Бизнес-аналитика

«Домклик» от Сбера построил BI-систему на базе бесплатных инструментов. Целью проекта стало не только импортозамещение зарубежных систем, но и разработка удобного и простого сервиса для визуализации данных, не требующего специальных знаний, кроме владения SQL и принципами работы сводных таблиц. О реализации проекта рассказывает Дмитрий Леонов, руководитель направления по исследованию данных и номинант на премию Data Award.

— В чем заключалась проблема? Зачем потребовалось создавать собственную BI-систему?

У нас в компании на еженедельной основе готовится большое количество аналитических материалов, из которых формируется большая презентация для совещания топ-менеджеров. Помимо этого, конкретным командам необходима регулярная аналитика для внутренних совещаний и отслеживания эффективности работы бизнеса. Сотрудникам в регионах необходимы различные детальные выгрузки и отчеты для разбора кейсов и анализа отклонений в работе.

Все эти потребности закрывались с большим количеством ручного труда аналитиков, отчетность была очень разрозненна по своему формату, структуре и размещалась в разных местах. Не было должного контроля качества данных и «единого источника правды». У разных команд были разные подходы к построению отчетов и разные инструменты для этого.

Кроме этого, было много дублирующихся показателей с разной логикой расчета. Это происходило как раз из-за разрозненности в подходах к отчетности и отсутствия единых правил.

— Какой подход к решению был выбран?

Было принято решение о создании единой системы, в которой будет храниться вся официальная отчетность управления с централизацией работы аналитиков. Подход подразумевал разработку единых правил и требований к размещаемым отчетам, а также обеспечение контроля качества данных и поддержание их максимальной актуальности.

— Какие требования предъявлялись к будущему решению?

Необходимо было создать простой инструмент, чтобы сократить время на создание новых аналитических материалов, а также обеспечить новым сотрудникам быстрое погружение в процесс. С точки зрения пользователей должна была обеспечиваться максимальная актуальность данных и поддержка работы на мобильных устройствах. Для сотрудников в регионах требовался портал для возможности скачивания отчетов в виде файлов.

Нужно было обеспечить разграничение доступа к конфиденциальной информации вроде финансовых показателей и данным HR. Также было важно создать решение с постоянной ИТ-поддержкой, соблюдением требований кибербезопасности и мониторингом качества данных.

— На каких технологиях построено решение?

Бэкенд реализован на Python и PostgreSQL, а также Clickhouse. В качестве фронтенда используется React.

— Как учитывали потребности пользователей? Что им вообще нужно?

Первоначально требования шли от текущей отчетности и пожеланий топ-менеджеров. Для них важно иметь доступ к аналитике круглосуточно, с мобильного телефона или компьютера, видеть достоверные проверенные данные, быстрые внесения изменений аналитиками.

После реализации MVP проводились регулярные встречи с пользователями и выявлялись более специфичные требования. Вдобавок, в процессе работы с инструментом аналитиками, сформировался большой пласт работ по более тонкой настройке визуализации.

— Что получилось удачнее всего, а над чем еще предстоит работать?

Хорошо получилось обеспечить простоту инструмента и низкий порог входа для новых аналитиков, закрыть основные потребности пользователей и аналитиков. Достаточно легко и безболезненно прошел переход на нашу систему с всего множества платформ, которые использовались ранее.

Предстоит много работ по доведению инструмента до полноценной BI-системы – то есть добавление большего количества визуализаций, вариантов расположения виджетов, более точной настройки отображения, дополнительных сложных вычислений и формул.

Остается большое количество технических задач и задач по улучшению пользовательского опыта.

— Каких результатов удалось достичь?

Удалось централизовать аналитику и наладить процесс построения отчетности. У нас получилось сформировать простые и понятные правила по построению дашбордов и данным, на основе которых они строятся, а также привести отчетность к единому формату как данных, так и визуализации. Очевидно, удалось популяризовать работу с отчетностью, ведь около двух третей всех наших пользователей теперь посещают систему каждый рабочий день.

Важно отметить метрики по качеству и скорости работы дашбордов. Среднее время загрузки данных в виджетах – менее 1 секунды. Этого удалось достичь за счет лимитов на скорость выполнения скриптов и на количество данных, на которых строится визуализация. Для более детальных отчетов и выгрузок у нас используются отчеты в виде файлов, которые можно связать с виджетами.

— Насколько сильно снизились требования к аналитикам? И как вообще более простой сервис отразился на процессах?

При найме новых аналитиков перестало требоваться знание BI-инструментов вроде Tableau, PowerBI, QlikView. Основным требуемым навыком выступает SQL и аналитическое мышление.

Простой процесс создания дашбордов значительно снизил время их разработки. Уменьшилось дублирование одних и тех же показателей от разных аналитиков. Как следствие, повысилось доверие к отчетности.

— Пытались ли оценить финансовый результат?

Проводился сравнительный анализ расходов на покупки лицензий зарубежных популярных BI-инструментов (до ухода этих компаний из России). Получались достаточно крупные суммы с учетом большого количества пользователей и аналитиков.

Создание отдельной команды под разработку собственного решения получилось более выгодно экономически.

— В чем роль проекта для компании и для рынка в целом?

В текущих реалиях основная роль – конечно же, импортозамещение зарубежных продуктов, а также обеспечение бесперебойной работы с отчетностью в рамках компании.

Ожидается распространение системы на другие подразделения – такой шаг поможет коллегам перенять наш опыт и лучшие практики, а не тратить ресурсы на создание собственной системы аналитики в условиях практически отсутствия альтернатив на рынке. Конечно, можно найти решения open source, но требуется много времени и ресурсов чтобы развернуть и настроить их под себя. А для специфических задач наверняка потребуются доработки такой системы.

— Каковы планы по развитию решения?

Планируем превратить решение в полноценный BI-инструмент с поддержкой всех основных возможностей по визуализации и анализу данных. Важно совершенствовать интерфейс, чтобы процесс работы аналитиков стал максимально простым и интуитивно понятным.

А для распространения на другие подразделения планируем создать коробочную версию. Это подразумевает довольно большую техническую работу и анализ потребностей коллег. Возможно, у них есть очень специфичные задачи, которые у нас не решались, и для этого потребуется расширить функционал.

Самообслуживание в работе с данными становится мейнстримом: тему развития сервисов самообслуживания так или иначе затронули практически все представители бизнеса, выступившие на форуме «Управление данными — 2022», организованном издательством «Открытые системы». Даже функции обеспечения информационной безопасности в какой-то части делегируются сотрудникам бизнес-подразделений (см. врезку «Защита данных в документах: cам себе админ»). Представители компаний Tele2, «Уралхим» и «Газпром нефть» в своих выступлениях фокусировались главным образом на самообслуживании в области бизнес-аналитики.

Tele2: девять «пилотов» сразу

После ухода из России западных вендоров, на основе решений которых были построены бизнес-процессы Tele2, компания столкнулась с серьезными проблемами. Особенно болезненной оказалась ситуация с BI-системой Tableau: ее использовали многие разработчики, а кроме того, с ее помощью составлялось множество отчетов, пробуксовка в выдаче которых грозила замедлением процессов и потерей прибыли.

Чтобы спасти положение, команда экспертов провела анализ рынка и, изучив полтора десятка решений, запустила сразу девять пилотных проектов, подключив к корпоративному хранилищу девять BI-систем. Затем вместе с бизнес-пользователями отобрали 30 наиболее важных дашбордов и один из них (конкурсный) реализовали с помощью интегратора на всех девяти платформах. Получив отчеты и заполнив чек-листы, в компании оценили результаты, выбрали победителя и приступили к самостоятельному проведению миграции. Сейчас все критичные дашборды находятся в системе Fine BI, а разработку в бизнес-аналитике и по некоторым другим направлениям полностью ведут пользователи.

«Self-service — не хаос, им можно управлять. Без наших бизнес-разработчиков мы не смогли бы перейти на новую BI-платформу всего лишь за месяц, обеспечив собственными силами все потребности бизнеса в данных», — резюмировал Александр Снытко, руководитель службы поддержки и развития инструментов бизнес-аналитики Tele2. По его словам, активные и заинтересованные в корректном описании всех объектов данных бизнес-разработчики становятся адептами культуры data-driven. И убеждать их пользоваться новым инструментом не приходится, поскольку они сами его протестировали и выбрали.

Ударный год «Уралхима»

В «Уралхиме» и раньше продуктивно работали с данными: тут и искусственный интеллект, сортирующий заявки на первой линии поддержки и даже управляющий производственной установкой, и роботы, формирующие справки 2-НДФЛ. А в начале текущего года в компании запустили платформу, которая дает бизнесу возможность работать с данными самостоятельно. Доставка данных на базе гибридной инфраструктуры происходит для бизнеса бесшовно.

Владимир Вавра: «Замеры наглядно показывают довольно существенную (от 30 до 90%) экономию ресурсов по нескольким направлениям»

«Если мы хотим стать data-driven-компанией, а мы такую технологическую цель перед собой поставили, то дальше надо идти совместно с бизнесом, ведь бесконечно расширять штат айтишников — это безумие, — заявил Дмитрий Шведов, заместитель руководителя департамента цифровизации ОХК «Уралхим». — Мы сразу фокусировались на ключевых селф-сервисах, и BI — одно из ведущих направлений».

