Связь данных и “человеческого” фактора

Эта цитата — точное попадание с главной болезнью современной аналитики: разрыв между холодными цифрами и живой человеческой реальностью. Вот как данные и человеческий фактор связаны, и почему эмпатия — не “мягкий навык”, а профессиональная необходимость экономиста:

 📊 1. Данные Без Контекста — Слепы (и Опасны)

Пример: “Рост бедности на 5%”

 Без “человеческого” фактора:

Абстрактный процент, “тренд”, “отклонение от прогноза”. 

 С эмпатией и контекстом: 

    – Это 7,3 млн человек (если 5% от населения РФ), 

    – которые теперь: 

        – Заменяют мясо гречкой (недоедание → проблемы здоровья), 

        – Откладывают визит к врачу (хронические болезни → кризис системы здравоохранения), 

        – Забирают детей из кружков (потеря образовательных возможностей → долгосрочная социальная деградация), 

        – Продают последнее имущество (невозможность восстановить статус-кво). 

 Вывод:

Цифра не описывает масштаб трагедии и цепную реакцию проблем. Отчет без этого — действительно “циничный мусор”.

 🔍 2. Качественные Данные  Количественных, Когда Нужно Понять Почему

Пример: Почему люди отказываются от лекарств?

 Только количественные данные:

“40% больных гипертонией не покупают препараты”. 

 С включением “человеческого” фактора (глубинные интервью): 

 – “Я выбираю:

купить таблетки маме или куртку сыну на зиму” (социальная роль, гендерное давление), 

 – “Врач выписал новое лекарство за 2000₽. Старое за 200₽ помогало, но исчезло из аптек” (недоверие к системе, дефициты), 

    – “Брошу пить таблеты — авось пронесет” (иррациональная надежда, низкая медицинская грамотность). 

 Вывод:

Экономист, знающий это, предложит не “субсидировать 5% лекарств”, а менять систему льгот, бороться с дефицитами, запускать образовательные программы.

 💔 3. Эмпатия Превращает “Издержки” в “Судьбы” (и Меняет Решения)

Пример: Закрытие нерентабельного завода в моногороде. 

 Без эмпатии:

“Сокращение 2000 рабочих мест. Экономия: $10 млн в год. NPV положительный”. 

 С эмпатией: 

    – “2000 семей теряют единственный доход. Город (население 50 тыс.) лишается 40% налогов. Безработица → рост алкоголизма, разводы, детская бедность. Миграция молодежи → смерть города”. 

 Решение:

Не просто закрыть завод, а разработать план трансформации территории: переобучение, привлечение новых инвесторов, поддержка малого бизнеса, соцпрограммы. Даже если NPV ниже — это инвестиция в социальную стабильность.

 📉 4. “Человеческий Фактор” — Ключ к Реальному Исполнению Реформ

Пример: Повышение пенсионного возраста. 

 Только данные:

“Спасет Пенсионный фонд, сбалансирует бюджет”. 

 С пониманием людей: 

    – 60-летняя учительница с гипертонией не может стоять у доски, 

    – Шахтер в 58 — инвалид, но формально “должен” работать, 

    – Страх, гнев, ощущение несправедливости → протесты, падение доверия к власти. 

 Провал:

Реформа “по учебнику” вызовет социальный взрыв. Экономист с эмпатией предложит гибкие схемы (досрочная пенсия для вредных профессий, переобучение, налоговые льготы работодателям 60+).

 🌱 5. Как Интегрировать “Человеческое” в Работу Экономиста?

 Методы: 

    – Этнография: Проведи день с семьей, перешедшей на гречку. Пойми их выбор. 

    – Глубинные интервью: Спроси: “Что вы вычеркнули из бюджете в первую очередь? Почему?” 

    – Анализ соцсетей: Ищи посты с хештегами #гречкавместомяса, #лекарствнет — это “боль” в реальном времени. 

    – Фокус-группы с врачами: Узнай, как бедность меняет картину заболеваемости. 

 Инструменты отчетности: 

    – “Цифра + История”: Рядом с “5%” — колонка: “Реальные последствия: …”. 

