Между академией и индустрией: как сегодня работают с данными
Работа с данными существует сразу в двух мирах – академическом и индустриальном, – и у каждого своя логика, свой темп и свои представления об удачном результате. Где эти миры расходятся, где пересекаются и почему самое интересное возникает именно на их стыке – об этом рассуждают сотрудники лаборатории Анна Карташева, Михаил Мешков и Даниил Ковалёв.
В анализе данных граница между академией и индустрией сегодня становится все более проницаемой. Бизнес формулирует очень конкретные запросы: как понять, что происходит внутри команды или организации, какие факторы связаны с эффективностью, где возникают коммуникационные разрывы, как выявить неочевидные группы, роли и паттерны взаимодействия, как на основе данных принимать управленческие решения. Но далеко не каждый такой запрос можно сразу превратить в готовый аналитический продукт.
И здесь, на мой взгляд, особенно важна роль академической среды. Исследователь не просто применяет существующий инструмент к новому массиву данных — он задает вопрос о том, действительно ли выбранный показатель измеряет то, что мы хотим измерить, насколько устойчив полученный результат, какие альтернативные объяснения существуют. В бизнесе естественно ожидание ответа и решения; в науке нормальным результатом исследования может быть и опровержение исходной гипотезы. Именно это различие иногда создает напряжение, но одновременно делает сотрудничество особенно ценным.
При этом академия тоже не может существовать отдельно от реальных задач. Индустриальные данные и запросы позволяют увидеть проблемы, которые трудно обнаружить в рамках исключительно теоретической работы, проверить методы в более сложной среде и сформулировать новые исследовательские вопросы. Поэтому я бы говорила не столько о том, «отвечает ли академия на запросы бизнеса», сколько о совместной постановке задачи. Самые интересные проекты возникают тогда, когда бизнес приносит реальную проблему, а исследователь помогает превратить ее в вопрос, на который вообще можно корректно ответить с помощью данных.
Для сетевого анализа это особенно заметно. Многие процессы в организациях невозможно понять, анализируя только индивидуальные характеристики сотрудников: важно видеть структуру взаимодействий между людьми, командами и подразделениями. Такие методы позволяют перейти от отдельных показателей к анализу самой системы отношений. И здесь соединение фундаментальной методологии, данных из реальной организационной среды и понимания управленческой задачи может дать значительно больше, чем каждая из этих составляющих по отдельности.
«Бизнесу нужна определенность и повторяемость, тогда как научный подход предполагает возможность того, что гипотеза не подтвердится; плюс различаются скорости работы и ожидания от результата».
Заметка Анны Карташевой для IQ Media «Наука и бизнес: рецепты интеграции Как выстроить взаимовыгодную коллаборацию».
Для меня работа с данными в академии и в индустрии это два мира или скорее два множества, которые пересекаются, но при этом всё же весьма различны. Индустрия часто требует проверенных методов, следования строгим шаблонам и, что самое главное, результата в коротком горизонте. Академия же в первую очередь позволяет сосредоточиться на исследовании как на процессе и, что самое главное, пробовать и изучать новые, ещё не проверенные подходы, а самое главное создавать их. В связи с этим, на мой взгляд, совмещение этих двух сфер чрезвычайно полезно. В одной ты применяешь и внедряешь знания в мир, в другой создаёшь их. И такой подход позволяет не выгореть при часто монотонной аналитической работе, ведь как сказал великий учёный И. М. Сеченов: «лучший отдых это смена деятельности».
С концептуальной точки зрения миры науки и индустрии – это автономные социальные пространства, каждое из которых работает по собственным правилам и борется за свой специфический тип капитала. Еще Пьер Бурдье показал нам, что любое поле обладает относительной автономией: оно самостоятельно определяет, что считается ценным, кто признается успешным и какие ресурсы дают возможность занять более высокую позицию. В академической среде главным капиталом выступают научная репутация, публикации, признание коллег и вклад в производство нового знания. В индустрии же ключевое значение приобретают экономическая эффективность, технологические решения, скорость внедрения инноваций и их коммерческая востребованность.
Однако автономия не означает полной изоляции. Напротив, сегодня эти поля все чаще пересекаются. Наука нуждается в доступе к данным, технологиям и ресурсам бизнеса, тогда как индустрия обращается к научному знанию как источнику инноваций. Именно на стыке этих двух миров возникают новые формы сотрудничества, где фундаментальные исследования превращаются в прикладные решения, а практические задачи становятся отправной точкой для новых научных открытий.
Кроме того, положение самого исследователя можно рассматривать сразу из двух перспектив. Преимуществом академической среды является то, что она поощряет критическое осмысление, обеспечивает сильную методологическую подготовку и создает условия для тщательной проверки гипотез. Хорошим примером здесь выступают вычислительные социальные науки – междисциплинарное направление, в котором исследователи осваивают современные методы анализа данных, машинного обучения, сетевого анализа, сочетая их с пониманием социальных процессов. Такая подготовка формирует способность корректно интерпретировать результаты, учитывать ограничения данных и критически оценивать применяемые методы.
Индустрия, напротив, ориентирована на скорость, эффективность и принятие решений в условиях ограниченного времени. Здесь особенно ценятся практическая применимость решений, способность работать с большими объемами данных и быстро адаптироваться к меняющимся бизнес-задачам. Однако именно сочетание этих двух логик позволяет сформировать наиболее востребованного специалиста по работе с данными.
В результате современный исследователь уже не ограничен рамками одного поля. Он способен свободно переходить между академией и индустрией, адаптируя свои знания и компетенции к разным задачам. В академической среде он способствует развитию новых методов и производству научного знания, а в индустрии -–внедряет эти методы в реальные процессы, помогая принимать более обоснованные решения. Именно такая мобильность позволяет одновременно вносить вклад в развитие науки и создавать практическую ценность для общества и бизнеса.