В компании запустили школу аналитиков данных с защитой проектов, выполненных на платформе, и бизнес с энтузиазмом воспринял эту инициативу. В школе проходят обучение 1200 сотрудников, и эффект внедрения культуры управления данными уже заметен, сообщил Шведов.

Требования бизнеса к инфраструктуре и сервисам работы с данными постоянно меняются, и подстраиваться под них приходится быстро. В этом году в дата-офисе сосредоточились на качестве данных и реализовали два десятка автоматизированных проверок качества по заданной бизнесом методологии. Сравнение затрат времени и ресурсов на выработку одних и тех же решений подтверждает эффективность оптимизации. «Замеры наглядно показывают довольно существенную (от 30 до 90%) экономию ресурсов по нескольким направлениям», — отметил Владимир Вавра, руководитель отдела инфраструктуры данных ОХК «Уралхим».

«Газпром нефть»: бонусы самостоятельности и мини-CDO

Анализировать результаты проверок качества данных — это то, что может и должен делать бизнес-пользователь, уверен Виталий Когтев, руководитель направления по качеству данных управления по организации работы с данными дирекции экономики и корпоративного планирования «Газпром нефти». В компании уже несколько лет работает школа аналитики, через которую прошли около 200 пользователей. Многие из них являются ответственными за данные и сами настраивают аналитические панели на основе шаблонов для решения своих актуальных задач. А теперь бизнес-пользователи получили инструменты для самостоятельного мониторинга качества данных.

Виталий Когтев: «Анализировать результаты проверок качества данных — это то, что может и должен делать бизнес-пользователь»

Незапланированным бонусом перехода на самообслуживание стала поддержка импортозамещения ПО: поскольку используются несколько инструментов мониторинга качества данных с последующей консолидацией метрик, внедрение нового ПО проходит достаточно плавно, отметил Когтев. Кроме того, самообслуживание в BI стимулировало каталогизацию данных — нудный процесс, которым бизнес обычно не особо хочет заниматься. Но теперь создание наглядных и понятных аналитических панелей стало соревновательным процессом, участники которого стараются максимально качественно описать необходимые элементы данных в каталоге. Не менее ценным стало и развитие новых навыков у сотрудников: аналитики с удовольствием обучились создавать аналитические приложения.

В лаборатории данных блока разведки и добычи «Газпром нефти» тоже совершенствуют self-service BI, улучшают магазин данных и каталог данных, а также укрепляют команду поддержки. Для управления данными в дочерних обществах, в «Газпром нефти» ввели функцию «мини-CDO». А «дочки» в компании немаленькие: например, в Заполярье трудятся около 1800 территориально распределенных сотрудников. «Если компания крупная, обязательно нужны люди на местах, которые выполняют роль CDO: внедряют продукт, общаются с бизнесом на его языке и готовы сразу интерполировать производственные задачи, предлагая подходящие для их решения дата-продукты», — отметил Александр Егоров, руководитель программ по управлению данными компании «Газпромнефть-Заполярье». Чтобы извлекать информацию и передавать ее до дашборда, лаборатория данных использует платформу Qlik Sense. Теперь, согласно дорожной карте импортозамещения, идет переход на Luхms BI. В части self-service BI здесь провели апробацию возможностей нового решения и передали разработчикам список замечаний и предложений для их возможной реализации в следующем году.

Вступив в цифровые 20-е годы XXI века, предприятия все чаще рассматривают возможность внедрения нового поколения совместно используемых и компонуемых облачных технологий ERP (enterprise resource planning). Это подкрепляется нескончаемой пандемией, ненадежными цепочками поставок, кочующей рабочей силой и другими факторами.

Опрос 1675 руководителей ИТ-служб, организованный Boomi, показал, что подавляющее большинство организаций (94%) используют стратегию ERP нового поколения, которая предусматривает преодоление ограничений унаследованных приложений и модернизацию бизнеса за счет перехода на облачные платформы и профессиональную аналитику, включающую элементы искусственного интеллекта.

По прогнозам Gartner, к 2023 году 65% организаций уже внедрят у себя ERP-приложения, имеющие один или несколько из так называемых «отличительных признаков четвертой эры» информационных систем. К ним относятся искусственный интеллект, архитектура, ориентированная на данные, системы, которые можно использовать в готовом виде, функции, дополняющие решения, средства поддержки разработчиков и технологии, ориентированные на клиента.

«Проблемы последних двух лет склоняют чашу весов в сторону более быстрого внедрения ERP-систем следующего поколения, – отмечается в отчете Boston Consulting Group. – Использовать традиционную систему ERP для управления ожидаемым ростом электронной коммерции и удовлетворения потребностей в гибкости и быстроте будет практически невозможно. Наметилась тенденция к поддержке финансовых, снабженческих и кадровых функций передовыми средствами автоматизации, в которых ставка делается на сокращение числа сотрудников с одновременным повышением уровня их квалификации и на использование работников, решающих возложенные на них задачи из дома».

Перечислим три области, в которых традиционные ERP-системы сегодня терпят неудачу, а также потребности, испытываемые современными предприятиями.

Гибридная рабочая сила

Если какие-то сомнения в отношении перехода на облачную ERP-систему ранее и возникали, то с началом кризиса COVID они были отброшены, и корпоративные рабочие места распределились по бесчисленным домашним офисам. Локальная ERP оказалась не такой масштабируемой, как все думали. И сегодня наблюдается переход к облачным системам, с помощью которых сотрудники решают кадровые, финансовые и бухгалтерские задачи в удаленном режиме.

Недавний опрос Pew Research Center показал, что каждые шесть из десяти работников в США, утверждающих, что их задачи в основном можно решать из дома, трудятся на дому постоянно или большую часть своего времени. По сравнению с 23% «удаленщиков», которые мы наблюдали до пандемии, перемены видны невооруженным глазом.

Согласно опросу Upwork, доля тех, кто занимается фрилансом на постоянной основе, находится на рекордно высоком уровне и составляет 36% от общей численности работников. Большинство из них (53%) предоставляют квалифицированные услуги разработки ПО, маркетинга, ИТ- и бизнес-консалтинга. Годом ранее их доля составляла 50%. Кадровый компонент ERP-систем должен учитывать быстроту найма, непредсказуемость рабочего графика и текучесть кадров. Все больше организаций ищут персонал за рубежом, что наряду с другими факторами заставляет гибко реагировать на новые правила обязательной отчетности, налогообложения и льгот.

Аналитика

Недавние события выявили относительно слабые возможности традиционных систем ERP в части составления отчетов. Предприятия хотят постоянно иметь данные под рукой и принимать решения очень быстро; готовые отчеты ERP-систем многим не подходят. И теперь они прорабатывают функции отчетов, информационных панелей и ключевых показателей эффективности (KPI) в самом начале, на этапе проектирования и выстраивания системы, вместо того чтобы наращивать соответствующие возможности с течением времени.

По словам аналитиков Boston Consulting Group, ERP-платформы следующего поколения обеспечивают компаниям прозрачность в реальном времени в части продаж, запасов, производства и финансовых показателей. Мощная аналитика, основанная на данных, позволяет принимать более гибкие решения, корректируя параметры цепочек поставок для повышения устойчивости. Надежные средства электронной коммерции помогают компаниям лучше взаимодействовать с онлайн-клиентами как при подготовке продаж, так и после их совершения. А минималистичное ядро ERP и облачный подход помогают ускорить развертывание.

Цепочки поставок

Беспрецедентные и непрекращающиеся сбои в цепочках поставок создают потребность в усилении наглядности, повышении предсказуемости сроков выполнения заказов, поиске альтернативных источников поставок и ускорении реагирования на сбои.

Опрос, проведенный FiveTran и Dimensional Data, показал, что 86% руководителей хотят обращаться к данным через свои системы ERP в режиме реального времени. Но только 23% респондентов заявили, что их нынешние ERP-системы поддерживают такую возможность, а 99% не могут получить доступ к необходимой им информации.

До пандемии компании были сосредоточены на оптимизации цепочек поставок и извлечении максимума эффективности из современных решений. Такой подход базировался на предположении о том, что поставщики могут придерживаться заранее определенных контрактами графиков, тесно интегрированных с ERP-системами. Однако предположения эти оказались неверны.

Любой бизнес, если опустить специфические нюансы, сводится к непрерывному процессу принятия решений, который можно разбить на пять этапов: сбор информации, выявление возможных решений, их взвешивание, выбор оптимального решения, действие и, наконец, оценка результата. Очевидно, что залог успеха – принятие правильных решений, ведущих к росту прибыли, но одной ошибки на любом из этапов может быть достаточно для неправильного действия в ущерб интересам организации. Поэтому подходить к принятию решения нужно осторожно, методично, используя специальные инструменты автоматизации для повышения скорости работы и снижения влияния человеческого фактора.

