Шлях до кращих управлінських рішень: «розумні» дані + навчання

Ілюстрація: Shutterstock

Під час останнього дослідження, проведеного MIT Sloan Management Review спільно з компанією SAS, провідним гравцем на ринку бізнес-аналітики, 60% респондентів зазначили, що найвище керівництво вимагає від організації більшої аналітичності та зорієнтованості її процесу прийняття рішень на дані. Водночас тільки 42% опитаних відповіли, що «часто» або «завжди» мають у своєму розпорядження дані, потрібні для прийняття ключових бізнес-рішень.

«Продертися скрізь "непролазні хащі" інформації та отримати найбільш корисні та своєчасні дані можливо, лише взявши на озброєння ідею "розумних даних"», — говорить Алі Фуладкар (Ali Fouladkar), докторант Школи адміністративних наук Університету Гренобль 2. Фуладкар визначає поняття «розумних даних» як «дані, з котрих за допомогою досконалих алгоритмів було витягнуто відповідні сигнали та схеми». Різницю між даних звичайними і «розумними» можна проілюструвати на прикладі інформації про продаж. Так, це може бути довжезний перелік відомостей щодо тижневих обсягів продажу (звичайні дані), а може бути і графік, що відображає піки та спади продажу в рамках певних часових періодів («розумні» дані). У своїй науковій праці, присвяченій процесу прийняття рішень на основі даних, Фуладкар виділяє наступні характеристики «розумних» даних:

• точність. Дані повинні відображати інформацію, на яку вказує їхня назва, і, крім цього, робити це із точністю достатньою для генерування цінності;
• дієвість. Дані покликані стати рушієм негайного вчинення відповідної дії у спосіб, який би уможливлював якнайефективніше досягнення бізнес-цілі (наприклад, забезпечення максимального медіа-охоплення із використанням усіх платформ);
• гнучкість. Дані мусять бути доступні у режимі реального часу, а також мати здатність адаптуватися відповідно до змін у бізнес-середовищі.

«Проблема вторування шляху до "розумних" даних лежить не лише в технологічній площині, але й також у царині навчання», — сказав Фуладкар на симпозіумі EdCon 2013, що проводився спільними силами IBM, Школи інформаційних досліджень Сиракузського університету та Школи менеджменту Telfer Університету Оттави.

Зараз Фуладкар розробляє новий напрям спеціалізації в бізнес-школі IAE Grenoble при Університеті Гренобль 2, який включатиме в себе програми зі стратегічного менеджменту, маркетингу, фінансів та управлінських інформаційних систем. Також він наголошує на важливості розробки навчальних курсів для керівників найвищого рівня, котрі б допомогли їм краще розуміти дані та продуктивніше їх використовувати.

IAE Grenoble — це не єдиний заклад, котрий навчає менеджерів аналітичної грамотності. Влітку 2013-го видання InformationWeek опублікувало свій перелік 20-ти провідних магістерських програм зі спеціалізацією у сфері «великих даних» (у якому, зокрема, фігурує MIT Sloan School of Management). Також було сформовано кілька альянсів між корпораціями і університетами, метою яких є навчити управлінців та студентів ефективніше застосовувати дані у процесі прийняття рішень. Скажімо, IBM бере участь у більше ніж тисячі партнерств, сформованих з університетами цілого світу, які зорієнтовано на «великі дані» та аналітику.

Проте, як зазначає Фуладкар, цього недостатньо; університети та корпорації повинні суттєво розширити цей напрям своєї діяльності для того, аби дати керівникам інструменти для прийняття кращих рішень, а також підготовити нову генерацію управлінців. На його думку, проблема полягає у тому, що, здебільшого, відповідні програми вищої освіти спираються на логіку, успадковану з часів до «великих даних». Аналітика «великих даних», бізнес-аналіз та бізнес-моделювання не представлені в них у потрібному обсязі. Також «освітнім програмам бракує послідовних навчальних цілей», — зауважує Фуладкар. «Курси, що надаються зараз, базуються на технічних та інженерних проблемах, та не дають відповідної теоретичної бази, яка б дозволила управлінцям повноцінно задіювати сферу "великих даних"», — додає він.

Одне із рішень цієї проблеми полягає у розробці більшої кількості програм управлінського навчання, які б давали керівникам уявлення про потенціал «розумних великих даних» та роль, котру могли б відіграти такі дані у стратегічному процесі та плануванні операційної діяльності фірми в умовах невизначеності. Для цього Алі Фуладкар пропонує створювати університетсько-корпоративні лабораторії, що служили б виконанню дослідних і навчальних завдань. Такі лабораторії дали б університетам змогу проводити більше прикладних досліджень, та, крім цього, допомогли б студентам та управлінцям краще підготуватися до викликів, з яким їм доведеться стикнутися впродовж своєї корпоративної кар’єри. Адже, зрештою, розумними повинні бути не лише дані.

За матеріалами "Better Decisions with Smarter Data", MIT Sloan Management Review.