Билл Фрэнкс - Революция в аналитике. Как в эпоху Big Data улучшить ваш бизнес с помощью операционной аналитики

Как и любой другой инструмент, аналитика может быть мощной и полезной при правильном применении, но может и причинить серьезный вред, если используется людьми, которые не умеют правильно ее применять. Все мы сталкивались в бизнесе с ситуациями, когда статистика или показатели предоставляются руководителям вне полного контекста и без необходимых пояснений. Увидев показатели вне контекста, руководитель может принять непродуктивное или ошибочное решение. Крайне необходимо подготовить сотрудников к правильному использованию аналитики в рамках своих рабочих обязанностей. Как уже говорилось выше, рядовым сотрудникам не нужно разбираться в работе алгоритмов. Но они должны в точности знать, как правильно обращаться с результатами анализа, проведенного алгоритмами.

Убедитесь, что каждый человек в вашей организации обучен правильному использованию аналитики на том уровне, который требуется для его работы. Неправильное применение аналитических инструментов, методик или результатов может принести больше вреда, чем пользы.

Давайте рассмотрим несколько действий, которые должны стать стандартными при создании и использовании аналитики. В свою очередь, корпоративная культура призвана требовать соблюдения этих стандартов:

• Кто-то из сотрудников должен полностью разбираться в каждом анализе, знать его сильные и слабые стороны. Не всем сотрудникам надо разбираться в таких тонкостях, но кто-то обязательно должен.

• Параметры и опции, используемые в процессе, должны выбираться с обоснованием. Не стоит предполагать, что настройки по умолчанию подходят для любого случая.

• При появлении неожиданных результатов необходимо провести дополнительное исследование и поставить необходимые вопросы, прежде чем делать выводы. Ни один алгоритм или пакет программ не является всеведущим. Неожиданные результаты могут привести к значимым инсайтам в аналитическом процессе и в поддерживающих его данных.

• Если обнаруживаются дополнительные факты или данные, которые противоречат первоначальным выводам, необходимо уделить им серьезное внимание. Главное – найти правильный ответ, а не защищать исходные предположения.

• Разрешите сотрудникам выполнять и использовать только те виды анализа, для правильного применения которых они подготовлены. Иначе сотрудники могут забраться в темный лес, сами того не осознавая.

Возвращаясь к вышеописанному примеру с плагиатом, можно сказать, что желание учителей использовать аналитику, безусловно, достойно похвалы. Однако они совершили серьезную ошибку, начав использовать ее без должного понимания того, что делают. Учителя не знали, как правильно настроить алгоритмы и как интерпретировать результаты. Этот пример наглядно иллюстрирует, как неправильное использование аналитики может принести больше вреда, чем пользы, если применять ее вне контекста или вне обозначенного масштаба. Вот почему так важно, чтобы организация предоставила своим сотрудникам надлежащие обучение и поддержку. Неудача по незнанию неприемлема ни при каких условиях.

Наиболее важные положения этой главы:

• Не застревайте в ловушке сделанных вслепую предположений, как блоха в банке. Регулярно подвергайте предположения сомнению, чтобы проверить, по-прежнему ли они актуальны.

• Поддержка аналитики и специалистов-аналитиков должна начинаться с уровня генерального директора. Никто не захочет оставаться в организации, где не ценят его работу.

• Когда люди чувствуют угрозу со стороны операционной аналитики и сопротивляются ей, используйте метод игрофикации. Придумайте игру, где победа достигается за счет эффективного использования нового аналитического процесса.

• Улучшения, предлагаемые аналитикой, не должны служить обвинением в том, что прежние решения принимались неправильно. Дайте сотрудникам понять, каким образом использование аналитики поможет им лучше выполнять свою работу.

• Операционная аналитика предполагает делегирование полномочий, а не их потерю. Делегирование полномочий по принятию решений надежному алгоритму мало чем отличается от делегирования полномочий доверенным людям.