О каких инструментах идет речь? Их существует великое множество, но мы сосредоточимся лишь на двух категориях: отчетность и аналитика. Очень часто эти категории ошибочно смешивают в одну из-за непонимания их различий. Результат – систематическая недооценка потенциала аналитики и переоценка значимости отчетности. Мы постараемся провести четкую линию между двумя понятиями, уделяя, при этом, внимание их взаимосвязи и преимуществам или недостаткам каждой из них.

Фабрика по производству отчетов

Начнем с простого – с отчетности. Она проста не потому, что легко реализуется, а потому, что каждый работник знает, что такое отчет, а значит, знаком с понятием «отчетность». Для наглядности, представим себе типичного менеджера. Его основная функция – принятие решений. Вспомним этапы процесса принятия решений, упомянутые ранее.

Очевидно, что менеджеру, необходима пища для размышлений – базис для выявления проблем и выработки их решений. Роль такой пищи играет информация о функционировании бизнес-процесса в прошлом и настоящем. Поэтому сбор информации – критически важная деятельность, обеспечивающая восприятие проблем и возможностей. В большинстве случаев непосредственный сбор информации делегируется другим работникам – ведь это работа тяжелая и длительная, менеджеру заниматься этим некогда. Но данные сами по себе могут быть слишком объемными или многогранными, то есть сложными для восприятия, из-за чего возникает необходимость их обработать и представить в понятной форме. У занятого менеджера есть совсем немного времени на усвоение этой информации; если он что-то не поймет или поймет не так, последствия могут быть весьма плачевными. Иными словами, его задача – извлечь максимум знаний за минимальное время. Тогда задача подчиненных – изложить максимум полезной информации в максимально сжатом виде.

Так мы и подошли к понятию «отчетность», которое кто-то сочтет повседневной утомительной каторгой, кто-то назовет наукой, кто-то – искусством. В любом случае, ее вклад в принятие важных для организации решений нельзя недооценивать: качество решений прямо зависит от качества предоставляемых менеджеру отчетов. Тем временем цифровизация организаций приводит к тому, что полезной информации копится все больше и больше, вплоть до того, что становится сложно это «сено» собрать в стог, а уж найти в нем иголку – и подавно. Выходов из этой ситуации, по сути, два: игнорировать информацию или научиться с ней работать. Первый чреват упущенными возможностями, а второй – расходами на совершенствование подходов и инструментария. Так, например, современные решения BI позволяют автоматизировать обновление отчетов и даже сделать их интерактивными, динамическими, чтобы потребитель отчета мог смотреть на представленные сущности с разных ракурсов.

При этом нужно помнить о том, что отчетность, как бы мастерски она не была подготовлена, дает лишь возможность взглянуть в прошлое и настоящее. Интерпретация содержащихся в отчетах знаний и последующий прогноз или действие – задачи, лежащие на плечах лица, принимающего решения. Это традиционная, известная всем практика, многократно показавшая свою эффективность. Но что если решений нужно принимать очень много или объем и разнообразие доступной информации не позволяют изложить все в отчетах так, чтобы менеджер мог оперативно и корректно принять решение?

Аналитика как продолжение отчетности

Можно пойти дальше и попытаться автоматизировать или делегировать следующие два этапа процесса принятия решений: выявление и взвешивание возможных решений. Это снимет нагрузку и ответственность с менеджера. Под делегированием понимается передача этих функций штату аналитиков, занимающихся поиском проблем и их оптимальных решений. Автоматизация (полная или частичная) подразумевает создание интеллектуальных систем, дополняющих экспертов-аналитиков.

Почему необходима автоматизация? Дело в том, что математические модели, опирающиеся на объективные данные, позволяют исключить из процесса анализа негативное влияние субъективности суждений эксперта и, таким образом, повысить точность прогнозов и рекомендаций. Ведь экспертная оценка в значительной мере опирается на интуицию эксперта, которая может и обмануть; кроме того, экспертное знание ограничено стереотипами и предыдущим опытом эксперта, что не дает ему возможности адаптироваться к быстроменяющейся действительности.

С другой стороны, построение системы на основе искусственного интеллекта невозможно при малых, ненадежных, нерепрезентативных объемах данных – в этих случаях экспертное мнение сильнее. Поэтому в тех случаях, когда задача слишком сложна или собранных данных недостаточно для уверенного ответа на поставленные вопросы, продвинутую аналитику следует рассматривать не как замену эксперту, а как его помощника.

Как бы то ни было, прогноз или рекомендация основываются на прошлых наблюдениях за состоянием бизнес-процесса. В каких-то случаях эта информация содержится в отчетах, и тогда аналитику можно справедливо назвать гармоничным продолжением отчетности. В остальных случаях, специфические аналитические задачи требуют специфического набора данных, не освещенного в отчетах. Однако сам процесс анализа нацелен на исследование конкретной бизнес-сущности, а значит, набор релевантных данных, формируемый в этом процессе, содержит в себе важную для бизнеса информацию; кроме того, очевидно, результаты аналитики представляют собой ценные знания. Следовательно, аналитика может выступать источником новых отчетов, давать толчок совершенствованию отчетности. Аналитика – больше чем отчетность.

Финансовый результат разработки отчетов оценить сложно: руководство просматривает их в процессе принятия и оценки качества решений, но выбор действия делает, исходя из собственных выводов. Таким образом, влияние отчетности на конечный результат лишь косвенное, неосязаемое, в то время как затраты вполне реальны. Рекомендательная система, напротив, берет задачу поиска решения на себя. Соответственно, финансовый эффект посчитать легко: предложенное системой решение приносит либо выгоду, либо убыток. Так вы понимаете, за что платите.

С потенциальной выгодой, конечно, растут и риски, и ответственность. Разработчики отчетов отвечают за качество данных и их визуализации, в то время как аналитики ответственны за корректность созданной рекомендательной системы, за ее внедрение, за эксплуатацию и за финансовый результат. Вы не только понимаете, за что платите – вы знаете, к кому обратиться и с кого спросить.

Монетизация: где взять идеи?

Важно понимать цель оптимизации бизнес-процессов – это положительный финансовый результат. Трансформация идеи в денежную выгоду – монетизация – начинается, как ни странно, с идеи; значит, путь должен начинаться с ее поиска.

Ясно, что оптимизировать следует то, что не является достаточно эффективным. Но как оценить эффективность? Во-первых, эффективность определяется степенью соответствия результата поставленным целям, то есть, зная цель, менеджер должен сравнить ее с тем, что есть на самом деле – для этого ему потребуется взглянуть в отчеты. Результаты нельзя назвать удовлетворительными? Почему? Как это исправить? Вот и идеи для аналитического проекта. Вывод: отчетность – ценный источник идей для развития бизнеса.

Однако определить факторы неэффективности далеко не просто, особенно это касается тех процессов, которые сложны, многоступенчаты по своей природе или бесхозны, или вовлекают большое количество участников. Так, источниками неэффективности могут выступать взаимодействие между сотрудниками, взаимодействие с клиентом, расположение точек продаж и т. д. – все это нельзя увидеть в отчетности. Продвинутая аналитика, при условии наличия данных, позволяет «провалиться» вглубь бизнес-процесса, выявить скрытые факторы неэффективности и предложить идею для монетизации.

Заключение

Подчеркнем еще раз, что цифровизация характеризуется ростом объема генерируемых данных, и это открывает большие возможности для их монетизации, но, с другой стороны, требует новых подходов к их анализу. Простой, хоть и проверенной временем, отчетности недостаточно – нужны более изощренные методы извлечения знаний из данных. В этом смысле аналитика – более совершенный и выгодный инструмент, но его нельзя назвать другим – он дополняет, совершенствует отчетность. Движение в сторону расширения аналитической мощи организации имеет смысл: оно обязательно приведет к увеличению конкурентоспособности и эффективности организации.

Авторы:

Юрий Сирота, старший вице-президент, руководитель дирекции анализа данных банка УРАЛСИБ

Андрей Шишов, аналитик департамента анализа данных банка УРАЛСИБ

В спортивной индустрии большие данные имеют огромный потенциал, считают в Ассоциации менеджеров. Сегодня объем рынка систем мониторинга и аналитики в спорте оценивается Forbes в 764,3 млн долл., а к 2023 году ему прочат резкое увеличение — до 15,5 млрд долл. В большом спорте, как и в большом бизнесе, цели применения технологий больших данных самые разные — от разработки игровой стратегии до увеличения продаж. Весьма интересный опыт в этой области получила за последние пару лет, к примеру, испанская футбольная LaLiga (ранее — Primera Division).

Озеро данных о фанатах

LaLiga продает права на трансляцию матчей испанских футбольных клубов и распределяет деньги между клубами. То есть детальное знание аудитории трансляций — ее хлеб. C 2017 года аналитики LaLiga применяют BI-инструменты Microsoft для персонализации и улучшения клиентского опыта — опыта фанатов. При этом используются все данные как о зарегистрированных, так и о незарегистрированных пользователях канала LaLiga, представляющего собой своего рода «спортивный Netflix», а также о пользователях мобильного приложения. Даже если пользователь не отвечает на опросы на сайте и в приложении, нужные аналитикам данные все равно получают из других источников и загружают в озеро данных. Ведь правильная сегментация болельщиков — ключ не только к таргетированной рекламе, но и новым спонсорским соглашениям.

