Революция в аналитике. Как в эпоху Big Data улучшить ваш бизнес с помощью операционной аналитики
Шрифт:
Вот почему я рекомендую делать акцент на решении проблемы. Покажите, что процесс работает, но не сосредоточивайтесь на самой аналитике при демонстрации ее результатов. Если ваши клиенты или непосредственные пользователи процессов не понимают нюансов и сложностей, лежащих в основе аналитических процессов, нет смысла перегружать их подробностями. Иначе они могут вообще отказаться от внедрения аналитических процессов. Просто продемонстрируйте, что процесс работает, опишите все преимущества и на этом остановитесь – если только вас не попросят о дополнительной информации.
Многие заказчики и пользователи операционной аналитики не понимают аналитики или не испытывают к ней интереса. Их заботит только возможность решения проблемы. Убедите их в том, что аналитика поможет решить их проблему, но не углубляйтесь в технические подробности. Если же людей перегрузить информацией, они могут вообще отказаться от выполнения предложенного им решения.
Многие из нас не желают вникать в детали непонятного нам явления. Например, большинство людей не хотят вникать в то, как работает двигатель автомобиля и почему после нажатия на педаль газа топливо подается в карбюратор. Обычно человек просто хочет знать, что, если он нажмет на педаль газа, автомобиль поедет вперед. С операционной аналитикой дела обстоят точно так же, когда ее пользователями становятся люди, не желающие вникать в принципы ее работы.
Операционная аналитика просто должна быть частью предлагаемого вами решения проблемы. Если вы продемонстрируете, что найденное решение приносит нужные результаты, то уже осчастливите заказчиков и пользователей. Им не понадобится вникать в детали. А будут ли конечные пользователи полностью разбираться в стоящей за решением аналитике или принимать ее, это действительно не важно. Если вы помните, в первой главе мы рассматривали пример с логистической компанией, которая решила уменьшить ежедневный километраж для своих водителей службы доставки. Многие водители с пренебрежением отнеслись к компьютерным рекомендациям, поскольку оказалось, что при более вдумчивом подходе они смогли найти способы сократить километраж еще больше и превзойти компьютерную программу. Таким образом, рекомендации бросили вызов водителям – и заставили их изменить свое поведение. Даже если водители не поняли, что именно аналитика инициировала изменения, главное, что изменения произошли.
Подведем итоги
Наиболее важные положения этой главы:
• Операционная аналитика должна опираться на прочный фундамент пакетной аналитики. По-прежнему применим и традиционный аналитический процесс.
• Организация должна иметь возможность применять и сочетать различные аналитические дисциплины, чтобы, помогая друг другу, они позволяли улучшать результаты.
• Платформа для обнаружения данных – лучшее место для применения к проблеме мультидисциплинарного подхода.
• Постановка правильных вопросов в начале построения аналитического процесса сильнее воздействует на результаты, чем вся последующая работа.
• Если фактические значения могут отличаться от исходных предположений, примените анализ чувствительности для оценки потенциального воздействия такого расхождения на результаты.
• Невозможно проанализировать все и вся. Однако если упускается что-то важное, критика задним числом неизбежна. Всегда документируйте процесс принятия решений с указанием того, почему были выбраны одни пути для анализа и не выбраны другие.
• Исследовательский анализ направлен на поиск ответа на более общие вопросы в условиях широкой свободы действий,
• Аналогично тому, как тест-кухни ищут новые рецепты, организации должны использовать аналитические НИОКР для поиска новых аналитических процессов. Эти усилия должны рассматриваться не как бездумное хакерство, а как продуманное размещение ставок.
• Выведение аналитики на операционный уровень иногда требует частичного отказа от аналитической мощности в обмен на требуемую масштабируемость. Необходимо оптимизировать не каждое отдельное решение, а влияние процесса на все решения.
• Методы классической статистики, включая выборки, по-прежнему сохраняют свою актуальность. Россказни о том, что они устарели, будут опровергнуты.
• Изощренные решения могут усиливать, а не контролировать проблемы с данными, особенно когда они применяются к низкокачественным – разреженным и неполным – данным. В действительности простые решения способны работать лучше, одновременно обеспечивая необходимую масштабируемость.
• Заказчики и пользователи операционной аналитики часто не разбираются в аналитике и не интересуются ею. Главное для них – получить решение проблемы. Вдаваясь в технические подробности, когда вас об этом не просят, вы рискуете отпугнуть людей от аналитики.
Глава 8
Аналитическая команда
Если организация хочет поставить операционную аналитику себе на службу и получать от нее весомую отдачу, ей надо для этого подобрать нужных людей. Кроме того, надо правильно их организовать и обеспечить им условия для успешной работы. В большинстве случаев – за исключением разве что некоторых развитых в плане использования аналитики компаний – придется изменить и существующие организационные структуры. Тематику, связанную со специалистами-аналитиками и аналитическими командами, я рассмотрел в своей книге «Укрощение больших данных». В этой главе я хочу добавить еще несколько важных соображений и новую информацию. Итак, давайте рассмотрим некоторые ключевые действия по набору, организации и управлению аналитической командой, способной обеспечить успешное применение операционной аналитики.
Произошел серьезный сдвиг
Сегодня я с удивлением наблюдаю за тем, как расширяются карьерные возможности для профессиональных аналитиков. Более 20 лет назад, после окончания аспирантуры, я отчетливо понимал, что моя профессиональная судьба – оставаться «ботаником», обитающим в дальних закоулках офисов. Время от времени меня будут выпускать из подвала, но б'oльшую часть времени я буду сочинять в кулуарах умнейшие аналитические отчеты. Такова была участь специалистов по аналитике в те времена, и я с ней смирился.
С улыбкой вспоминаю, как на моей первой работе мне приходилось разговаривать с кем-то, кто мог поговорить с кем-то, кто мог поговорить с кем-то, кто принимал решения. Я находился на приличном удалении и от лиц, принимающих бизнес-решения, и от ИТ-отдела. Ввиду места, которое моя команда занимала в организации, и наших условий для работы наше влияние было весьма ограниченным. Например, разработанный мной анализ для прогнозирования ухода клиентов осуществлялся в режиме пакетной обработки и только для немногих конкретных точек принятия решений. Аналитика не была интегрированным компонентом деятельности организации (впрочем, как и я со своей командой) и тем более не была операционной.