зміг лише один Tornado, і це був не мій літак.

Наш літак мав проблему зі стійкою шасі або посадковим механізмом – він не закривався; шасі не забиралися.

Авіатехніки виявили значне і непоправне зношування механічного замку прибраного положення. Теоретично, він повинен був зафіксовуватися при 0g, що означало, що при збиранні шасі нам потрібно було опустити літак носом донизу.

Я поговорив зі своїм офіцером системи озброєння, і ми вирішили спробувати.

Ми переодяглися в льотне обмундирування і в той час, коли всі літаки знаходилися в небі над Північною Німеччиною, піднялися в повітря для випробування нашої техніки.

Ми підняли літак до 5000 футів, опустили ніс на 40 градусів, досягли 0g і дали команду забирати шасі. Для складання механізму потрібно близько 10 секунд, гранично допустима швидкість літака при його складанні становить 235 вузлів. Але це виявилося недостатнім – з нахилом носової частини 30 градусів ми були дуже близькі до перевищення швидкості.

Ми перевірили у довідкових картах і зрозуміли, що нам доведеться розвинути швидкість 250 вузлів, що є забороненою позначкою.

У нормальній ситуації досягнення такої швидкості потребує спеціального схвалення, але тоді ми відчували терміновість і вирішили, що зможемо виправдатися.

Ми заміряли кілька параметрів і були задоволені тим, що за належної акуратності ми зможемо продовжити брати участь у навчаннях.

Ми обговорили цей план із інженерами та членами другого екіпажу, і вирішили, що це правильне рішення.

Поки не настав ранок наступного дня.

Хмари займали висоту від 4000 до 20000 футів (від 1200 до 6000 м) – наш простір для маневру був обмежений. Якщо нам вдається – ми продовжуємо бойовий виліт, якщо ні – нам доведеться спалити 5 тон палива перед приземленням.

Ми піднялися в повітря, перебуваючи на форсажі, потім на швидкості в 200 вузлів я підняв ніс вгору до 40 градусів, прибрав закрилки і перед самою хмари відштовхнув ручку управління від себе.

Потім я схопив важіль керування шасі і перевів його в положення «прибрати».

«Давай, давай!» – думав я, поки ніс 25-тонного літака повільно звалювався за обрій.

Я перевів двигун у режим малих обертів. На малій швидкості великий літак погано маневрував і якби ніс опустився занадто низько, то він би не встиг вирівнятися до того, як ми вдаримося об землю.

Шасі прибралися, а я перевів двигуни в режим повної потужності і підняв носа для набору висоти. Часу було повно: ми навіть не опустилися нижче за 2000 футів.

План спрацював.

Протягом кількох бойових вильотів ми виконували цю процедуру. Більше того, нам вдалося переконати диспетчерську службу в тому, що те, що ми робимо, є нормально.

Однак люди довкола підозрювали, що щось тут не так і почали ставити питання. хлопець-американець — пілот F-16, який також брав участь у навчаннях:

«Хлопці, що у вас за божевільні маневри з американськими гірками на зльоті?» – спитав американський пілот F-16, який також брав участь у навчаннях, якось увечері після кількох келихів пива.

«Шасі не забирається, поки є перевантаження» – відповів я.

«О, я зрозумів. Просто виглядає незвично для такого великого літака, особливо з урахуванням кількості палива на борту» – сказав він.

Я тільки зніяковіло посміхнувся.

Декілька наступних вильотів виявилися також спокійними, а «маневри з американськими гірками» стали нашою нормальною практикою під час зльоту.

Мені сказали, що керівник програми хоче мене бачити і, оскільки я був упевнений, що наша розмова буде присвячена нашим трюкам на зльоті, то робив усе можливе, щоб обійти його стороною.

В останній день наших навчань погода була гірша, ніж в минулі 2 тижні. Але ми дуже хотіли повернутися додому і не застрягти в Бельгії ще на один вікенд.

На ранковому інструктажі нам повідомили, що нижня кромка хмар знаходиться на висоті в 1000 футів – нижче, ніж будь-коли. Це означало, що при збиранні шасі нам варто бути дуже обережними.

Ми піднялися в повітря і залишилися на малій висоті. На швидкості в 200 вузлів (близько 100 м/с) я потягнув ніс угору з усієї сили, але зміг досягти лише 30 градусів, перш ніж ми увійшли в хмару. Це було щось нове.

Я почав опускати ніс, залишивши двигун на форсажі для того, щоб досягти необхідних 0g.