«Доступ к информации, предоставляемой LaLiga, очень помогает небольшим клубам заключать спонсорские контракты», — сообщил Даниэль Cерехидо, руководитель развития бизнеса и стратегии LaLiga в России и Белоруссии. Еще одно пока слабо развитое, но весьма перспективное направление — сбор информации с голосовых помощников. Вся информация стекается в озеро данных, к которому применяется аналитический инструментарий. Например, зная, какого игрока любит конкретный зритель, ему будут предлагать билеты именно на матчи с его участием и расписание соответствующих турниров.

На основе собранных данных о поведении болельщиков, о туристических потоках и о погоде разработанный компанией алгоритм прогнозирует количество зрителей и оптимизирует расписание матчей, позволяя в итоге максимизировать и посещение фанатами стадионов, и число посмотревших трансляцию в разных странах мира. Практика показывает, что ошибки предсказательной аналитики совсем невелики: реальные показатели отличаются от прогнозных всего на 1% для TB аудитории и на 3,4% для посетителей стадионов.

По словам Серехидо, стратегически важным решением LaLiga было побудить пользователей мобильного приложения согласиться на активацию микрофонов в их гаджетах на время трансляции. В сочетании с данными о геопозиции это позволило обнаруживать те бары, которые вели трансляцию без оплаты соответствующего взноса, и направлять туда инспекторов. Это было весьма эффективно, хотя и не безупречно с юридической точки зрения, так что сейчас эта практика приостановлена.

Клубам нужны аналитики

Вопросы работы с данными теперь включаются в повестку саммитов баскетбольной Евролиги, хотя эта организация еще не успела далеко продвинуться на пути применения больших данных. Что касается нашей страны, то до управления спортом на основе данных еще очень далеко, учитывая уровень технологической и управленческой зрелости отрасли. Как рассказал Кирилл Лата, коммерческий директор Единой лиги ВТБ, объединяющей российские и зарубежные баскетбольные команды, в лучшем случае отечественные клубы используют большие данные для продвижения в соцсетях, а количество клубов, обладающих хотя бы простейшей CRM-системой, можно пересчитать на пальцах одной руки.

«Печально, но данные выпадают из фокуса менеджмента, это не предмет интереса, — констатировал он. — Кроме того, это чертовски дорого, а эффект, который можно получить, для людей непонятен».

По уровню управления спорт сильно отстает от других сфер бизнеса. Оценить, сколько выручки принесет тот или иной клиент, чтобы понять сколько стоит тратить на его привлечение — самая обычная практика в бизнесе, но получить такую метрику в спорте — настоящая проблема. Данные, конечно, собираются, но их качество оставляет желать лучшего, а в топовых клубах нет ни одного аналитика. И руководство, и сотрудников чаще беспокоят проблемы работы с персональными данными, и связанные с этим страхи гораздо весомее, чем понимание потенциальных преимуществ работы с данными.

Кирилл Лата: «Мы все субъективны и видим то, что хотим видеть; для объективности нам нужны данные»

Лига ВТБ предпринимает усилия, чтобы изменить эту ситуацию, создать механизм по сбору данных в общее хранилище, а в перспективе — централизовать CRM и онлайн-продажи с целью аккумулирования данных, что будет полезно всем клубам.

«Большие данные подталкивают к трансформации наших продуктов в Life Style, как это произошло с банковскими продуктами, — отметил Лата. — Мы стремимся узнать про болельщиков все, каждый их шаг, найти взаимозависимости, сравнить их с общими тенденциями и придти к эффективности продаж».

Пример двух клубов Лиги уже подтвердил высокий потенциал работы с данными: только за счет настройки рекламной компании затраты на продвижение матчей сократились с 10 до 5,5% от выручки.

Однако не очень понимая как монетизировать данные, клубы, тем не менее, не очень охотно с ними расстаются. Еще один немаловажный нюанс: постоянно бывая на стадионах, менеджеры часто пребывают в уверенности, что и так прекрасно знают своих болельщиков. «Мы все субъективны и видим то, что хотим видеть, для объективности нам нужны данные», — напомнил Лата.

Многообещающим примером работы с данными в российской спортивной индустрии служит футбольный клуб «Зенит», который помимо привычной CRM-системы первым в отрасли внедрил решение SAP Marketing и начал создавать модели поведения болельщиков и строить на их основе свои взаимоотношения с ними. Сегодня 95% билетов на матчи этого клуба продаются через сайт, где еще до регистрации пользователя определяются его личность и интересы, так что в момент регистрации его модель поведения только фиксируется, а затем дополняется открытыми данными соцсетей, чтобы сделать ему наиболее адекватное, и что немаловажно — своевременное предложение. Эффективность рекламных кампаний «Зенита» выросла на 27%, и этот проект продолжает активно развиваться.

Роль директора по данным становится все более популярной, беря организации штурмом.

В компании Capital One первый директор по данным (Chief Data Officer, CDO) был назначен в 2002 году. В течение дальнейших десяти лет всего несколько организаций решили последовать ее примеру, однако в 2018 году, согласно проведенному NewVantage Partners опросу, уже 62,5% компаний, входящих в список Fortune 1000, сообщили, что в их организации имеется директор по данным.

Директор по данным отвечает за целый ряд связанных с данными функций, охватывающих управление данными, контроль за их качеством и создание стратегии управления данными. Кроме того, он несет ответственность за анализ данных и бизнес-аналитику, а также за процесс извлечения из данных ценных сведений. При этом некоторые функции управления данными могут быть отданы на откуп ИТ-службе, а анализ – главному аналитику, функционал которого пересекается с функционалом директора по данным.

Роль и обязанности директора по данным

Директор по данным входит в состав высшего руководства и отвечает за использование данных и управление ими в масштабах всей организации. Хотя должность директора по данным часто сокращается до аббревиатуры CDO, не надо путать ее с должностью директора по цифровым технологиям (chief digital officer), к которому также применим акроним CDO.

«Директор по данным – член высшего руководства компании, ориентированный на задачи бизнеса, понимающий стратегию и направленность бизнеса и думающий о том, как подкрепить все это данными», – указала Каролина Каррузерс, директор консультационной компании Carruthers and Jackson, бывший директор по данным Network Rail и соавтор книги 'The Chief Data Officer's Playbook and Data-Driven Business Transformation: How to Disrupt, Innovate and Stay Ahead of the Competition' («Тактика директора по данным и трансформация бизнеса, ведомая данными: как совершить прорыв, сделать ставку на инновации и обойти конкурентов»).

Хотя некоторые технические и ИТ-директора рассматривают появление директора по данным как посягательство на их территорию, Каррузерс считает, что сферы их ответственности отличаются друг от друга. Директора по данным отвечают за качество данных, управление основными и прочими данными, информационную стратегию, науку о данных и бизнес-анализ.

«Разница между директором по данным и ИТ-директором, на мой взгляд, вполне ясна, и здесь я зачастую использую аналогию с ведром и водой, – отметила Каррузерс. – ИТ-директор отвечает за ведро. За то, чтобы оно имело нужные размеры, находилось в нужном месте, в нем не было дыр и использование его было безопасным. Директор по данным отвечает за содержимое, которое находится в ведре и выливается оттуда, за его качество, перемещение в правильное место и организацию правильного потока. Ведро и вода не работают друг без друга».

Директор по данным и главный исследователь данных

«Хотя директор по данным и главный исследователь данных (chief data scientist) выполняют разные роли, их вполне может совмещать один человек, – указал партнер кадрового агентства BrainWorks Гай Гомис. – Совмещение позволяет собрать все лучшее, которое имеется в своем классе. Большинство лидеров в области исследования данных хотят держать под контролем стратегию обработки данных и обращение компании с данными. Им хочется, чтобы все вопросы, связанные с изучением данных, решались при их участии. Если вы постоянно занимаетесь соответствующими вопросами, в этом действительно есть смысл. Именно от исследования данных зависят ценности, которые приносят данные, поэтому аналитика является очень важной функцией. Вместе с тем нужна хорошая стратегия данных, необходимо управлять ими, иначе вы не получите данные должного качества для анализа. Лучше всего иметь стратегию, разработанную директором по данным, и главного исследователя данных, который ведает аналитикой, работая в тесной связи с ИТ-директором».

Кому должен подчиняться директор по данным?

Хотя должность директора по данным быстро завоевывает популярность в организациях, по свидетельству NewVantage, мнения в отношении ее важности и полномочий расходятся. Опрос показал, что 39% его участников относят директора по данным к числу руководителей, отвечающих за стратегию данных и ее результаты. При этом 61% респондентов отнесли его к числу топ-менеджеров, полагая, что у него нет какой-то одной сферы ответственности. А 50% считают, что директор по данным должен входить в состав руководящего органа, хотя многие и не согласны с этим.

