Двигай данными: в России растёт число data–driven–компаний

Data–driven как подход к управлению бизнесом на основе объективного анализа данных (англ. — data) появился в конце 90–х. "Сегодня он активно используется в тех индустриях, где исторически собирали много информации о клиентах и рынке: IT, банковской сфере, телекоме, ретейле и других. Сегодня среди data–driven–компаний много отраслевых лидеров: Intel, Google, Netflix, Coca–Cola, Spotify, Amazon, Lufthansa, Uber. В России одними из первых применять этот подход стали “Сбер”, Альфа–Банк, “СИБУР Холдинг”", — говорит Николай Якушев, IT–директор компании Navicon.

Исследования McKinsey демонстрируют, что компании, ориентированные на данные, примерно в 20 раз чаще получают новых клиентов и в 6 раз чаще их удерживают. Благодаря аналитике они оптимизируют продажи и логистику, разрабатывают наиболее выгодные предложения для клиентов. В результате такие компании добиваются более высокой операционной эффективности и прибыльности бизнеса. В среднем, уточняет Николай Якушев, data–driven–компании растут более чем на 30% в год.

Данные всему голова

Основные признаки data–driven–бизнеса эксперты формулируют так. Во–первых, компания собирает данные о продуктах и пользователях. Во–вторых, анализирует и визуализирует их. В–третьих, решения менеджмента всегда обусловлены объективными метриками. Всё это невозможно без особенной внутренней корпоративной культуры (в–четвёртых) и развитой IT–инфраструктуры (в–пятых).

Так, всего 6% респондентов глобального опроса Melbourne Business School оказались готовы публично признать себя data–driven–бизнесом. Еще 49% респондентов отметили, что используют данные для принятия решений, но недостаточно развили инфраструктуру, чтобы называть себя data–driven. Остальные применяют данные только в одной конкретной области или не внедряют аналитику вообще.

То есть, если данные ценятся и эффективно используются для принятия решений во всей организации — от отдела маркетинга до разработки продуктов и управления персоналом, — это data–driven–компания. Однако если упор на данные в компании есть только в HR и маркетинге — это уже не так.

Кардинальная трансформация, которую мы прямо сейчас наблюдаем на всех рынках, требует от бизнеса одновременно и действий, и осмотрительности, а также гибкости и устойчивости, умения рисковать, прогнозировать будущее, просчитывая каждый шаг. Потребительская матрица и паттерны поведения клиентов снова меняются: привычные сервисы и услуги недоступны, а спрос на них есть.

Пандемия уже показала, насколько бизнес заинтересован в решениях, которые можно быстро протестировать, запустить в работу и оперативно анализировать, чтобы поставить на паузу или, наоборот, стимулировать развитие.

В наши дни тотальной неопределённости это умение стало ещё более ценным. Сориентироваться в хаосе как раз помогает data–driven–поход. Умение правильно анализировать и монетизировать данные позволяет бизнесу оперативно реагировать на внешние изменения рынка и приспосабливаться, точно определять новую целевую аудиторию и адаптироваться к потребностям старых клиентов, сокращать риски, оптимизировать рабочие процессы, увеличивать доход.

Наблюдай и проверяй

"Число data–driven–компаний на российском рынке растёт. Ещё несколько лет назад это были в основном крупные стартапы вроде Skyeng, которые могли позволить себе дорогостоящую инфраструктуру и штат высококлассных IT–специалистов. Сейчас же снизились и законодательные, и технические барьеры для внедрения передовых IT–продуктов. Поэтому всё больше отечественных компаний внедряют механизмы работы с данными и data–driven–культуру", — говорит Дмитрий Махлин, директор по развитию HRlink.

Павел Ярёменко, проджект–менеджер компании Skyeng, рассказывает, как в компании устроена работа с данными: "Решения менеджмента базируются на собранных данных о пользователях и продуктах компании. Артефактом можно считать довольно развитую культуру A/B–тестирования (в ходе теста сравнивается вариант A и вариант B и целью является определение лучшего из двух протестированных вариантов. — Ред.). Например, в этом квартале у нас запущено или готовится к запуску несколько десятков A / B–тестов в разных командах".

Представим, что у компании есть несколько гипотез о том, каким должен быть функционал нового продукта. Команде нужно понять, какой из них будет лучше работать. "Мы запускаем A / B–тест, показываем разным группам пользователей разный функционал и замеряем эффективность: например, меряем конверсии, динамику операционных метрик и так далее. В итоге собираем достаточное количество наблюдений для принятия решения, оцениваем результаты A / B и принимаем решение", — говорит Яременко.

Свой data–офис есть у "М.Видео — Эльдорадо". За последние 2 года его штат вырос в 4 раза: помимо data–сайентистов в нём работают аналитики качества данных, специалисты по интеграции и хранилищам, архитекторы и разработчики. Data–офис играет роль центра компетенций, который поставляет профильных специалистов в 20 продуктовых команд, внедряющих решения на основе данных в области клиентского сервиса, е–коммерции и управления персоналом.

