Автор этой книги понятным неспециалисту языком рассказывает о том, что такое большие данные, как они меняют мир и что нужно делать, чтобы повысить уровень аналитики в своей организации и принимать взвешенные решения, основанные на информации.
Из этой книги вы узнаете:
- что такое большие данные, почему они важны и в чем их преимущества;
- каковы основные источники больших данных;
- какие технологии и процессы помогут совладать с ними;
- что отличает хорошего аналитика и хорошую аналитическую команду;
- и как привить культуру анализа и инноваций в своей компании.
Большие данные проникают повсюду. Число источников больших данных растет. Правильное использование и анализ информации могут стать вашим конкурентным преимуществом.
Глава из книги:
Что такое хорошая аналитическая команда?
Многие организации испытывают трудности со структурированием аналитических команд. В отличие от кадрового и финансового отделов, для аналитиков нет определенного места или даже четкой сферы деятельности. Напоминаю, что, когда мы говорим об аналитике в этой книге, мы имеем в виду такие вещи, как прогностическое моделирование, интеллектуальный анализ данных и другие методы углубленной аналитики, а не отчетность и создание электронных таблиц. Когда мы говорим о профессионалах в области аналитики, мы подразумеваем людей, которые выполняют такую работу. Многие компании имеют в своем штате специалистов, работающих в различных подразделениях, где решаемые проблемы, используемые методы и даже необходимая для работы подготовка сильно варьируются.
В случае с другими отделами дело не всегда обстоит так же сложно. Кадровый отдел, например, представляет собой централизованную организацию. Даже если в нем работают люди, которые занимаются подбором персонала для различных бизнес-единиц, описание должности специалиста по кадрам, его обязанностей и необходимых навыков довольно четкое. С аналитиками все иначе. Подумайте о разнице между аналитическими задачами, которые решают оперативный отдел и отдел мерчандайзинга. Или о том, на чем сосредоточивают свое внимание команда по управлению рисками и маркетинговая команда.
В связи с этим возникает несколько вопросов. Какую структуру следует выбрать организации для аналитической команды? Как эти команды вписываются в общую структуру организации? Какой вариант позволит организации добиться наибольшего успеха? Какие вопросы должны быть решены перед началом работы? В этой главе мы коснемся некоторых общих проблем, возникающих перед аналитическими командами, независимо от их места в организационной структуре. Эти проблемы необходимо решить, если вы хотите создать отличную команду аналитиков, которая сможет укротить большие данные. Давайте разбираться!
Все отрасли разные
В ряде отраслей — это банковское дело, финансы и логистика — аналитика встроена в процессы принятия решений. Компании имеют в своем штате множество аналитиков. Управление рисками, например, основано на аналитике. Все предложения кредитных карт, которые вы получаете по почте, генерируются на основе аналитики. Прежде чем предложение оформить карту попадет в ваш почтовый ящик, ваши данные будут исчерпывающе проанализированы, чтобы определить уровень риска, связанный с выдачей вам кредита. Очень сложно найти банк, в котором не было бы хороших аналитиков, за исключением разве что небольшого регионального банка. В сфере предложения кредитов аналитика настолько сильно укоренилась, что никто не осмелится действовать без анализа. Целые компании добились огромных успехов благодаря тому, что они лучше всех остальных умеют выбирать надежных клиентов, которые не откажутся от выплаты долга.
В других отраслях дела обстоят не столь однозначно. Существуют компании, широко применяющие аналитику, и такие, кто практически этого не делает. Примерами могут служить розничная торговля и производство. Есть изощренные в использовании аналитики производители. Но есть и такие, кто ограничивается простым анализом электронных таблиц. Насколько более успешными могли бы быть эти производители, если бы уделяли анализу больше внимания?
Существуют известные розничные сети, которые посылают одежду одних и тех же размеров во все магазины. Вы замечали, что во многих магазинах никогда не бывает вашего размера? Многие розничные торговцы по-прежнему даже не пытаются согласовать ассортимент магазинов с местным спросом. Даже если общий объем их продаж соответствует нужным пропорциям размеров, существует огромный разброс в зависимости от местоположения магазина, а также от того, кто живет рядом и совершает в данном магазине покупки. Профилирование размеров — это процесс определения правильного сочетания размеров для каждого магазина. Как правило, исходя из этого наполняется ассортимент. Одни магазины требуют наличия большего количества больших размеров, а другие — маленьких. Многие розничные торговцы уже используют этот подход, но далеко не все.
Знайте, к какой категории относится ваша отрасль
Есть хорошие и плохие новости. Если вы работаете в отрасли, в которой широко применяется аналитика, то сможете выбрать из множества специалистов, имеющих подходящий опыт. тем не менее вашей организации придется напрягать силы, чтобы не отставать от лидеров. Если ваша организация относится к отрасли, в которой аналитика еще недостаточно укоренилась, то у вас будет возможность опередить конкурентов. Однако в этом случае у вас не будет столько же проверенных формул, которые можно было бы использовать.
Даже в рамках одной компании аналитика не всегда используется последовательно. В одних областях бизнеса компания может быть весьма изощренной, а в других — нет. Например, телекоммуникационная компания может очень эффективно использовать аналитику в маркетинговых целях для предупреждения оттока клиентов к конкурентам, но при этом быть совершенно неискушенной в создании моделей для прогнозирования эффектов ценообразования.
