Текст книги "Революция в аналитике. Как в эпоху Big Data улучшить ваш бизнес с помощью операционной аналитики"

Вступление

Подобно индустриальному производству в XVIII в., сфере аналитики необходимо пройти через свою промышленную революцию. Аналитические процессы сегодня обычно осуществляются кустарным способом, причем с осторожностью и ориентированностью на потребителя. Во многих случаях это срабатывает, а кустарный способ зачастую оказывается вполне подходящим. Тем не менее нам необходимо начать выводить аналитику на новые уровни с точки зрения как масштаба, так и воздействия. Промышленная революция трансформировала процессы производства из ремесленничества в современные фантастические технологии, позволяющие производить качественные продукты в массовом масштабе. Такого же рода революция должна произойти и в области аналитики.

Много веков назад, если людям требовалась чаша, они обращались к гончару. Гончар изготавливал чашу в соответствии с потребностями заказчика. Проблема заключалась в том, что такой подход нельзя было масштабировать. Ограниченное количество гончаров могло изготовить лишь определенное количество чаш в день. Сегодня посуда в основном производится в промышленных масштабах на фабриках. Разумеется, по-прежнему можно заказать индивидуальную посуду у гончара, но такой подход будет неразумным с точки зрения затрат и годится только для особых случаев. Помимо финансовых соображений люди сегодня зачастую делают выбор в пользу стабильности продукции массового производства. Тем не менее даже в современном мире посуда не появляется неким волшебным образом. Кто-то по-прежнему должен придумывать ее дизайн, создавать прототипы, пресс-формы и следить за тем, чтобы пресс-формы раз за разом производили одинаковую продукцию. И только когда производственная линия полностью собрана и отлажена, новую посуду запускают в массовое производство.

Подобный процесс требуется и для операционной аналитики. По-прежнему необходимо для каждого нового вида анализа разрабатывать его модель и структуру. И по-прежнему необходимо создать прототип анализа и протестировать его со многими повторами, чтобы убедиться в правильности его работы. Только после этого аналитический процесс может быть переведен на уровень операционного и запущен в автоматическом режиме. А после запуска исполнение аналитического процесса должно постоянно отслеживаться подобно тому, как отслеживается работа реальной производственной линии.

Переход к операционной аналитике не устраняет ни одного из шагов, которые традиционно требовались для создания аналитического процесса. При этом он развивает процесс дальше. Операционная аналитика придает аналитике промышленный масштаб, точно так же как индустриальное производство позволило сделать это с изготовлением посуды.

Операционная аналитика интегрирует аналитику в бизнес-процессы и автоматизирует принятие решений, с тем чтобы тысячи или миллионы повседневных решений принимались в ходе аналитических процессов без какого-либо вмешательства человека. Независимо от того, касаются ли эти решения напрямую клиентов или же направлены на оптимизацию негласной деятельности организации, воздействие нового подхода может оказаться существенным.

Если же организация не станет осваивать операционную аналитику, то ей придется нелегко в борьбе с конкурентами, которые будут все глубже внедрять аналитику в свои деловые процессы. Сегодня бизнесу доступны мириады возможностей для применения операционной аналитики, благодаря увеличению доступности данных, мощностей по их обработке и понятности надежных аналитических технологий.

Осознаем мы это или нет, операционная аналитика уже постоянно работает вокруг нас, воздействуя на нашу жизнь. Во многих случаях аналитика больше не скрывается. Сегодня потребители зачастую знают о ее применении и даже ожидают ее результатов. Чтобы подготовить читателя к дальнейшему повествованию, перечислю лишь вкратце, как операционная аналитика влияет на наши повседневные будни:

• В случае задержки рейса авиакомпании автоматически перенаправляют пассажиров на другой маршрут, чтобы ограничить нарушение расписания и повысить удовлетворенность клиентов. При этом аналитические программы принимают во внимание множество факторов, в том числе касающихся конкретного клиента, других пассажиров и статуса альтернативных рейсов.

• Посещая свои любимые веб-сайты, пользователи получают рекомендации насчет того, что еще им может понравиться. Рекомендации формируются на основе прошлых просмотров пользователей, терминов поискового запроса, а также, видимо, важнейших для них особенностей, судя по шаблонам их поведения в прошлом. Зачастую учитываются все действия пользователей вплоть до последнего клика.

• Когда клиент обращается за помощью к страховому агенту, последний, как правило, располагает страховой историей позвонившего, а аналитическая программа предлагает агенту, как можно решить вопрос наилучшим образом. Действия рекомендуются с учетом многих факторов, касающихся как самого клиента, так и продукта или услуги, интересующих его.

