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

В конечном итоге этот дешевый триммер обошелся мне дорого с учетом потраченного времени и его неэффективной работы. Через несколько недель я оставил напрасные попытки приноровиться к нему и купил более дорогую модель. Если бы я с самого начала думал не только о цене, но и о суммарных усилиях, которые мне придется приложить, чтобы заставить триммер работать, как я планировал, то я сразу бы сделал иной выбор. К счастью, триммер для прополки – сравнительно недорогая вещь, поэтому я усвоил этот урок с минимальными денежными потерями. Но они возрастут неизмеримо, если подобные ошибки будут допущены по отношению к инвестициям в операционную аналитику.

Рекомендации по созданию успешного бизнес-кейса

Теперь, когда мы рассмотрели некоторые соображения, которые должны войти в бизнес-кейс для аналитики, давайте обратимся к концепциям, способным повысить шансы на успешное представление кейса руководству. Создав солидный бизнес-кейс, как позиционировать его наиболее эффективно, чтобы гарантировать одобрение? Давайте рассмотрим несколько важных правил.

Не форсируйте подготовку бизнес-кейса

Не тратьте время на разработку бизнес-кейса без повода. Вместо того чтобы притягивать цифры за уши, лучше переключитесь на другую проблему. Сегодня, когда вокруг определенных подходов поднято много шумихи, можно с легкостью поддаться всеобщему ажиотажу и застрять, вновь и вновь пытаясь заставить работать бизнес-кейс. Не позволяйте блеску новых технологий, данных или инструментов, а также окружающему их ажиотажу заставлять вас руководствоваться при разработке бизнес-кейса эмоциями, а не фактами.

В 2013 г. сотрудники многих организаций по всему миру жаловались мне на трудности, с которыми они столкнулись, пытаясь обосновать значительные инвестиции в сбор данных из социальных сетей и соответственно в аналитику этих данных. Им никак не удавалось придумать способы применения такой аналитики, позволившие бы им оправдать увеличение инвестиций. У каждой организации имелся свой внешний поставщик, предоставлявший ей на высоком уровне смысловой анализ контента и анализ тенденций на основе агрегированных данных из социальных сетей. Однако организации не могли составить кейс, с тем чтобы начать собирать необработанные данные из социальных сетей для внутреннего употребления. Предполагаемая отдача от расходов на сбор данных и развитие аналитических процессов не выглядела достаточной для того, чтобы оправдать инвестиции. И все мои клиенты, с кем я разговаривал, были удручены своей неспособностью обосновать то, что, как они считали, с легкостью делали на рынке другие. Все они хотели узнать, что именно они упускают из виду.

В таких случаях я говорю своим клиентам, что им не стоит беспокоиться. Возможно, инвестирование в сбор детализированных данных из социальных сетей в текущий момент действительно не имело смысла для их организации. И, возможно, никогда не будет его иметь. Если выполненные на высоком уровне сводки, к которым организация имеет доступ, удовлетворяют ее потребности и она не может доказать необходимость увеличения инвестиций, значит, нет поводов для беспокойства. В конце концов, даже потратив усилия и средства на сбор данных, организация может столкнуться с трудностями при нахождении соответствия между аккаунтами в социальных сетях и клиентскими счетами внутренних потребителей, причем доля успешных попыток такого сопоставления остается весьма низкой. Вот почему обычно я рекомендую организациям оставить ситуацию с социальными сетями такой, как она есть, и переключить свою энергию на поиск других, более значимых аналитических возможностей.

Не поддавайтесь давлению

Отнюдь не каждый бизнес-кейс может сработать, поэтому не форсируйте его подготовку. Если определенный подход привлекает повышенное внимание на рынке, то это вовсе не означает, что его внедрение немедленно окупится для вашей организации. Сосредоточьте усилия на подготовке бизнес-кейсов, под которые вы можете легко подвести обоснование, и не следуйте туда, куда направляет вас рыночный ажиотаж.

Отчасти проблемы у моих клиентов были связаны с той большой шумихой, которая в то время поднялась вокруг аналитики социальных сетей. Создавалось впечатление, что каждый инвестировал в аналитику социальных сетей и получал от этого доход. Я же указывал в разговоре с клиентом, что подобное слышал от других организаций, схожих с его собственной, и все они полагали, что прочие обгоняют их, хотя в действительности дело обстояло иначе.

Эта ситуация напоминает мне старшие классы школы, когда казалось, что у каждого одноклассника жизнь куда более интересная, чем у тебя. На деле же б'oльшая часть «интересной жизни» была основана на слухах, и другие ребята, вероятно, так же завидовали мне и моей жизни. В старших классах никто не хочет оказаться в отстающих, и точно так же происходит и в мире бизнеса. Не поддавайтесь давлению с целью получить одобрение бизнес-кейса, которого не существует. Лучше сосредоточьте свою энергию на создание бизнес-кейсов в таких областях, где, по вашему убеждению, ценности существуют, и вы можете это доказать.

