«Уралхим» движется к статусу data-driven компании, где информация, точные прогнозы и цифровые двойники (не только клиентов и продукции, но и производственных процессов и активов) делают компанию устойчивой к внешним изменениям и повышают эффективность. Созданная с этой целью платформа данных и глубокой аналитики обеспечивает доступность финансовых и производственных показателей, а также данных по продажам и персоналу руководителям подразделений и сотрудникам смежных служб. Сейчас вся информация – от ежесуточного производства до исполнения ключевых показателей – скомпонована в одном месте.
Важно отметить, что часть показателей удается отслеживать в режиме реального времени: например, производство продукции, прослеживаемость ТМЦ, возмещение НДС, остатки товаров на складах, движение денежных средств. Использование платформы данных позволяет также выявлять недостатки в процессах, обеспечивает возможность сравнения своих показателей не только с показателями других площадок, но и с удельными показателями конкурентов, а также повышает операционную эффективность.
Еще одним важным направлением работ стала организованная в компании «Школа аналитика данных». Эта просветительская инициатива стала частью стратегии цифровизации «Уралхима» как в части повышения культуры работы с данными, так и знакомства с современными инструментами работы с данными через сервисы самообслуживания Платформы данных.
О реализации этих проектов и их первых результатах рассказал Дмитрий Шведов, руководитель департамента корпоративных данных «УралАйТех» и номинант на премию Data Award 2023.
— Вы участвовали в Data Award 2022 с «Платформой данных и глубокой аналитики». Что было сделано за прошедший год?
Платформу данных и глубокой аналитики мы запустили в декабре 2021 года. За этот год мы в явном виде получили «сухие» цифры по экономии, которую нам дает наша платформа. Например, за счет направления качества данных мы сократили время на разработку прогнозных моделей до 30% – разработчики теперь не занимаются первичной проверкой данных, а сразу приступают к созданию цифровых дата-сервисов. За счет запуска продуктовых команд мы сократили среднее время на вывод дата-сервиса в промышленную эксплуатацию до 70%. А «переиспользование» данных позволило сократить время их получения до 80%. Есть и ряд других эффектов, в совокупности это дает эффективность создания цифровых дата-сервисов.
— Что стало главным достижением? Чем можно гордиться?
За этот год с помощью self-сервисов Платформы данных, мы обучили сотрудников работе с данными через эти инструменты для решения их повседневных рабочих задач. Кроме того, был запущен Центр компетенции по развитию сервисов принятия решений. В его задачи входит контроль выполнения бэклога в продуктовых командах, он определяет вектор их стратегического развития для достижения максимальной эффективности.
— А к чему еще можно стремиться?
Уже сейчас мы понимаем, что Платформа данных – это базис, который поможет создавать все новые дата-сервисы для бизнеса. Для дальнейшего сокращения времени их разработки в следующем году мы сосредоточимся на построении сервисов «маркета данных» для сокращения time to market. Мы надеемся, что это станет отправной точкой использования данных как актива компании и даст новые точки роста. Также мы сосредоточимся на создании технологических центров экспертизы для ИТ-специалистов, где требуются уже более продвинутые инструменты работы с данными.
— Что на данный момент стало самым сложным в построении платформы?
С одной стороны, сложности были технологические – например, сделать «бесшовную» связь между компонентами Платформы, расположенными внутри контура компании «Уралхим», и сервисами облачного провайдера. С другой стороны, формирование тесной связи между бизнесом и сервисами Платформы данных – чисто организационная задача. На сегодняшний день могу с уверенностью сказать, что у нас это получилось сделать! Сервисами пользуются более 1,4 тыс. сотрудников компании, и эта цифра постоянно растет.
— Какие еще бизнес-результаты, помимо уже упомянутых, достигнуты с помощью созданной платформы?
Важный эффект дало применение в ряде задач сервисов облачного провайдера. Использование облачных сервисов для хранения, обработки и подготовки данных дало экономию потребляемых ресурсов на 50%. А облачная инфраструктура, используемая для расширения и масштабирования вычислительных мощностей в задачах машинного обучения, позволила экономить до 70%. Отдельно следует сказать про сервисы самообслуживания. При подготовке аналитических дашбордов они экономят до 90% времени.
