Як повною мірою використати потенціал даних

Аналітика, великі дані, штучний інтелект... Для багатьох молодих компаній це стало засобом досягнення вражаючого бізнес-успіху. Проте традиційні організації просуваються в цій площині занадто повільно. За оцінками консалтингової компанії Data Quality Solutions, менш ніж 5% гравців використовують дані для того, щоб здобути міцну конкурентну перевагу. В чому причина?

На думку Томаса Редмена (Thomas Redman), президента Data Quality Solutions, та Томаса Девенпорта (Thomas Davenport), почесного професора кафедри менеджменту та інформаційних технологій Коледжу Babson, це пояснюється кількома основними помилкам, які роблять компанії.

Чому дані не використовуються повноцінно

По-перше, більшість гравців не вкладають достатньо коштів у трансформаційні ініціативи, потрібні для того аби повною мірою використати переваги даних та аналітики. По-друге, компанії неправильно підходять до питання якості даних і тому марнують часові та грошові ресурси на вирішення повсякденних тривіальних питань. Погані дані, у свою чергу, породжують недовіру до даних взагалі.

Поширеною проблемою є те, що організації занадто вузько дивляться на дані, помилково відносячи їх виключно до сфери компетенції ІТ-функції, і тому не усвідомлюють, який величезний трансформаційний потенціал вони несуть для бізнесу. Відповідно, стратегічно важливим змінам (які стосуються процесів, структури, персоналу та культури) не приділяється належної уваги. Отже, в цілому, за словами авторів, ставлення організацій до даних та датології є «несерйозним».

Що ж тоді визначає «серйозність»? Це проявляється у поведінці організацій — у тому, як вони переорієнтовують свої цілі, переходячи від поступових повільних змін до стиснутих у часі трансформацій; як підходять до використання ресурсів; як згуртовують людей навколо нових цілей та як їх навчають; як доносять сутність нових цінностей та нових підходів до роботи; а також — у готовності керівників очолити трансформаційний процес та взяти на себе повну відповідальність за його результати.

Одним із прикладів еталонного ставлення до даних компаній є сінгапурський DBS Bank. У 2018-му році, отримуючи від Euromoney нагороду «Найкращий цифровий банк світу», гендиректор DBS Піюш Гупта (Piyush Gupta) сказав:

Як вийти із кола помилок

Перед усе потрібно виявити ділянки, де марнуються ресурси та перескерувати їх на підвищення продуктивності використання даних. Щодня у багатьох організаціях світу ведеться непомітна робота, яка поглинає величезні кошти та зусилля. Так, продавці виправляють помилки в даних, отриманих від маркетологів; аналітики 80% свого часу займаються обробкою «сирих» даних; фінансисти три чверті робочого дня «колупаються» в звітах, намагаючись привести їх до «спільного знаменника»; керівники, не довіряючи отриманим даним, доручають підлеглим перевірити їх ще раз.

Щоб це змінити, потрібно відійти від способу мислення «обережно, вас можуть обманути», коли кожний залишається сам на сам із поганими даними, та забезпечити правильність даних на рівні їхнього джерела. Адже виявлення та усунення першопричини помилки може запобігти тисячам погрішностей, які виникнуть у майбутньому і які доведеться виправляти по всьому ланцюгу знизу вгору і згори вниз. Таким чином організація заощадить величезні суми грошей. У середньому вартість поганих даних складає 20% від доходів. Левову частку цих витрат можна усунути раз і назавжди.

Не набагато краща ситуація і в царині штучного інтелекту. Чимало компаній вкладають значні кошти у створення алгоритмів, але більшість розробок «вмирають» так і не почав повноцінно працювати, тому що такі робо?ти, як створення нових процесів, навчання персоналу, надання людям допомоги у подоланні стресів, формування відповідної культури, значно недофінансовуються. Згідно авторів, на кожний долар, вкладений у створення алгоритму, потрібно вкласти $100 для того аби забезпечити його повноцінне функціонування. В основному компанії не інвестують такі кошти у формування середовища, орієнтованого на дані, що є першопричиною низької віддачі від провадження AI-систем.

Що робити керівникам

Аби в організації ствердилося «серйозне» ставлення до даних, автори рекомендують керівникам вчинити наступні кроки.

По-перше, інтегруйте бізнес-стратегію зі стратегією щодо даних, орієнтуючись при цьому на зростання доходів. Якщо підходити суто з позицій датології, то для того аби знайти нові можливості, потрібно повною мірою задіяти всі дані, які має компанія: впровадити аналітику у «кожний закуток» бізнесу, а, приймаючи чи не кожне рішення, використовувати штучний інтелект. Проте все це зробити нереально. Відповідно, слід вибирати те, що найбільш тісно пов’язано з бізнес-стратегією компанії. Однією із ознак того, що ви на правильному шляху, стане зменшення кількості проєктів, пов’язаних із даними; а ті, що реалізовуватимуться, будуть більш масштабними та всебічними.

По-друге, залучіть до роботи з даними практично всіх членів організації. Спілкуйтеся з працівниками, допомагайте розібратися у різних нюансах, показуйте, як вони можуть використовувати дані у своїй роботі. На те, щоб позбутися неефективності, спричиненої поганими даними, знадобиться не один місяць. Прийміть це як факт. Із часом настрої персоналу покращаться. Досвід показує: коли люди починають розбиратися в даних, їм подобається з ними працювати.

По-третє, чітко розмежуйте управління даними і управління технологією. Кожна з цих сфер потребує спеціалізованих підходів. Але багато компаній підпорядковують дані технології. В результаті такому питанню, як архітектура даних, не приділяється належної уваги, що інколи призводить до абсурду (наприклад, банк може мати 130 тис. баз даних). Водночас у технологічних проєктах занадто багато часу присвячується системам, які не в змозі «розмовляти» одна з одною, і замало — ознайомленню співробітників з новою технологією.

І, нарешті, варто продумати ролі, які відіграватимуть дані у вашій компанії в довготерміновій перспективі. За оцінками The Economist, сукупна вартість даних, які є тільки в США, складає до $2 трлн. Звісно, не всі дані мають однакову цінність. До деяких категорії даних (як-от конфіденційні дані, дані, потрібні для управління компанією, дані щодо її основних активів) потрібно ставитися як до окремого активу. Принаймні ви маєте чітко визначити наскрізну лінію відповідальності за такі дані.

За матеріалами "Getting Serious About Data and Data Science", MIT Sloan Management Review.

Ілюстрація: graphicstock.com