Организации предстоит решить множество проблем, прежде чем ее аналитическая команда начнет работать. Если эта команда уже существует, проблемы будут возникать по мере ее роста. Это касается всех отраслей. Если вы читаете эту книгу, то я предполагаю, что вы хотите помочь своей организации более эффективно использовать аналитику в целом, а также укротить с ее помощью большие данные. Если я прав, то вам необходима отличная аналитическая команда!
Просто начните действовать!
Важно не останавливаться в состоянии нерешительности только потому, что вы не знаете, с чего начать. Это самое худшее из того, что может произойти, поскольку приводит к пустой трате времени и мешает развитию; так вы упустите преимущества. Если вы наняли нужных людей, о чем мы говорили в главе 8, то они помогут найти лучший способ организовать команду для обеспечения максимальной эффективности. Поручите правильным людям решение правильных задач. Если вы сможете это сделать, то внести изменения в организационную структуру не составит труда.
Несколько лет назад компания, с которой я работал, решила начать применять аналитику. Мы создали первые маркетинговые модели, а позднее помогли этой компании обновить методы измерения, используемые для рекламных акций. Это было очень успешное сотрудничество. На протяжении нескольких лет эта компания продолжала обращаться к нам.
Совместно проведенная нами аналитическая работа помогла компании осуществить ряд важных изменений. Сотрудники компании определили некорректно оцененные сегменты клиентов, к которым они обращались с неподходящими маркетинговыми предложениями. Они это исправили и разработали единую точку зрения на деятельность, связанную с продвижением, вместо нескольких, используемых в различных частях организации. Единая концепция позволила легко договориться о том, во что следует инвестировать и что наиболее эффективно. Отделу маркетинга больше не нужно было спорить с финансовым отделом. Они также смогли сделать свой бизнес более клиентоориентированным, добавив метрики, касающиеся клиентов, в широкий спектр отчетов и аналитических процессов.
Спустя несколько лет эта компания начала создавать собственную команду штатных аналитиков и взяла на себя обязательство инвестировать в аналитику в долгосрочной перспективе. Мы помогли им получить первые результаты, однако они могли бы реализовать больше преимуществ более быстрыми темпами, если бы начали действовать раньше. Они так беспокоились о том, с чего начать, что затянули процесс на долгое время и не воспользовались всеми возможными преимуществами.
Дефицит талантов
По мере становления аналитической команды в вашей организации нужных людей будет не хватать. Потребуется по крайней мере несколько отличных специалистов, а таких людей очень немного. Специалистов вообще-то мало во многих отраслях, но в аналитике — особенно. Отчасти это объясняется двумя причинами. Во-первых, спрос на профессионалов в области аналитики стремительно растет. О быстром увеличении спроса на талантливых аналитиков свидетельствуют многочисленные блоги, статьи и книги, включая ту, которую вы читаете. Во-вторых, талантливых аналитиков система образования всегда выпускала немного. Адаптация академических программ для повышения качества подготовки специалистов требует определенного времени.
Компании вынуждены конкурировать между собой за талантливых сотрудников. Недостаточно просто предложить большую зарплату или дополнительные выгоды. Необходимо убедиться, что аналитикам предлагают сложные задачи и их деятельность получает поддержку. Если штатные аналитики, независимо от того, сколько им платят, понимают, что их работодатель несерьезно относится к аналитике и что они не оказывают влияния, то они уйдут. Профессионалам в области аналитики нужны деньги, как и всем остальным, но, как любому другому человеку, не менее важно признание, возможность оказывать влияние и улучшать свои навыки.
Будьте скромны
Во время экономического спада нетрудно предположить, что все отчаянно нуждаются в работе, однако талантливые аналитики пользуются спросом. Если вы полагаете, что таких людей легко заменить, вы их потеряете. Вам может быть трудно добиться повышения зарплаты для нового сотрудника в сложных экономических условиях. Однако если это все, что нужно, чтобы заполучить подходящего человека, то это небольшая цена и хорошая инвестиция.
Даже в тяжелых экономических условиях 2009-2011 годов профессионалы в области аналитики могли найти хорошие рабочие места. Специалисты по подбору персонала часто объявляют о вакансиях, а участники профессионального сообщества обсуждают условия работы, о которых они слышали. Профессионалы в области аналитики пользуются таким спросом, что в одной из худших экономических ситуаций столетия все еще слышат о вакансиях и отвечают на запросы специалистов по подбору персонала. Если в тяжелых экономических условиях ваша компания готова пойти на снижение уровня заработной платы вместо того, чтобы вести переговоры, то вы должны убедить свой кадровый отдел немного ослабить эти требования, чтобы найти талантливых специалистов в области аналитики. Это продлится ближайшие несколько лет: пока еще мало аналитиков, имеющих опыт работы с большими данными. Учитывая многообразие новых источников больших данных и новых инструментов, используемых для их укрощения, специалистов, обладающих нужным опытом, будет трудно отыскать.
