Statistikos duomenys – ne šventasis Gralis, bet įrankis
Verslo pasaulyje statistika tapo savotišku fetišu. Visi kalba apie „duomenimis grįstus sprendimus”, „big data” ir „analitikos galią”. Tačiau realybė dažnai būna gerokai liūdnesnė – daugelis vadybininkų ir verslininkų tiesiog nežino, ką daryti su tais statistikos duomenimis, kuriuos gauna iš oficialių šaltinių. Statistikos departamento ataskaitos dažnai baigiasi archyvuose, o sprendimai priimami remiantis intuicija arba „taip visada darėme”.
Problema ne tame, kad statistikos duomenų trūksta. Priešingai – jų per daug. Lietuvos statistikos departamentas, Eurostat, įvairios ministerijos ir agentūros kasmet publikuoja milžinišką kiekį informacijos. Bet kiek iš to realiai naudojama? Kiek verslo sprendimų tikrai grindžiami šiais duomenimis, o ne tiesiog jais pagrindžiami jau priimti sprendimai?
Šis straipsnis – ne dar vienas vadovėlis apie tai, kaip skaityti lenteles. Čia pabandysime suprasti, kaip kritiškai vertinti oficialią statistiką, kaip atpažinti jos ribas ir kaip ją panaudoti taip, kad ji tikrai padėtų priimti geresnius verslo sprendimus, o ne tik gražiai atrodytų prezentacijoje.
Kodėl oficiali statistika dažnai apgauna
Pirmiausia reikia suprasti vieną paprastą dalyką: oficiali statistika nėra objektyvi realybės atspindys. Ji yra tam tikras realybės modelis, sukurtas pagal konkrečias metodikas, su konkrečiomis prielaidomis ir apribojimais. Ir čia slypi pirmoji problema – dauguma žmonių šito nesupranta arba nepaiso.
Pavyzdžiui, paimkime nedarbo statistiką. Kai skaitome, kad šalies nedarbo lygis yra 6%, ką tai reiškia? Daugelis mano, kad 6% darbingo amžiaus žmonių neturi darbo. Bet realybė sudėtingesnė. Oficiali nedarbo statistika neskaičiuoja žmonių, kurie nusivylė ir nustojo ieškoti darbo. Neskaičiuoja ir tų, kurie dirba „po stalu”. Neskaičiuoja ir tų, kurie formaliai įdarbinti, bet realiai dirba vos kelias valandas per savaitę.
Arba paimkime vidutinio atlyginimo statistiką. Kai skaitome, kad vidutinis atlyginimas šalyje yra 1500 eurų, tai nereiškia, kad dauguma žmonių gauna apie tiek. Vidurkis yra labai jautrus ekstremaliosioms reikšmėms. Jei turime devynis žmones, gaunančius po 1000 eurų, ir vieną, gaunantį 10000 eurų, vidutinis atlyginimas bus 1900 eurų, nors 90% žmonių gauna gerokai mažiau.
Praktinis patarimas: Visada žiūrėkite ne tik į vidurkius, bet ir į medianas, kvartilius, pasiskirstymo grafikus. Skaitykite metodiką – kaip buvo surinkti duomenys, kas buvo įtraukta, o kas ne. Statistikos departamentai paprastai tai nurodo, bet daugelis šių skyrių net neatidaro.
Laiko eilučių spąstai ir sezoniniai svyravimai
Dar viena dažna klaida – neteisingas laiko eilučių interpretavimas. Verslo žmonės mėgsta palyginti šio mėnesio rezultatus su praėjusio mėnesio rezultatais ir daryti išvadas apie tendencijas. Bet daugelis ekonominių rodiklių turi stiprų sezoninį komponentą.
Pavyzdžiui, mažmeninė prekyba gruodį visada šoka į viršų dėl Kalėdų. Jei sausį matote kritimą, tai nereiškia, kad prasidėjo krizė – tai tiesiog normalus sezoninis svyravimas. Panašiai statybų sektorius žiemą visada sulėtėja, o pavasarį atgyja. Turizmo sektorius turi savo sezonus.