    – Карты стейкхолдеров: Не “население”, а “одинокие пенсионерки”, “многодетные водители такси”. 

    – Сценарии влияния: Не только “падение ВВП”, но и “рост детской смертности на Х%”. 

 ❗ Почему Эмпатия = Профессионализм?

– Предотвращает слепоту: Данные могут лгать (например, если бедные перестали ходить к врачам — статистика “улучшается”). 

– Строит устойчивые решения: Реформы, игнорирующие боль, обречены на саботаж. 

– Спасает репутацию: Отчеты без человеческого измерения разоблачают СМИ и соцсети → кризис доверия. 

– Это этично: За цифрами — люди. Их страдания не могут быть “погрешностью модели”. 

Вопрос-Ответ:

Вопрос 1:

Конкретно в госпланировании: Как знание “человеческого фактора” меняет интерпретацию данных, например, “снижение обращений в поликлиники на 10%” в бедном регионе? Почему это не всегда позитивный тренд?

Ответ 1:

Без контекста “человеческого фактора” чиновник может ошибочно заключить: “Улучшилось здоровье населения” или “Повысилась эффективность телемедицины”. Однако, понимание реалий бедности и эмпатия заставляют задать вопросы:

– Отказ от визитов: Люди экономят на себе, откладывая лечение (“Гречка важнее похода к врачу по поводу давления”), не могут оплатить транспорт до поликлиники.

– Страх расходов: Обращение может привести к дорогим назначениям или анализам, которые семья не потянет.

– Потеря доверия: Опыт некачественной или грубой помощи в прошлом отбивает желание обращаться.

Вывод: Снижение обращений – тревожный сигнал о катастрофическом недоступности базовой медпомощи и росте “скрытой” заболеваемости. Отчет должен не хвастаться цифрой, а бить тревогу и требовать мер: мобильные бригады, бесплатные лекарства от хроники, программы транспортной доступности.

Вопрос 2:

Как практически интегрировать “человеческие истории” в сухие финансовые или экономические отчеты (например, отчет для Минфина о последствиях инфляции), чтобы они не воспринимались как “несерьезные” или “эмоциональные”?

Ответ 2:

Ключ – в методичном соединении числа и смысла:

1.  “Цифра + Качественная расшифровка”: Рядом с “Инфляция на продовольствие: 20%” добавить столбец: “Типичная реакция домохозяйств: Замена мяса/рыбы на крупы (75% опрошенных семей), отказ от фруктов (60%), сокращение порций для детей (15% многодетных)”.

2.  Кейсы как иллюстрация тренда: Включить 2-3 коротких (3-5 предложений) анонимизированных кейса из интервью/опросов: “Семья N: Отец-водитель, мать-в декрете. Исключили мясо, молоко, яйца. Дети едят макароны с маслом. Отложили покупку зимней обуви ребенку”.

3.  Карты влияния: Визуализировать цепочку последствий: “Рост цен на бензин → Удорожание логистики → Рост цен на продукты → Сокращение калорийности рациона в семьях X → Риск авитаминоза у детей Y → Долгосрочные затраты на здравоохранение Z”.

4.  Язык фактов, а не сантиментов: Описывать конкретные действия и последствия (“перешли на двухразовое питание”, “отказались от планового лечения зубов”), а не общие слова (“им тяжело”).

Такой отчет сохраняет строгость, но делает последствия данных видимыми и неопровержимыми для принимающих решения.

Вопрос 3:

В бизнес-аналитике (например, ритейл): Как “человеческий фактор” помогает понять реальную причину падения продаж дорогих йогуртов на 15%, которую не покажут стандартные данные о ценах и доходах?

Ответ 3:

Данные скажут “что” (падение продаж), но не “почему”. Эмпатия и качественные методы раскроют скрытое:

– Сдвиг в восприятии ценности: “Йогурт за 150₽ теперь кажется непозволительной роскошью, даже если доход формально не изменился. Люди чувствуют вину за такие траты” (Психология, эффект “вины за трату” в кризис).

– Символическое замещение: “Покупаю кефир за 60₽ – это теперь знак разумности, бережливости, а не бедности” (Социология, конструирование новой “правильной” идентичности).

