Любой бизнес порождает огромное количество данных, различной природы и назначения. Это и цифры продаж, планов и фактов, остатков на складе – то есть исходных финансовых данных; это и данные о поведении наших работников и клиентов, количестве и маршруте транспортных средств или статистике аварий. Данными опутаны все департаменты и подразделения бизнеса, и так как речь идет о целостном процессе, то кажется, что все данные имеют смысл и связанны между собой. Мы думаем, что стоит нам собрать все данные и поместить в одном месте, то можно будет описать и контролировать все этапы бизнеса, принимать правильные решения и быть готовым к изменениям рынка. Но реальность сложнее, и я уже более 20 лет погружен в нее.
Первые восторги и надежды быстро сменились разочарованием от сложности проектов по внедрению аналитики данных, несоответствию ожиданий и результатов, а также неэффективности дальнейшего использования. Я искал «серебряную пулю», гарантирующую успешный проект. Но ни выбор программного продукта той или иной фирмы, ни новые технологии и методы проектирования и управления проектом не приносили успеха сами по себе. Анализируя удачные проекты, я заметил, что их успех лежал не в области технологий, а в уникальном сочетании индивидуальных и профессиональных качеств работников компании, участвующих в проекте внедрения со стороны заказчика.
Успешный проект внедрения аналитики данных в компании дает колоссальный возврат инвестиций, не сравнимый ни с какой другой областью автоматизации. Компании, удачно внедрившие аналитику, ничем не отличаются от других, просто они — лидеры рынка. Их успех и стабильность во многом определенна умением поставить анализ информации на службу управления бизнесом.
Со временем я выработал несколько признаков ошибочного внедрения анализа данных в компании, по которым можно прогнозировать неудачу проекта. Большинство признаков очевидны, но очень часто мы видим их грубое нарушение.
Ошибка 1. Начинать проект без сформулированных целей
Все успешные проекты успешны одинаково, все несчастные проекты несчастны по-своему. Конечно проект проекту рознь, но я смею утверждать, что и в большом корпоративном проекте, и в проекте, где финансовый директор стал использовать инструменты аналитики для принятия решений, лежит один принцип успеха. Успешный проект — это правильно сформулированные цели и результат, соответствующий поставленным целям. То есть постановка целей – важнейший и главный критерий успешности любого проекта.
Понятно, что проект должен иметь цели, но цели аналитического проекта обычно трудно описать. Возникает вопрос: кто должен в компании устанавливать цели? Руководство, ведущие менеджеры или ИТ департамент? Целью может быть сокращение трудоемкости операций, повышение точности планирования или поиск методов удержания клиентов и роста прибыли. Совершенно необходимо ставить высокоуровневые цели, имеющие отношение к стратегии бизнеса, а не решению технических задач работы с информацией. Точнее, надо составлять иерархию целей от стратегических до технических и организационных.
Не начинайте проект если у вас нет специалистов способных сформулировать цели проекта и задокументировать эти цели в соответствии с текущей ситуацией с данными и бизнес процессами в компании.
Есть хорошая информация: компании типа PricewaterhouseCoopers могут помочь в целеполагании и документировании, но их привлечение сильно изменит цифры бюджета. И, что самое обидное, может быть абсолютно бесполезно из-за формального и стандартного методологического подхода таких компаний.
Ошибка 2. Внедрять аналитику сразу во всей компании
Компания покупает программу анализа данных, потому что это:
- модно
- когда нибудь пригодится
- требуют иностранные акционеры
- хочет новый менеджер.
Аналитика данных не является жизненно необходимым процессом в компании. Весь вопрос – насколько компания зависит от конкурентной среды и как долго сможет игнорировать возникающие опасности и возможности рынка. Без аналитики можно стоять, но нельзя идти вперед. Более того, так как бизнес среда все время изменяется, то даже чтобы сохранить позиции на рынке надо все время изменяться и пытаться быть на шаг впереди конкурентов.
Какой компании нужен анализ данных, а для какой он не жизненно необходим? Зависит ли эффект от внедрения систем аналитики данных от размера компании, количества данных, области в которой работает компания? Ответ – совершенно не зависит, и каждая компания индивидуально может получить пользу от внедрения системы анализа данных или сделать этот процесс абсолютно бессмысленным.
Как-то мы решили собрать статистику и проанализировать работу сети салонов красоты. Руководство хотело поменять набор услуг и не потерять прибыль, или понять какие потери будут и можно ли на них пойти. Это было связанно с перегруженностью работников, многим клиентам приходилось отказывать. После года сбора информации мы провели базовый анализ и ответили на вопросы – на каких процедурах идет заработок, а какие можно вообще не оказывать. Выяснилось, что некоторые дорогие процедуры занимают много времени, а дохода дают меньше, чем две короткие процедуры. В результате анализа салон красоты серьезно изменил график работы и ассортимент предоставляемых услуг. И при увеличении на 75% дохода позволил работать через день. Нужна ли им аналитика?
