В рамках форума BIG DATA 2019, организованного издательством «Открытые системы», состоялся круглый стол с номинантами премии CDO Award. Участники обсудили вопросы формирования стратегии, кросс-функционального взаимодействия и подходов, наиболее эффективных при поиске идей монетизации данных.
Три года назад, когда речь заходила о стратегии управления данными, это вызывало удивление. Два года назад о ней говорили как о направлении движения и развития подходов к управлению данными. Сейчас стратегия в том или ином виде появилась у всех крупных компаний, причем она включена в корпоративную стратегию, что само по себе можно считать колоссальным прогрессом.
Все участники дискуссии сошлись на том, что если не всеобъемлющая стратегия управления данными, то по крайней мере ее элементы должны быть. В первую очередь это подразумевает понимание приоритетов бизнеса, в соответствии с которыми решаются технические вопросы: выбор архитектуры, построение инфраструктуры, поиск и обогащение данных. При этом на практике стратегия существует по принципам Agile: формируется, проверяется на деле, подвергается коррективам и т. д.
«Стратегия — не монумент, высеченный в камне, а живой организм. Если не корректировать в процессе работы направление движения, можно прийти совсем не туда, куда планировалось изначально», — подчеркнул Антон Мироненков, директор по большим данным X5 Retail Group. Однако без стратегии нельзя идти вперед, особенно в крупной организации, следует хотя бы задать направление.
«Нужна цель. Кораблю без порта назначения никогда не дождаться попутного ветра», — согласился Юрий Сирота, руководитель департамента искусственного интеллекта и анализа данных банка «УРАЛСИБ». В «УРАЛСИБе» офис CDO располагается в блоке стратегического развития, поэтому вся деятельность началась именно с написания стратегии. Более того, в трехлетней стратегии развития банка, утвержденной недавно, отдельным пунктом выделена стратегия управления данными и их монетизации. Она является вспомогательным инструментом для реализации стратегии банка.
Игра на чужом поле
Как побудить бизнес выполнять обязанности владельцев данных, какими приемами пользоваться? Не секрет, что такие инициативы идут тяжело, но без активного вовлечения бизнеса не обойтись, и роль CDO здесь является ключевой. Как на практике удается продавать эту тему бизнесу?
«Обычно все в компании хотят, чтобы появилась волшебная кнопка, позволяющая решать существующие проблемы, но участвовать в ее создании не желают, — признал Мироненков. — Каждый раз идут многократные обсуждения. Несмотря на то, что вся дорожная карта развития больших данных включена в корпоративную стратегию, а дирекция больших данных напрямую подчиняется генеральному директору, все равно приходится непросто».
Ретейл мыслит относительно короткими временными отрезками, он не думает на 10 лет вперед. Если сегодня товар не продан, завтра его продать уже точно не удастся, а потому разговоры об эффектах, достигаемых через год, не находят понимания. Бизнес интересуется своими показателями: выручкой, прибыльностью и т. п. Лишь когда удается заинтересовать его, начинается диалог о том, как этих результатов достичь. И если для более эффективной работы нужны данные, бизнес поможет. По-другому уговорить его не получится.
«Нам очень сильно помогает то, что культура компании ориентирована на непрерывное повышение операционной эффективности», — отметил Александр Айваз, руководитель функции «Управление корпоративными данными» «СИБУРа». Данных традиционно не хватало, однако спрос на них сформировался сам собой. Пионерами стали подразделения, наиболее готовые к работе с данными, а популяризация их опыта и успехов привела к тому, что идеи были быстро подхвачены.
«Когда мы два года назад начали свою работу, бизнес-подразделения — доменный, сталеплавильный цеха и т. п. — были совершенно не готовы. Их руководство не было против, но абсолютно не понимало, о чем идет речь. Мы “высаживались в поля”, разговаривали с мастерами, пытались найти задачи, которые можно решить с помощью машинного обучения и оптимизации процессов на его основе, — рассказал Анджей Аршавский, директор по анализу данных и математическому моделированию НЛМК. — Предварительная работа отняла много времени и сил, но когда появившиеся первые решения начали приносить прибыль, бизнес стал воспринимать наши идеи. Сейчас внутри подразделений начинают зарождаться заказчики цифровых решений. Эти заказчики, с одной стороны, должны очень глубоко понимать производственные процессы, а с другой — суть анализа данных и возможности его применения».
«Успешные проекты упрощают решение всех вопросов. Видя примеры монетизации данных, бизнес выстраивается в очередь», — констатировал Сирота. Действительно, можно долго говорить про будущее, но настоящее всем гораздо интереснее. И чем больше ожидается экономический эффект, тем больше у бизнес-заказчиков желания сотрудничать.
«Мы всегда “играем на чужом поле” — в зоне ответственности подразделений HR, продаж, маркетинга и т. п. — и накопили большой опыт кросс-функционального взаимодействия. Восприятие наших усилий со стороны коллег далеко не всегда безоблачное», — отметил Леонид Ткаченко, директор департамента Big Data МТС. По его словам, многие руководители опасаются, что будут выглядеть не в лучшем свете на фоне чужих успехов. Поддержка первых лиц компании ощутимо помогает внедрять уже работающие инструменты.
Важно находить союзников внутри организации, а они появятся только тогда, когда будут получать пользу — пусть небольшую, но дающую быстрый и понятный эффект.
.jpg)
.jpg)
.jpg)
.jpg)
.jpg)
Как заработать на данных?