Statistikos departamentai paprastai publikuoja ir sezoniškai pakoreguotus duomenis, bet ne visi juos naudoja. O dar blogiau – kai kurie naudoja pakoreguotus duomenis vienais atvejais ir nepakoreguotus kitais, priklausomai nuo to, kuri versija labiau tinka jų naratyvui.
Kita problema – bazinio periodo pasirinkimas. Kai lyginame šių metų rodiklius su praėjusių metų, svarbu suprasti, koks buvo tas bazinis periodas. Jei praėjusiais metais tuo metu buvo krizė, tai šiais metais net ir vidutiniai rezultatai atrodys kaip fantastiškas augimas. Ir atvirkščiai – jei lyginame su išskirtinai sėkmingu periodu, net geri rezultatai atrodys kaip nuosmukis.
Koreliacijos ir priežastingumo painiava
Tai klasikinė statistinė klaida, bet ji vis dar labai paplitusi verslo sprendimų priėmime. Jei du rodikliai juda kartu, tai nereiškia, kad vienas sukelia kitą. Gali būti, kad abu priklauso nuo trečio veiksnio. Arba kad tai tiesiog atsitiktinė sutaptis.
Pavyzdžiui, galite pastebėti, kad jūsų pardavimai auga tuo pačiu metu, kai auga BVP. Ar tai reiškia, kad BVP augimas sukelia jūsų pardavimų augimą? Galbūt. Bet gali būti ir taip, kad abu rodikliai auga dėl to, kad gerėja vartotojų nuotaikos. Arba dėl to, kad sumažėjo palūkanų normos. Arba dėl to, kad jūsų konkurentas pasitraukė iš rinkos.
Dar blogiau, kai verslo žmonės pradeda kurti sudėtingus modelius, grįstus koreliacijos koeficientais, ir tikisi, kad šie modeliai prognozuos ateitį. Problema ta, kad koreliacija gali būti nestabili. Du rodikliai gali judėti kartu dešimt metų, o paskui staiga jų ryšys nutrūksta, nes pasikeičia struktūrinės sąlygos.
Konkreti rekomendacija: Niekada nedarykite išvadų apie priežastingumą vien iš koreliacijos. Ieškokite loginių mechanizmų – kodėl vienas dalykas turėtų sukelti kitą? Testuokite alternatyvias hipotezes. Ir visada atminkite, kad praeities koreliacija negarantuoja ateities ryšio.
Kaip realiai panaudoti statistiką strateginiams sprendimams
Gerai, kritikavome pakankamai. Dabar apie tai, kaip statistiką naudoti protingai. Pirmiausia reikia suprasti, kad statistika geriausia ne prognozėms daryti, o kontekstui suprasti. Ji padeda atsakyti ne į klausimą „kas bus”, o į klausimą „kas vyksta ir kodėl”.
Tarkime, planuojate investuoti į naują produktą. Vietoj to, kad ieškotumėte statistikos, kuri „įrodytų”, kad jūsų idėja gera, naudokite statistiką kritiškai. Žiūrėkite į demografinius pokyčius – ar jūsų tikslinė auditorija auga, ar mažėja? Analizuokite pajamų pasiskirstymą – ar jūsų produktas bus prieinamas pakankamai didelei rinkai daliai? Stebėkite vartojimo struktūros pokyčius – ar žmonės vis daugiau leidžia tokiems produktams, ar vis mažiau?
Svarbu žiūrėti ne į vieną rodiklį, o į kelių rodiklių kombinaciją. Pavyzdžiui, jei matote, kad vidutinės pajamos auga, bet kartu auga ir skolos našta, tai gali reikšti, kad žmonių perkamoji galia realiai ne tokia stipri, kaip atrodo iš pirmo žvilgsnio.
