Neuro Lab! Algortihms

Основные принципы концепции Data-driven Management

Процессы цифровизации экономики, начавшиеся в конце предыдущего века, кардинально изменили подходы к анализу разнообразных данных, с которыми приходится работать компаниям. Если раньше в процессе принятия управленческих решений менеджеры руководствовались преимущественно собственным опытом, мнением специалистов, чья квалификация и репутация не вызывает сомнений, а также опирались на анализ данных уже завершенного отчетного периода, то в связи с изменениями внешней среды и развитием цифровых технологий подобные методы работы претерпевают изменения, поскольку компании перестали успевать за запросами клиентов.


Огромные объемы доступных в настоящее время данных актуализировали проблему их анализа и использования в управлении для получения конкурентных преимуществ компаний. В то же время технологии работы с большими данными также стремительно развиваются, становятся относительно доступными и распространенными, разрабатываются алгоритмы более широкого и глубокого анализа, чем это было возможно ранее. Например, в конце 80-х годов прошлого века владельцу кофейни для ведения базы данных (дата и время продажи чашки кофе, наименование, стоимость) потребовалось бы примерно 16 байт и 32 цента в расчете на чашку кофе средней стоимостью около 50 центов. Следовательно, хранение таких данных было абсолютно невыгодным в экономическом плане [Как выявлять…, 2017]. Однако с тех пор технологии работы с большими данными шагнули далеко вперед. В качестве ответа на новые требования внешней среды компании принимают на вооружение концепцию Data-driven.


Термин Data-driven появился в 90-х годах прошлого века. Изначально эта концепция зародилась в среде разработчиков программного обеспечения (ПО) в качестве замены классическому объектно-ориентированному программированию. Позднее концепция была значительно расширена и дополнена в рамках решения разнообразных задач управления и эволюционировала в концепцию управления компанией, которая стала называться Data-driven management (DDM) [Provost, Fawcett, 2013].


Data-driven management (управление на основе данных) – это концепция управления, базирующаяся на интеграции данных во все бизнес-процессы компании. Данный подход подразумевает обработку огромных массивов данных, собранных из разных источников.


В отличие от традиционных подходов к управлению бизнесом в этой концепции данные выступают не аргументом, а инструментом решения задач компании. На основе анализа данных описываются потребители компании и их предпочтения, рационализируются бизнес-процессы компании, формируются оперативные планы компании, организуются процессы обслуживания и ремонта оборудования и т.д.


Концепция DDM является организационной инновацией, которая позволяет компании переориентировать свои бизнес-процессы на запросы рынка, переходя к работе по требованиям потребителей (on-demand) в режиме стриминга.


Стриминг (streaming – потоковая передача данных) является результатом сложных сетевых взаимодействий участников процесса с целью соединения спроса и предложения, что приводит к формированию экономики по требованию (on-demand). В режиме стриминга по требованию работают YouTube, Instagram, Netflix и многие другие поставщики современных цифровых услуг. Очевидно, что потребитель привыкает к этому и ожидает получить соответствующий уровень услуг от компаний, обращаясь к их цифровым витринам (сайты, социальные сети, мобильные приложения и пр.), однако сталкивается с рассинхронизацией процессов и транзакций. Ожидаемый выход из этой ситуации – переход к управлению, в том числе и взаимодействиями с потребителями на основе потока данных. Работа с потоками данных обеспечивает удобство для клиентов, которым легко сделать заказ и также легко отслеживать его состояние. В свою очередь удобство работы становится важным фактором конкурентоспособности компании, не уступая таким факторам как качество и цена продукции [Маркова, 2018].


Работа с потоками данных, а не с отчетами, которые показывают состояние потока на определенную дату, – это другой взгляд на современный бизнес как на непрерывно развивающуюся комплексную адаптивную систему, при управлении которой необходимо мыслить процессами, управлять процессами, ориентируясь на поставленные цели.