— Пытаетесь ли финансово оценить результаты работы платформы – например, через реализованные с ее помощью проекты?
Да, постоянно проводим такой анализ. Для выявления неэффективных сервисов в Платформе данных (с целью последующей их замены на более совершенные) для себя мы поставили задачу – перейти на юнит-экономику по стоимости сервисов. Это даст бизнесу представление о стоимости сервисов и данных для компании. При внедрении новых дата-сервисов мы компонуем их необходимыми максимально эффективными микро-сервисами Платформы, собирая как конструктор.
— Год назад вы говорили о первых экспериментах по созданию цифровых двойников и планах – более 20 пилотов по ключевым бизнес-направлениям. Чем можно похвастаться?
У нас уже сейчас есть список заказов от бизнеса на разработку цифровых двойников, и этот список постоянно пополняется. К примеру, создана модель, которая самостоятельно находит значения котировок на готовую продукцию из отчетов аналитических агентств, и это дает достаточно большое сокращение ручного труда на перенос этой информации в структурированный вид. Таким образом мы получаем систематизированные исторические данные. На их основе мы переходим к следующему этапу – прогнозированию значений котировок готовой продукции в зависимости от внешних факторов, что позволит нам быстрее реагировать на внешние вызовы, особенно это актуально сейчас.
Другой работающий двойник – «специалист» первой линии поддержки пользователей. Теперь маршрутизацией заявок на исполнителей в зависимости от проблемы, описанной пользователем, занимается искусственный интеллект.
Еще одной интересной задачей стало построение модели по взаимодействию между сотрудниками. На ее основе коллеги из HR выявляют неформальных лидеров, анализируют корректность организационного построения взаимодействия в подразделениях.
— Каковы дальнейшие планы по развитию платформы?
На 2023 год мы для себя ставим три цели: повышение культуры работы с данными через проведение обучений, создание технологических центров экспертизы и вовлечение еще больше функций бизнеса на работу с сервисами Платформы данных.
— В прошлом году вы также обещали, что постараетесь вовлечь в пользование платформой данных еще больше коллег. Удалось ли это, и как вы оцениваете успехи?
Команда корпоративных данных достаточна компактная, и для достижения технологической цели – стать data-driven company – стало ясно, что усилий одной этой команды не хватит. Необходимо вовлекать сотрудников бизнеса в эту историю, и нам это удалось сделать через повышение культуры работы с данными внутри компании.
— Когда речь идет об изменениях в корпоративной культуре, название – это всегда важно. Как называется программа обучения, как это связано с продвигаемыми ценностями?
Еще в 2021 году мы запустили точечные обучения по разработке аналитических отчетов в продуктовых командах. Обсудив подобный опыт с коллегами из HR, мы пришли к выводу, что необходимо организовать полномасштабное обучение, где сотрудникам будут продемонстрированы все плюсы работы с данными и рассказано о том, как правильно применять инструменты при решении повседневных рабочих задач. Заявки на участие в Школе аналитика данных подали более 1,2 тыс. сотрудников. Преподавателями стали внутренние эксперты и руководители направлений цифровизации компании. На лекциях демонстрировались self-сервисы Платформы данных и глубокой аналитики, такие как ETL, BI, ML, подробно обсуждались процессы ведения НСИ в компании, принципы автоматизации процессов через программных роботов, метрики и приемы измерения качества данных, разработка простых прогнозных моделей.
Занятия проходили в несколько этапов: теоретическая часть, практические семинары, работа над проектами в командах и разбор ошибок. После прохождения каждого этапа обучения проводились контрольные тесты, позволяющие выявить степень усвояемости материалов. При этом крайне важно, что после прохождения теории и семинаров сотрудники объединились в группы и работают над реализацией собственных проектов, с помощью знаний, полученных в Школе, и сервисов Платформы данных.
— Заявки от более чем 1 тыс. сотрудников – серьезный отклик. Сколько в итоге прошло обучение, каковы в целом его результаты?