Структуры команд
Как следует организовать аналитические ресурсы, чтобы все бизнесединицы, нуждающиеся в аналитической поддержке, могли получить необходимое и в то же время сохранить согласованность структуры предприятия? Ответ на этот вопрос пытались найти многие авторы, в том числе Том Дэвенпорт и Джоан Харрис17. Здесь мы обобщим основные варианты структур, случаи, когда их использование уместно, и принцип их работы. Обратите внимание: аналогичные структуры применимы и к другим группам в рамках компании, однако мы сосредоточимся на их применении в области аналитики. Основные структуры разделены на три категории: децентрализованные/функциональ-ные, централизованные и гибридные. Выбор наилучшего варианта для конкретной организации может быть непростым.
Недавно одна компания, работающая в индустрии развлечений, решила значительно повысить эффективность использования аналитики. В компании существовали независимые подразделения. Поскольку многие из них были приобретены, их независимость сохранялась намеренно, так как каждое выполняло свою работу, имело свой стиль и культуру.
Одно из подразделений решило заняться прогнозной аналитикой. Головная организация положительно отнеслась к этой инициативе, однако другие подразделения не проявили к этому никакого интереса. Возник вопрос: следует ли головной организации позволить подразделению работать самостоятельно и надеяться, что в будущем остальные бизнес-единицы начнут применять такой же подход? Подойдет ли метод, выбранный данным подразделением, для других подразделений? Следует ли корпоративной команде разработать план и позволить данному подразделению стать первым, кто будет его применять? Со временем остальные подразделения могли бы использовать те же «официальные» процессы.
На эти вопросы нельзя ответить однозначно. Можно позволить подразделению поработать и добиться некоторых успехов. Затем компания при необходимости может подстроить разработанные процессы под другие подразделения. Можно посоветовать с самого начала разработать нечто более универсальное с корпоративной точки зрения. Правильный ответ будет зависеть от культуры организации и от того, что ей кажется уместным. Компания в данном случае решила выбрать нечто среднее: она позволила подразделению взять на себя инициативу, а головной организации — принять участие в процессе.
Децентрализованные/функциональные структуры
В децентрализованной организации аналитические команды подотчетны специальному функциональному подразделению. Команда аналитиков отчитывается перед группой, которую поддерживает. При использовании этой модели специалисты, занимающиеся операционной аналитикой, подотчетны операционной команде и главному операционному директору (chief operations officer — COO). Маркетинговые аналитики подотчетны маркетинговой команде и главному директору по маркетингу (chief marketing officer — CMO). Риск-аналитики подотчетны команде, занимающейся управлением рисками, и т. д.
Преимущество такой структуры состоит в том, что специалисты по анализу работают именно там, где они нужны. Каждый день они видят людей, которых поддерживают, и проблемы, которые им необходимо решать. Как правило, организации начинают именно с этой модели потому, что какая-либо часть организации начинает применять аналитику раньше остальных. В результате этой бизнес-единице первой требуется нанимать профессиональных аналитиков. Вот почему организации чаще всего начинают с использования децентрализованной, функциональной модели. В самом начале децентрализованная модель подразумевает наличие одной небольшой команды аналитиков, подчиняющейся одной бизнес-единице.
Недостаток децентрализованной модели состоит в том, что ресурсы в конечном счете оказываются разбросанными по организации. Многие сотрудники с одинаковой подготовкой и навыками не входят в одну и ту же структуру. У них нет никакой формальной, а иногда и неформальной связи. Каждая аналитическая команда работает только с функциональным подразделением, в составе которого находится. Эта ситуация неидеальна с точки зрения долгосрочной перспективы. В данном случае одна команда может не иметь возможности в случае необходимости «одолжить» людей у другой, даже если другая команда располагает избыточными ресурсами.
Потенциальной проблемой, связанной с децентрализацией, является также отсутствие четкого карьерного пути. Рассмотрим организацию, состоящую из пяти бизнес-единиц, в каждой из которых есть три или четыре штатных аналитика. В рамках данных бизнес-единиц у них не так уж много возможностей для продвижения. В лучшем случае они смогут возглавить команду, состоящую из трех-четырех человек. И то только после ухода существующего начальника. Это не очень привлекательная карьера.
В этом примере в рамках всей организации числится около двадцати аналитиков. Ни у кого из них нет достаточно возможностей для продвижения по службе, и большинство не поддерживают никаких контактов со специалистами за пределами своих подразделений. Таким образом, децентрализация в чистом виде может применяться в качестве краткосрочной или среднесрочной меры на начальных этапах внедрения аналитики. В долгосрочной перспективе следует подумать либо о централизованной, либо о гибридной модели.
Это не означает, что децентрализованные команды долго нигде не могут использоваться. В индустрии авиаперевозок, например, одна команда аналитиков может заниматься управлением выручкой, а другая — маркетингом. Типы проводимого анализа, необходимые инструменты и навыки могут быть настолько разными, что это затруднит эффективное объединение команд. Это нормально. Просто периодически анализируйте и другие варианты, чтобы убедиться, что в изменении структуры нет необходимости.
Централизованные структуры
Централизованная структура подразумевает наличие одной главной аналитической команды, занимающей определенное место в организационной структуре. Эта команда поддерживает все бизнес-единицы и обеспечивает их аналитические потребности. Одной из проблем в данном случае будет определение места централизованной команды. Централизованная аналитическая команда может быть подотчетна главному финансовому директору (chief financial officer — CFO), главному операционному директору (COO), главному директору по информационным технологиям (chief information officer — CIO). Для централизованной команды аналитиков не существует установленного места в структуре организации, поэтому каждая организация поступает по-своему.