Однажды я сидел в кабинете начальника ИТ охраны края (так в Литве называется министерство обороны) и, рассказывая ему о преимуществах анализа информации, то и дело использовал слова «эффективность», «экономия». Он посмотрел на меня осуждающе и сказал, что никогда не надо в бюджетной организации применять такие слова. Нужна ли им аналитика?
Основным критерием необходимости внедрять аналитику данных должно быть понимание ценности информации, возможности ее собирать и на ее основе принимать важные решения.
У нас есть шутка, что аналитика нужна, когда считают копейки. Когда считают рубли нужна не аналитика, а отчетность. Это о том, что аналитика нужна в сложные времена или в очень конкурентной среде, когда резко возрастает цена неправильного решения.
Для успешного внедрения проекта аналитики данных необходимо найти то место в компании, где использование данных будет наиболее эффективно и таких работников, которые смогут на основе данных принимать правильные решения и влиять на развитие компании.
Вместо стрельбы из пушки по воробьям, надо прицельно найти отдел и работников, способных получить быстрый и значимый успех от внедрения. Такой отдел в компании и такие работники будут продвигать свой успех, подтягивая другие отделы до новых стандартов контроля и управления бизнеса. Не надо стараться внедрить все во всей компании и сразу. Переход компании от интуитивного планирования только на основе опыта к аналитическому управлению и методу принятия решений на основе данных, долгий и комплексный процесс. И двигаться надо от одного локального успеха к другому
Ошибка 3. Проект без «пионера данных»
Когда передо мной проходит череда моих проектов по внедрению анализа данных в компании, я не всегда запоминаю, какую программу мы использовали в работе и какие задачи решали, но портрет руководителя проекта со стороны клиента всегда очень ярок. Иногда достаточно поговорить по телефону или скайпу с представителем клиента и понять, что проект перспективный. Настолько роль и профессиональные качества этого представителя важны для успеха проекта. Я имею ввиду аналитика, который будет принимать непосредственное участие и в формировании технического задания, и в тестировании прототипа, и в развитии проекта внутри компании.
Аналитик может иметь различные позиции и титулы в компании, но главная его черта – умение работать с информацией и помогать принимать обоснованные и жизненно важные решения в бизнесе.
Для аналитика, который руководит проектом внедрения анализа данных, я использую термин «пионер данных». Этот человек способен увидеть за повседневным бизнесом реки информации и острова принятия решений. Его отличает умение за стандартными отчетами результата продаж видеть закономерности и поводы задуматься над происходящим. Такие работники бывают из ИТ, но чаще из финансов или продаж. Сколько бы людей ни принимало участие в проекте, за ним всегда стоит архитектор. Так как анализ данных – это индивидуальный процесс, то и разработка подходов и методов анализа обычно ведется в индивидуальном порядке, даже в очень крупных компаниях. Отсутствие в компании такого работника не может быть заменено любым количеством высококвалифицированного ИТ, прекрасного программного обеспечения и внешних консультантах.
Успешность проекта анализа данных целиком лежит в области внутренней команды компании и напрямую зависит от наличия в команде стратегического аналитика – пионера данных.
Ошибка 4. Все отдать в ИТ
ИТ-департамент в компании играет роль завхоза склада, на котором все время что-то не работает, места не хватает, ходят посторонние люди и товары пропадают. Также ИТ-работники тотально загружены на месяцы вперед, раздерганы все время меняющимися требованиями. Но именно ИТ является узкими воротами, через которые редко пробивается ручеек нового программного обеспечения и особенно аналитического софта. ИТ воспринимает новое программное обеспечение как угрозу стабильности и безопасности всей системы компании. И в этом есть доля правды. Тем более если речь заходит об анализе данных. Ведь это связанно с открытием доступа в места хранения данных и их распространения.
Важнейшими элементами успеха проекта внедрения анализа данных в компании является поиск компромисса между безопасностью данных и простотой доступа к ним, интеграция нового программного обеспечения в имеющиеся в компании системы и соответствие необходимых расходов и текущего бюджета на приобретение нового софта.
Вот эти важнейшие вопросы лежат в области ответственности ИТ. Вопросы тестирования новых программ анализа данных, принципов стратегического использования и методов работы с программой должен взять на себя «пионер бизнес данных», о котором мы уже говорили.