Можно сказать, что наблюдался ажиотаж: уже в первые два часа после объявления о записи в Школу аналитика данных на этот курс зарегистрировались 450 человек! В итоге к началу обучения записались более 1,2 тыс. специалистов группы компаний «Уралхим» и «Уралкалий». На лекциях в онлайне всегда присутствовало более 500 сотрудников, и еще 200–300 сотрудников просматривали лекции в офлайне. Итог работы Школы нас приятно удивил: более 140 выпускников и 25 реализованных ими проектов. Важно отметить, что эти проекты были выполнены самостоятельно, мы оказывали помощь только как кураторы. Финалистам были вручены дипломы о присуждении им квалификации «Гражданский аналитик».
— Вы сделали сленговое понятие «гражданский аналитик» официальным, даже с налетом элитарности, присвоив соответствующие квалификации отличившимся сотрудникам. Что это дает, помимо гордости?
Помимо диплома и фирменного значка выпускники заручились поддержкой нашей команды корпоративных данных для реализации своих проектов в дальнейшем. Они всегда могут обратиться к экспертам-кураторам, а также будут иметь возможность первыми использовать новые self-сервисы Платформы данных.
— Насколько «круты» такие гражданские специалисты, какие задачи они могут решать? И вообще могут ли они по эффективности своей работы приближаться к «аналитическому спецназу»?
На финальном этапе работы выпускниками Школы аналитика данных самостоятельно были реализованы проекты, решающие самые разнообразные рабочие повседневные задачи – от автоматизации отдельно взятого бизнес-процесса до аналитического дашборда по показателям эффективности бизнес-функции. За месяц, отведенный для реализации самостоятельных проектов, мы замечали, как коллеги не только развивают идею проекта, но и сами растут в знаниях. Сотрудники стали более тщательно подходить к постановке задачи для создания дата-сервиса, уверенно используя ИТ-терминологию. Многие коллеги выделяются на общем фоне и, если можно так сказать, становятся нашими амбассадорами.
— Насколько распространен self-service BI внутри компании? Какая доля сотрудников пользуется им, и есть ли показатель, к которому стремитесь?
В 2021 году это было наше локомотивное направление, бизнес-аналитика его действительно любит использовать в работе. На текущем этапе мы уже не ставим цель увеличения именно количества сотрудников, использующих BI, а больше сосредоточены на вовлечение бизнес-функций. Например, в 2020 году у нас были вовлечены только функции HR и Финансы. В 2021 году к ним уже добавились продажи, внутренний аудит, снабжение, ТОиР. В 2022 году к нам присоединились функции Маркетинга, часть Производства. В следующем году у нас стоит задача вовлечь функции Логистики и еще большей части Производства.
— Каковы в целом потребности компании в гражданских аналитиках? Все ли сотрудники компании должны ими стать?
Будем объективны: на сегодняшний день, не все смогут стать «гражданскими аналитиками». Это связано не только с готовностью самих сотрудников к изучению нового, но и с готовностью использовать такие сервисы в своей работе. Наша задача – дать бизнесу инструменты для работы с данными и обучить работе с ними; подсказать, как правильно их применять для решения своих повседневных рабочих задач. Как итог, при таком подходе сотрудники сосредотачиваются на мыслительном и аналитическом процессе, а не на задачах подготовки аналитических справок. В итоге для компании это дает сокращение операционных издержек и более динамичное реагирование на внешние факторы.
— Культура data-driven – это только про обучение сотрудников, или требуется что-то еще?
Культура data-driven связана не только с обучением сотрудников новым подходам и инструментам. Требуется постоянная работа по изменению процессов компании. И речь идет не только о базовой автоматизации, но и о свободном принятии использования технологий искусственного интеллекта и бизнес-аналитики в работе. В итоге это становится изменением устоявшихся подходов, сдвигом в сознании сотрудников, что новые технологии – это не какой-то «космос», а вполне доступные и работающие инструменты, облегчающие трудоемкие процессы сбора, обработки и анализа информации.