Чтобы добиться успеха, начните с малого

Как мы уже говорили в начале этой главы, способ, посредством которого инструменты и технологии применяются для создания аналитических процессов, позволяет сегодня начинать с гораздо меньших инвестиций и затем на их основе развиваться дальше. Этот момент настолько важен, что я рассматриваю его с разных сторон в своей книге «Укрощение больших данных» и в своем постоянном блоге для Международного института аналитики и в блоге для Harvard Business Review {39} . Здесь же я хочу рассмотреть несколько ключевых тем.

39

См. мою книгу «Укрощение больших данных» (Taming the Big Data Tidal Wave (Hoboken, NJ: John Wiley & Sons, 2012). Также см. мои статьи: «Вам не нужно “становиться большим”, чтобы начать работать с большими данными» (“You Don’t Have to ‘Go Big’ to Get Started with Big Data”), 11 октября 2012 г., на«Чтобы преуспеть с большими данными, начните с малого» (“To Succeed with Big Data, Start Small”), Harvard Business Review, 3 октября 2012 г., на http://blogs.hbr.org/2012/10/to-succeed-with-big-data-start/

Что вам действительно нужно доказать?

Не заходите слишком далеко в первоначальном продвижении нового операционно-аналитического процесса. Первым делом вам нужно просто доказать жизнеспособность идеи. Не нужно с самого начала предлагать готовый к эксплуатации полномасштабный процесс. Начните с малого, чтобы продемонстрировать ценность этого подхода, а затем используйте приобретенные знания для создания более эффективного процесса.

Одна из причин, почему люди не любят начинать с малого, вызвана так называемым эффектом якорения, о котором я впервые узнал из книги Дэна Ариели «Предсказуемая иррациональность» {40} (Predictably Irrational) [3] . Чтобы проиллюстрировать эту концепцию, приведу следующий пример. Представьте себе комнату, полную людей. Я вывожу половину из них в холл и сообщаю им, что сегодня собираюсь пригласить на обед 10 человек, после чего возвращаю их в комнату. Затем вывожу в холл другую половину и говорю им, что сегодня после обеда поеду в аэропорт, где помимо меня будет находиться еще 10 000 человек. Когда все возвращаются в комнату, я ставлю на стол банку с леденцами и прошу присутствующих угадать их количество. Вот здесь и начинается самое интересное.

40

Dan Ariely, Predictably Irrational (New York: Harper Collins, 2008).

3

Ариели Д. Предсказуемая иррациональность: скрытые силы, определяющие наши решения. – М.: Манн, Иванов и Фербер, 2010.

Те, кто услышал от меня цифру 10, называют в среднем более низкие цифры, чем те, кто услышал от меня цифру 10 000. Это никак не связано с реальным количеством леденцов в банке. Причина в том, что сознание людей «заякорилось» на услышанной ими цифре 10 или 10 000. В результате люди из первой группы начинают с цифры 10 и постепенно движутся в сторону увеличения, пока не придут к тому числу, которое кажется им соответствующим количеству леденцов в банке. А люди из второй группы начинают с 10 000 и движутся в сторону уменьшения. Такой психологический трюк разыгрывает с нами наше сознание.

То же самое происходит с большими данными и операционной аналитикой. Эти термины звучат устрашающе. Наш разум сосредоточивается на большой, сложной, масштабной аналитике. В результате, когда мы задумываемся о том, с чего начать, наш разум склонен выбирать очень сложные и очень трудные пути. Мы стремимся сразу же достичь конечного состояния, вместо того чтобы сосредоточиться на первых шагах, которые приведут к этому состоянию.

Здесь крайне важно видеть перспективу. Нам не нужны все данные за все годы эксплуатации по каждому элементу оборудования, чтобы определить возможности предупредительного техобслуживания. Что нам нужно, так это достаточное количество данных за достаточный период времени по достаточному количеству элементов оборудования, чтобы выявить шаблоны и оценить общую амплитуду этих возможностей. Вместо того чтобы начинать с масштабного проекта, начните с пилотного или проверьте концепцию на подмножестве данных. Это позволит вам доказать, что идея жизнеспособна и может принести доход. Одновременно выстраивайте окончательный бизнес-кейс по мере того, как будете узнавать о действиях, которые нужны для создания окончательного операционного процесса, и о проблемах с данными и процессом, которые придется принять во внимание. Все это поможет вам разработать грамотное инвестиционное предложение. Используйте результаты пилотного проекта для обоснования более крупных инвестиций. Только не позволяйте своему разуму попасть в ловушку якорения на чем-то очень масштабном.