Dar vienas naudingas būdas – lyginamoji analizė. Žiūrėkite ne tik į Lietuvos statistiką, bet ir į kitų šalių. Kaip jūsų sektorius vystosi Lenkijoje, Estijoje, Čekijoje? Ar ten matote panašias tendencijas? Jei taip, tai gali būti struktūriniai pokyčiai, kurie ateis ir pas mus. Jei ne – galbūt yra specifinių vietinių veiksnių, kuriuos reikia suprasti.
Regioninė statistika – neįvertintas lobis
Dauguma verslo žmonių naudoja tik nacionalinę statistiką. Bet Lietuva, nors ir maža šalis, yra labai nevienalytė. Vilnius, Kaunas, Klaipėda, Šiauliai ir kiti regionai gyvena skirtingais ritmais, turi skirtingas demografines struktūras, skirtingus ekonominius profilius.
Jei planuojate plėtrą į regionus, nacionalinė statistika gali būti labai klaidinanti. Pavyzdžiui, nacionalinis vidutinis atlyginimas gali būti 1500 eurų, bet Vilniuje – 1800, o Utenos apskrityje – 1200. Tai reiškia, kad produktai ar paslaugos, kurie gerai veikia Vilniuje, gali būti per brangūs regionams.
Panašiai ir su demografija. Vilnius jaunėja, o daugelis regionų sensta ir tuštėja. Jei jūsų produktas orientuotas į jaunimą, regioninė plėtra gali būti rizikinga. Bet jei produktas skirtas vyresnio amžiaus žmonėms, regionai gali būti perspektyvesni nei sostinė.
Praktinis patarimas: Statistikos departamentas publikuoja daug regioninių duomenų, bet jie dažnai „paslėpti” giliau nei nacionalinė statistika. Verta skirti laiko juos surasti ir išanalizuoti. Taip pat naudinga žiūrėti į savivaldybių duomenis – kai kurios savivaldybės publikuoja labai detalią statistiką apie savo teritorijas.
Mikro ir makro duomenų derinimas
Viena didžiausių klaidų – bandyti priimti verslo sprendimus remiantis tik makroekonomine statistika arba tik savo įmonės vidiniais duomenimis. Reikia derinti abu lygmenis.
Jūsų įmonės pardavimų duomenys parodo, kas vyksta jūsų versle. Bet ar tai, kas vyksta jūsų versle, atspindi rinkos tendencijas, ar tai jūsų specifinė situacija? Čia ir praverčia oficiali statistika. Jei jūsų pardavimai krenta, bet sektoriaus statistika rodo augimą, tai reiškia, kad problema jūsų įmonėje, ne rinkoje. Jei jūsų pardavimai auga, bet sektorius krenta, tai reiškia, kad laimite rinkos dalį – gera žinia, bet reikia suprasti, kodėl, ir ar tai tęsis.
Panašiai su kainomis. Jei jūsų sąnaudos auga, bet sektoriaus kainų indeksas rodo stabilumą, tai reiškia, kad problema jūsų tiekimo grandinėje ar efektyvume. Jei visas sektorius susiduria su kainų augimu, tai struktūrinė problema, kurią reikia spręsti kitaip.
Dar vienas naudingas derinys – jūsų klientų duomenys ir demografinė statistika. Kas yra jūsų klientai? Kokio amžiaus, kokių pajamų, kur gyvena? Kaip šie parametrai keičiasi oficialios statistikos duomenyse? Jei jūsų tikslinė auditorija mažėja, tai strateginė problema, kurią reikia spręsti dabar, ne tada, kai pajusite poveikį pardavimams.
Statistikos duomenų kokybė ir patikimumas
Ne visi statistikos šaltiniai vienodai patikimi. Lietuvos statistikos departamentas laikosi griežtų Eurostat standartų, todėl jo duomenys paprastai yra patikimi. Bet net ir čia būna problemų.
