Текст книги "Оптимизируй это немедленно! Как, используя современные IT-инструменты, сократить издержки и обойти конкурентов"

«С 2008 года в ДРП шла базовая автоматизация, и во всех подразделениях были внедрены шаблонные решения для коммерческого и бухгалтерского учета, МТО, управления персоналом, планирования и бюджетирования, управления инвестициями. В 2010 году процесс автоматизации завершился, одним из результатов стала качественная управленческая отчетность по всем регионам в едином формате. Например, мы могли видеть удельные расходы и P&L (доходы и расходы) по каждой АЗС, благодаря чему стали возможны бенчмаркинг и принятие решений по изменению работы и моделей управления, качественное планирование без скрытых „мешков с песком“. Проекты по снижению расходов и повышению эффективности на основе управленческих отчетов давали очень хороший результат в течение полутора лет. Потом мы поняли, что для новых и более глубоких идей необходимо обращаться к детальным транзакционным и клиентским сведениям, а также интегрировать внешние источники. Было принято решение внедрить централизованную систему класса BI (Business Intelligence), интегрирующую данные производственных и учетных систем, а также внешние показатели, для построения единой версии регламентированной отчетности и гибкого моделирования условий по запросу для всех подразделений.

Мы провели глубокие интервью подразделений шести ключевых департаментов и проработали требования к отчетности, на выходе получили альбом из 160 форм. Разные подразделения имели существенно разный уровень зрелости в работе с цифрами, единое для всех понимание и наименования аналитик и показателей отсутствовали. Поэтому фокус наших усилий был направлен на формирование общего "языка данных" в дирекции и создание на первом этапе прототипа единой системы отчетности. Мы выбрали гибкую BI-платформу Qlik для внедрения, которая являлась мировым лидером по скорости адаптации и простоте использования, а также имела уникальный функционал по хранению и трансформации данных. Платформа Qlik позволяла силами одного разработчика загружать сведения из источников, организовывать трансформацию и хранение, визуализацию в виде пользовательского приложения. Выбор Qlik для прототипирования BI позволил отказаться от создания промышленного хранилища данных и сразу перейти к бизнес-кейсам. План был таков, что в ходе прототипирования мы выравниваем зрелость подразделений в части бизнес-аналитики и отчетности, определяемся со стабильными структурами информации, а на следующем этапе переносим уже работающий функционал на промышленные компоненты. Однако возможностей платформы Qlik оказалось достаточно для обработки всех наших значений, так что на протяжении более 4 лет мы не сталкивались с какими-либо ограничениями при сохранении высоких темпов развития и гибкости адаптации.

Первые три года развития BI мы обращали внимание на интеграцию всех доступных детальных сведений, формирование единого словаря, обеспечение качества данных для всей отчетности, снижение трудозатрат руководителей на подготовку показателей для принятия решений. В первый год развития BI мы интегрировали транзакционные значения с более 1200 АЗС (полтора миллиона транзакций ежедневно), работающих в разных регионах РФ на различных системах управления (АСУ). Это позволило на порядок улучшить качество данных и получить множество новых разрезов и показателей анализа, а также сократить специалистов по формированию отчетности в регионах. Кроме этого, большие отчеты из учетных систем были переведены на BI-платформу, что дало новый опыт аналитикам. Например, ранее в центральной системе планирования и бюджетирования детальный отчет по удельным расходам, содержащий 700 строк и 1100 столбцов, формировался около 50 минут; в Qlik этот же отчет стал формироваться за 7 секунд, и при этом его можно было на лету трансформировать и фильтровать для удобной работы. Благодаря наличию уникальных наборов показателей, скорости формирования больших отчетов, регулярной практике улучшения качества данных количество активных пользователей BI в ДРП постоянно росло и к 2016 году превысило 1000 человек. При этом мы не приступали к созданию приложений для топ-руководителей, а фокусировались на автоматизации и качестве отчетности для специалистов и руководителей среднего звена. Только через три года, когда уровень доверия к данным BI у пользователей значительно вырос, у нас появился автоматизированный АРМ руководителя на платформе Qlik, а BI-приложения стали использоваться для поддержки принятия решений на самом высоком уровне. За четыре года развития централизованная BI-система ДРП накопила информацию за много лет из большого числа источников, став поставщиком качественных данных для большого числа проектов.

На больших массивах информации стало возможно строить модели прогнозирования и оптимизации, что привело к появлению проектов внедрения продвинутой аналитики и практики Data Science, у нас стали появляться математики-программисты. Работа с большими массивами разнородных сведений, ввод в эксплуатацию чувствительных аналитических моделей требовали выхода за пределы BI-инструментария. Так мы пришли к старту создания платформы класса Big Data».

Аналитическая платформа вместо «озера данных»

К 2017 году внедрение «озера данных» (Data Lake) и аналитических «песочниц» для Data Science казалось следующим шагом. Однако наш опыт разнообразных бизнес-кейсов в BI показывал, что чрезвычайно важно сразу встраивать инструменты управления (Data Governance) в архитектуру обработки и хранения данных. После изучения вариантов мы пришли к следующей концепции аналитической платформы управления данными: «Большие данные + лаборатория продвинутой аналитики + управление данными». Главная трудность была в том, что на практике такой платформы где-либо мы не нашли, хотя все эксперты подтвердили корректность замысла. Так что начавшийся в 2018 году проект, названный для краткости «умное озеро данных», был инновационным и рискованным.