– Изменение приоритетов: “Эти 90₽ разницы – теперь стоимость проезда ребенка в школу или упаковка дешевых макарон” (Конкретика семейного бюджета).

– Качество vs. Базовая наполненность: “Дорогой йогурт – это ‘хотелка’, а гречка – это ‘надо’. Сначала ‘надо'” (Иерархия потребностей в условиях стресса).

Понимание этого подтолкнет не к скидкам на йогурты (что может усилить ощущение их “необязательности”), а, возможно, к брендингу, подчеркивающему их незаменимую пользу для здоровья детей в доступной коммуникации, или к пересмотру ассортимента в пользу более простых упаковок/рецептур.

Вопрос 4:

Почему игнорирование “человеческого фактора” при работе с Big Data (например, в социальной политике) может привести к опасным решениям, даже если алгоритмы технически корректны? Приведите пример.

Ответ 4:

Пример: Алгоритм для оптимизации выплат пособий по безработице, обученный на исторических данных, может систематически снижать баллы/размер выплат:

– Жителям депрессивных моногородов (где работы объективно нет, но алгоритм видит “низкую активность поиска”).

– Матерям с маленькими детьми (которые не могут формально искать работу 8 часов в день, но алгоритм интерпретирует это как “недостаточное усилие”).

– Людям с ограниченными возможностями (которым доступно меньше вакансий, но алгоритм не учитывает барьеры).

Технически корректно? Да, если цель – минимизация выплат на основе прошлых паттернов.

Опасно? Абсолютно! Это усиливает бедность, социальную несправедливость и отчаяние у наиболее уязвимых групп. Алгоритм не видит:

– Структурные барьеры (отсутствие рабочих мест, инфраструктуры, дискриминацию).

– Неформальные стратегии выживания (уход за родственниками, подработки “в черную”).

– Психологическое состояние (депрессию, потерю мотивации из-за многолетних отказов).

Без гуманитарной критики и эмпатии Big Data становится инструментом цифрового угнетения, а не помощи.

Вопрос 5:

Как навык эмпатии делает экономиста более эффективным профессионалом в переговорах (например, с МВФ или при обсуждении условий кредита с инвестором), а не просто “сочувствующим”?

Ответ 5:

Эмпатия здесь – инструмент глубокого понимания мотивации и страхов контрагента:

1.  Предвидеть скрытые возражения: Понимая культурный контекст, политические ограничения и личные карьерные риски оппонента, экономист может заранее адресовать неозвученные страхи (“Вы опасаетесь, что либерализация валютного рынка вызовет панику? Вот наш план коммуникации и поддержки банков…”).

2.  Найти взаимовыгодные решения: Видя за жесткой позицией (“Сократите соцрасходы на 10%!”) реальные ограничения или ценности другой стороны (например, страх МВФ перед дефолтом реципиента), можно предложить альтернативы (поэтапное сокращение, защищенные статьи для уязвимых групп), сохраняя суть.

3.  Построить доверие: Демонстрация понимания сложности позиции оппонента (“Мы осознаем ваше давление со стороны акционеров относительно сроков окупаемости…”) создает атмосферу сотрудничества, а не конфронтации.

4.  Точно дозировать аргументы: Зная, какие аргументы (экономические, социальные, политические) резонируют с конкретной аудиторией, экономист строит более убедительную и прагматичную презентацию.

Эмпатия здесь – не слабость, а стратегическое преимущество для достижения практических целей в сложных переговорах.

Вопрос 6:

В образовательной статистике: Как “человеческий фактор” помогает расшифровать данные “Средний балл ЕГЭ в школе вырос на 5%” и избежать ложных выводов?

Ответ 6:

Цифра роста сама по себе может означать разное, и только понимание контекста дает объективную картину:

– Позитивный сценарий: Улучшение преподавания, мотивации учеников.

– Тревожные сценарии (требующие эмпатии и расследования):

    – “Отсев” слабых: Школа могла “мягко” вытеснить учеников с низкими прогнозами на семейное обучение или в другие школы до экзамена.