По словам Каррузерс, подчиненность директора по данным в организации может варьироваться, но логичнее всего было бы подчинить его генеральному или исполнительному директору.

«Единственным абсолютно неверным решением я считала бы подчинение его ИТ-директору, – заметила она. – Поскольку роль эта развивается и совершенствуется, ее нужно подчинить кому-то из непосредственного руководства бизнесом. Директор по данным постепенно приближается к высшему уровню, на котором он и должен находиться. На мой взгляд, ИТ-директор и директор по данным должны поддерживать тесные партнерские отношения, а когда один подчинен другому, партнерство между ними невозможно».

Директор по данным Dun & Bradstreet Энтони Шриффиньяно, подчиняющийся генеральному директору компании, заметил, что точного ответа на вопрос о том, кому должен подчиняться директор по данным, у него нет: «Я видел, как этот человек играет определенную роль в сфере финансов, ИТ, маркетинга, исследовательской и проектной деятельности и даже разработки продуктов. Зачастую это новая роль, созданная человеком, который перерос предъявляемые к нему требования, и находится в той части организации, которую сам и создал. Но из этого вовсе не следует, что там он и должен оставаться».

Чего ждать от директора по данным

Согласно опросу NewVantage Partners, 34% руководителей компаний, входящих в список Fortune 1000, считают, что успешный директор по данным должен быть внешним проводником изменений со свежими перспективами. При этом 32% придерживаются противоположной точки зрения: по их мнению, на роль успешного директора по данным больше подходит ветеран, понимающий историю и культуру организации. Респонденты разошлись и во взглядах на образование директора по данным: 23% убеждены в том, что успешный директор по данным должен иметь подготовку в области исследования данных или соответствующих технологий, тогда как 11% видят его в числе руководителей, которые отвечают за финансовые результаты.

По словам Гомиса, доводилось ему наблюдать и директоров по данным с маркетинговой подготовкой, причем некоторые из них являлись даже обладателями степени MBA и ранее никогда не работали в сфере анализа данных. «Во многих случаях их деятельность заканчивалась провалом, но в пригласивших их компаниях считали, что навыки, привнесенные извне, окажутся более важными, чем опыт анализа данных».

Для директоров по данным, попавших в сложную ситуацию, весьма полезными оказываются навыки общения с людьми. «Одна из самых серьезных ошибок связана с непониманием целей и ожиданий, – указал Гомис. – За последние три года я наблюдал смену очень многих директоров по данным. Текучка кадров здесь просто невероятная. Все это свидетельствует о том, что ожидания компаний не совпадают с ожиданиями кандидатов».

Очень часто нереалистичные ожидания исходят со стороны работодателя. «Главная ошибка, совершаемая компаниями, заключается в том, что они ждут от привлекаемого человека решения их проблем, – пояснил руководитель направления данных и анализа консультационной компании Russell Reynolds Associates Джастин Черилли. – На самом же деле вы только приступаете к решению проблем – принятие сложных решений впереди. Вы начинаете интересоваться, что представляют из себя наши люди и наши процессы, как мы меняем нашу культуру. Ради достижения конечного результата генеральный директор разрешает директору по данным поменять все, что тот сочтет нужным, но при этом сам он не желает никаких изменений».

Зарплата директора по данным и вакансии

Анализ компенсаций, проведенных компанией PayScale, показал, что средняя зарплата директора по данным составляет 177 405 долл. в год, включая все виды бонусов, и может варьироваться в пределах от 118 427 до 313 791 долл. (Желаем отечественным CDO американских зарплат. — CIO.RU.)

Поиск вакансий директора по данным на сайтах Indeed.com и LinkedIn показал, что спрос на соответствующих специалистов есть в целом ряде отраслей, включая ретейл, СМИ, страхование и государственное управление.

Определенное представление о сфере ответственности директора по данным позволяет получить выборка из его должностных обязанностей, к которым относятся: разъяснение и пропаганда видения данных как критической составляющей стратегии роста; формирование стратегических политик доступа к данным; разработка и претворение в жизнь централизованной стратегии управления данными для увеличения доходов; надзор за управлением данными, инвестициями в них и партнерством; а также поддержание отношений с коллегами из высшего руководства на стратегическом уровне.

Сегодня компании заняты поиском высокомотивированных и опытных новаторов, способных помочь им в достижении ощутимых результатов, а также руководителей высшего звена, которые осуществляли бы контроль над данными и аналитическими подразделениями на протяжении семи и более лет.

Руководству сети Burger King удалось создать во многом уникальную модель управления большой сетью ресторанов, основанную на объективных показателях. Менеджеры ресторанов имеют доступ к объективной, наглядной и оперативной информации о своей работе, что обеспечивает их вовлеченность в повышение эффективности деятельности компании.

Максим Шарапов, директор департамента ИТ «Интернэшнл Ресторант Брэндс» и претендент на CDO Award, рассказывает о пользе меритократии, выработке у руководства ресторанов психологии бизнесменов и полном аутсорсинге процессов BI.

- С какого момента Burger King начал трансформироваться?

Трансформация имела подготовительный этап. Сеть Burger King начала бурно развиваться с 2012 года, тогда у нас было несколько десятков ресторанов и появился стратегический партнер. Получив финансирование, сеть начала экспансию. В этот момент я пришел в компанию и занимался стратегией развития ее информационных систем.

Базисом всей дальнейшей работы была подготовка единого источника данных, необходимого для последующего внедрения цифровых сервисов. Мы приняли решение внедрять ERP-систему, объединив в единой базе разрозненные данные различных подразделений. Более того, ERP стала системой мастер-данных. Таким образом был создан фундамент для дальнейшей цифровой трансформации.

- Какова история активной работы с данными? Когда произошел скачок, каковы его причины и результаты?

Когда внедрение ERP — а это большая и важная работа — было осуществлено, мы смогли направить силы на более конкретные бизнес-задачи. Были созданы все предпосылки для бизнес-аналитики: у нас появились данные, в отношении которых мы могли гарантировать целостность и корректность. Компания предпочитает в бизнесе прагматичный подход, руководство очень любит, когда в работе ориентируются на понятие quick wins — максимально быстрое достижение осязаемых результатов. Если в случае с ERP мы понимали, что быстро ее внедрить не получится, и были готовы терпеть целый год, то работу с BI-отчетностью мы вполне могли организовать по принципам Agile. Работа строится на поступающих от бизнес-подразделений вполне конкретных задачах по созданию приложений.

- Какие использованы платформы и продукты?

В качестве платформы мы выбрали Qlik и весьма оперативно подключили команду разработчиков. Эта платформа дает возможность действовать быстро и обойтись без создания хранилища данных. При помощи Qlik мы начали делать достаточно быстрые проекты. Задача состояла в предоставлении бизнесу подсказок и предложений относительно того, как скорректировать свою работу, чтобы максимизировать прибыль.

- Почему решили обойтись без хранилища? Сейчас этот подход используется повсеместно.

Мы считаем, что нам хранилище данных не нужно. Оно незаменимо там, где много источников разнородных данных. У нас не так много источников данных, а основных всего два: ERP и кассовая система. Они довольно однородны и предоставляют данные высокого качества, нам не требуется промежуточный этап сведения данных к единому целому. С внешними системами — например, системой аудитов и отзывов посетителей — обмен идет с помощью файлов Excel, уже агрегированных и готовых отчетов.

Да и сам принцип работы Qlik часто подразумевает отсутствие хранилища. Платформа всеядна, а ETL-процессы могут быть описаны в самой системе.

- Существует ли в компании стратегия работы с данными? Если есть, то в чем она заключается?

Четкой стратегии у нас нет, но есть основной принцип: компания регулярно и оперативно принимает решения на основе данных. Исходя из этого, мы формируем требования к данным. Например, от события в любом из более 600 ресторанов до его отражения в отчетности должно проходить не более 15 минут. Это означает, что все виды контроля по целостности и качеству данных должны быть зашиты в сами системы.

Самое главное, что большое число людей на регулярной основе вовлечено в работу с данными. Ежедневно в каждом ресторане проходят конференц-звонки, в ходе которых обсуждается, что ресторан будет делать в соответствии с показателями, полученными из системы.

- Действительно ли скорость настолько важна? Каким образом достигается актуальность данных, близкая к реальному времени?

Первым крупным результатом в рамках работы с данными стал проект «Рутина», благодаря которому рестораны начали получать ежедневные отчеты, весьма объемные и детальные. Следующий шаг был направлен именно на оперативность. Мы переосмыслили работу с источниками данных и стали работать с локальными кассовыми базами, а не с центральной базой, где консолидировались данные при закрытии кассового дня. Это было нужно для того, чтобы сотрудники ресторанов могли в режиме, близком к реальному времени, видеть, на какие показатели они выходят по итогам дня. Если что-то идет не так, у них есть возможность изменить ситуацию.

- Переход к управлению на основе данных — это серьезная культурная трансформация. Люди не любят меняться. Как обеспечить принципиальную возможность таких изменений?