Исследование консалтинговой компании BCG показывает, что применение принципов DDM способно:

  • увеличить количество транзакций на сайте компаний на 44%
  • снизить цену за конверсию на 45%
  • поднять доходность акций на 33%
  • увеличить доход компании на 20%

При этом переход к концепции DDM подразумевает не столько технологическую трансформацию компании, сколько изменение ее бизнес-модели, организацию процессов принятия управленческих решений на основе анализа данных, в целостности и актуальности которых руководители и собственники бизнеса уверенны [Левена, 2018]. Однако реализация концепции DDM требует от руководителей компании готовности принять культуру работы с данными.


Анализ работ по концепции DDM показывает, что результатом внедрения этой концепции управления являются следующие аспекты:

  • Повышение функциональной эффективности компании, в частности деятельности службы маркетинга и отдела продаж, а также обучения персонала. Это проявляется в сокращении маркетинговых издержек, поскольку цифровые технологии и работа с данными позволяют учитывать эффективность каждого конкретного рекламного объявления.
  • Максимальная клиентоориентированность. Анализ данных, применяемый в DDM, позволяет мониторить действия клиентов, повышая степень персональной коммуникации с клиентом, взаимодействуя с ним в реальном времени.
  • Возрастающая скорость реакции на изменения рынка. Благодаря отслеживанию данных в реальном времени компания может оперативно вносить коррективы в свою текущую деятельность (менять производственные планы, рекламные мероприятия, сервисное обслуживание, отношения с клиентами и т.д.).

Использование концепции управления на основе данных затрагивает все стороны деятельности компании: от оперативной деятельности до маркетинга и отношений с клиентами, позволяет рационализировать выполняемые функции, повышать гибкость и адаптивность компании, ее клиентоориентированность и, как результат, повышать конкурентоспособность и прибыльность бизнеса.


В качестве примера рассмотрим крупнейшую в мире оптово-розничную сеть Walmart. 12 000 торговых точек, 2 миллиона сотрудников – без анализа больших данных управлять такой сетью сложно. Компания отслеживает ситуацию во всех торговых точках, использует 200 внутренних и внешних источников информации и обрабатывает 2,5 петабайт данных в течение часа. Walmart оперативно корректирует цены на товары в соответствии с изменениями в поведении покупателей [Компания Walmart, 2019].


Компания, где организовано управление на основе данных (Data-Driven Company)– это компания, в которой руководители и собственники бизнеса принимают управленческие решения, опираясь на результаты обработки и интерпретации данных, а бизнес-процессы и организационная структура построены на основе сквозной интеграции информационных потоков и организации непрерывной прогнозной и предиктивной аналитики.


Отличительным признаком ориентированной на данные организации является эффективная аналитическая цепочка, в которой собранные данные посредством анализа превращаются в информацию, используемую руководителями для принятия эффективных и взвешенных решений.


Данная последовательность действий представляет собой циклический процесс:

  • из множества источников (интернет, технологическое оборудование, корпоративные системы и хранилища данных, системы видеонаблюдений и т.д.) данные о рабочих процессах и продуктах, текущем и прогнозном состояниях внешней среды, настоящих и будущих потребностях клиентов и другие постоянно собираются на серверах;
  • программные инструменты работы с большими данными автоматически обрабатывают и анализируют собранную информацию, предоставляя аналитикам и руководству четкие и визуально понятные результаты деятельности компании в режиме онлайн в соответствии с установленным уровнем доступа к информации. Иными словами, на основе программных продуктов собираемые данные преобразуются в информацию для последующего принятия управленческих решений;
  • при наличии соответствующих алгоритмов анализа данных система может выдавать предписывающие воздействия, либо формировать варианты ситуативных решений;
  • на основе аналитических и прогнозных моделей машинного обучения (Machine Learning) результаты прогнозной и предписывающей аналитики становятся все более приближенными к реалиям бизнеса.