    – Натаскивание на тест: Рост балла ценой сужения кругозора, отказа от углубленного изучения “не-ЕГЭшных” тем.

    – Социальное давление: Ученики из благополучных семей с репетиторами “тянут” среднее, маскируя проблемы детей из уязвимых групп, которые формально сдают, но без реальных знаний.

    – Психологическая цена: Рост балла достигнут ценой запредельного стресса, выгорания учителей и учеников.

Экономист/аналитик с эмпатией не остановится на цифре, а запросит данные об отсеве, проведет анонимные опросы учителей и учеников о нагрузке и методах подготовки, проанализирует распределение баллов по социальным группам. Отчет покажет реальную цену роста и истинные вызовы школе.

Вопрос 7:

Как практически использовать “человеческий фактор” для опровержения ложной “благополучной” статистики, например, когда “официальный уровень бедности снижается”, но люди массово жалуются на ухудшение жизни?

Ответ 7:

Это требует активного сбора и интерпретации качественных данных как контр-аргумента:

1.  Анализ “поведенческих” данных: Рост запросов “дешевые рецепты”, “помощь вещами” в соцсетях и поисковиках. Рост продаж самых дешевых категорий продуктов при падении продаж среднего сегмента.

2.  Исследование потребительских корзин: Сравнить реальную потребительскую корзину семей (через дневники трат, интервью) с официальной. Выявить замены (гречка вместо мяса, поддельные лекарства).

3.  Глубинные интервью и фокус-группы: Зафиксировать конкретику ухудшения: “Раньше покупали курицу 2 раза в неделю, теперь 1 раз в 2 недели”, “Перестали покупать детям йогурты, только кефир”, “Отказались от платного кружка по робототехнике”.

4.  Мониторинг задолженностей: Рост просрочек по ЖКХ, кредитам на базовые нужды даже при “стабильных” доходах (формально выше прожиточного минимума).

5.  Анализ здоровья и доступа к медицине: Рост обращений в благотворительные фонды за лекарствами, фиксация случаев отказа от лечения, рост продаж самых дешевых аналогов лекарств.

Собрав и представив этот качественный контекст, экономист может доказать, что “снижение бедности” статистически может быть достигнуто за счет:

– Устаревшей/неадекватной методики расчета прожиточного минимума.

– Формального роста доходов, не компенсирующего реальную инфляцию базовых товаров и услуг.

– Искусственного сдерживания цен на отдельные товары в корзине при реальном удорожании жизни.

Это превращает “сухие” жалобы в доказательную базу против лоббистов, утверждающих, что “все хорошо по цифрам”. Без “человеческого фактора” ложное благополучие статистики останется неоспоренным.

 Итог:

Экономист, видящий за “ростом бедности на 5%” — матерей, разводящих гречку водой, стариков, жертвующих лекарствами ради внуков, детей без шанса на развитие, — не просто профессионал. Он человек, чья работа имеет смысл. Без этого — да, это просто “циничный мусор”. Как сказала одна сотрудница соцслужбы: “Когда я подаю отчет в Минфин, я прикрепляю фото глаз детей из подопечных семей. Пусть знают, чьи жизни режут их ‘оптимизации'”.

*Сгенерировано нейронной сетью

Автор статьи и промпт-инженер: Андрей Рудик. Специализация: AI. Опыт работы с нейросетями с 2023 г.

Немного внутрянки:
Список используемых ролей для промпта:

Ты - профессиональный, талантливый Экономист-практик с междисциплинарным бэкграундом (выпускник программы «Экономика и культура» РАНХиГС) с 17-летним опытом ::
И также ты - профессиональный талантливый Философ науки (специализация на экономике) (Преподаватель из МГУ, ВШЭ) с 18-летним опытом ::
И ты - профессиональный HR-директор в международной компании (IKEA и Yandex, сохранивших штаб в РФ) с 19-летним опытом ::
И ты - профессиональный Социолог-экономист (Эксперт из «Левада-Центра» и ВЦИОМ) с 20-летним опытом ::
И ты - профессиональный Специалист по устойчивому развитию (ESG) с 21-летним опытом ::