Это и просто, и сложно. Надо быть максимально честными с людьми. Компания в своей работе придерживается философии меритократии — воздавать каждому по его заслугам. Человек, принесший компании измеримый в деньгах результат, может претендовать на часть этого результата. Любой сотрудник ресторана может предложить идею, которая повысит эффективность компании. Такие идеи могут быть озвучены непосредственному начальству, затем совместно — вышестоящему руководству, и очень важно, чтобы эта цепочка была быстрой, а ценные идеи максимально оперативно воплощались в жизнь. Не нужно теоретических рассуждений — надо брать и пробовать, а пилотный проект покажет ценность на практике.

Важно выработать у директоров ресторанов психологию бизнесменов. Они имеют право пробовать новшества, их никто за это не будет наказывать, даже если ожидаемый эффект не будет получен. Компания дает сотрудникам достаточно большое пространство для самореализации. Эта культура очень хорошо укладывается в data-driven-подход.

Таким образом, работу с данными можно считать некоторой базой для управленческого развития компании, которое во многом построено на стандартизации функций и их делегировании. Все управленческие решения на каждом из уровней управления основаны на объективных данных. На объективных показателях основана и мотивация сотрудников, что дает их высокую вовлеченность в улучшение работы ресторанов.

- Любопытным подходом является полный аутсорсинг всей работы с данными: в штате Burger King нет ни одного BI-специалиста, а функциональные менеджеры самостоятельно вносят задачи по работе с данными в очередь для реализации. Как такое стало возможным?

Да, работа с данными отдана на аутсорсинг в компанию Qlever Solutions, и у нас действительно нет ни одного BI-специалиста. Но зато есть мощное подразделение бизнес-аналитики, сотрудники которого не являются техническими специалистами, но имеют сильную экспертизу и глубокое понимание показателей экономической деятельности компании. Еще есть должность менеджера по развитию информационных систем, он управляет изменениями и принимает участие в расстановке приоритетов. Таким образом, все изменения проходят определенный контроль на достаточно высоком уровне.

Во многом такой подход стал следствием того, что компания довольно жестко ограничивает в подразделениях численность штатных сотрудников. В итоге образовалась гибкая структура, которая позволяет точно масштабировать ресурсы в соответствии с объемами работ и приобретать услуги по модели time&material.

Надо сказать, что к идеальному варианту пришли не сразу. У нас был негативный опыт работы с одной из очень известных компаний, занимающихся платформой Qlik, ставший примером того, какими отношения быть не должны. Действия по закрытию кода решения и неприкрытый шантаж вынудили нас разорвать с ней отношения и в дальнейшем более внимательно относиться к таким вопросам.

С нынешними партнерами выстраиваются именно доверительные отношения. Мы даем им значительный объем работ и ждем от них честности и заинтересованности в долгосрочном сотрудничестве. От них имеем лояльное отношение и привлекательные цены.

- В руки партнеров попадают ваши данные. Как страхуетесь от утечек?

Я могу лишь повторить слово «доверие». Конечно, договоры о конфиденциальности подписаны, но понятно, что они не дают стопроцентную гарантию от утечек. Таков выбор компании: мы идем на немалый риск ради более эффективных процессов.

- Быстрое внедрение изменений достигается благодаря подходам Agile. В какой момент стало понятно, что они нужны компании?

Нельзя сказать, что мы жестко придерживаемся каких-либо методик. У нас есть потребность в быстрой разработке, оперативно осуществляемых пилотных проектах. При наличии хорошей экспертизы, особенно в случае, когда консультант и разработчик — это одно лицо, от обсуждения до выхода продукта в свет проходит очень немного времени. Кроме того, все бизнес-подразделения компании вовлечены в процессы реализации решений, что минимизирует эффект «испорченного телефона».

Еще очень важна работа с трехслойной моделью данных, когда уже созданные показатели могут передаваться из модели в модель. Это важное архитектурное ноу-хау нашего партнера Qlever Solutions, существенно ускоряющее процесс разработки.

- Сейчас массово применяется предиктивная аналитика — использование математических моделей для прогнозирования выручки, спроса и других бизнес-показателей. Насколько это актуально для вас?

Актуально, но мы относимся к этому без фанатизма. Часто маркетинговая составляющая в ИТ идет во вред: использование модных технологий оправданно не всегда.

У нас есть пример использования машинного обучения в прогнозировании выручки. Долгое время мы задействовали простой алгоритм, дававший приемлемые результаты. Но компании было важно повысить точность таких расчетов, поскольку они влияли на закупки продукции, планирование выхода сотрудников на работу. Чем точнее прогнозирование, тем лучше компания подстраивается под внешнюю ситуацию.

Мы пригласили сильных специалистов по машинному обучению, чтобы повысить качество алгоритма. После достаточно продолжительной работы им удалось повысить качество, но всего на 1%. Это говорит о том, что главное — хорошо понимать тот бизнес, которым занимаешься, и ключевые факторы, влияющие на него. В этом случае самые простые модели часто имеют качество, не сильно уступающее самым современным решениям.

- Работа с данными направлена в первую очередь на внутренние нужды или на предоставление сервисов вовне?

Сейчас начато развитие внешнего блока — мобильного приложения, CRM-системы и сервисов на ее основе. Взялись работать с доставкой, появилась функция пикапа. Конечной целью всех этих усилий должны стать персональные предложения для каждого гостя.

Да, необходимо развивать персонализированную работу с гостями. Вероятно, придется анализировать путь клиента (customer journey), удобство приложений, наполнять CRM, подключать к ней внешние источники данных, в том числе из социальных сетей. Это серьезный вызов для компании, потому что объемы данных растут экспоненциально. Предстоит решать инфраструктурные вопросы, пересматривать принципы работы с данными.

Думается, что именно «внешние» цифровые сервисы принесут компании в будущем дополнительную прибыль.

- Как с профессиональной точки зрения отразилась на вас проведенная за последние годы работа ?

Можно сказать, что я пошел на повышение. Наши акционеры завершили покупку большой части ресторанов известного бренда. Я приглашен во вновь образованную компанию на позицию ИТ-директора. Мне предстоит реализовывать ранее опробованные идеи.

Потребуется масса подготовительной работы, которая ранее уже была проделана в Burger King. Без нее не обойтись, однако с учетом имеющегося опыта, думаю, удастся сделать всё гораздо быстрее. Сейчас запускаем ERP, причем на проект отведено менее полугода. Начинаем работу с источниками данных, проводим инвентаризацию существующей отчетности и, имея определенный багаж за плечами, развиваем ее.

Часть менеджмента новой компании осталась, часть пришла извне. Интересно, что получится из такого столкновения культур и подходов.

- Появления каких новых цифровых сервисов можно ожидать в ресторанном бизнесе в ближайшем будущем?

Распознавание клиентов — перспективная технология, и есть достаточно сильные алгоритмы, позволяющие это делать. С видеоаналитикой уже в текущем году на рынке будет достаточно много проектов.

Кроме того, последние достижения в области deep learning дают возможность выйти на новый уровень работы с продуктами и роботизации многих процессов. Инновации — это хорошо, но все считают свои деньги. И пока человеческий труд остается дешевым, будут выбирать именно его. Тем не менее в ближайшие пять лет, думаю, мы сможем увидеть полностью роботизированные рестораны.

Бизнес-аналитика (Business Intelligence, BI) важна для роста и приобретения конкурентных преимуществ, но, чтобы пользоваться возможностями BI, недостаточно только внедрить соответствующие технологии.

В сущности, такое внедрение – самая простая часть любой инициативы BI, уверен Борис Эвельсон, главный аналитик Forrester Research. Гораздо более сложными являются этапы, связанные с подготовкой персонала и процессов.

Эти этапы необходимо рассматривать в качестве ключевых аспектов успешной стратегии ВI. Кроме того, нужна дополнительная детализация, чтобы решить задачи, связанные с распределением ответственности и непрерывным совершенствованием.

Эксперты перечисляют семь основных элементов успешной стратегии в области BI.

1. Сделайте бизнес владельцем BI

Организации, где «собственником» BI является бизнес, чаще добиваются успеха, чем те, где BI находится в ведении отдела ИТ. В первом случае функции BI «встроены» в работу конкретных бизнес-отделов или специалисты по эксплуатации BI-системы отчитываются перед директором по цифровым технологиям либо директором по работе с клиентами. И как подчеркивают в Forrester, заведовать BI, безусловно, должен бизнес.

В прошлом из-за сложности BI-технологий за соответствующие проекты во многих случаях отвечал отдел ИТ, однако современные инструменты в большей степени ориентированы на пользователя, поэтому их можно сразу предоставлять бизнесу, чтобы сотрудники сами могли выполнять нужные им запросы.

Более того, требования, связанные с оперативным доступом к данным и знаниям, предоставляемым BI, в последние годы резко возросли. Современным бизнес-пользователям нужно получать ценную с практической точки зрения информацию в режиме реального времени.

Таким образом, если владельцем BI является служба ИТ, это может быть сдерживающим фактором, а не залогом успеха.

