Ловушка больших данных: почему ИТ-технологии в России плохо работают
Черный ящик против хрустального шара
Исследовательская компания Gartner недавно исключила термин big data из своего отчета. В компании уверены, что работа с большими массивами данных стала чем-то обыденным и обрела прикладной и бытовой смысл. Массивы информации помогают компаниям выжимать дополнительные проценты прибыльности, управляют городами и, возможно, помогут человечеству найти самые эффективные способы диагностики и лечения опасных болезней. С оптимистами из Gartner не согласится абсолютное большинство российских компаний. Для них большие данные пока остаются труднопонимаемой материей.
Часто системные интеграторы и вендоры (производители софта и «железа») пытаются продавать системы работы с данными как магический черный ящик. Загружаешь в него кучу информации, жмешь кнопку и получаешь результат, который позволяет заработать больше, потратить меньше и вообще стать эффективнее. К реальности такой подход имеет весьма отдаленное отношение.
Уместнее смотрится аналогия с хрустальным шаром: чтобы правильно интерпретировать данные и извлекать из них выгоду, надо правильно задать вопрос. Иначе облака в шаре так и останутся просто туманом. Мы это поняли на собственном опыте, когда несколько лет назад начали думать, как использовать все многообразие данных, которые годами копились в нашей компании. Построенные таблицы и графики, отчеты и выкладки не находили полноценного применения, пока не появился внятный и простой бизнес-запрос: проанализировать возможности дополнительных продаж для ключевых заказчиков. Мы собрали данные из бухгалтерской системы и CRM и построили модель, которая позволила понять, какие проекты реализуются у того или иного заказчика и каким образом мы можем в этих проектах поучаствовать. Результат удивил: подтвердилось восемь из десяти нетривиальных гипотез. Тривиальные, то есть основанные на простой логике, подтвердились все.
Упражнение получило рабочее название «гадание по номенклатуре». С технологией «гадания» мы отправились к клиенту и тут же угодили в первую ловушку, которая, как ни странно, лежит в гуманитарно-эмоциональной, а не в технологической плоскости.
Новые луддиты
Очевидно, что внедрение автоматизированных систем приводит к естественному высвобождению человеческих ресурсов. С этим нужно считаться во время создания пошаговой стратегии внедрения изменений, которая готовится после пилотных проектов. Обычно стратегия состоит из двух крупных блоков: введение новых (более эффективных) бизнес-процессов и последующее сокращение людей в данном подразделении. А этого коллективы крайне не любят. Для них любые изменения — это катастрофа. Команды сплачиваются против каких-либо преобразований в устоявшемся бизнес-обиходе и оказывают переменам сильное сопротивление. Примерно так же люди в конце XVIII века сопротивлялись первым станкам.
Самым показательным в моей практике был пример, когда некоторое время назад мы предложили услуги по организации системы анализа данных одному авиаперевозчику. Авиация — сложная отрасль, особенно сейчас. Компании, занятые в ней, балансируют на грани рентабельности, а затраты на топливо в себестоимости перевозок составляют 25–30%. В компании-клиенте работает большой аналитический отдел, который занят учетом и прогнозированием стоимости горючего. Мы провели обследование, предложили несколько разноплатформенных вариантов прогнозной аналитики и пояснили, что благодаря автоматизации отдел учета и прогнозирования из нескольких десятков человек можно будет со временем упразднить. Дальше нас просто не стали слушать. Проект был свернут. Позже в приватном разговоре с одним из наших менеджеров топ-менеджер авиакомпании рассказал о причинах: никто из руководства авиакомпании не захотел быть драйвером изменений и санкционировать массовые увольнения, поскольку с точки зрения менеджера это большой стресс. Так мы узнали, что ловушка big data — это эмоции коллектива, который в нашем случае сопротивлялся даже на высшем уровне.
Начните с Excel
Эту ловушку вполне можно обойти. Правда, чисто менеджерскими путями — к данным и технологиям «окольная тропа» не будет иметь никакого отношения. Во-первых, не затевайте революций без необходимости. Перевести компанию в режим, где анализируется все и вся, а большинство работы делается автоматизированными системами, можно только одним способом — сразу построив компанию по такой модели. Во-вторых, не выбирайте для первых перемен критически важные бизнес-процессы. Это вызовет такое сопротивление команды, о котором вы даже не догадывались. Вместо этого попробуйте проанализировать информацию, которая находится на стыке зон ответственности.
Наш показательный пример лежал на стыке логистики и HR. Один клиент, которому мы помогали внедрять использование данных на благо компании, предложил сделать «домашнее задание» — взять записи работы оборудования и людей на складе и показать, что с ними можно сделать. Мы обнаружили следующую картину: количество людей, необходимых для обработки заказов, определяется скорее на глаз — исходя из штатного расписания и очень грубой оценки сезонных колебаний количества заказов. В итоге мы предложили математическую модель, которая определяет необходимое количество людей, строится на базе исторических данных, а потому со временем становится только точнее. Проект достиг понятного результата: не было простоев и переплат в дни с низкой загрузкой и была существенно уменьшена упущенная прибыль из-за недостатка людей в периоды пиковой нагрузки на склад.
Но был еще и неожиданный побочный эффект. Оказалось, что, когда работникам склада нечем заняться, они начинают пить и воровать. После оптимизации на такие шалости у них осталось куда меньше времени, и косвенные потери из-за простоя личного состава уменьшились. Сейчас компания-заказчик внедряет эти изменения — меняет форму трудовых договоров, систему оплаты труда и мотивацию персонала.
Первым инструментом анализа может стать обычный Microsoft Excel (в последней версии уже встроены инструменты бизнес-анализа), а помощником в написании запросов и в поисках закономерностей — толковый человек из ИT-отдела, которому нравится решать нетривиальные задачи. Основной элемент любой аналитической системы — это человек. Если он задает неправильные вопросы, то никогда не получит нужный ответ.