Проект внедрения анализа данных в компании может быть успешным только тогда, когда он не отдан на откуп ИТ-департаменту, а курируется и управляется стратегическими бизнес подразделениями.
Ошибка 5. Выбирать программу, а не стратегию
Программное обеспечение не более чем средство достижения цели, и такой подменой часто грешат работники ИТ, считая, что главная задача купить хорошую программу и раздать ее работникам.
На самом деле сегодня все программы анализа данных примерно одинаковые и на 100% способны решать ваши задачи. Найти в них различия могут только очень продвинутые пользователи. И эти различия будут касаться специфических аспектов применения. Стоимость владения лицензиями, тоже почти не отличается. Я видел множество примеров продвинутой аналитики, системы отчетности и прогнозирования на Excel. Более того если вы ничего не сделали в Excel, вам вообще рано приобретать что-то более продвинутое.
Одинакового результата можно достигнуть в любых программах аналитики, только иногда разной ценой. Обычно встроенные продвинутые функции, например, прогнозирование, носят скорее рекламный характер и могут использоваться только для иллюстрации процессов, но не для серьезного планирования, например, объемом продаж или остатков на складе.
В любом случае для компании, начинающей внедрять аналитику данных, любая современная платформа BI будет избыточна по функционалу в течение нескольких лет внедрения и эксплуатации.
Итак, не ставьте во главу угла проекта програмное обеспечение! Принципиально важнее консультативные услуги, которые вы покупаете вместе с программой. Важен сервис обучения и консультирования, который по мере роста потребностей готов годами поддерживать вашу компанию.
Ошибка 6. Внедрять без пилотного проекта
В области анализа данных балом правят ИТ-компании интеграторы, как правило не специализирующиеся на аналитике, а продающие все подряд. Но главное, как продающие? Вам пытаются продать то, что вам, возможно, не нужно, в количестве всегда большем, чем вам понадобится на первых порах. Часто вы не сможете не только получить максимальный эффект от внедрения анализа данных, но и вообще развернуть систему и использовать ее. Ваши отчеты, не сомневаюсь, что у каждого бизнеса они есть, просто переводят из Excel в новомодную программу и этим результатом оправдывают год лихорадочного проекта, неоправданных трудозатрат своих работников и, как правило, больших инвестиций в такой проект.
Внедрение системы анализа данных в компанию достаточно непредсказуемый процесс, по многим причинам нас может ждать разочарование. К числу таких причин можно отнести:
- Отсутствие технического и стратегического задания по проекту.
- Неудовлетворительное качество данных и сложности их сбора и хранения.
- Отсутствие квалифицированного персонала и ресурсов на развитие.
- Плохая интеграция анализа данных в текущие бизнес процессы, делающий сбор и анализ данных бессмысленным.
- Неоправданная трудоемкость процессов сбора и анализа данных.
- Непродуманная стратегия расширения использования платформой аналитики и как следствие непомерное увеличение расходов на владение лицензий программного обеспечения
Как проверить не только и не столько программное обеспечение, а своих работников на предмет желания и возможности использовать инструменты анализа данных в своей повседневной работе? Как оценить эффект экономии времени и увеличения эффективности планирования и принятия решений от наличия в компании правильно поставленного процесса мониторинга, анализа и прогноза бизнеса?
Успешный проект всегда должен подразумевать большой и вдумчивый пилотный проект, результатом которого должен быть прототип будущей системы.
В рамках такого тест драйва становятся понятны проблемы и способы их устранения, кто и как может использовать инструменты анализа и насколько это будет эффективно. Какие изменения необходимо будет провести и в способах сбора и хранения данных и в процессах обмена информацией и принятия решений на ее основе.
Проект анализа данных нельзя заказать под ключ и «все включено». Несмотря на техническую составляющую, такие проекты всегда индивидуальны для каждой компании и даже для локального отдела в компании. Успешность проекта на 99% зависит от внутренней команды работников и их готовности использовать в своей работе аналитические данные. Скромный один процент успеха я оставляю на выбор хороших внешних консультантов и современного программного оборудования. Свою роль как консультанта я вижу в том, чтобы помочь компании раскрыть потенциал своего 99% успеха. Итак, за мной всего один процент, но он золотой!
При всей очевидности перечисленных мной ошибок проекта я раз за разом вижу эти ошибки во многих компаниях. Мой список не претендует на исключительность и законченность. Вы знаете другие критерии успеха или не согласны со мной? Был бы рад услышать ваше мнение в комментариях.
Узнать больше о современной программе для бизнес-аналитики и загрузить ее бесплатно вы можете на сайте АСУ аналитка
Партнерский материал