David Graeber: „Bullshit Jobs. A Theory“

2013-ais metais antropologas David Graeber parašė ese apie tai, kad kuo toliau, tuo labiau žmonija dirba beprasmius darbus. Jie ne vien tik nekuria vertės, bet ir kartu varo žmoniją į depresiją: jei visą dieną turi generuoti kvailas ataskaitas Sodrai, sunku jaustis, kad sukūrei ką nors prasmingo. O kuo toliau, tuo tokių darbų daugėja.

„Bullshit Jobs. A Theory“ yra platesnė šios ese versija. Nemažai vietos skiriama ekonominiam aspektui, mat dažniausias prieštaravimas iš ekonomistų visgi būna, kad rinka yra efektyvi ir jei darbas nesukurtų vertės, niekas žmogaus nesamdytų, tačiau centrinė knygos tema visgi yra žmogus ir jo santykis su darbu. Kodėl mes dirbame, ar darbas būtinas savęs realizavimui, kodėl mums tapus turtingesniems mes nepradėjome dirbti trumpiau ir kodėl mes vis blogai jaučiamės ir nesidžiaugiame, nors mūsų gerovė didėja. Labai geri antropologiniai klausimai, apie kuriuos ne dažnai susimąstau.

Mūsų ekonominė politika turi pagrindinę tezę: turtas bei lamė sukuriama per darbą. Tam, kad visi būtų laimingi, reikia kad augtų ekonomika, o ekonomikos augimas koreliuoja su sukurtomis darbo vietomis. Ne vienas politikas žarstydamas pažadus teigia, jog sukurs tūkstančius naujų darbo vietų, ir visi tai priima kaip absoliutų gėrį. Tačiau lengviausia yra sukurti darbo vietas prikuriant kokių nors taisyklių ir apribojimų – tarkim jei padvigubintum mokesčių inspekcijos ataskaitų apimtį, reiktų dvigubai daugiau buhalterių ir dvigubai daugiau mokesčių inspekcijos valdininkų: darbo vietos sukurtos, visi dirba, visi kažkuo užsiėmę, bet reali nauda abejotina. O kuo toliau, tokių darbų vis daugėja.

Blogiausia yra tai, kad dirbdami tokį darbą žmonės nesijaučia laimingi, nes jie vargiai mato tokio darbo prasmę. Sunku didžiuotis tuo, kad sukūrei eilinę ataskaitą. Seniau tai, ką žmogus pagamina, buvo jo svarbiausia identiteto dalis („aš – stalius, nes gaminu baldus“, „aš – kalvis“, „aš – ūkininkas“), o per pastarąjį šimtmetį mes bandome savo identitietą kurti ne per tai, ką sukuriame, o per tai, ką vartojame („aš – Žalgirio fanas“, „aš vartoju tik Apple produkciją“). Bet to neužtenka, nes kad ir kiek ko vartojame, tai neužpildo identiteto tuštumos.

David Graeber stipriai palaiko visuotinių bazinių pajamų idėją – visi turėtų gauti standartinę išmoką, kuri užtikrintų bazinį pragyvenimą, ir taip būtų galima atsikratyti labai daug biurokratijos. Be to, žmonės būtų laisvi užsiimti tuo, ką nori, ir jiems nebūtina būtų sėdėti nekenčiamuose darbuose. Ši idėja verčia pergalvoti ir kitas problemas: tarkim, tokiu atveju visai nereikia pensinio amžiaus (išmokos juk mokamos iki pat mirties) – gal ir pačios SoDros problemas galima spręsti žymiai radikaliau nei perstumdant kėdes Titanike. Tiesa, vis dar išlieka klausimas, ar nedirbantys nekenčiamų darbų žmonės irgi jausis laimingi. Sakoma, kad pasididžiavimo savo pasiekimais jausmas aplanko tik tada, kai tai atėjo per sunkų darbą ar kančią.

Duomenų analitiko darbas dažniausiai yra duomenų valymas

Turbūt didžiausias skirtumas tarp mokykloje ar universitete darytų duomenų analizių ir realaus pasaulio yra turimų duomenų kokybė. Rašėm savaitgaliais magistrinius darbus, pasižiūrėdami į kursiokų failus darėm „statistikos laboratorinius“, sprendėm uždavinius bei iš vadovėlio atkartojom nelabai suprantamas ekonometrinius modelius – ir  beveik visada duomenys buvo duotybė. Ar tai būtų BVP augimo eilutė iš Statistikos departamento, ar Olimpiadų medalių suvestinė: beveik visada duomenys buvo švarūs, tvarkingi, be klaidų, be neužpildytų eilučių, be praleistų kablelių, romėniškų skaitmenų, sunkiai įskaitomo buhalterės Janinos rašto ir pasimetusių sąskaitų-faktūrų. Tereikėdavo tuos duomenis paimti, sudėti į modelį, sukalbėti kelis užkeikimus ir gaudavai vienintelę teisingą p reikšmę ir iš to sekančią išvadą. Didesnis nedarbas yra mažesnė infliacija. Narystė Europos Sąjungoje didina akcijų kainas. Marytė suvalgo daugiau obuolių nei Jonukas.

Skirtingai nei universitete, realybėje duomenys beveik niekada nebūna aiškūs ir tvarkingi. Dažniausiai tau reikiamų duomenų tiesiog nėra (ar daug kas kaupia duomenis apie kiekvienos fizinės parduotuvės kasvalandinį lankytojų srautą?). Jeigu jų galima rasti – jie nepatikimi, nes iki galo nežinai, ar kiekviena apskaitininkė visose Baltijos šalyse prieš penkerius metus vienodai koduodavo gautas sąskaitas. Jeigu jais galima pasitikėti, jie tikriausiai būna nepilni – vienur trūksta detalumo, kitur kažkas nusimušę, trečioje vietoje duomenys nepasiekiami, nes jie nesuskaitmenizuoti. Jau nekalbu apie tai, kad visur yra ir žmogiškas faktorius: kažkur vardas įvestas į pavardės grafą, kažkas sumas vietoje eurų įrašė litais. Kuo daugiau duomenų (ir ypač jei kalbam apie didelius duomenis be struktūros) tuo didesnė duomenų analitiko darbo laiko dalis yra ne sudėtingas duomenų modeliavimas ar rezultatų interpretavimas, o duomenų tvarkymas bei paruošimas analizei. Sakoma, kad šiam kruopščiam ir nuobodokam darbui analitikai sugaišta nuo 50 iki 80 procentų savo darbo laiko.

Gerai sutvarkyti duomenys yra aukso vertės. Tai tokie duomenys, kuriuose nebėra erdvės interpretacijoms, kuriuose nelikę klaidų ir kuriais tvirtai galima remtis darant verslo sprendimus. Tik juos išvalius galima kurti sudėtingus modelius bei algoritmus, o iki tol reikia praleisti ne vieną valandą rymant prie duomenų kokybės. Toks analitiko darbas.