Октябрь 2018 | Автор: Марк Хиндс
Секрет получения максимальной ценности из имеющихся данных, по словам Марка Хайндса, руководителя компании Polymatica, заключается в том, чтобы позволить как можно большему числу сотрудников их анализировать. Все сложности, связанные с технической стороной работы с большими данными, сильно преувеличены.
Открытие доступа к анализу данных в реальном времени создает целый ряд новых возможностей для бизнеса.
Сегодня именно данные являются наиболее ценным активом компании, и в распоряжении любого бизнеса находится намного больше информации, чем когда-либо ранее. В идеале, любой сотрудник должен иметь возможность анализировать эти данные, чтобы принимать более осознанные решения, а также изучать всю рабочую информацию и адаптировать свои действия к постоянно меняющейся ситуации. Однако на практике это достигается очень редко.
Одна из проблем – это огромные объемы анализируемых данных. В связи с тем, что количество информации удваивается каждые 18-36 месяцев, стандартная бизнес-аналитика и типовые решения просто не могут угнаться за такими объемами.
Аналитика чаще оперирует днями, чем секундами, минутами или часами. Компании, следовательно, сталкиваются с непростым выбором: иметь дело с узким подмножеством данных, чтобы вовремя получить хоть какое-то решение, или же провести более глубокий анализ, который не всегда может уложиться в ограниченные сроки.
Другая проблема – это вопрос компетенции тех, кто проводит анализ. В большинстве компаний есть штат сотрудников, имеющих достаточный профильный опыт работы в различных сферах. Если бы эти сотрудники могли непосредственно анализировать данные компании, это бы принесло огромную дополнительную ценность и доход. Так почему же на практике это почти никогда не делается?
Анализ данных традиционно воспринимается как нечто сложное. Большинство стандартных методик и инструментов бизнес-аналитики требуют наличия специализированных навыков – включая обширные знания математического моделирования, понимание техник машинного обучения, владение языками программирования, такими как R или Python. Нетрудно понять, почему это представляет трудность для тех, чья специальность – маркетинг, логистика или закупки.
Как результат, большинство компаний полагаются на профессиональных специалистов по работе с данными – Data Scientist. Это затрудняет работу, увеличивая затрачиваемое на аналитику время и снижает гибкость в принятии решений. Кроме того, специалисты по работе с данными чаще всего не вникают во все тонкости конкретного бизнеса, а это означает, что любой вывод должен подтверждаться другими сотрудниками, а также возрастает риск заключений в лучшем случае неполных, в худшем – ошибочных.
Так как же компании могут дать своим сотрудникам возможность самостоятельно извлекать полезную информацию их хаоса данных?
Первый и наиболее очевидный шаг в плане поощрения сотрудников к свободному взаимодействию с аналитикой – это использование правильных инструментов. Большинство компаний осознают, что такие факторы как скорость и гибкость имеют решающее значение для сбора и обработки огромных объемов данных без предварительной агрегации в реальном времени. Но не менее важно и наличие технологии, которая будет доступна даже для бизнес-пользователей и обеспечит возможность пошаговой поддержки. Любая платформа такого рода должна обладать максимально простым для понимания функционалом – иметь шаблоны для сложных задач, подробные руководства, удобные панели инструментов и простое в использовании визуальное моделирование.
Тем не менее, всегда есть «фактор страха» (а также лени и неприятия всего нового). На самом деле, все, что требуется от сотрудника для успешного старта работы с данными, — это навыки взаимодействия с таблицами и базовые знания математики, а также желание обучаться. Хитрость заключается в том, чтобы помочь сотрудникам понять эти простые факты и побудить их попробовать себя в анализе.
Первый шаг к этому – определить сотрудников, готовых к таким экспериментам. Компаниям также стоит обратить внимание на уже работающих сотрудников или кандидатов на определенные должности, которые могут найти мостик между данными и бизнесом. Эти люди могут помочь остальным работникам увидеть идеи, которые можно извлечь из анализа данных, а также сформировать конкретные запросы. Это не быстрый процесс. Сотрудникам понадобится время, чтобы осознать все преимущества работы с данными – до того момента, когда они станут убежденными сторонниками такой работы и начнут пропагандировать ее внутри компании.
Предприятиям также необходимо будет организовать взаимодействие с IT-отделом, чтобы иметь гарантии защиты данных и их исключительного контроля. Время, которое специалисты по работе с данными и IT-специалисты тратят на то, чтобы помочь другим сотрудникам научиться аналитике, должно быть обосновано с точки зрения четких долгосрочных преимуществ. В конечном счете, специалисты будут освобождены от выполнения рутинного анализа, что позволит им решать более сложные и более важные задачи – другими словами, это оптимальный вариант, от которого выиграют все.
Открытие доступа к аналитике данных в реальном времени создает целый ряд новых возможностей для бизнеса. К примеру, отдел продаж в банке может выявить новые возможности для организации перекрестных продаж продуктов, таких как кредитные карты, страховка или дополнительные услуги.
Менеджер по закупкам в супермаркете на утреннем собрании в понедельник сможет на лету изучить новые данные о продажах и мгновенно принять взвешенное и обоснованное решение. Менеджеры по мерчандайзингу смогут анализировать складские запасы продуктов и своевременно корректировать выкладку в торговом зале в течение дня.
Открывающиеся возможности практически безграничны и более чем стоят тех изменений, которые необходимы для воплощения их в жизнь.
[ssba-buttons]