Аналитика в бизнесе: как извлекать из данных максимальную пользу
Об этапах внедрения аналитики в бизнес-процессы, дата-грамотности управленцев и балансе между логикой и интуицией поговорили директор программы SKOLKOVO MBA Иван Хворов, руководитель нового сервиса Buy&Sell в Yango Екатерина Борисоглебская и руководитель центра R&D МТС Big Data Михаил Степнов.
Системы бизнес-аналитики Business Intelligence (BI) позволяют в один клик получать полную картину происходящего в организации на различных платформах. Потребность во внедрении таких технологий обычно возникает, когда компания ставит себе задачи нового порядка и не может больше принимать решения только на основе опыта и наблюдений. Чаще всего это происходит, когда на повестке организации:
- Задачи масштабирования бизнеса
- Радикальный вызов на уровне контекста или конкурентной среды
- Изменение амбиций компании в части темпов роста и развития
Этапы внедрения data-driven подхода
Внедрение этого подхода стоит начать с определения конкретной проблемы, которую важно решить компании в первую очередь. Это позволит сформировать правильную стратегию: чем амбициознее цели, тем более сложные инструменты понадобятся для их реализации.
Когда цели определены, непосредственная работа с данными происходит поэтапно по следующей схеме:
- Наблюдение и анализ текущего положения. Сначала нужно определить драйверы развития компании, причинно-следственные связи ее успехов и неуспехов. Глубокий анализ данных обычно приносит интересные инсайты — например, выявляются подразделения или функции с низкими показателями эффективности. Неочевидные срезы и развороты данных могут подсветить бесполезные траты или неоптимиальные инвестиции в те или иные направления деятельности. Например, если одномоментно рассчитать коммерческую ценность клиентов, принимая во внимание не только прямые расходы и доходы, но и затраты на весь цикл продаж — включая стоимость менеджмента, аккаунтинга, дополнительной разработки и поддержки, — можно обнаружить новые точки роста. Смещение фокуса на определенную категорию пользователей приведет к увеличению как прибыли, так и выручки.
- Внедрение систем прогнозирования. Важно уметь правильно определять, какие изменения повлияют на бизнес сильнее других. Прогнозирование включает моделирование будущих сценариев развития и использование A/B-тестирования (или сплит-тестирования) для валидированной оценки двух вариантов внедрения изменений.
- Автоматизация. На следующем шаге часто происходит автоматизация процессов в компании, интеграция в операционные системы предсказательных моделей и других сложных механизмов для ускорения работы и цифровизации бизнеса.
Как управленцу организовать работу с данными
Управленец может по-разному подходить к организации процесса работы с данными: полностью доверить его специалистам или формировать центр экспертизы внутри компании.
Первая модель, при которой лидер не слишком вникает в детали, особенно подходит для сильных руководителей в области управления человеческими ресурсами (People Management). При выборе такого подхода лидеру следует быть уверенным в экспертизе специалиста и прислушиваться к его мнению, даже если тот настаивает на выделении значительных ресурсов на решение задачи. Однако полное отсутствие контроля при такой стратегии может вызвать недовольство и конфликты в команде.
Если вы нанимаете специалиста и не хотите сами разбираться в аналитике, вы должны доверять этому человеку чуть больше, чем полностью.
При втором подходе управленцу нужно самому углубиться в тонкости работы с данными. Такое погружение требует обширных знаний в области аналитики, но на практике лидеры могут теряться в деталях, упуская из виду общую картину. Чтобы избежать ошибок, важно уметь абстрагироваться от конкретных технических решений и видеть их в контексте бизнес-целей.
Аналитика данных — один из самых молодых и быстроразвивающихся инструментов управления, обновления в котором не всегда успевают включать в учебники. Уровень образования и новизна практик, с которыми сегодня работают молодые специалисты в этой области, впечатляют. Даже вчерашние эксперты могут оказаться на шаг позади новичков при недостаточной насмотренности и отсутвии постоянного саморазвития, поэтому управленцу практически невозможно глубоко погрузиться в инструментарий аналитики и охватить все нюансы. Но менеджерам важно понять и принять этот образ мышления, научиться правильно ставить задачи и формулировать бизнес-потребности для команды аналитиков, чтобы превратить их в «волшебную палочку» для роста бизнеса.
Оба подхода имеют плюсы и минусы, и выбор между ними зависит от стиля руководства и специфики бизнеса. Оптимальный подход для эффективного управления данными заключается в достижении «золотой середины».