«Шасі, давай!» – я почув голос офіцера системи озброєння одразу після його фрази «1200 футів, Тім».

Ніс був опущений на 20 градусів.

«Давай!» – закричав я.

Справа йшла туго.

«Вирівняй» – почув крик із заднього сидіння.

Коли ми вийшли з хмари, ніс машини був опущений на 40 градусів і я усвідомив, що справи наші кепські.

Енергії було недостатньо. Ніс літака піднімався надто повільно, щоб вирівнятися перш ніж ми вдаримося об землю.

Пролунав сигнал системи попередження про небезпечну близькість землі (GPWS).

«7, 6, 5 – залишилося 400 футів, Тім!» ро – закричав офіцер системи озброєння.

Літак трусився, незважаючи на команди органів управління. Йому просто не вистачало льотних якостей для того, щоб вийти.

У кабіні запанувала тиша. Ситуацію погіршував той факт, що через високу швидкість зниження ми не мали можливості катапультуватися.

Я повністю випустив закрилки та передкрилки для того, щоб збільшити підйомну силу крила.

Її раптове збільшення призвело до того, що швидкість носа літака до горизонту трохи зросла.

Ситуація покращилась.

Зрештою мені вдалося вирівняти літак на висоті 200-300 футів (близько 60-90 м) над землею і я повільно підняв машину назад у хмари.

Стійка шасі так і не забралася. Нас чекав довгий і мовчазний шлях додому.

Я був досвідченим льотчиком, перебуваючи саме у тому стані, коли моя зайва самовпевненість могла привести мене до загибелі. Що довше ми виконували маневр, то впевненішими ми ставали.

Ми переконали себе, що порушення правил йшло на користь начанням і те, що ми робимо, було важливим.

Але, таким чином я мало не розбив військовий літак вартістю £50 мільйонів.

Мої дії щодо досягнення 0g з метою прибирання шасі після зльоту були порушенням правил. Проте, вони стали для нас звичними – я насправді вважав, що робив все правильно.

Я помилявся.

Нам пощастило того дня. Але, як у випадку з моєю «нормалізацією девіантності», так у наведених прикладах були попереджувальні сигнали:

«Фокус полягає в тому, що потрібно наповнити мішок досвіду, поки ти не спустошив мішок із удачею».

Перш ніж ви спробуєте змінити світ, подивіться туди, звідки ви стартували.

Чи це правильно?

Чи ви не відхилилися від того, що для Вас було нормальним?

Я говорю «для Вас» тому, що всі ми різні. У кожного з нас своє розуміння, свої стандарти, від яких, відверто кажучи, ми часто відхиляємось.

Тож не все відразу.

Вирівняйтеся, перш ніж ви впали.

Можливо варто сконцентруватися на боротьбі з курінням, перш ніж ви купили абонемент у тренажерний зал за £50 на місяць? Або припинити їсти чіпси і шоколад, перш ніж ви повністю присвятили себе схудненню?

Знаєте чому в літаку вам кажуть, що потрібно спочатку надіти кисневу маску на себе, а потім допомагати іншим?

Тому що, якщо ви не допоможете собі, ви не зможете допомогти нікому.

Присвятіть час собі – це не просто, але воно того варте.

Під час підготовки до зльоту я завжди перевіряю, чи підпорядковуються мені органи управління, чи не заходить на посадку ще хтось (щоб він не приземлився мені на голову) і чи вільна злітно-посадкова смуга.

Я також перевіряю, чи задіяні коректні закрилки та чи справна система катапультування.

Я переконуюсь у тому, що підкорився елементарним правилам безпеки польоту, перш ніж зробив його.

У цьому разі, якщо у мій двигун потрапить птах і відірве лопатку компресора під час зльоту, я забезпечу себе найбільшим шансом упоратися із ситуацією.

Запитайте себе, що заважає мені стати тим, ким я хочу?

І тоді Ви зможете сконцентруватися на поверненні до основ «себе».


Джерело

Основні переваги бізнес-аналітики

Незамінним інструментом для сучасного бізнесу є бізнес-аналітика. Незалежно від сфери діяльності, кожна компанія генерує величезні обсяги даних. Правильна робота з ними відкриває безліч можливостей для розвитку бізнесу.

Бізнес-аналітика – це інструмент, який використовує кількісні методи отримання цінної інформації (сенсу) з наданих даних. На основі отриманої інформації бізнес здатний приймати обґрунтовані рішення, вживати певних заходів та проводити детальний аналіз ситуації.

