Датаголики – подкаст про управление корпоративными данными и внедрении бизнес-аналитики. Его автор и ведущий Александр Полоротов вместе с приглашенными экспертами из российских и международных компаний обсуждает подходы к self-service аналитике, разбирает тренды Data Literacy, DataOps и другие data-термины нового времени.
В одном из выпусков Александр приглашает Константина Карнаухова – руководителя аналитического направления в продуктовой ритейл-компании. Карьерный путь Константина начался с АТК Консалтинг, затем – год в международной компании MARS и несколько лет развития BI в X5 Group и ГазпромНефть.
Приводим некоторые размышления, сформулированные на основе выпуска. Подкаст можно послушать на любых популярных платформах для стриминга.
Excel – друг или враг?
Для современных компаний, которые хотят эффективно управлять данными, Excel – безусловно, друг, которого все знают. Это удобный и понятный инструмент с низким порогом входа. Практически любой сотрудник компании может использовать Excel как свой локальный BI-инструмент: объединять несколько таблиц, прописывать формулы, создавать простейшие диаграммы.
Когда Excel используют в качестве источника данных – это, конечно, боль. При этом, Excel может выступать в качестве инструмента для быстрого прототипирования и начального этапа сборки данных. Это удобно, близко к бизнес-пользователям и дешево.
Насколько необходим self-service
Если сотрудник меняет фильтры в уже готовом дашборде, это еще не self-service. Целевая аудитория self-service подхода – это аналитики с продвинутым уровнем знаний и ежедневными задачами по работе с данными.
Пользователи self-service умеют самостоятельно подключать источники данных с нуля или же загружать преднастроенные наборы данных из корпоративного Магазина данных. Главное, что они умеют получать доступ к данным и могут трансформировать их под свои задачи.
Когда я работал в X5, там было около 2000 пользователей корпоративного BI-инструмента QlikView. При этом, были как продвинутые пользователи, которые изучали технические аспекты Qlik и Set Analysis, так и рядовые. Естественно, уровень их навыков отличался – как и решаемые бизнес-задачи и частота использования BI. Но самое главное – каждый из них был уверен в качестве данных внутри своих дашбордов.
Как прийти к проактивному использованию BI-инструментов
Основной фактор, влияющий на успех использования BI – это понимание необходимости в данных на уровне топ-менеджмента, желательно на уровне CEO или CEO-1. Это самый важный драйвер будущих изменений.
Кроме этого, важна функциональная поддержка Центра Компетенции – специального отдела, выделенного на работу с BI. Команда ЦК агрегирует запросы и отвечает потребностям бизнеса, как с точки зрения обеспечения time-2-market аналитических приложений, так и с точки зрения надлежащего качества данных.
Как управлять качеством приложений и данных
Сотни приложений и тысячи пользователей – как управлять этим и держать руку на пульсе? Прежде всего, необходимо создание управляющего совета по данным с вовлечением разных направлений бизнеса. Важна децентрализация функции принятия решений по качеству данных. Это поможет закрепить за бизнесом ответственность за данные.
Конечно, бизнесу нужно помогать следить за процессом – предоставлять инструменты и дашборды по отслеживанию качества данных и управлению метаданными. Только бизнес может сказать, как правильно считать показатели.
Как оценить эффективность BI
Можно использовать количественные метрики, такие как количество пользователей системы или влияние на показатель ТСО (Total Cost of Ownership), однако эффект от масштабной и повсеместной цифровизации бизнес-процессов посчитать сложно. Кроме того, стоимость автоматизации процессов часто будет гораздо выше, чем стоимость труда сотрудников, занятых в этих процессах.
В торговой сети Карусель был интересный случай. Согласно условиям акции, курицу продавали ниже себестоимости. Но во время этой акции один из руководителей увидел в данных странную ситуацию – курицу покупали в одном чеке тоннами, это были оптовые чеки.
Благодаря такой находке, в торговой сети затем скорректировали условия – и покупать товар можно было не больше 5 килограмм на карту лояльности. Можно ли было предугадать такое «открытие» в данных? Все внедрение BI-систем, как правило, обосновывается косвенными эффектами.
На одной из внутренних конференций ГазпромНефти, руководитель обратился к залу с хорошим вопросом, который я часто вспоминаю: как посчитать эффект от внедрения электронной почты? Мне кажется, вопрос наглядно объясняет сложность подсчета эффективности от BI.
Где брать знания по управлению данными
Одним и направлений работы в ГазпромНефти, было внедрение процессов Data Governance (Управления данными). В компании была мощная методологическая поддержка от консалтинга, однако некоторые базовые знания дает книга Свод знаний по управлению данными DAMA DMBOK.
Это моя настольная книга, к которой я постоянно обращаюсь и точечно перечитываю те главы, которые необходимы мне для рабочих задач.
Книга довольно теоретическая, но возможность обратиться к кратким конспектам на русском языке от сообщества DataLiteracy поможет увереннее управлять терминами на практике и не забывать основные принципы.