Адаптацией аналитики больших данных сегодня заняты многие компании в ряде отраслей. Какие препятствия сдерживают развитие направления и как их обойти?

Многие задаются вопросом: сохранятся ли изменения в поведении потребителей, которые мы наблюдали в течение последнего года. Большинство экспертов считают, что социум еще не скоро достигнет «предпандемической нормы» поведения с набором устоявшихся сценариев.

В условиях постоянных перемен формируется некомфортная внешняя среда, в которой необходимо работать бизнесу. Внедрение аналитики данных для поиска новых точек роста становится еще более важной задачей.

В ряде исследований говорится, что рост числа компаний, включающих аналитику данных в практику для выхода на новый уровень клиентоориентированности, составляет сегодня более 30% в год.

В самом общем виде дата-центричный подход в компании заключается в разработке сквозной стратегии управления жизненным циклом данных и аналитики, а также в принятии программы инвестиций в ИТ-платформу для обеспечения этих задач.

Другая важнейшая часть — создание культуры, способствующей повышению грамотности и вовлеченности сотрудников в работу в новом ключе.

На этом пути существует ряд вызовов, с которыми сталкиваются компании вне зависимости от отрасли.

1. Уход в анализ как искусство

Увлечься дата-анализом довольно легко. Многие команды сосредоточиваются на изощренной методологии, построении сложных моделей, красивых визуализациях — все это вместо поиска конкретных, зачастую достаточно простых, но обоснованных данными шагов по улучшению работы компании через встраивание аналитики в бизнес-процесс так, чтобы она стала его неотъемлемой частью.

Дата-аналитика как чистое искусство — путь в никуда, а также верный способ бессмысленно потратить ценные ресурсы. Такой подход разочаровывает бизнес-департаменты организации и не позволяет развивать технологию далее.

Чтобы не было разочарования, необходимо создавать не пайплайны, а воронки данных, отсеивающие информацию, наиболее ценную с точки зрения операционной готовности осуществить конкретные изменения в бизнесе. Пора переходить к извлечению «действенных» данных из всего потока, который собирается в компании.

Принятие метрик, контроль за их выполнением, стратегия небольших шагов к четкой понятной цели и видимым результатам — единственный способ получить пользу и не растворить благое начинание в серии красивых, но бесполезных проектов.

2. Переизбыток данных

Также есть опасность в стремлении собрать как можно больше самых разных данных. Между тем переизбыток информации почти неизбежно приводит к остановке проектов и параличу анализа. Для первой «вылазки» в мир больших данных следует начинать с небольшой четко сформулированной инициативы.

Слоган «Данные — это новая нефть» получил чересчур широкое распространение и неверное толкование: компании собирают и хранят как можно больше данных без четкой цели, без простого ответа на вопрос «Зачем?».

Вы скажете, что это противоречит базовой парадигме big data — «никогда не знаешь заранее, какие скрытые закономерности могут обнаружиться, поэтому чем больше и более многообразных данных удастся собрать, тем больше полезных инсайтов можно выявить».

Это так, но только в том случае, если компания уже обладает для этого необходимым уровнем зрелости — как технологическим, так и управленческим

Чем больше объем данных, тем сложнее их хранить, осуществлять по ним эффективный поиск, предотвращать утечки и порчу. Просто потому, что объем данных, которые мы собираем, слишком велик, слишком разнообразен и слишком сложен.

Как итог: с чрезмерным объемом данных многие не справляются — из потенциального источника пользы они становятся обузой, чемоданом без ручки.

Четко определите — что, в каком виде и для каких целей вам необходимо собирать и хранить. Необходимый минимум должен соблюдаться как в отношении количества типов данных, так и в плане объемов. В противном случае — хаос и перерасход ресурсов.

3. Слабая инфраструктура и архитектура

Инфраструктура хорошо выполняет свою роль, когда пользователи не замечают ее работу и не вспоминают о ней без необходимости. По этой причине ее роль обычно недооценивают в дата-трансформации.

В иерархии потребностей при внедрении аналитики следующим шагом после сбора необходимых данных является инжиниринг процессов обработки и анализа. А он целиком и полностью завязан на инфраструктуре: грамотный подбор платформы, инструментов, модели развертывания, сетевых решений и интеграции с другими элементами корпоративной ИТ-архитектуры и т. д.

Четкая профессиональная работа на этом этапе — залог эффективности всех процедур по сбору, хранению и реализации жизненного цикла данных. Он просто невозможен без качественной инфраструктуры и платформы данных.

4. Низкое качество данных

Решение инфраструктурного вопроса обеспечивает еще один важнейший момент дата-проекта: аналитические алгоритмы хороши лишь настолько, насколько хороши данные, к которым они применяются.

Любая дата-технология работает на основе исторически собранной информации. Такие данные часто содержат шаблоны человеческой предвзятости, а также ошибки восприятия и интерпретации. Это влияет на то, чем бизнес «кормит» алгоритмы для выработки инсайтов, и на качество будущих решений.

Низкое качество данных имеет значительную стоимость для бизнеса — аналитики тратят от 20% до 60% времени на понимание и исправление некачественной информации. Если данные плохо организованы, плохо классифицированы, фактически неверны, неконсистенты, то и решения, принятые на их основе, будут неактуальными и некачественными.

5. Недостаток культуры

Кадры решают все и в дата-трансформации. Бизнес должен понимать потенциал создания дополнительной бизнес-пользы, который несут в себе данные, и предоставить сотрудникам необходимые инструменты и единое понимание реализации этого потенциала.

Руководители должны непосредственно участвовать в культурных преобразованиях и поддерживать непрерывность этого процесса, подчеркивая его основополагающую роль для стратегии развития организации. Если сотрудникам поставить новую общую значимую цель — они будут относиться к работе с отдачей, двигаясь в едином ритме и направлении.

Чтобы извлечь максимальную пользу от аналитики, компаниям необходимо посвятить себя дата-трансформации. Успех начинается на уровне топ-менеджмента, истинная ценность создается внутри повседневной деятельности бизнеса.

Необходимо сохранять осторожность в процессе «дата-перестройки», не замедлять работу компании через ввод противоречащих друг другу процессов, выбирать модели анализа данных, который окажут самое прямое и ощутимое влияние на процессы здесь и сейчас.

Когда в организации создана культура работы с данными с помощью правильных инструментов и процессов управления, переход на новые, более глубокие уровни интеграции данных в бизнес-процессы будут происходить мягче и естественней.

Источник: Лариса Малькова, управляющий директор практики Applied Intelligence Accenture в России

Версия для печати (без изображений)   Все новости