Преимущество централизованной команды — в возможности перераспределения ресурсов по мере необходимости. Рассмотрим организацию, в операционную и маркетинговую команды которой входят по три аналитика. Операционная команда переживает спад рабочей нагрузки и не нуждается в частом проведении анализа или в освоении характерного для данной команды бюджета. В то же время маркетинговая команда перегружена работой в связи с внедрением некоторых новых крупных инициатив. Децентрализованная модель не позволяет аналитикам из операционной команды помочь отделу маркетинга. А при использовании централизованной структуры человек, управляющий всеми аналитиками, может легко перемещать их в рамках организации. Централизованная структура помогает снизить риски, связанные с изменением спроса во времени.
Другое большое преимущество централизованной структуры состоит в том, что у аналитиков появляется возможность получить опыт работы в различных подразделениях компании и освоить различные типы анализа. Хорошим специалистам будет скучно делать одно и то же в течение десяти лет. Однако если за эти же десять лет человек поработает в различных отделах, освоит целый ряд новых методов и познакомится с множеством новых людей, то это будет замечательно. Такие условия способствуют повышению профессионализма аналитической команды. При этом выигрывают и специалисты, и организация в целом.
Централизованная, но преданная делу
Даже если ваша организация выберет полностью централизованную структуру, рассмотрите возможность сделать так, чтобы ресурсы были ориентированы прежде всего на конкретные бизнес-единицы. Работа с одними и теми же профессионалами позволит бизнес-командам быстрее освоиться в использовании аналитики. Не стоит недооценивать отношения, налаженные со специалистами, с которыми они работают на постоянной основе.
К недостаткам централизованных команд можно отнести вероятность того, что в организации в конечном счете окажется множество специалистов широкого профиля и ни одного глубоко разбирающегося в конкретной области. На работе бизнес-единицы негативно сказывается частая смена работающих с ней аналитиков. По этой причине даже полностью централизованная команда может поручить конкретным людям помочь конкретным бизнес-единицам. Официально аналитики подотчетны централизованной группе, но на практике внедряются в бизнес-единицу, на работу с которой они назначены. С точки зрения повседневной работы аналитик считается частью данной команды.
Централизованная аналитическая команда часто выставляет бизнесединицам счет за свои услуги. Однако иногда оплата работы этой команды считается корпоративными накладными расходами. Если команда выставляет счет подразделению, это позволяет удостовериться в том, что люди занимаются действительно важной работой, и тогда бизнес-единицы вынуждены расставлять приоритеты. В то же время, когда за услуги специалистов должно платить определенное подразделение, труднее использовать инновационные аналитические методы. В идеале организации выделяют определенный корпоративный бюджет, чтобы аналитическая команда могла работать над инновационными проектами сверх того, что будут оплачивать отдельные бизнес-единицы. Укрощение больших данных — отличная цель для такого бюджета. Спонсируйте ранние стадии работы на корпоративном уровне, а затем позвольте подразделениям оплачивать дальнейшую работу, когда они осозна ют значение больших данных.
Не стоит недооценивать важность такого структурирования организации, чтобы обеспечивалось использование инновационной аналитики. Не следует ожидать, что конкретные бизнес-единицы с ограниченными бюджетами смогут в полном объеме финансировать инновационные проекты. Инновационная аналитика должна спонсироваться и поддерживаться на высшем уровне и рассматриваться в качестве стратегической корпоративной инвестиции.
Гибридные структуры
Гибридные структуры представляют собой именно то, что следует из их названия: наличие централизованной команды, а также специализированных групп в конкретных подразделениях. Такой тип структуры может возникнуть по разным причинам. Часто это происходит, когда какая-то одна бизнес-единица возглавляет процесс аналитики. Например, это подразделение создало сплоченную команду аналитиков и не готово отказаться от контроля над ней. В то же время другие подразделения начали более интенсивно применять аналитику. Для поддержки других подразделений формируется централизованная команда. Однако первоначальная команда остается в подразделении, где она была создана.
Другая распространенная гибридная модель подразумевает существование главной централизованной команды, которую часто называют центром передового опыта (center of excellence — COE), или экспертным центром (center of expertise — COE). Задача специалистов данной команды состоит в поддержке предприятия в целом. Хотя большинство аналитиков работают в конкретных подразделениях, существуют свободно перемещающиеся между бизнес-единицами сотрудники, призванные поддерживать согласованность используемых подходов и инструментов. Команда COE также аккумулирует новые знания, получаемые аналитиками в процессе своей работы в различных подразделениях. Команды аналитиков, работающие в бизнесединицах, могут быть либо формально, либо неформально подотчетны главной группе аналитиков.
Не беспокойтесь о структуре — беспокойтесь о людях
следует еще раз отметить, что самое главное заключается не в том, как вы структурируете свои аналитические команды. самое главное — это то, что у вас есть правильные люди, производящие правильный анализ исходя из правильных причин. Кроме того, важно сосредоточиться на создании среды и культуры, позволяющих вашей организации нанимать, развивать и удерживать талантливых аналитиков.
Поддержание высокого уровня компетентности команды
В аналитической команде работают люди с различным уровнем профессионализма, как и в любой другой команде: один-два опытных профессионала наряду с новыми сотрудниками, недавно окончившими обучение. На начальном этапе необходимо сосредоточить внимание на конкретных навыках, которые крайне необходимы в данный момент для решения существующих проблем.