Принципы работы с данными:


Безусловно, эффективность функционирования аналитической цепочки всецело зависит от культуры организации, а именно культуры работы с данными. Это доминирующий фактор, определяющий, насколько демократичным является отношение к данным, как данные воспринимаются и используются в пределах всей организации, какие усилия направлены на то, чтобы эффективно использовать данные в качестве важного стратегического ресурса. Формирование такой культуры – это многогранный процесс, который затрагивает данные, их качество, процесс обмена данными, подбор и обучение аналитиков, коммуникации участников процесса сбора, обработки и анализа данных, аналитическая инфраструктура, разработка метрик, A/B-тестирование, процесс принятия решений и многое другое. Культура работы с данными предполагает «двуязычие» персонала для организации коммуникаций и совместного решения задач: аналитики должны уметь говорить на языке бизнеса, а бизнес – на языке данных. В этой культуре поощряется синтез гипотез, и, что еще более важно, все признают и одобряют тот факт, что любой может предложить хорошую идею. Не боясь недовольства руководства, каждый может выразить сомнение и предложить собственную идею и апробировать ее, чтобы подтвердить или опровергнуть какую-либо гипотезу. Такая культура мотивирует сотрудников проверять предположения и дискутировать.


Но исходным шагом в этом процессе является сбор, хранение и анализ данных (принцип data first).


Известные консалтинговые компании предлагают собирать все структурированные и неструктурированные данные, формируя в компании «озеро данных». Однако последующие исследования показали, что до 80% циркулирующих в компании данных являются ненужными, представляя собой «информационный мусор». Следовательно, команда, ответственная за сбор данных, сотрудничая с бизнес-подразделениями и руководителями компании, должна определить приоритетные источники данных и методы их сбора и хранения. При решении столь не простой задачи предлагается ориентироваться на принципы пошагового решения проблемы (принцип step-by-step), принцип планирования экспериментов и принцип тестирования на клиентах (в данном случае в качестве клиентов выступают лица принимающие решения с опорой на аналитику данных). Собственно, с ориентацией на эти принципы разработана концепция дизайн-мышления, которая, на наш взгляд, должна стать важной частью и инструментом концепции DDM.


Следующим шагом внедрения концепции DDM является аналитика собираемых данных, которая реализуется на принципах межфункционального взаимодействия. В идеале эту функцию должна выполнять аналитическая служба компании в составе аналитиков, специалистов в сфере данных (data scientist), математиков, которые должны разрабатывать алгоритмы принятия управленческих решений, специалистов в сфере BI (business intelligence) при тесном взаимодействии со всеми подразделениями и службами компании. В концепции DDM это ключевые специалисты, в обязанности которых входит генерация идей, выявление того, как можно применить полученные данные на пользу бизнесу. Также эти специалисты должны представлять интерактивную визуализацию управленческой аналитики для руководителей разных уровней, организуя коммуникации с ними и обратную связь. Очевидно, что деятельность аналитической службы также должна строиться на принципах планирования экспериментов, пошаговых решений при тесном взаимодействии с менеджерами, для которых собственно и проводится аналитическая работа.


Следующим важным принципом концепции DDM является обеспечение доступа к информации широкому кругу сотрудников с выделением уровней доступа, а также обучение сотрудников, в основном обучение действиям, чтобы они получили навыки интеграции информации в свои рабочие процессы, принятия решений на основе этой информации. Обучение, необходимо и руководителям компании, чтобы они могли оценивать качество планирования экспериментов, выдвигать дополнительные требования к аналитикам, задавать правильные вопросы, правильно интерпретировать показатели и другую информацию.


Значимым компонентом в концепции DDM является лидер, человек, который направит культурные изменения, убедит всех в том, что большие данные как ресурс имеют стратегическое значение, воплотит в реальность работу с данными и аналитикой. В дополнение к этому следует отметить, что аналитическое подразделение компании при активной позиции его сотрудников способно сделать свой вклад в развитие культуры и организации работы с данными в направлении снизу-вверх.