Основні переваги бізнес-аналітики:

Наука про дані для телекомунікаційної сфери

В час цифрової епохи важливою складовою є телекомунікації, завдяки яким забезпечується безперебійний зв’язок та обмін даними. Паралельно з розвитком технологій зростає обсяг даних, що генерують телекомунікаційні компанії. Це сприяло пошуку рішень у галузі науки про дані для трансформації телекомунікаційної сфери.

Телекомунікаційні компанії збирають величезну кількість даних: записи дзвінків, текстові повідомлення, дані про місцезнаходження, інформацію про взаємодію з клієнтами тощо. Правильне використання таких даних допоможе розкрити інформацію, яка сприятиме розвитку бізнесу, покращенню якості обслуговування клієнтів та оптимізації операційної діяльності.

Наука про дані може допомогти вирішити такі проблеми телекомунікаційного сектора:

Основою рішень для обробки даних у телекомунікаційній сфері є технології великих даних та штучного інтелекту.

Основні складові для успішного впровадження ШІ

Трансформуюча сила ШІ сприяє зростанню його популярності. Кожна компанія будь-якого розміру прагне використати цю технологію та впровадити її у свою повсякденну діяльність. Однак, впровадження ШІ може стати досить складним завданням, яке потребує стратегічного підходу, планування, ресурсів та готовності до інновацій. Далі основні складові, які допоможуть успішно запровадити ШІ.

  1. Цілі та потреби бізнесу

Насамперед необхідно визначити чіткі цілі та потреби компанії. Розуміючи всі поточні процеси, можна легко відповісти на запитання «де, як та які процеси зможе оптимізувати ШІ». Доцільно використовувати цю технологію з метою автоматизації трудомістких та повторюваних завдань, прийняття ефективніших рішень та покращення якості обслуговування клієнтів.

  1. Вибір рішення

Ринок має безліч рішень для ШІ, зокрема, чат-боти, процеси природної мови, машинне навчання, глибоке навчання тощо. Важливо вибрати правильне рішення, яке закриє потреби бізнесу. Вибираючи рішення, варто вивчити технології та платформи ШІ та враховувати масштабованість, гнучкість та простоту інтеграції. Варто також звернути увагу на сумісність рішення із існуючою інфраструктурою.

  1. Стратегія даних

Для навчання та складання прогнозів ШІ використовує великі обсяги даних. Тому має бути чітка і зрозуміла стратегія роботи з даними, яка включає: визначення необхідних даних, визначення способу отримання даних різного типу, способи збирання, зберігання та отримання доступу до даних, правила конфіденційності даних, відповідальних за зберігання даних, способи та цілі використання аналітики даних для отримання інформації та виявлення тенденцій.

  1. Команда

Успішне використання цієї технології передбачає наявність кваліфікованої команди. До неї можуть входити фахівці з даних, інженери з машинного навчання, інженери даних та фахівці у предметній галузі.

  1. Навчання моделі ШІ

Для навчання моделі ШІ, вивчення закономірностей та складання обґрунтованих прогнозів необхідно надати всеосяжний набір даних. Також необхідно співпрацювати з вченими за даними та експертами зі ШІ. Це допоможе розробити та налаштувати модель для отримання точних та надійних результатів, які відповідатимуть цілям бізнесу.

  1. Інтеграція у процеси

Після навчання та тестування модель ШІ можна інтегрувати у бізнес-операції. У процесі інтеграції можливе внесення деяких змін до існуючих систем та процесів. При розгортанні слід докласти зусиль та мінімізувати помилки в існуючих робочих процесах. Також важливо забезпечити зацікавлені сторони регулярною підтримкою та навчанням. Це допоможе успішно перейти до операцій із управлінням ШІ.

  1. Моніторинг та оцінка продуктивності

Регулярне відстеження та оцінка продуктивності необхідна для впевненості у правильності роботи моделі ШІ та її результативності. Варто визначити ключові показники, за допомогою яких можна виміряти вплив ШІ на діяльність компанії. Аналіз результатів допоможе виявити проблеми та точки покращення.

  1. Покращення

Як і будь-яка технологія, модель ШІ потребує регулярного оновлення. Це є ключем до збереження конкурентних переваг бізнесу. У міру змін та розвитку бізнесу необхідно вносити корективи до моделі ШІ. Постійно з’являються нововведення в галузі технологій та методологій ШІ, які можна додавати та застосовувати. Але перед цим варто подумати, як і навіщо їх можна застосувати. Перегляд та оновлення стратегії роботи з даними сприяє більшому розвитку бізнесу.

GoUp Chat