• Социальные медиасайты позволяют находить старых друзей или коллег, с которыми давно потеряна связь, при помощи анализа протяженных социальных сетей. Через несколько секунд после установления связи с другом пользователю выдаются дополнительные рекомендации.

• Приходя в магазин, люди могут на месте получить кредит на основе оценки их текущей кредитоспособности, которая определяется с помощью анализа широкого диапазона данных о кредитной истории клиента.

• Банки и эмитенты кредитных карт постоянно используют анализ для защиты нас от мошенничества. Выявляя на счетах поведенческие аномалии, которые указывают на мошенничество, банки могут быстро заморозить счет до тех пор, пока подозрительная транзакция не будет сверена с клиентом.

Это всего лишь несколько примеров повседневного воздействия на нас операционной аналитики, когда она приносит нам несомненную пользу и когда мы вправе рассчитывать на ее дальнейшую активизацию. Ниже мы рассмотрим широкое разнообразие других ситуаций, когда люди в основном даже не подозревают о воздействии на них аналитики.

При этом многие технологии и архитектуры, которые поддерживали традиционные подходы к развитию и применению аналитических процессов, перестали удовлетворять сегодняшним усложнившимся требованиям. Классические системы и архитектуры, как и классические методы аналитики, начали ломиться под тяжестью требований операционной аналитики. Следовательно, организации должны адаптироваться к реальности и изменить свои способы хранения и анализа данных, а также использования полученных результатов. Это обусловливает необходимость изменения не только инфраструктуры и аналитических методологий, но и корпоративной политики. Если организация попытается втиснуть оперативную и высокообъемную операционную аналитику в существующие системы и процессы, созданные и спроектированные для поддержки только пакетной обработки, такую организацию ожидают очень серьезные трудности.

Вероятно, по мере продолжения гонки аналитических вооружений мы станем свидетелями дальнейшего распада существующих бизнес-моделей и конкурентной среды. 20 лет назад многие организации вообще не использовали аналитику или использовали ее понемногу. Сегодня большинство организаций используют изрядное количество аналитики. Раньше можно было довольствоваться данными недельной давности и аналитическими процессами, построенными на редко проводимой пакетной обработке. Сегодня, когда лидеры аналитической сферы сделали аналитику операционной, этого уже недостаточно.

Еще через пять – десять лет не останется практически ни одного бизнеса, которого не затронет данная тенденция. Сопротивление бесполезно. Вашей организации придется внедрить операционную аналитику, и эта книга поможет вам приступить к делу. В ближайшие годы будет происходить непрерывная трансформация бизнеса по мере того, как аналитика станет превращаться из просто приятного дополнения в действительно важнейший операционный компонент деловой деятельности. Основное внимание в книге уделяется тому, как протекает эта эволюция и что требуется для понимания и использования операционной аналитики в вашей организации.

Усаживайтесь поудобнее, и приступим!

Кому стоит прочитать эту книгу?

Книга призвана снабдить читателей практическими знаниями о том, что такое операционная аналитика, что о ней должна знать организация и каким образом успешно ее использовать. Тема рассматривается на стратегическом и концептуальном уровне, а не на тактическом и техническом.

Хотя книга доступна для понимания любого читателя независимо от его квалификации, однако наибольший интерес она представляет для тех руководителей и менеджеров, чьи функции будут соприкасаться с операционной аналитикой. Ценной могут найти книгу и специалисты, отвечающие за разработку процессов операционной аналитики.

Если вы читали мою книгу «Укрощение больших данных» и вам она понравилась, значит, вам понравится и новая книга. Несмотря на иной предмет обсуждения, здесь я придерживался тех же общих структуры и стиля повествования. И хотя в основном внимание уделяется совершенно новым вопросам, порой вы найдете отсылки к некоторым темам из моей предыдущей работы. В то же время содержание этой книги значимо само по себе, а потому знакомство с «Укрощением больших данных» не является обязательным.

Кому не стоит читать эту книгу?

Эта книга относится к разряду деловой, а не технической литературы. Тем, кто ищет подробные технические детали, математические формулы или образцы кодов, лучше обратиться к другим работам.

В этой книге вы не найдете рекомендаций конкретных продуктов, услуг или платформ. Она сосредоточивается на товарных классах и общих архитектурах, с тем чтобы читатели узнали, на что именно им нужно обращать внимание при выборе продуктов или услуг. Конкретных рекомендаций касательно компаний и наименований продукции здесь нет.

Наконец, книга предполагает наличие некоторых практических знаний в области аналитики. Здесь вы не найдете обзора фундаментальных аналитических концепций. Я исхожу из того, что основные термины и методы уже знакомы читателям, поэтому не трачу времени на их разъяснение.

О чем эта книга?