Pirma, kai kurie duomenys grindžiami tyrimais, o ne visiška apskaita. Pavyzdžiui, darbo jėgos tyrimas apklausia tik imtį gyventojų, todėl turi statistinę paklaidą. Smulkesnėms grupėms (pavyzdžiui, konkrečiai profesijai ar konkrečiam regionui) paklaida gali būti gana didelė.
Antra, kai kurie duomenys priklauso nuo to, kaip žmonės atsako į klausimus. Pavyzdžiui, pajamų tyrimai dažnai nuvertina realias pajamas, nes žmonės linkę nurodyti mažesnes sumas nei iš tikrųjų gauna. Ypač tai aktualu šešėlinei ekonomikai – oficiali statistika jos tiesiog nemato.
Trečia, yra laiko vėlavimas. Kai kurie statistikos duomenys publikuojami su kelių mėnesių vėlavimu. Kai gaunate duomenis, jie jau gali būti pasenę. Greitai besikeičiančioje aplinkoje tai gali būti problema.
Konkreti rekomendacija: Visada žiūrėkite į duomenų publikavimo datą ir į tai, kokį periodą jie apima. Skaitykite metodologinius paaiškinimus – kaip buvo surinkti duomenys, kokia imtis, kokia paklaida. Jei duomenys grindžiami tyrimu, žiūrėkite į pasikliautinuosius intervalus, ne tik į taškines reikšmes.
Kai skaičiai nepasakoja visos istorijos
Galiausiai, svarbiausias dalykas, kurį reikia suprasti apie statistiką – ji niekada nepasakoja visos istorijos. Statistika gali parodyti „ką”, bet retai paaiškina „kodėl”. O verslo sprendimams priimti „kodėl” dažnai yra svarbiau nei „ką”.
Pavyzdžiui, statistika gali parodyti, kad jūsų sektoriuje pardavimai krenta. Bet kodėl? Ar dėl to, kad keičiasi vartotojų preferencijos? Ar dėl to, kad atsirado nauji pakaitalai? Ar dėl ekonominio nuosmukio? Ar dėl reguliavimo pasikeitimų? Statistika pati savaime į tai neatsakys. Jums reikės papildomos informacijos – kokybinių tyrimų, ekspertų nuomonių, rinkos stebėjimo.
Todėl statistika turėtų būti naudojama kaip vienas iš informacijos šaltinių, bet ne vienintelis. Ji puikiai tinka hipotezėms tikrinti, kontekstui suprasti, tendencijoms identifikuoti. Bet ji negali pakeisti kritinio mąstymo, rinkos pažinimo ir verslo intuicijos.
Geriausi verslo sprendimai priimami tada, kai derinami keli požiūriai: kiekybiniai duomenys (statistika), kokybinė informacija (pokalbiai su klientais, rinkos stebėjimai), ekspertų nuomonės ir patirtis. Statistika be konteksto yra tik skaičiai. Kontekstas be statistikos yra tik nuomonės. Reikia abiejų.
Ir paskutinis dalykas – nebijokite pripažinti, kai statistika prieštarauja jūsų įsitikinimams. Tai viena dažniausių klaidų – ieškoti statistikos, kuri patvirtintų tai, ką jau nusprendėte, ir ignoruoti duomenis, kurie rodo priešingai. Jei statistika rodo ką nors netikėto, tai gali būti vertingiausia informacija. Galbūt jūsų prielaidos buvo klaidingos. Galbūt rinka pasikeitė. Galbūt jūs kažko nematote. Būtent tokie momentai ir yra progos priimti geresnius sprendimus.
Taigi statistika – nei šventasis Gralis, nei beverčiai skaičiai. Tai įrankis, kuris gali būti labai naudingas, jei mokate jį naudoti kritiškai, suprantate jo ribas ir derinate su kitais informacijos šaltiniais. Verslo sprendimai, grindžiami gerai interpretuota ir protingai panaudota statistika, paprastai būna geresni nei sprendimai, grindžiami vien intuicija ar anekdotiniais įrodymais. Bet tik jei ta statistika naudojama protingai, o ne aklai.