Команда в аналитике данных
В работе с данными выделяют несколько ключевых ролей:
- Владелец продукта — занимается дата-проектами.
- Chief Data Officer (CDO) — отвечает за стратегию управления данными в компании, включая их качество, безопасность и использование. CDO координирует работу команды, следит за тем, чтобы проекты были сфокусированы на достижении бизнес-целей.
- Дата-аналитик — фокусируется на структурировании данных, их анализе, поиске паттернов и подготовке отчетов.
- Дата-сайентист — обучает модели и разрабатывает предсказательные алгоритмы. Грамотный дата-сайентист должен иметь опыт работы с данными, иначе его деятельность будет неэффективной.
- Дата-инженер — создает и поддерживает архитектуру данных, а также отвечает за ETL-процессы (Extract, Transform, Load), включающие извлечение, трансформацию и загрузку данных.
- Дата-инженер делает данные доступными для анализа.
Выбор схемы построения команды зависит от размера бизнеса и имеющихся у компании ресурсов. Это можно делать:
- «Снизу вверх», расширяя зону ответственности начинающего сотрудника по мере поступления новых задач. Нанять в этом случае следует начинающего дата-аналитика или универсального специалиста, который понимает аналитику и имеет опыт в дата-инженерии.
- «Сверху вниз», то есть привлечь опытного специалиста с рынка и попросить его решить одну или несколько задач вашего бизнеса. Такой подход целесообразен, когда бизнес достаточно крупный.
Если ресурсов компании недостаточно, есть еще один эффективный способ начать использовать данные — обратиться за аналитикой к независимым консультантам. Собранную информацию управленец сможет использовать для внесения изменений в стратегию и налаживания бизнес-процессов.
Дата-грамотность и интуиция управленца
Чтобы ориентироваться в аналитике, управленцу необходимо периодически участвовать в работе с данными и иметь как минимум три компетенции:
Насмотренность. Важно знать, какие решения были реализованы другими компаниями и какие подходы оказались эффективными. При этом следует иметь в виду, что даже самые эффективные стратегии не всегда могут быть применены в реальных условиях.
Базовое понимание основ аналитики. Правило GIGO (Garbage in, garbage out — «мусор на входе — мусор на выходе») говорит, что качество результатов анализа зависит от качества входящих данных. Профильные специалисты в аналитике далеко не всегда разбираются в тонкостях бизнеса, и их выводы могут быть искажены. Поэтому в работе с данными важно участие управленцев и собственников, которые могут грамотно расставить акценты и совместно принять обоснованное решение с опорой на данные. Общий понятийный аппарат участников позволяет продуктивно обсуждать проблемы на одном уровне.
Готовность к сотрудничеству. Конструктивное взаимодействие с аналитиками ускоряет решение задач и приводит к качественным результатам. Успешная коллаборация строится на основе совместных обсуждений и размышлений. Для этого важно быть готовым прислушиваться к мнению сотрудников и создавать в команде комфортную атмосферу, способствующую свободной генерации идей.
Знать свой бизнес недостаточно: важно постоянно углублять эти знания. Более обширное понимание происходит через диалог с «правильными» людьми, которые помогут разобрать ключевые драйверы и проанализировать тенденции. Такие обсуждения позволят владельцу компании обогащать представление о бизнесе, осознавать риски, связанные с каждым шагом, и принимать грамотные решения. Или же принимать менее грамотные решения, но идти на это осознанно.
Также для качественной работы с информацией в компании важно наличие стратегии управления данными (Data Governance). Она помогает бизнесу не только эффективно работать с имеющимися ресурсами, но и быстро адаптироваться к изменениям. Стратегия включает:
- Определение источников данных
- Установление правил хранения и обработки данных, включая объем их хранения и частоту обновления
- Формулирование критериев для определения необходимости хранить или удалять данные
Конечно, в реальной бизнес-среде нельзя игнорировать рыночную ситуацию и опираться исключительно на аналитику, так как это может замедлить развитие компании. Управленцу необходимо развивать предпринимательскую интуицию, основанную на накопленном опыте и понимании динамики рынка. Умение разумно выбирать между интуитивными решениями и теми, что базируются на аналитике, — один из ключевых навыков лидера. При сбалансированном подходе данные помогут ему аргументировать свои решения и заручиться поддержкой сотрудников. Таким образом, аналитика может стать не только источником информации, но и ценным инструментом для улучшения коммуникации внутри команды.
Если вы хотите узнать больше об эффективном применении аналитики в бизнесе, приглашаем вас на программу «Управление бизнесом на данных».