Эта книга состоит из трех частей, разделенных на девять глав. В первой части описываются рыночные тренды, движущие операционной аналитикой, очерчивается основная тематика и приводятся примеры для иллюстрации обсуждаемых концепций. Во второй части рассказывается о подготовке организации к внедрению операционной аналитики: вкратце излагается, как подготовить бизнес-кейс, какая инфраструктура подлежит рассмотрению и как наладить управление процессами операционной аналитики. В последней части обсуждается, какая потребуется аналитика, какие люди и команды будут ее создавать и поддерживать и какая корпоративная культура необходима для достижения успеха. Ниже приводится более подробный обзор содержания каждой части и главы.

Первая часть посвящена трендам, ведущим нас к операционной аналитике, и содержит примеры того, как операционная аналитика уже стала частью нашей жизни. Здесь обозначены темы, которые послужат основой для дальнейшего, более подробного рассмотрения в книге.

Прежде всего, мы дадим определение операционной аналитике и рассмотрим, каким образом аналитические подходы, методы и процессы развились до такой степени, что оказались в состоянии поддерживать операционную аналитику. Далее попробуем разобраться в шумихе, поднятой вокруг больших данных, и сосредоточиться на том, что действительно важно знать предпринимателям во время включения больших данных в операционную аналитику. Наконец, рассмотрим ряд примеров, наглядно демонстрирующих операционную аналитику в действии.

В некоторых случаях переход к операционной аналитике может сводиться к модернизации существующего аналитического процесса на основе пакетной обработки до уровня регламентированного, автоматизированного, осуществляемого в режиме реального времени. Однако чаще операционная аналитика включает в себя различные типы аналитики, применяемые различными способами. Кроме того, с пришествием больших данных в возрастающей степени используются различные источники данных. Необходимость разнообразия во многом объясняется тем, что операционные решения отличаются от многих традиционных решений, на которые была ориентирована аналитика. Поэтому нужно объяснять изменения в построении аналитических процессов, в использовании методов и способов работы профессиональных аналитиков.

В этой главе дается определение операционной аналитики и показывается, чем она отличается от аналитики прошлого. Также объясняется, как эволюция аналитических технологий создала основу для появления операционной аналитики, и показывается, как аналитика меняет способы ведения бизнеса современными компаниями.

Трудно припомнить другую такую тему, подобную большим данным, вокруг которой столь быстро возник столь широкий ажиотаж. Если всего несколько лет назад мало кто о них слышал, то сегодня они стали в бизнесе одним из самых обсуждаемых вопросов. Как и следовало ожидать после этого стремительного взлета, сегодня вокруг больших данных безудержно нарастают неразбериха и дезинформация. В результате многие организации выбирают неверные пути. Неудачи, которые станут следствием этих ошибочных шагов, будут болезненными и дорогостоящими. К счастью, приложив немного усилий и набравшись кое-каких знаний, средняя по размерам компания вполне способна избежать наиболее вопиющих ошибок и выбрать самый здравый с экономической точки зрения путь.

В этой главе рассматриваются многие рекламные трюки и заблуждения по отношению к большим данным. Не только выявляются ошибки в общераспространенном представлении о больших данных, но и предлагаются альтернативные точки зрения и методы, более реалистичные и рациональные. Большие данные будут играть крупную роль в операционной аналитике, поэтому важно разобраться, для чего именно они годятся.

Концепция превращения традиционной аналитики в операционную не нова, однако в прошлом редко реализовывалась на практике. Ведь компании могли обойтись меньшими усилиями, так они и поступали. Но сегодня, по мере развития технологий и усложнения природы бизнеса, применение операционной аналитики становится неизбежным. В перспективе невозможно будет успешно конкурировать, если аналитика не окажется в центре широкого спектра повседневных решений и действий.

В этой главе приводятся разнообразные примеры операционной аналитики в действии. Они наглядно показывают, как операционная аналитика способна поддерживать принятие решений многих типов и действует в диапазоне от самого простого до невероятно сложного уровня.

Вторая часть книги помогает читателям понять, как заложить основу для поддержания операционной аналитики. Надежная основа – необходимое условие успеха.

Мы начнем с обсуждения того, как разработать бизнес-кейс для инвестирования в операционную аналитику. Пока не принято решение об инвестициях, ничего существенного произойти не может. Далее рассмотрим, как создать надлежащую аналитическую инфраструктуру и как ее следует использовать. Сегодня деловая среда предельно усложнилась и ориентироваться в ней стало гораздо труднее. Наконец, обсудим вопросы управления и конфиденциальности, что надо сделать непременно. Ведь когда аналитика будет внедрена и автоматизирована до уровня операционной, ответственное управление потребуется с первых же шагов.