«Что касается оптимизации локальных процессов, то у нас уже имеется выверенный подход, практически конвейер», — поделился Аршавский. На первом этапе несколько аналитиков общаются с производственниками и генерируют идеи. В офисе их перерабатывают в карточки инициатив — определяется, что именно надо сделать и каков будет принцип работы этой системы, оценивается предварительный эффект. После этого инициатива попадает в воронку приоритизации, где оценивается по разным критериям: сколько денег можно заработать, есть ли в наличии данные, как это стыкуется с приоритетами компании. Получается список (и сейчас он в НЛМК достаточно велик), из которого выбирается очередная задача, и начинается пилотный проект, построение модели. Если результат инициативы положительный, она переходит в проектную стадию, это подразумевает привлечение серьезных ресурсов и разработку полноценного решения с проведением промышленных испытаний и вводом в эксплуатацию.
Смотря в будущее, в НЛМК видят «суперцель». Она заключается в том, что примерно через 10 лет в компании будет налажено автоматически управляемое производство, основанное на глобальной оптимизации — от добычи и закупки сырья до конечных стадий производства. «Это возможно сделать с помощью существующих технологий, — уверен Аршавский. — Но предстоит большая работа. Мы проводим локальные проекты, чтобы будущие, большие решения стали возможными».
«У нас есть два направления: внутренняя монетизация и внешняя монетизация. Внешняя — то, на чем мы зарабатываем деньги извне, внутренняя — то, что влияет на показатели всей компании», — рассказал Мироненков. Пока на 80% это внутренняя монетизация, причем во всем мире ситуация похожая. Направления для реализации проектов определяют исходя из ожидаемого эффекта.
Это может показаться странным, но в МТС большинство проектов тоже внутренние. «Проблема в том, что непосвященные люди ждут от больших данных эффекта, гораздо большего, чем реально возможный. Второго телекома из этого направления не вырастет — это стало очевидным за три года работы», — посетовал Ткаченко. Да, по мере появления опыта эффективность проектов, направленных вовне, растет, но в масштабах телеком-бизнеса это капля в море. Нынешний потенциал внутренней оптимизации гораздо выше, но он конечен, и после нескольких раундов оптимизации эффекты иссякнут. Если будущее у больших данных есть, то оно кроется именно во внешних проектах — построении сервисов, основанных на данных. «Пока соответствующего рынка в России нет, все продукты на основе данных идут со скрипом, и это очень небольшие деньги», — признает Ткаченко.
Кому тащить рояль?
Для российского рынка характерно разделение двух должностей — Chief Data Officer (CDO) и Chief Data Scientist (CDS). Компании в большинстве случаев назначают ответственных за подготовку данных и отдельно — за их монетизацию. Каковы плюсы и минусы этих подходов?
«Это вопрос готовности каждой организации. Нам были нужны практические решения, поэтому мы шли от монетизации — придумывали задачи и реализовывали их на основе имеющихся данных», — подчеркнул Аршавский. Часто данных не хватало и вставали вопросы об их подготовке и доступности. Так появилась единая дирекция, занимающаяся задачами работы с данными и их анализа. Тем не менее вопрос управления данными довольно объемный и требует специфических компетенций. Возможно, уже в ближайшем будущем в НЛМК эти функции будут разделены.
В «СИБУРе» изначально пошли по пути разделения этих функциональных ролей. Был создан офис данных — функция «Управление корпоративными данными», где формируют стандарты, строят платформу управления данными. В соседней функции цифровизации создано направление продвинутой аналитики. Их ключевое различие — разная модель работы с компанией.
«У нас была создана отдельная команда для работы с каждой функцией, а в каждой функции есть data-партнер, который управляет взаимоотношениями с заказчиком. В функции цифровизации команды делятся по продуктовому принципу, реализуя подходы Agile», — объяснил Айваз.
В «СИБУРе» не хотят, чтобы работа с данными превратилась в узкое горлышко: если какому-либо подразделению понадобится проверить ту или иную гипотезу, оно вполне может реализовать проект самостоятельно — необходимые данные уже есть. В этом заключается перенос стратегии цифровизации в массы — заставить работать на эту цель всех.
В «УРАЛСИБе» тоже созданы две разные роли, и это было обусловлено стремлением распараллелить два процесса — создание данных и их анализ. К тому же сложно объединить необходимые компетенции в одном человеке.
«Я глубоко убежден, что в идеале это должна быть одна роль, — признался Сирота. — Тем не менее, если ваш подход работает, его можно признать правильным, если же есть проблемы и конфликты, подход надо менять». Все очень индивидуально и зависит от компетенций, существующих в организации. Гораздо чаще встречается ситуация, когда CDO выступает «подносчиком патронов» для Chief Analytics Officer, занимающегося вопросами монетизации.
«Всегда есть оргструктура, “нарисованная” HR-службой, и есть реальная жизнь. Должен ли хороший data scientist уметь готовить для себя данные? Конечно должен. Может ли человек, занимающийся подготовкой данных, заниматься их анализом? Вполне. Но у нас этим занимаются два отдельных специалиста», — отметил Мироненков. Важно исходить и из здравого смысла: сильный, «матерый» data scientist — очень редкий и ценный сотрудник, и заставлять его заниматься подготовкой данных — по меньшей мере странно. Кроме того, в X5 Retail эти специалисты не нужны в продуктовой команде 100% времени и поэтому часто работают одновременно в нескольких.
Не следует забывать, что 80% усилий в проектах обычно затрачивается на подготовку данных — сбор, интеграцию, унификацию, консолидацию, обеспечение качества. Этим занимается CDO, он выполняет всю невидимую внешне неблагодарную работу, именно он «таскает рояль». А играет на этом рояле CDS — его работа гораздо более видима для бизнеса, и она приносит конкретный эффект — зачастую финансовый.
.jpg)
.jpg)
.jpg)
.jpg)
.jpg)