Мы переживаем очередную волну в цикле технологических инноваций, которая получила название диджитализация (хорошего эквивалента на русском, к сожалению, пока не появилось). Ей затронуты все аспекты нашей жизни – вещи становятся «умными», сервисы моментальными и даже деньги – виртуальными (bitcoin и др.). В основе подобных сервисов, продуктов и даже целых бизнес-моделей находится аналитика – способность обработать данные (весьма оперативно) с целью выработки оптимального решения, прогноза ситуации и соответствующей реакции на нее, зачастую не просто в полностью автоматическом режиме, а еще и адаптивном – самообучающемся. В том, что конкуренция будущего во многом заключается в умении правильно работать с данными, никто уже, кажется, не сомневается, достаточно вспомнить, как активно обсуждается Big Data, прогнозная аналитика, Customer insight и т.д.
Далеко за пределами одних экспертных сообществ – один из вопросов Тони Блера к Герману Грефу на прошедшем Санкт-Петербургском экономическом форуме был: «А как у вас обстоят дела с Big Data?». Но в тоже время, большинство компаний, особенно крупных, территориально-распределенных со сложным IT-ландшафтом накопило большое количество нерешенных проблем с данными. Как часто вам приходилось слышать о том, что данным в корпоративном хранилище бизнес не доверяет, они низкого качества, там нет того, что нужно, эти проекты длятся годами и так далее и тому подобное? Мы слышим это регулярно. Отсюда возникает законный вопрос, если примеров удачно внедренных хранилищ и систем Business Intelligence не так много, то каким образом, за счет чего, может быть реализован потенциал еще более сложных решений следующего поколения, с применением методов математической статистики, нечеткой логики и т.д.?
Безусловно, за несколько последних лет появились прорывные технологии в области обработки данных. Но, не так сложно сформулировать конкретный вопрос и найти с помощью продвинутой аналитики на него ответ, а что делать в масштабах всей компаний, а в режиме близком к реальному времени, а так, чтобы компания действительно смогла переориентироваться на аналитико-центричный процесс принятия решений на разных уровнях? Без этого говорить о получении всех преимуществ от диджитализации не приходится.
У специалистов, которые давно занимаются вопросами аналитики и смотрят глубже маркетинговых слоганов о чуде, которое принесет Big Data, вопросов без ответа пока довольно много. И мы, совместно с нашими клиентами, искали ответы на вопросы, изучали, как это водится, «а как там у них» – передовой, международный опыт, искали возможные подходы, приемлемые для наших, в основном, иерархичных корпоративных структур, да и культур тоже. Как результат такой работы, которую особенно активно практика Digital Analytics Accenture в России вела в течение последних двух лет, у нас сформировалось свое видение и подходы, как в организации должно происходить управление корпоративными данными (УКД). И вот несколько выводов, которыми хотелось бы поделиться.
Кликните, чтобы посмотреть инфографику полностью
Управлять корпоративными данными в организации надо системно, по всем направлениям
Нельзя сказать, что ничего не делается. Конечно, большинство наших клиентов озабочено проблемами корпоративных данных, но на данный момент большинство из них занимается этим в формате разрозненных инициатив, направленных только, допустим, на повышение качества данных в хранилище, либо формализации корпоративной модели данных. Все это, как показывает практика, по отдельности не дает долгосрочного и устойчивого решения проблем.
В организации должна быть выделенная функция УКД
Как это ни странно звучит на первый взгляд, но в большинстве организаций в России за данные не отвечает никто. Есть иллюзия, что это – ІТ-вопрос. Первое слово в словосочетании ІТ – «информационные» вводит в заблуждение, но если задуматься, то ІТ, по факту, отвечает лишь за «контейнеры» для данных (базы данных и инфраструктуру) и «молотилки» (системы).
Знание ІТ о том, в результате каких бизнес-процессов данные появляются в системах, кем и как, уже в рамках совершенно других процессов, они используются, и что самое главное, с какими целями – это знание является фрагментированным и неполным. А задача, например, повышения качества, прежде всего, в операционных процессах (в результате выполнения которых данные и оказываются в системах как их «след») – и вовсе выходит за рамки компетенций ІТ. Со своей стороны, бизнес в своем понимании, как правило, ограничен лишь функциональным направлением и набором процессов. Таким образом, картину в целом, с пониманием всех информационных потоков и процессов, существующих взаимосвязей не видит и не понимает никто в большинстве компаний. Для этого необходима выделенная функция – УКД.
О роли личности CDO (Chief Data Officer)
Многое зависит от личности руководителя функции УКД или по-английски CDO (Chief Data Officer). Не просто так, это именно С-уровень. Какими качествами должен обладать ее руководитель, который способен вмешаться в ход чужой программы, оказывающей серьезное, негативное влияние на информационную архитектуру, к результатам которой привязаны КПЭ руководителей высшего звена и, несмотря на это, добиться выполнения требований своей функции? Тем более в российских реалиях с преобладанием иерархичных структур, когда УКД должна функционировать как матричная функция, затрагивающая все без исключения функциональные блоки, ведь наличие выделенной функции не означает, что CDO за всех все будет делать. CDO должен возглавить и направить работу, которая будет вестись как в ІТ, так и в бизнесе, и в конечном итоге изменить культуру работы с информацией в организации.
Необходима ломка подходов
Одним из первых шагов, который должен сделать CDO, – это заменить подход к проектам как «что-то куда-то загрузить или что-то откуда-то выгрузить» на подход «данные – как информационный сервис», с четкими требованиями по метрикам качества данных и другим ключевым характеристикам (оперативность, формат, потребители). Основная задача очень проста в формулировке – нужные данные, в нужный момент времени должны попадать к правильным потребителям, но чрезвычайно сложна в реализации. Тем не менее, нам удалось выработать методологию по созданию такого информационного сервиса, сейчас мы обкатываем ее на практике в рамках пилота с одним из наших клиентов.
Есть ІТ для ІТ, должно быть ІТ для УКД
УКД нуждается в специализированном ПО – для ведения корпоративной модели данных и бизнес-глоссария, репозиториев метаданных, библиотеки аналитических моделей, измерения метрик качества данных и управления процессами обеспечения этого качества. Функция не заработает без автоматизации, подход «сапожник без сапог» в этом случае – плохой подход.
Подводя итоги, хочется сказать следующее: управление корпоративными данными важно, как никогда прежде, и значение этой функции будет только расти. И либо вы сможете оседлать информационную волну, либо она вас захлестнет, и на ее гребне окажутся другие.