"Это различные рекомендательные модели по товарам, системы управления ассортиментом, ценообразованием, промокампаниями, видеоанализ розничных процессов и так далее, — объясняет Данила Наумов, директор data–офиса “М.Видео — Эльдорадо”. — Основная задача этих решений — найти новые точки роста и персонализировать опыт взаимодействия клиента с ретейлером за счёт релевантных предложений, индивидуального подхода к коммуникациям, акциям и даже платёжным инструментам".

По словам Наумова, сейчас рекомендательные модули на основе анализа данных и машинного обучения приносят 20% оборота мобильного приложения "М.Видео", с ростом проникновения data–сервисов этот показатель будет расти.

Запускаем трансформацию

"По оценкам аналитиков, всего через 3 года объём данных во всем мире составит 163 зеттабайт, — говорит Дмитрий Махлин. — Это больше полутора квадриллионов полнометражных фильмов. Большая часть данных собирается бизнесом: сведения о клиентах, рынке, внутренних процессах. В ближайшее время большинство отечественных компаний двинется в этом направлении. Дело в том, что в условиях экономической неопределённости бизнес–лидеры должны будут принимать взвешенные решения на основе фактов — у них просто не будет шанса на ошибку. Аналитика позволит прогнозировать, к примеру, какой канал продаж важно оставить, а какой принесёт меньшую пользу в обозримой перспективе".

Чтобы технически иметь возможность собирать и анализировать данные, бизнесу потребуется внедрить и настроить новые IT–инструменты. "Но на пути к data–driven–подходу неподготовленная компания может столкнуться с рядом проблем. Так, хаотичное внедрение аналитических инструментов на всех уровнях компании может лишь усложнить повседневную работу сотрудников. Поэтому не стоит сразу же бросаться в омут с головой", — предостерегает Николай Якушев.

Важно на берегу продумать стратегию работы с данными, то есть решить, какая конкретно информация и для чего нужна, затем актуализировать уже имеющиеся сведения и только потом приступать к внедрению новых программных инструментов аналитики. Для этого потребуется перестройка IT–системы: все разрозненные хранилища и сервисы необходимо будет интегрировать в единую IT–экосистему.

Технический стек

"Принимая решение о системной работе с данными, внедрении data–продуктов в процессы взаимодействия с пользователями и внутренние операции, компания сталкивается с необходимостью наращивать экспертизу, инвестиции и менять подход к разработке, — предупреждает Данила Наумов. — Требуется создать гибкую масштабируемую инфраструктуру, внедрить практику повсеместного доступа к данным и реализовать самостоятельную работу с ними на уровне пользователей".

Павел Ярёменко называет IT–решения и ресурсы, которые понадобятся data–driven–бизнесу в первую очередь: это хранилище данных и ПО, с помощью которого можно визуализировать данные в понятные человеку графики и таблички.

"Нужна будет экспертиза внутри команды: аналитики данных, data–инженеры, компетентные менеджеры", — напоминает он.

Мало извлечь из собранных данных "инсайты", важно оперативно запустить полученную информацию в работу. "Для этого data–driven–компании используют аналитиче–ские решения на основе технологий искусственного интеллекта, big data и машинного обучения, инструменты сквозной и web–аналитики, CRM– и ERP–системы, платформы Business Intelligence", — говорит Николай Якушев. Безусловно, мгновенно импортозаменить все требуемые технологии невозможно, однако на рынке есть отечественные решения, которые помогут компании начать движение в сторону data–driven–бизнеса.

Смена мышления

Отдельный этап трансформации — изменение корпоративной культуры. Дело в том, что data–driven–концепция предполагает, что технологии и их использование становятся не задачей конкретного IT–специалиста, а компетенцией каждого члена команды: в результате трансформации бизнес начинает разбираться в технологиях, а IT–специалисты — в бизнесе. Трансформация бизнеса невозможна без изменения мышления сотрудников и пересмотра текущей бизнес–модели: важна готовность отойти от интуитивного подхода в принятии управленческих решений. Для этого понадобится обучить персонал так, чтобы сотрудники компании умели работать с данными и аналитикой, могли правильно их интерпретировать и принимать решения на основе полученной информации.

Время, которое понадобится на трансформацию в data–driven, зависит прежде всего от размеров компании, а потом уже от её ресурсов и бюджета.

"Большие машины сложно разворачивать, процесс вполне может забюрократизироваться и затянуться на годы. Но и стать большим в сегодняшних реалиях без data–driven–подхода, скорее всего, не получится, — говорит Павел Ярёменко. — Маленькие и гибкие игроки могут начать переход за час, просто пользуясь доступной аналитикой в готовых сервисах, в том числе в рекламных кабинетах социальных сетей, “Яндекс.Метрике”, самодельных Google–таблицах".