AIномика, данные и новый тип управления

Привет, меня зовут Николай Верховский, я работаю в Школе управления СКОЛКОВО и помогаю компаниям переходить на цифровую бизнес-модель. Вместе с Ириной Поповой, которая специализируется на разработке системных решений и стратегий по управлению данными, мы трансформируем компании через цифровизацию и внедрение data-driven подхода.

В предыдущих постах я писал о концепции AIномики — экономике, где данные и искусственный интеллект становятся главными факторами успеха бизнеса. Данные — это уже не просто инструмент для повышения эффективности, а стратегический актив, который способен полностью пересобрать бизнес и сделать его более гибким и устойчивым.

Сегодня я хочу поразмышлять о том, как data-driven подход меняет современные бизнес-модели, управленческие решения и влияет на эффективность компаний.

Внедрение data-driven подхода в компаниях — это не просто технический процесс, но и организационная трансформация, требующая изменений в культуре компании. Руководителям нужно учиться мыслить по-новому, видеть в данных не просто цифры, а основу для стратегических решений.

Однако, несмотря на очевидные преимущества, многие компании сталкиваются с барьерами на пути к полной цифровизации. Давайте разберемся, какие это барьеры, как их преодолевать и как данные помогают бизнесу адаптироваться и расти.

В современном бизнесе никакое решение не может быть принято человеком без анализа данных — от приоритизации встреч до коммуникации с клиентом. И если значимость данных при оптимизации рутинных операций мало у кого вызывает сомнения, то коммуникацию до сих пор часто считают исключительной прерогативой человека.

Вот два реальных кейса, которые показывают роль анализа данных для эффективной коммуникации:

Без качественного анализа данных невозможно наладить продуктивные коммуникации. Данные обеспечивают точность, согласованность и ускоряют процесс принятия решений, что напрямую влияет на успешность бизнеса.

1. Несмотря на доступность инструментов AI сегодня, большинство руководителей, особенно старшего поколения, никогда не пользовались ими для решения личных задач. Они не понимают, как работают эти технологии, а это мешает принятию решений о внедрении AI в бизнес.

2. Даже если IT-специалисты предлагают инициативы по внедрению AI, управленцы часто предпочитают инвестировать в знакомые проекты, опасаясь тратить ресурсы на эксперименты. Это особенно актуально для компаний с ограниченными ресурсами, где культура экспериментирования как поиска новых решений еще не внедрена.

3. Для того чтобы AI корректно обрабатывал запросы, он должен обращаться к грамотно выстроенным данным. Для этого, в бизнесе должна быть проведена базовая гигиена управления данными: внедрены справочники, классификаторы, стандарты, правила.

Не будет сильным преувеличением сказать, что в традиционных — people-driven — компаниях, 80% времени сотрудники тратят на работу с данными в условном Excel. Они строят таблицы, анализируют таблицы и на основании этих таблиц делают выводы и принимают решения.

При переходе в data-driven рутинные операции перекладываются на алгоритмы, и штатная численность компании может уменьшаться. Соответственно, доля креативных управленцев становится больше, а доля тех, кто ранее сопоставлял данные в Excel, — меньше. С точки зрения экономики бизнеса, стоимость data-driven перехода в десятки раз меньше, чем стоимость оплаты труда этих сотрудников. Этот переход тем более оправдан сегодня, с учетом демографической ямы и кадрового голода.

В первый год перехода на новую инфраструктуру компании неизбежно сталкиваются с необходимостью поддерживать старую систему, одновременно выстраивая новую. Для крупных компаний трансформация может потребовать вложений от десятков миллионов рублей. Средние компании могут обойтись командой численностью три-четыре человека для поддержки собственной BI-системы и дашбордов. Для небольших компаний, благодаря демократизации BI-инструментов, доступны решения по подписке с готовыми дашбордами, что позволяет избежать больших затрат на инфраструктуру и специалистов.

1. Функции с оцифрованными процессами. Функции в компании обычно развиты неравномерно, но всегда есть те, где процессы в каком-то виде уже оцифрованы. Обычно это финансы или HR, — где есть установленные регламенты и системы для сбора данных. В таких случаях достаточно оптимизировать существующие системы, чтобы получить ощутимый результат буквально в течение месяца.

2. Ключевые бизнес-функции. Выбирайте функции, которые критически важны для развития бизнеса. Если бизнес сталкивается с кадровыми проблемами, как при международной экспансии, стоит начать с HR. В торговых компаниях приоритетом должна стать клиентская аналитика.

3. Сильный лидер. Выбирайте функции, где есть лидер, готовый активно участвовать в проекте, принимать решения по приоритизации задач, по метрикам, контролировать качественный ввод данных в новые системы. Без поддержки руководства и строгого контроля над процессом, даже лучшие IT-решения не принесут ожидаемого результата.

Переход к data-driven модели управления открывает компаниям новые возможности, позволяя им адаптироваться к изменениям рынка и повысить свою конкурентоспособность. Важно, чтобы бизнес не только внедрял новые технологии, но и формировал культуру работы с данными, где аналитика становится основой для принятия стратегических решений. Лидеры, готовые поддерживать эту трансформацию и активно внедрять новые подходы, будут в авангарде успеха в эпоху AIномики, где данные и искусственный интеллект становятся главными факторами роста и устойчивости бизнеса.