• Небольшие изменения могут существенно повысить аналитическую эффективность организации. Успешная бизнес-модель современных магазинов йогуртов построена на небольших, но трансформационных изменениях по сравнению со старой моделью. ИТ-службы точно так же должны перейти от режима обслуживания к режиму содействия.

• Без свободного испытания аналитических процессов, которые впоследствии не заработают, невозможен свободный поиск процессов, которые впоследствии заработают. Не зацикливайтесь на предотвращении появления плохих идей; лучше сосредоточьтесь на содействии появлению хороших.

• Поощряйте людей искать новые неожиданные способы использования существующих данных и аналитических процессов.

• Протестируйте новый аналитический процесс на группе ранних последователей, которые вместе с тем оказывают сильное влияние на коллег. После того как ранние последователи приобретут успешный опыт, они увлекут своим примером и других людей.

• Для того чтобы люди поддержали идею, изменяющую их статус-кво, их нужно убедить в ее полезности. Будьте готовы потратить много времени на продвижение новой аналитической идеи и на ее принятие организацией.

• С учетом низкой стоимости и простоты тестирования новых аналитических процессов будет разумным протестировать даже кажущиеся безумными идеи. Если идея может быть протестирована, дайте ей шанс.

• Неправильное использование аналитики может принести больше вреда, чем пользы. Все сотрудники должны быть обучены ее применению на том уровне, который требуется для выполнения их работы.

Да, революция началась! Теперь вы должны понимать всю важность промышленной революции в аналитике, и, я надеюсь, готовы присоединиться к этой революции сами. Аналитика слишком значима, чтобы оставлять ее на уровне ручного, кустарного производства. Если организация хочет полностью извлечь выгоды, скрытые в данных и аналитике, она должна перейти к операционной аналитике. Сегодня аналитические процессы трансформируются лидерами отрасли в интегрированные, встроенные, автоматизированные, предписывающие компоненты как операционных систем, так и поддерживаемых этими системами бизнес-процессов.

Моя книга охватывает широкий круг вопросов. Давайте окончательно суммируем наиболее важные принципы и рекомендации, соблюдение которых позволит вам и вашей организации присоединиться к революции:

• Необходимо понимать и учитывать разницу между встроенной, автоматизированной, предписывающей операционной аналитикой и операционным применением традиционной пакетной аналитики. В том и другом случае создаются ценности, но это не одно и то же.

• Операционная аналитика должна опираться на прочный фундамент. Не думайте, что вам удастся впрыгнуть в операционную аналитику, не располагая надежными аналитическими возможностями.

• Сегодня аналитика все чаще выступает главным фактором при принятии решений о покупке, а внедрение аналитики в продукты размывает традиционные границы между отраслями. Ищите возможности использовать операционную аналитику для дифференциации и преобразования своей бизнес-модели.

• «Различность» больших данных может создавать проблемы посерьезнее, чем их «огромность», а анализ больших данных требует масштабирования по многим параметрам. Однако большие данные содержат настолько ценную новую информацию, что все усилия по их «укрощению» себя оправдывают. Начните использовать большие данные уже сегодня.

• Сегодня многие примеры применения операционной аналитики включают очень простые алгоритмы и правила, но со временем это изменится. Без колебаний начинайте с простых подходов – постепенно вы сможете их усложнить.

• Серьезно подойдите к разработке бизнес-кейса для операционной аналитики. Убедитесь, что вы учли все затраты, включая затраты на оплату труда, в течение всего инвестиционного цикла.

• В условиях сегодняшнего сложного технологического ландшафта, вам, возможно, придется встраивать несколько разных компонентов в единое аналитическое окружение, призванное поддерживать операционную аналитику. Это нужно, чтобы избавить пользователей от беспокойства по поводу того, где именно хранятся и обрабатываются данные.

• В будущем Интернет вещей станет важным компонентом операционной аналитики. Учитесь пользоваться им уже сейчас и задумайтесь над тем, как включить его в планирование своей деятельности.