2. Следите за использованием BI и вносите корректировки по необходимости

Хотя владельцем проектов BI должен быть бизнес, отдел ИТ должен выступать в роли партнера, обеспечивая мониторинг и оценку использования систем BI. При этом нужно избегать создания препятствий бизнесу, следить за активностью пользователей: регистрировать источники данных, к которым они обращаются, инструменты, с которыми они работают, отмечать характер деятельности, сопоставлять уровни использования различными отделами и т. п.

Взаимодействуя с бизнес-подразделениями, ИТ-директор может устанавливать и отслеживать пороговые показатели. Например, он будет знать, когда определенное число маркетинговых аналитиков скачали подготовленный в ИТ-службе инструмент и начали активно им пользоваться. Кроме того, можно будет отследить момент, когда выросла активность бизнес-пользователей BI-системы, что свидетельствует о ее превращении в критически важное приложение, которому требуется дополнительное внимание со стороны отдела ИТ.

3. Проверяйте и еще раз проверяйте

В некоторых организациях может возникнуть соблазн как можно быстрее внедрить сразу множество функций BI, однако надо помнить: качество важнее количества. Лучше иметь ограниченное число инструментов, которым вы доверяете, чем много систем, предоставляющих данные сомнительного качества.

Поэтому при проверке систем нужно особое внимание обратить на способность предоставлять доступ к данным, необходимым для получения ответов на запросы. Кроме того, нужно предотвращать попадание в BI-систему проблемных данных, могущих ухудшить качество анализа. При этом процесс верификации должен быть достаточно скорым, чтобы обеспечить возможность оперативно реагировать на требования о внедрении новых функций BI.

Пример – BI-система, генерирующая отчеты о чистой выручке. Если этот инструмент получает данные о продажах, но не учитывает те проданные товары, которые затем были возвращены, то информация на выходе будет неточной.

Верификация важна не только для того, чтобы обеспечить точность данных, но и чтобы было что возразить скептикам. Ведь достаточно одного-двух человек, заявивших, что не доверяют данным, чтобы отчету перестали верить другие. В итоге отчеты окажутся ненужными, и весь проект может пропасть впустую.

4. Фокусируйтесь сначала на бизнес-задачах, затем – на данных

Не следует, осуществляя инициативы BI, применять подход «постройте, и они придут». Слишком часто в организациях создают репозитории данных и создают BI-систему в качестве надстройки, рассчитывая, что это устроит бизнес-пользователей.

Более оптимальным будет подход «сверху вниз», ориентированный на бизнес-результаты: начинать надо не с данных, а с решения бизнес-задачи.

Пример: в отделе маркетинга обратили внимание на текучку клиентов и хотят разобраться в ее причинах. Следует сосредоточиться на том, как получить ответ на вопрос отдела маркетинга. Для этого надо вначале определиться, какие показатели нужно измерять, обеспечить доступ к данным, которые требуются для сбора этих показателей, а затем предоставить отделу маркетинга возможность обрабатывать информацию.

Необходимо четко обозначить бизнес-проблему и показатели, нуждающиеся в анализе, и только потом разбираться, где именно получить нужные данные.

5. Назначайте приоритеты и реализуйте процессы совершенствования

Успешная стратегия BI должна включать планы развития и улучшения. Необходимо определиться, какие именно бизнес-знания требуются организации и какие из них наиболее важны, чтобы отдел ИТ предоставлял в первую очередь самое ценное для бизнес-пользователя, а затем решал другие задачи в порядке приоритетности.

Кроме того, нужно, чтобы программа BI могла адаптироваться по мере изменения приоритетов. Она должна эволюционировать вместе с потребностями участников бизнес-сообщества. Наряду с этим в стратегии BI должны быть предусмотрены процессы развития и совершенствования самой системы. Рекомендуется итеративный подход, чтобы инструментарий BI можно было расширять, не прерывая его использования бизнесом, при этом необходимо определять, в чем система выполняет его потребности, а в чем – нет.

6. Расширяйте навыки «гражданских» исследователей данных

В отчете «Магический квадрант платформ BI и аналитики» за 2017 год, подготовленном компанией Gartner, прогнозируется, что в предстоящие несколько лет численность «гражданских» исследователей данных будет расти впятеро быстрее, чем количество обычных. Под гражданскими исследователями данных в Gartner понимают сотрудников, чья основная специальность не аналитика.

Синди Хаусон, вице-президент по исследованиям Gartner, отмечает, что топ-менеджеры сетуют на нехватку специалистов, испытывая сложности с наймом гражданских ученых по данным и выявлением уже имеющихся в штате.

Речь идет о специалистах-универсалах, поясняет Хаусон: они разбираются в бизнесе и понимают, какие вопросы следует задавать системе. Чтобы легче было предоставлять им необходимые инструменты, требуется более простое в использовании программное обеспечение.

Эксперты уверены, что со временем, благодаря развитию ПО, бизнес-пользователи смогут сами задавать вопросы и получать на них ответы, пользуясь срезами данных, не представленными заранее в виде моделей. Гражданских ученых по данным отличают стремление к расширению кругозора, способность задавать верные вопросы, интерпретировать получаемую в ответ информацию и навыки использования необходимого ПО для повышения бизнес-результатов.

7. Обучайте персонал «рассказывать истории» с помощью данных

Вооружившись знаниями, предоставленными средствами BI, можно рассказывать истории, которые помогают другим понять, что пытаются «сообщить» данные. Для создания таких историй, помогающих извлечь максимум пользы из аналитики, обычно используются встроенные в средства BI функции отчетности и визуализации.

Помимо данных и инструментальных средств, составление историй требует особых умений. Нужна не только способность готовить эффектные отчеты, но и навыки находить не всегда очевидные связи реальной жизни с данными, умение формулировать выводы, которые бизнес сможет использовать для увеличения дохода.

Руководителям необходимо поддерживать и поощрять сотрудников, обладающих такими навыками.

Пример: при анализе данных по продажам в магазине можно обратить внимание на то, как малозаметные изменения погоды влияют на выручку. Для анализа пользователь может задействовать данные о погоде из внешнего источника; это поможет сделать выводы о том, как оптимизировать продажи.

Есть масса всевозможных внутренних и внешних данных, которые можно использовать для получения более точных знаний. В рамках успешных программ BI аналитики могут делать гораздо больше, чем просто измерять стандартные ключевые показатели эффективности. Более того, каждый показатель эффективности необходимо подвергать сомнению, удостоверяясь в том, что вы используете доступную вам информацию в полном объеме.

– Mary K. Pratt. 7 keys to a successful business intelligence strategy. CIO Magazine. Sep. 26, 2017

ИТ-директора тратят немало времени и ресурсов на проекты, связанные с системами аналитической обработки информации по продажам и других стандартных бизнес-данных. При этом для руководителей создаются информационные панели, отображающие показатели результативности компании и помогающие строить прогнозы на будущее.

Такие системы приносят немалую пользу бизнесу, но на самом деле открывающиеся благодаря им возможности – это лишь верхушка айсберга, малая часть того, что можно сделать с доступными организации данными, уверен Кришна Натан, ИТ-директор компании S&P Global (ранее McGraw Hill Financial), занимающейся ведением кредитных рейтингов, а также предоставляющей консалтинговые и аналитические услуги для фондового рынка. Под руководством Натана спроектирована и внедрена новая общекорпоративная система обработки данных, претворяется в жизнь стратегия, направленная на ускорение роста бизнеса и создание новых предложений для заказчиков.

В некоторых компаниях сегодня начинают собирать дополнительные данные – их называют альтернативными, нетрадиционными или ортогональными. Пока что это новое направление, но ИТ-директорам стоит знакомиться с соответствующими технологиями уже сегодня. Ведь совсем скоро альтернативные данные станут обязательным инструментом многих компаний.

Однако не спешите нанимать на работу очередных дорогостоящих специалистов. Давайте разберемся, о чем, собственно, идет речь.

Что такое «альтернативные данные»

Натан дает такое определение альтернативных данных: это данные, которые поступают из нетрадиционных источников, и их анализ позволяет извлечь полезные сведения в дополнение к тем, что вы получаете обычным образом.

Допустим, у вас торговая сеть и вы намерены открыть новый магазин в другом городе. Обычно подобное решение основывается на результативности ваших магазинов в конкретном городе и других мегаполисах.

Источником альтернативных данных в этом случае могут стать снимки парковок при супермаркетах, сделанные в течение нескольких месяцев, – уровни заполняемости стоянок можно коррелировать с объемами продаж. А еще можно собирать информацию о пешеходном движении в том районе, где вы планируете открыть новый магазин. Объединив полученные сведения, вы можете узнать что-то новое, что поможет вам в вашем бизнесе.

Поскольку S&P Global в числе прочего поставляет аналитические услуги для товарных бирж, ИТ-директору приходится постоянно думать, как с помощью альтернативных источников данных предложить заказчикам дополнительные сведения, как объединять различные сведения, чтобы дать клиентам информацию, которую бы они больше нигде получить не смогли.

Скажем, у S&P Global есть сведения о том, что нефтеперерабатывающий завод в Роттердаме может производить 100 тыс. баррелей нефтепродуктов в день. Но из-за дефицита поставок перерабатывает примерно 70 тыс. баррелей, то есть доступны свободные мощности еще на 30 тыс.