Первым шагом по внедрению операционной аналитики должно стать обоснование затрат и усилий, требуемых для успешной реализации. Вам понадобятся новые инструменты, новые источники данных и новые навыки, а большие данные только усложняют ситуацию. Многие организации испытают неудобства из-за того, что на этом пути их ожидает больше неизведанного, чем обычно, а также больше предполагаемых рисков. Чтобы убедить организации предпринять необходимые действия, потребуются значительные усилия и серьезное обоснование.

В этой главе рассматриваются факторы, которые нужно учитывать при разработке бизнес-кейса. Данные факторы включают технологии, услуги по их внедрению и обслуживанию, разработку аналитических процессов и меры по их интеграции и выводу на операционный уровень. Только с учетом всего спектра затрат можно принять правильное инвестиционное решение. Сосредоточение внимания лишь на отдельных позициях дезориентирует организацию.

Взрывной рост использования аналитики привел к наводнению рынка продуктами, призванными ее продвигать. Хотя в этом разнообразии нет ничего плохого, но оно создает путаницу и вынуждает отбраковывать бесчисленные варианты, прежде чем найдется оптимальный именно для конкретной организации. Некоторые технологии являются почти универсальными, тогда как другие станут эффективными только при определенных условиях. Таким образом, каждая организация должна подобрать для себя правильное сочетание технологий в соответствии со своими нуждами.

В этой главе рассматривается технологический ландшафт по состоянию на начало 2014 г. Мы рассмотрим наиболее значимые технологии и специфику их применения. Далее сосредоточимся на том, как, сочетая технологии, можно создать аналитическую платформу, которая обеспечит искомые результаты. Самое важное, в этой главе даются рекомендации по сведению различных технологий в отдельное связанное единое аналитическое окружение.

Операционная аналитика действует напрямую, без вмешательства человека. Следовательно, чтобы свести к минимуму риски возникновения непредвиденных проблем, способных нанести серьезный ущерб, необходимо ввести систему ответственного управления. Сбор данных и их анализ требуют одного типа управления, а использование результатов – другого. Особое внимание должно быть уделено соблюдению конфиденциальности информации с учетом чувствительной природы большей части используемых сегодня данных.

В этой главе рассматриваются концепции управления процессами как сбора данных, так и их использования. Предлагаются эффективные способы инноваций и экспериментов, при этом обеспечивающие надежное и безопасное применение. Особое внимание уделяется вопросам конфиденциальности.

Третья часть сосредоточена на том, как запустить операционную аналитику в действие. После того как создана основа, о которой говорилось во второй части, следует наладить ее эффективное использование, чтобы оценить заложенный в ней потенциал.

В этой части мы рассмотрим ключевые аналитические методы, необходимые для успешного перехода к операционной аналитике. Также поговорим о том, как подбирать и организовывать эффективные команды аналитиков. Наконец, обсудим, какие изменения в свою корпоративную культуру потребуется внести организации в процессе подготовки к внедрению операционной аналитики. Один из самых тяжелых этапов на этом пути будет заключаться в том, чтобы преодолеть страх перед изменениями и убедить сотрудников принять новый подход.

Основу операционной аналитики, разумеется, составляет аналитика как таковая. Но что представляют собой та и другая? Хотя операционная аналитика имеет много общего с традиционной аналитикой, между ними существуют и различия. Для преуспевания в сфере операционной аналитики и больших данных нужны новые подходы: потребуется использовать новые типы аналитических техник и данных, разбираться в новых типах проблем и выработать новые критерии для оценки успешности.

В этой главе мы рассмотрим требования, предъявляемые к аналитике в целом, а не только к операционной аналитике. Рассмотрим некоторые техники и методологии, а также классические уроки прошлого, способные нам пригодиться. Наконец, обратимся к тому, как следует эффективно измерять успешность процессов операционной аналитики и отслеживать их исполнение.

Независимо от выбранной стратегии кто-то должен воплотить ее в жизнь. Таким образом, важное условие для превращения традиционной аналитики в операционную – наличие подходящей для этого команды. Чтобы ее создать, недостаточно просто нанять толковых людей с навыками, охватывающими все аспекты операционной аналитики. Команду еще надо правильно структурировать и организовать. Также необходимо предложить ее участникам эффективные стимулы и наделить команду необходимыми полномочиями вкупе с ответственностью, нацелить ее на успех.

В этой главе мы рассмотрим, как создать такую команду и способствовать ей в успешном применении операционной аналитики к большим данным. Будут даны рекомендации по структуре и составу аналитической команды. Обсудим, какими методами она может пользоваться и какие стимулы ей следует предложить. Также поговорим о том, какие модели поведения и взаимоотношений помогут команде добиться максимальной продуктивности.