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

Позвольте мне привести пример из реальной жизни. Несколько лет назад мою команду наняла крупная компания, чтобы создать модель сегментации покупателей. Когда я представил заказчику техническое задание, он сказал мне, что хотел бы договориться о фиксированной сумме оплаты за реализацию проекта вместо почасовой. Из-за бюджетных ограничений он хотел точно знать, каковы будут затраты на проект, поскольку не мог позволить себе перерасход. Я сказал, что мы можем установить фиксированную плату, однако добавим к нашим сметным оценкам еще 20 % для покрытия дополнительных рисков, с которыми столкнется моя компания. Заказчик согласился, и мы запустили проект.

Мы завершили проект в рамках первоначального бюджета, поскольку тщательно его изучили, и получили дополнительные 20 % прибыли. После чего захотели порадовать заказчика дополнительно выполненной работой. Посовещавшись, решили потратить половину надбавки за риск на дополнительную аналитику, которая не была включена в техническое задание и, следовательно, не ожидалась заказчиком. Нам все равно досталось 10 % дополнительной прибыли, а заказчик пришел в полный восторг – и привлек нас к новым проектам. Мы оставили задел для того, чтобы порадовать заказчика, и это окупилось. В итоге все оказались в выигрыше.

Станьте консультантами, наставниками и инструкторами

Для того чтобы аналитическая команда играла в компании значимую стратегическую роль, ей необходим соответствующий образ мышления. Когда я начинал свою карьеру, на меня порой оказывали сильное давление, с тем чтобы я выполнял функции приемщика заказов. Я был всего лишь «ботаником», сидевшим в стеклянном отсеке на цокольном этаже, и заказчики время от времени считали возможным указывать мне, что нужно делать и притом делать немедленно. Причем в аналитике они совершенно не разбирались. И меня угнетало, когда посторонние люди говорили мне, что и как нужно делать.

Эффективная аналитическая команда должна рассматривать себя как команду консультантов, наставников и инструкторов, а не приемщиков заказов. Когда бизнес-партнер просит ее выполнить конкретные действия, команда должна задуматься над тем, что именно она должна сделать и с какой целью. Как этот запрос соответствует реальным потребностям бизнеса? Как он соотносится с доступными данными и инструментами? Является ли запрос в той форме, в которой он представлен, лучшим способом оценить лежащую в его основе проблему? В общем, вам надо посмотреть на запрос как бы со стороны. Возможно, придется объясниться с заказчиком: «Я понимаю, что вы просите сделать A, B и C. Но для того чтобы решить интересующую вас проблему, мы рекомендуем вам сделать D, E и F, поскольку это верный путь к успеху. Позвольте нам объяснить почему».

Специалисты-аналитики должны взять на себя ответственность за разработку решений, которые помогут компании в достижении ее бизнес-целей. Консультируйте членов бизнес-команды, чтобы понять их потребности и объяснить им предлагаемые решения. В качестве наставников помогите руководителям понять, как надо применять аналитику. Инструктируйте их на предмет того, какие детали необходимо указывать в запросах, чтобы получать более эффективные ответы. Такой подход приведет к тому, что бизнес-команда начнет доверять аналитической команде, ценить ее вклад и со временем перестанет отдавать приказы. В итоге члены бизнес-команды будут приходить к аналитической команде, излагать свою проблему, а поиск ее решения оставлять на усмотрение специалистов.

Мыслите как рефери

Я играл в футбол в течение 30 лет. Когда мои колени отказались выдерживать нагрузки, перешел в судьи. Во время подготовки к сертификации преподававший в нашем классе старший судья дал нам важнейший урок. Этот урок помог мне повысить свою квалификацию не только в качестве футбольного рефери, но и в качестве аналитика.

Инструктор внушал классу, что, собираясь дать свисток, мы должны это делать быстро и уверенно. Хороший рефери доверяет собственным суждениям и поступает решительно. Он должен быть уверен в правильности своего решения почти в 100 % случаев. Игроки, тренеры и зрители очень быстро распознáют, компетентен и уверен в себе судья либо нет. Если болельщики видят, что судья действительно уверен в себе и свистит по делу, они с большей вероятностью простят ему редкие ошибки, поскольку те станут очевидным исключением. Если же судья будет каждый раз сомневаться и медлить со свистком, то люди сочтут свои протесты обоснованными. Промедление со свистком свидетельствует о неуверенности и нерешительности, а с таким поведением трудно завоевать уважение людей.