По мере того как команда будет расти, важно вводить туда людей, обладающих различными аналитическими навыками. Если первые нанятые вами специалисты имеют сильную подготовку в области интеллектуального анализа данных, далее имеет смысл искать людей с опытом работы в сфере оптимизации или прогнозирования. Участие специалистов с опытом работы в различных областях аналитики предоставляет больше возможностей для выявления новых способов повышения ценности бизнеса. Кроме того, по мере роста команды можно сосредоточиться на создании карьерных возможностей. Изначально нанятые люди, как правило, достаточно опытные, поскольку они самостоятельно и успешно работают, практически без помощи других экспертов. По мере роста команды можно начинать нанимать менее опытных аналитиков и развивать их.
Матричный подход
Матричный подход — неиерархический подход к управлению деятельностью команды — помогает сохранить высокий уровень навыков аналитиков. Он предполагает назначение руководителя конкретного проекта, которому поручается выполнение нескольких ключевых функций. Во-первых, он отвечает за управление проектом. К счастью, как правило, в аналитических проектах объем работы, связанной с управлением им, невелик. Во-вторых, руководитель проекта отвечает за определение направления проекта, разработку плана анализа и соблюдение сроков. Третья и самая важная функция предусматривает обобщение результатов, их интерпретацию и разработку рекомендаций, а также подготовку представления результатов работ по проекту. Под началом руководителя аналитического проекта находится один или несколько специалистов, отвечающих за выполнение работ по проекту.
В команде не обязательно должен присутствовать человек, которого называют руководителем аналитического проекта, поскольку дело не в названии, а в выполнении необходимых для конкретного проекта функций. Например, в команде есть два специалиста — Боб и Сью. При работе над проектом А Сью может быть руководителем, а Боб — ее подчиненным. При работе над проектом Б руководителем может быть Боб, а Сью — работать под его началом. Руководителем выбирают того, кто лучше всего подходит для выполнения соответствующих функций. Например, если проект в значительной степени ориентирован на прогнозирование, то руководителем будет выбран человек, который хорошо знаком с данной областью.
Разумеется, самых сильных и опытных аналитиков чаще выбирают руководителями проектов, а новым и не слишком опытным специалистам чаще отводится роль подчиненных. Однако назначение функций исключительно на основе старшинства или стажа может привести к путанице. Вот почему использование матричного подхода для управления командой аналитиков — хорошая идея. Когда члены команды обмениваются должностями, это развивает сплоченность. Каждый человек старается держать свое эго под контролем, поскольку знает, что время от времени ему придется работать под началом одного из коллег. Члены команды могут по-настоящему узнать друг друга и проявить свои самые сильные стороны, а также многому друг у друга научиться, что подводит нас к теме взаимного обучения.
Войдите в матрицу!
Матричный подход к управлению командой аналитиков помогает увеличить производительность труда, сплотить команду и обеспечить рост компетентности специалистов. сосредоточившись на способностях людей, а не на их званиях или должностях, вы создадите культуру, в которой люди имеют больше шансов добиться успеха и где все сосредоточены на получении правильных ответов, а не на том, кто именно их находит.
Взаимное обучение
Один из самых важных аспектов работы аналитической команды независимо от ее структуры — обеспечение возможности взаимного обучения специалистов. Если один из них выдающийся программист, убедитесь, что он делится с коллегами своим опытом или создает письменное руководство, где изложены советы и тонкости работы, а также наставляет других или даже проводит небольшие уроки. Члены команды захотят совершенствоваться. Одним из лучших способов является освоение новых для них областей аналитики, а также совместная работа над проектами. Такое обучение будет полезно как обучающему, так и обучающемуся.
Менеджерам нельзя терять хватку
Менеджеры и руководители должны участвовать в рабочем процессе и не терять своих навыков. Люди ненавидят «пустые костюмы», которые занимают высокое положение в организационной структуре, но не знают, что и как следует делать. Такой «пустой костюм», возможно, когда-то много знал, но со временем потерял свои навыки. В любом случае считается, что такой человек мало что умеет. Он, может быть, хорошо говорит, но не делает то, о чем говорит.
Профессионалы в области аналитики часто даже более чувствительны к таким вещам, чем представители других профессий. То же самое относится ко многим техническим областям. Технически подкованные люди, как правило, не уважают руководителей, которые указывают им, что делать, стоят над душой и критикуют их работу, если эти руководители не являются специалистами в том, о чем говорят. Если аналитик видит, что руководство не разбирается в том, о чем говорит, то сохранить его уважение будет практически невозможно. Это не означает, что человек, не обладающий глубокими познаниями во всех областях аналитики, не может управлять аналитиками. Менеджеру важно признать границы своих знаний и довериться команде в деталях, выходящих за рамки его опыта.
Навыки менеджера должны оставаться на высоком уровне... как у рыцаря-джедая!
В сериале «Звездные войны» Йода часто руководил действием, находясь за кадром. Однако при необходимости он вступал в бой и сражался наравне с лучшими воинами. точно так же хороший менеджер может не каждый день находиться «в поле», но, когда потребуется, он должен быть в состоянии производить анализ наравне с лучшими специалистами. Команда будет всегда оставаться в тонусе, если знает, что при необходимости лидер сможет лично позаботиться о деле.