Что произойдет после того, как в порт вошел нефтяной танкер с 30 тыс. баррелей? «Если наш отчет о доступной мощности завода – недельной давности, то мы не будем знать, что только что произошла разгрузка нефти, – поясняет Натан. – То есть традиционные данные устарели. Здесь как раз пригодится такой источник альтернативных данных, как спутниковая съемка. Если проанализируем снимки со спутника наряду с другими источниками, то получим более точную картину запасов и производства почти в реальном времени».

Как ИТ-директорам подготовиться к тому, что использование альтернативных данных станет нормой?

Альтернативные данные и ИТ-директор

Даже если у вас нет готовых сценариев применения, начинайте знакомиться с новыми технологиями. Займитесь планированием систем, которые позволят комбинировать множество источников данных для анализа. Научитесь управлять цепочкой доставки данных, защищать ее, учитывать права использования. И нанимайте необходимый персонал – нужны опытные ученые по данным, умеющие анализировать их и извлекать полезную информацию.

Для быстрого запуска проекта в области альтернативных данных можно воспользоваться уже готовым решением. Так в S&P Global поступили в прошлом году, когда Platts, дочернее предприятие компании, приобрело cFlow – инструментарий для интерпретации спутниковой съемки. CFlow предлагает средства наглядного представления данных, позволяющие следить за изменениями торговых потоков по маршрутам следования судов, а также предоставляет сведения об объеме и характере груза танкеров.

Нужно убеждать руководство компании в том, что уже пришло время инвестировать в альтернативные данные – в покупку имеющихся решений или создание собственных. Какие-то из ваших проектов в области альтернативных данных принесут плоды, но многие не сработают. Ну а если повезет и альтернативные данные принесут действительно ценные сведения, пользуйтесь этим, чтобы получать средства на новые проекты.

– Martha Heller. What is 'alternative data' and how can you use it? CIO. JAN 3, 2017

В финансовой группе «БКС» аналитику реального времени считают действенным средством удержания клиентов. «БКС» – российский оператор фондового рынка, на долю которого приходится более трети оборота Московской фондовой биржи. Компания предлагает своим клиентам брокерское и банковское обслуживание, консалтинг, услуги доверительного управления финансовыми активами и персонального финансового планирования, а также так называемые структурные инвестиционные продукты. Эти сложные комплексные решения, позволяющие осуществлять вложения с различными соотношениями доходности и риска, могут быть оформлены как ценная бумага или разрабатываться персонально для заказчика как индивидуальная инвестиционная стратегия. В этом случае финансовый советник совместно с инвестором составляют оптимальную комбинацию высокодоходных и рискованных активов с инструментами, которые обеспечивают небольшой, но стабильный и защищенный доход.

«Так как компания работает на высококонкурентном рынке, к маркетингу предъявляются достаточно высокие требования, и повышение качества сервиса, лояльность и работа с клиентской базой – это не просто слова», – отметил Максим Пузырев, директор по маркетингу финансовой группы «БКС», в своем выступлении на форуме Smart Company 2015, организованном издательством «Открытые системы». Специалисты по маркетингу вовлечены не только в управление клиентской базой, но и в оптимизацию процессов разработки новых продуктов – комплексных финансовых решений. На основе информации о том, какими средствами располагает клиент и к каким рискам он готов, для него подбирается оптимальное решение, позволяющее получить максимальный доход при допустимом уровне риска.

Группа «БКС» обслуживает свыше 133 тыс. клиентов, и одна из зон потенциального увеличения эффективности бизнеса – снижение оттока клиентов. До тех пор пока клиент не забрал деньги из компании, есть шанс сохранить его, начав упреждающие мероприятия и формирование индивидуального предложения – скидок, бонусов, подарков и продуктов. Для этого надо уметь прогнозировать его поведение, правильно выбрать момент для контакта и находить баланс между интересами клиента и экономической целесообразностью для компании.

Группа «БКС» обслуживает свыше 133 тыс. клиентов, и одна из зон потенциального увеличения эффективности бизнеса – снижение оттока клиентов

Через тернии данных

Разработка маркетинговой кампании начинается с идеи, которая рождается из текущих бизнес-задач, результатов предыдущих кампаний или исследований, обратной связи от клиентов, гипотез или случайных «артефактов». Затем стартует работа с данными, и именно здесь возникают наибольшие сложности. «Больше всего усилий – 80% – мы тратим на подготовку данных, так как в нашем распоряжении огромное количество данных из разных источников, эти данные не всегда структурированы, обновляются с большой скоростью, и надо приложить немало сил, чтобы обработать их и монетизировать», – отметил Пузырев.

Максим Пузырев, директор по маркетингу финансовой группы «БКС»: «Больше всего усилий мы тратим на подготовку данных, так как в нашем распоряжении огромное количество данных из разных источников, эти данные не всегда структурированы, обновляются с большой скоростью, и надо приложить немало сил, чтобы обработать их и монетизировать».

После подготовки данных моделируется поведение клиента и выбирается модель, дающая наибольшую эффективность. Модель тестируется на примере маркетинговой кампании, после чего кампания запускается в «массовое производство». На основании тестовой кампании оценивается финансовый эффект: сколько клиентов сохранили, сколько ушло. При этом рассчитывается как доходная часть – сколько удалось заработать на каждом клиенте, так и расходная – средства, потраченные на проведение кампании, на дополнительные скидки и специальные условия по продуктам. «Наша цель – зарабатывать, и мы зарабатываем, в том числе на том, что клиентов не теряем», – сказал Пузырев.

Основные трудности по предотвращению оттока связаны с определением подходящей даты и времени контакта с клиентом.

Маркетологи работают с четырьмя группами данных. Первая группа – финансовая информация, это хорошо структурированная и доступная по всем клиентам информация о продуктах и поставках. Вторая группа – поведенческая информация о том, как компания общается с клиентом, когда он обратился в компанию, написал жалобу и т. п., она тоже доступна и структурирована. В обеих группах есть резерв для повышения эффективности бизнеса: как финансовые, так и поведенческие данные доступны с задержкой в один день, что не всегда позволяет достаточно оперативно принимать решения и готовить кампании заранее. Третья и четвертая группы – социальные сети и веб-аналитика – это области, где есть большой потенциал для обогащения клиентских данных. «Использование данных, относящихся к этим группам, позволяет значительно увеличить результативность кампании и в целом повысить эффективность работы с клиентской базой», – сообщил Пузырев.

Однако это отнюдь не простой путь. У «БКС» есть продуктовый сайт и ресурс, посвященный новостям фондового рынка, где можно видеть, что клиенты смотрят, с каких страниц приходят, сколько времени тратят на прочтение той или иной информации. Веб, по словам Пузырева, дает немало информации для использования и монетизации. Основная сложность при этом – необходимость постоянно поддерживать в актуальном состоянии справочники, ведь пока что актуализацию приходится делать вручную.

Действовать с учетом вероятности

В качестве примера эффективной работы по обогащению данных Пузырев привел моделирование вероятности снижения активов с определенной величины до минимальной. Для этого было проанализировано свыше 600 различных характеристик: более 500 финансовых, 100 поведенческих, 10 показателей cоциальных сетей и 30 показателей веб-аналитики. Затем была оценена степень влияния различных характеристик клиента на вероятность вывода активов из компании в следующем месяце. На выходе отобраны 24 показателя, говорящих о возможном поведении клиента.

Среди моделей, задача которых – выявить вероятность оттока, лучше всего себя показало дерево решений. «Контакт с 6% клиентов даст выборку 24% клиентов, которые с высокой вероятностью собираются уйти, – говорит Пузырев. – То есть эта модель позволяет в четыре раза улучшить результаты по сравнению со случайной выборкой». В целом, по его словам, добавление данных не обеспечивает существенного прорыва в результативности прогнозирования. «Тем не менее, совмещая данные соцесетей и веб-аналитики, мы добились увеличения отклика по нашим кампаниям в два раза и получили существенный результат по предсказательной модели, – сообщил Пузырев. – Мы видим, какие комментарии оставляет клиент в социальных сетях, по какой логике он заходит на веб-ресурсы, и проверяем его на скоринговой модели». В зависимости от того, какова вероятность ухода этого клиента, запускается определенный порядок работы с ним, идет подбор индивидуальных предложений и оцениваются максимально возможные затраты на эти предложения.

Основное направление, где можно улучшать работу маркетологов и где есть планы развития, – это именно работа с данными в реальном времени, подчеркнул Пузырев. «Данные в реальном времени и достаточно оперативный контакт позволят значительно улучшить эффективность работы с клиентской базой, – сказал он. – При работе с оттоком дорога каждая секунда».

Реализованный в группе «БКС» проект – это лишь один пример той отдачи, которую приносят внимательное отношение к качеству данных и усилия по их обогащению. А ведь эти усилия способны повлиять не только на работу маркетинговых служб. Совершенствование работы с данными при всей своей трудоемкости заметно повышает эффективность бизнеса в целом. А значит, игра стоит свеч.