Чтобы преуспеть, аналитическая команда должна быть готова занять твердую позицию и «дать свисток». Подобно рефери на футбольном поле, специалисты-аналитики должны с уверенностью выдавать надежные рекомендации и отстаивать полученные результаты. Если вы сами не уверены в своих открытиях, то как в них может быть уверен кто-то другой?

Этим же советом может воспользоваться и аналитическая команда. Когда ее просят решить проблему, команда должна с уверенностью рекомендовать путь, ведущий к решению. Когда получены результаты, она должна с уверенностью представить и объяснить их, а также выявить их значение. И, наконец, команда должна занять твердую позицию и представить конкретные рекомендации в отношении дальнейших действий. Благодаря такому подходу аналитическая команда завоюет уважение и доверие к себе со стороны заказчиков.

Заказчики проектов не всегда соглашаются с рекомендациями аналитической команды и иногда решают выбрать другое направление. Они ведут себя как болельщики, которые считают, что рефери неправильно дал свисток. Однако аналитическая команда должна отстаивать свою точку зрения, ведь у заказчика голова и без того занята множеством разных вопросов. Чем доказательнее аналитическая команда сможет убедить заказчика в том, чтобы он перестал интерпретировать данные и результаты анализа, а доверил это ей, тем будет лучше.

Ложные стимулы обходятся дорого

Стимулы важны всегда. Когда организация превращает традиционную аналитику в операционную, стимулы, привязанные к правильным целям, приобретают еще более важное значение, поскольку при интеграции аналитики в операционный процесс неточное определение стимулов может сказаться на результате. Какова главная цель при создании аналитического процесса? Легкая интегрируемость? Или высокая производительность? Или стабильность? Или что-то еще?

Важно определять четкие цели для специалистов-аналитиков как в годовом исчислении, так и на уровне конкретных проектов. У проектов, направленных на обнаружение, иные цели и критерии успеха, чем у проектов по операционному внедрению сделанных открытий. Например, в первом случае для сотрудников требуются стимулы, поощряющие экспериментирование и поиск новых явлений. Делать это нужно эффективно и быстро выполнять прототипы. Тем же, кто занят операционализацией, требуются другие стимулы, поощряющие тщательную работу по оптимизации скорости и производительности процесса, а также по тестированию процесса для гарантии его стабильности. Разумеется, постановка правильных целей напрямую связана с темой управления, которую мы обсуждали в шестой главе.

Есть примеры реальных ситуаций, когда неправильные организационные стимулы в отношении аналитики ведут к огромным издержкам. Например, налоговое мошенничество является серьезной проблемой в Соединенных Штатах. Один из его самых распространенных видов состоит в том, что мошенники крадут чужой номер социального страхования, подают декларацию от имени этого человека и получают большой возврат налогов{84}. Сегодня это превратилось в многомиллиардный бизнес (если здесь применимо слово «бизнес»){85}. К сожалению, предлагаемые Службой внутренних доходов (Internal Revenue Service, IRS) стимулы скорее усугубляют проблему, чем решают ее{86}.

То, что я сейчас расскажу, уже является достоянием широкой общественности, поэтому я не разглашу никакой конфиденциальной информации. Встречаясь с сотрудниками IRS, я поинтересовался у них, каким образом мошенникам удается подавать совершенно фиктивные налоговые декларации, если у IRS имеются данные о доходах и налоговых платежах по каждому человеку, которые предоставляются работодателями, финансовыми учреждениями и другими источниками доходов. Если цифры в налоговой декларации не совпадают с этими сведениями, то фальшивые декларации легко выявить для проверки, разве нет? Оказывается, нет. Хотя сведения о доходах поступают от работодателей в начале года, они становятся доступными для анализа лишь спустя несколько месяцев, т. е. уже после проверки налоговых деклараций. По сути, на протяжении всего сезона налоговой отчетности IRS не может соотнести сведения о доходах и налоговых выплатах, предоставленные работодателями и самими налогоплательщиками, чтобы проверить декларации перед утверждением возврата налогов. Звучит дико, не так ли?