Для того чтобы менеджеры не утратили свои навыки, подумайте о том, чтобы их обязанности менялись по крайней мере один раз в год. Пусть они поработают «в поле» и позанимаются анализом. Это отличный способ сохранить навыки актуальными, хотя реализация этого плана и представляет определенные трудности. Существуют компании, которые используют такой подход. Я знаю сеть ресторанов, в которой каждого сотрудника обязывают работать в ресторане каждый год по нескольку дней, чтобы все понимали, что там происходит. Это позволяет всем сотрудникам сохранять контакт с реальным миром, и мои знакомые, работающие там, находят такое ежегодное упражнение очень ценным.
Кто должен заниматься углубленной аналитикой?
На форумах сообщества аналитиков часто затрагивается одна тема. Я даже обсуждал ее в моем блоге18. Вопрос заключается в следующем. Учитывая существующее в настоящее время программное обеспечение и инструменты с дружественным к пользователю интерфейсом, которые дают возможность заниматься углубленной аналитикой, стоит ли позволять людям, не имеющим соответствующей подготовки, самостоятельно производить анализ, используя эти инструменты?
Дело в том, что под «простым интерфейсом» инструмента нередко подразумевается возможность его правильного использования. Однако (см. главу 6) это не так. То, что инструмент легок в использовании, совсем не означает, что его легко использовать правильно. Именно простота использования позволяет быстро и неосознанно делать именно неправильные вещи. Например, инструменты, генерирующие код SQL с помощью интерфейса point-and-click, дают возможность объединять данные так, как пользователям заблагорассудится. Эти средства используют необходимый синтаксис, но не гарантируют, что этот синтаксис будет иметь хоть какое-то значение.
Организация должна убедиться, что человек, который будет применять тот или иной инструмент, имеет подходящие навыки и опыт. Аналитический инструмент может снять с пользователя часть нагрузки, связанной с программированием, однако пользователю необходимо разбираться в генерируемых результатах. Если бы вы были уверены в том, что новичок может задавать правильные вопросы, что все необходимые данные подготовлены и доступны в нужном формате и что точно известно, какой алгоритм следует применять, то добиться успеха мог бы практически любой человек. В таком случае пользователь действительно мог бы просто нажимать на кнопки. В реальном мире так не бывает.
Многое зависит от создания подходящего аналитического процесса или модели, а это уже выходит за рамки простого использования интерфейса инструмента. Правильно ли было предсказано поведение? Поддерживает ли это предсказание самый лучший набор независимых переменных? Достаточно ли у аналитика опыта, чтобы понять, что возникли проблемы? Знает ли он, как их решать? Мы говорили в главе 7 о том, что для проведения углубленного анализа не существует волшебной кнопки!
Это не означает, что новички, не имеющие специальной подготовки или навыков, не могут создать дополнительную ценность для организации. Это просто вопрос гарантии того, что они не превысят своих полномочий и не будут делать того, что им не следует. Большая часть сотрудников организации должны использовать заранее определенные шаблоны или отчеты; возможно, им будет поручен некоторый дополнительный анализ. Более сложную работу следует оставить экспертам. Формальная аналитическая команда должна состоять в основном из таких экспертов.
Примеры непоследовательности
Комментарии, приведенные в предыдущем разделе, иногда наводят на мысль о том, что профессионалы в области аналитики занимают оборонительную позицию. На самом деле такие правила приняты во многих других областях деятельности. Почему-то люди, далекие от аналитики, не распространяют на нее логику, которую применили бы в иной области. Рассмотрим, почему следует позаботиться о том, чтобы углубленной аналитикой занимались подходящие люди.
Джейн решила, что она больше не хочет быть аналитиком, а желает заниматься созданием рекламы для отдела маркетинга. Она установила на свой компьютер те же современные и мощные инструменты для создания графики и генерации контента, которые используют маркетологи. Она потратила несколько часов, чтобы научиться пользоваться этими инструментами. Джейн смогла легко создавать брошюры, графику и все, что ей нужно, поскольку программное обеспечение позволяет простым щелчком кнопки мыши организовать фотографии, изображения и текст. Она идет в отдел маркетинга и говорит: «Я установила все необходимое программное обеспечение на свой компьютер и прошла обучение. Я хотела бы присоединиться к вашей команде и заниматься прямой почтовой рекламой, создавать журнальные объявления и брошюры о продуктах. Примете меня?» Сотрудники отдела маркетинга рассмеялись бы ей в лицо: для того чтобы создать хороший контент для маркетинга, мало уметь щелкать кнопками.
Джон решил, что хочет работать в команде CFO и каждый месяц заниматься закрытием отчетов. Он узнал, какое бухгалтерское программное обеспечение использует его компания. Как и Джейн, потренировался в использовании этого программного обеспечения. Затем он идет в бухгалтерию и говорит: «Я бы хотел помогать вам с закрытием отчетов каждый месяц. У меня нет никакой подготовки в области финансов или бухгалтерского дела. Однако я прошел все курсы, доступные для программного пакета, который вы используете. Я знаю, какие пункты меню необходимо выбирать на каждом этапе закрытия отчета. Когда я могу начать работу?» Как вы думаете, получит Джон эту работу?