Как отмечают западные исследователи, для всех компаний, ориентированных на данные, независимо от отраслевого сектора, продукта или услуги, характерны следующие черты:


  1. Системность: все прикладные процессы, программные приложения и хранилища корпоративных данных интегрированы между собой в систему обмена информацией в режиме онлайн. Структура бизнес-процессов и информационных систем компании выстроена в соответствии с универсальными архитектурными подходами.
  2. Гибкость: гибкие методы управления Agile внедрены во все операционные и управленческие процессы; компания оперативно реагирует на изменения внешней среды за счет постоянного сбора и автоматического анализа данных, быстро адаптирует свои продукты и услуги к потребностям клиентов с помощью непрерывной обратной связи, а также проводит мониторинг внутренних процессов и мероприятия по их оптимизации.
  3. Прозрачность: благодаря технологиям работы с большими данными любую информацию можно легко отследить в любой момент времени. Компания непрерывно наблюдает и контролирует свои затраты: информация о реальном расходовании ресурсов (финансовых, трудовых, материальных) открыта, понятна и доступна каждому пользователю компании в соответствии с гибкой политикой управления доступом к корпоративным данным.
  4. Бережливость: единое информационное пространство процессов и систем позволяет многократно использовать накопленные данные для различных целей, избегая затрат на поиск и дополнительную обработку данных. Компания ведет непрерывный мониторинг эффективности деятельности и мероприятий по оптимизации бизнес-процессов и организационных единиц (должностей, структурных подразделений) с целью исключения и сокращения ненужных расходов. Используются преимущества микросервисной архитектуры и облачных вычислений, в прикладные процессы внедрены принципы бережливого производства (Lean).
  5. Эффективность: благодаря непрерывному повышению качества продуктов или услуг и росту уровня клиентской удовлетворенности за счет оптимального использования технологий работы с большими данными компания увеличивает количество клиентов и общую выручку, сокращая временные, трудовые и материальные затраты для достижения быстрого и значимого результата.

Указанные черты, присущие компаниям, использующим концепцию DDM, достигаются благодаря сбору и анализу потоков данных. Характерным примером является крупнейшая авиакомпания США Delta Airlines. В аэропортах важны минуты, поэтому необходима точная информация о времени прибытия рейса: если самолет приземляется до того, как наземный персонал будет готов к этому, пассажиры и экипаж вынуждены ждать, но, если рейс задерживается, простаивает наземный персонал, увеличивая расходы. Так, когда в Delta Airlines благодаря анализу узнали, что примерно 10% рейсов в ее главный узел выполняется в интервале 10 минут между расчетным и фактическим временем прибытия, а 30% рейсов имеют интервал не менее пяти минут, она решила принять меры и обратилась к компании PASSUR Aerospace, поставщику технологий для авиационной промышленности.


В 2012 году PASSUR Aerospace установила на 155 самолетах авиакомпании Delta Airlines сети пассивных радиолокационных станций, которые каждые 4,6 секунды собирали широкий спектр разнообразной информации о каждом самолете. Этот огромный поток цифровых данных подвергается анализу, а сами данные хранятся. В настоящий момент компания обладает огромным массивом многомерной информации, что позволяет проводить сложный анализ и моделирование. В результате авиакомпания практически ликвидировала разрыв между расчетным и фактическим временем прибытия самолета, что позволяет экономить ежегодно несколько миллионов долларов в каждом аэропорту, куда летают самолеты авиакомпании [McAfee, Brynjolfsson, 2012].


Данный пример показывает, что в концепции DDM важную роль играют инструменты, позволяющие осуществлять сбор данных, визуализировать их и трансформировать в знания, которые можно в дальнейшем применить для разработки задачи, решение которой позволит эффективно и прибыльно воспользоваться накопленными данными. Немаловажную роль играет также внедрение гибких методов управления Agile, применение которых способствует созданию культуры работы с данными внутри организации.


Систематизация принципов управления бизнесом на основе данных, а затем выделение и описание инструментов, которые могут быть использованы в рассматриваемой концепции управления, позволили показать соотношение ключевых принципов и инструментов в концепции управления на основе данных, которые представлены в составленной автором таблице 1.

P.S. Можете изучить созданные нами цифровые продукты (работаем ровно по описанной методологии)