И последний пример: соседу Джо необходимо спилить больное дерево. Он спрашивает у Джо, какую службу тот может порекомендовать. Джо отвечает: «Тебе не нужна никакая служба. Я только что купил первоклассную бензопилу. Я прочитал руководство от корки до корки, лезвия наточены, и пила готова к работе. Я спилю твое дерево». Какой сосед стал бы всерьез рассматривать такое смешное предложение?
Не ищите легких путей
Большинство людей посмеются, услышав о том, что новичок хочет заняться созданием рекламы для крупного маркетингового проекта или закрытием корпоративных книг; не воспримут всерьез слова соседа с первоклассной бензопилой, который предложил спилить дерево. Почему же тогда многие готовы предположить, что человек, не обладающий соответствующим опытом, но научившийся использовать аналитический инструмент, может создавать высококачественные аналитические процессы? Не попадайте в эту ловушку!
Организация, которая хочет создать отличную команду аналитиков, должна помнить, что эффективная аналитика — это и наука, и искусство. Как великие художники, вероятно, не смогли бы нарисовать шедевр, впервые взяв в руки кисть, так и аналитическая команда не может стать выдающейся в первый же день работы. Это приходит с практикой и опытом. Как и в других дисциплинах, в аналитике существуют сложности и нюансы, которые неочевидны для тех, кто не знаком с этой областью. Вы не сможете позволить новичку без необходимых навыков, образования и опыта делать вашу собственную работу? Тогда не стоит позволять новичку без необходимых навыков, образования и опыта создавать передовые аналитические процессы. Как говорилось в главе 8, крайне важно, чтобы аналитическая команда состояла из профессионалов, а не просто из людей, которые перешли из других отделов организации и получили новую роль и должность.
Создайте такие условия, чтобы новички могли достичь успеха
Теперь посмотрим на эту тему с более позитивной точки зрения. В организации многие сотрудники хотят использовать средства углубленной аналитики. Предположим, Барб из отдела маркетинга является одной из них и она готова взять на себя ответственность за аналитику в своей бизнес-единице. Она готова упорно работать. Это очень хорошо, и аналитическая команда, конечно, поддержит Барб и поможет ей. Однако начинать следует не с установки программного обеспечения на ее компьютер, чтобы она могла начать самостоятельно проводить анализ.
Вернемся к тому, что дружественные к пользователю аналитические инструменты способствуют повышению производительности труда. Возражение против того, чтобы инструменты были доверены неподготовленным людям, продиктовано вовсе не желанием защитить рабочие места профессиональных аналитиков и запретить использование новых технологий. Если бы дело было в этом, то дружественных к пользователю аналитических инструментов просто не существовало бы.
Человек с ограниченным ви дением способен утверждать: если он является частью команды из десяти специалистов, а использование инструмента позволяет сократить время работы аналитика в два раза, то это означает, что половину команды можно уволить. Любой, кто так думает, должен покинуть команду, поскольку никогда не сможет стать выдающимся аналитиком. Правильно было бы рассматривать данную ситуацию так: эти десять человек оправдывают свое существование тем, что они делают сегодня. Если вдруг возникнет возможность выполнять текущую работу в два раза быстрее, значит, половину своего времени они смогут потратить на решение новых проблем и создать еще большую дополнительную ценность. Современные удобные инструменты еще больше будут оправдывать существование этих специалистов, помогать им в развитии своего мастерства и ставить перед ними дополнительные задачи. Эта ситуация является выигрышной с любой точки зрения.
Пусть каждый занимается своим делом
Если специалисты в области бизнеса, далекие от аналитики, захотят ею воспользоваться, им не обязательно браться за сложную работу. Работа аналитической команды заключается в том, чтобы аналитика применялась по всей организации. Пусть бизнесмены тратят свое время на продвижение идеи использования аналитики для изменения бизнес-процессов, которыми они управляют. Если аналитические команды будут делать то, что они умеют делать лучше всего, а бизнескоманды — то, что они делают лучше всего, то выиграют все.
Надеюсь, вы убедились, что дружественные к пользователю аналитические технологии сами по себе являются хорошей вещью. Как же организации следует использовать их? Главное заключается в том, чтобы помочь Барб достичь своих целей. Это не значит, что ей следует поручить всю сложную работу. Команда аналитиков должна работать вместе с ней, помочь ей произвести необходимый анализ и позволить делать отчеты о работе созданных ими моделей. Результаты, касающиеся клиентов, должны отображаться в программе CRM. Они должны быть доступны для любых других корпоративных приложений. Барб необходимо предоставить инструменты для использования аналитики, которая была для нее разработана. Самостоятельно выполнять сложную работу она, вероятно, хочет не больше, чем это ей необходимо.
Почему ИТ-специалисты и аналитики не ладят между собой?
Создавая аналитическую команду, организация сталкивается с серьезной проблемой. Это война между аналитиками и ИТ-специалистами. Во многих организациях между ними существует длительная вражда. Верите или нет, но для возникновения этой напряженности в прошлом действительно существовали логичные, реальные причины. Однако сегодня они неактуальны. Чтобы понять почему, рассмотрим роли, которые организации отводят ИТ-специалистам и аналитикам.
Аналитику поручено расширение границ использования корпоративных данных (табл. 9.1). Он должен придумывать инновационные методы и при этом не ограничиваться определенными рамками. В то же время ИТ-специалисты должны поддерживать работу систем и обеспечивать, чтобы каждый мог сделать то, что ему нужно. ИТ-специалистам нужно гарантировать эффективное распределение ресурсов и сохранение контроля.
ИТ-специалисты и аналитики не ладят отчасти потому, что выполняют функции, противоречащие друг другу. Одна и та же компания платит им за прямо противоположные вещи! Одной команде поручено скрывать данные, управлять ими и контролировать использование ресурсов. Другой — обрабатывать данные, используя большое количество ресурсов, и находить новые способы ведения дел. В такой ситуации возникновение конфликта практически неизбежно.
Еще более усложняет дело то, что аналитики обычно подотчетны главному директору по управлению бизнесом, а ИТ-специалисты — главному директору по информационным технологиям. Единственным человеком в организации, который имеет непосредственную власть над обеими командами, является СЕО. Однако оба руководителя высшего звена вряд ли захотят привлекать СЕО к разрешению разногласий между своими командами.
ИТ-специалистам и аналитикам нужно подписать мирный договор!
Очень важно, чтобы ваша организация заставила Ит-команду и аналитическую команду прийти к соглашению о совместной работе. Доступные сегодня технологии позволяют обеим командам мирно сосуществовать и даже помогать друг другу. самое трудное заключается в том, чтобы заставить людей преодолеть предубеждения и справиться с враждебностью. Приложите к этому усилия, иначе вам будет очень трудно создать отличную аналитическую команду.
В результате ИТ-специалисты нередко относятся к аналитикам как к ковбоям, создающим «теневую» ИТ-среду без правил и политики. А аналитики считают ИТ-специалистов помешанными на контроле людьми, которые поставили целью сдерживание прогресса и создание препятствий.
Хорошая новость: многие причины этой вражды сегодня неактуальны. В главах 4 и 5 мы рассказали о появлении песочниц, аналитики, встроенной в базы данных, и о слиянии среды данных с аналитической средой. Эти технологии позволяют преодолеть разрыв между ИТ-специалистами и аналитиками. Если ваша организация намерена создать выдающуюся команду аналитиков, очень важно устранить этот разрыв.
Аналитиков сложно заставить признаться, что они хотели бы достичь соглашения с ИТ-специалистами. Они не стали бы управлять отдельной системой, если бы не считали это неизбежным злом, необходимым для выполнения их работы. Почему? Потому что это часто отвлекает аналитиков от работы, которую они по-настоящему любят! Давайте разберемся.
Если команда аналитиков имеет собственную аналитическую среду, которую им приходится поддерживать, то это фактически превращает их в системных администраторов, планировщиков технического обслуживания и т. д. Аналитик создает новый аналитический процесс, который должен выполняться еженедельно. Угадайте, что происходит дальше? Ему же приходится каждую неделю следить за работой этого процесса и контролировать ее! Он же должен решать проблемы, связанные с изменением в потоках данных или другими изменениями в системе, оказывающими на этот процесс влияние.
Аналитики на самом деле не хотят этим заниматься. Более того: если аналитик создаст четыре, пять или шесть новых аналитических процессов, то очень скоро практически все его рабочее время будет поглощено наблюдением за работой этих созданных процессов. У него не останется времени на проведение нового анализа! Это довольно плачевный итог. Аналитическая команда с удовольствием передала бы функции системного администрирования, планирования, резервного копирования и т. д. ИТ-отделу, сотрудники которого получают зарплату за эту работу, любят ее и являются в ней специалистами. Так гораздо эффективнее, и все будут счастливы. Это позволит аналитикам высвободить время на совершенствование своего мастерства вместо того, чтобы тратить его на наблюдение за работой процессов.
Обзор главы
Самые важные уроки этой главы.
► Вместо того чтобы без конца размышлять над структурой команды, наймите нескольких хороших аналитиков и поручите им решение правильных проблем.
► Будьте разборчивы в том, кого вы нанимаете. Успех в большей мере зависит от людей, составляющих аналитическую команду, чем от места этой команды в организационной структуре.
► На рынке труда наблюдается дефицит талантливых аналитиков. Придется потрудиться, чтобы найти подходящих людей.
► Большинство организаций начинают с децентрализованной, функциональной структуры аналитической команды. Со временем компании часто переходят к централизованной или гибридной структуре.
► Организации должны поощрять взаимное обучение и обмен опытом между членами аналитической команды.
► Попробуйте применять матричный подход к реализации аналитических проектов. Позвольте руководить более подготовленному специалисту при работе над каждым проектом.
► Менеджеры должны поддерживать уровень своих знаний и быть способными при необходимости работать наряду с остальными специалистами.
► Простые в эксплуатации инструменты — не волшебная кнопка, позволяющая неподготовленным людям производить качественный анализ. С помощью таких инструментов неподготовленные люди легко могут делать неправильные вещи.
► Аналитические команды должны позволить своим деловым партнерам успешно применять аналитику. Пусть профессионалы в области аналитики выполняют сложную работу, а затем делают результаты доступными для специалистов в области бизнеса.
► Помогите заключению мирного соглашения между командами аналитиков и ИТ-специалистов. Никто, особенно деловые партнеры, зависящие от поддержки обеих команд, не выигрывает от их взаимной неприязни.
 | Билл Фрэнкс. Укрощение больших данных. Как извлекать знания из массивов информации с помощью глубокой аналитики |