Мировая статистика внедрений Big Data: около 90 % проектов провальны из-за проблем с нахождением нужных данных. Каталог данных ДРП умеет автоматически извлекать информацию из «озера» и хранилища данных и обрабатывать ее. Он содержит техническую карту всех имеющихся показателей (таблиц и их полей), а также потоков их происхождения. Внутренние эксперты обогащают объекты в каталоге описаниями и различными характеристиками, благодаря чему встроенные в каталог поисковые механизмы позволяют очень гибко находить нужные значения и оценивать влияния между системами и моделями данных. Кроме этого, каталог имеет множество специализированных функций, основанных на алгоритмах искусственного интеллекта. Компания Gartner отмечает, что внедрившие каталог данных организации окупают инвестиции в аналитику в три раза быстрее.

Чтобы все пользователи одинаково понимали цифры в отчетности, с чем они связаны и кто за них отвечает, внедряется еще одна система – бизнес-глоссарий.

Если все сотрудники будут пользоваться единым словарем и каталогом, это создаст единый язык и единую культуру работы с показателями и в перспективе работа над проектами будет идти значительно быстрее. И здесь нужен поисковый портал по данным, чтобы информацию из каталога и глоссария было удобно искать всем сотрудникам, а каждый пользователь мог его настроить под свои интересы. Это даже многофункциональнее, чем внутренний поисковик Google.

Сейчас мы внедряем целевую ответственность за показатели. В бизнес-подразделениях появляются новые роли: владелец данных и распорядитель качества данных. У нас исторически была настроена работа с владельцами бизнес-справочников и бизнес-приложений BI, а сейчас мы переходим к более детальной истории (владельцы каждого бизнес-термина и бизнес-правила), которая была бы невозможной без инструментов Data Governance. Владелец данных – сотрудник, отвечающий за методологию и содержание бизнес-показателя, бизнес-правила, бизнес-справочника или бизнес-приложения. Сотрудник в своей зоне ответственности формирует методологию и регламент, принимает решения по запросам на изменения и спорным ситуациям. Основная проблема в том, что такого человека сложно найти, и часто организации закрепляют их только формально. Распорядитель качества данных – человек, который отвечает за соблюдение установленных владельцем данных методики и правил.

Восемь преимуществ, которые «Газпром нефть» получает благодаря платформе

● Ниже затраты на интеграцию данных для всех проектов и инициатив, связанных с аналитикой. Аналитическая платформа становится единым доверенным источником информации для всех проектов и инициатив.

● Выше качество данных. Все показатели в аналитической платформе становятся измеряемыми и описанными, и мы вместе с пользователями вырабатываем правила, чтобы значения становились качественными, то есть пользовались максимальным доверием.

● Готовая инфраструктура для исследования данных. Аналитическая платформа включает готовые аналитические «песочницы» для построения прототипов и проверки гипотез на основе сведений.

● Выше скорость поставки данных. Наличие большого числа готовых значений в одном месте и едином формате, при этом показатели хорошо описаны и открыты для подключения. А отлаженные процессы поставки цифр в аналитические песочницы позволяют гарантировать бизнесу время предоставления данных, включая этап согласования со стороны службы информационной безопасности.

● Быстрое развитие аналитической культуры за счет единого словаря и каталога данных. Количество этих объектов и их пользователей будет расти, со временем мы сможем создать в дирекции единые язык и культуру работы с информацией.

● Ускорение работы аналитиков и архитекторов. В системе доступна информация по происхождению и качеству данных, и это позволяет существенно экономить.

Проект создания аналитической платформы управления данными ДРП был завершен в начале 2020 года и получил всероссийскую премию «Проект года» Global CIO в номинации «Аналитические решения и Big Data».

Фокус – повышение уровня аналитической культуры

Мы исторически развиваем аналитические решения с внутренней командой и практически не привлекаем внешних подрядчиков. Это позволяет качественно делать серьезные вещи, потому что мы понимаем собственный бизнес, и одновременно накапливать важную экспертизу. К решению создать внутреннее подразделение по разработке пришли на волне развития BI в 2014 году, когда увидели, что требования к аналитике гибко меняются и все время усложняются. В 2015 году появились первые штатные системные аналитики и специалисты по качеству данных. Так естественным путем в дирекции сформировался первый в «Газпром нефти» выделенный Центр компетенций по развитию BI. В 2018 и 2019 годах он преобразовался в Центр аналитических решений, включив новые подразделения по разработке озера и хранилища данных, центр компетенций по Data Science, офис развития компетенций по анализу информации и специализированные группы по Data Governance. Эта команда внедрила первую в России платформу управления показателями, вовлекает в ее использование новых заказчиков и развивает аналитическую культуру в целом.

По мере роста количества проектов с использованием комплексных и продвинутых аналитических моделей становится востребованной новая роль бизнес-сотрудников, работающих с данными, – гражданский аналитик (Citizen Data Scientist) Это специалисты, которые разбираются как в инструментах Data Science, так и в бизнесе, облегчают внедрение результатов аналитики, способствуют цифровизации процессов принятия решений.

Именно таких специалистов можно вырастить внутри компании, развивая компетенции, которые относятся к грамотности работы с данными (Data Literacy). Способность правильно использовать показатели имеет важное значение для будущего успеха компаний, придерживающихся подхода по принятию управленческих решений на основе данных (Data-Driven Company).

Говорит Татьяна Хорошева, руководитель направления по развитию компетенций в анализе данных ДРП:

«Для новых ролей в компании в ДРП была разработана собственная модель компетенций по анализу данных, которая содержит общие (Data Literacy) и профессиональные (Data Science) компетенции.

Общими компетенциями должны владеть все сотрудники компании, а профессиональными – специалисты с ролью аналитика в своем подразделении.

Появление новых ролей в ДРП подкреплено внутренней образовательной программой. Исторически развивались программы обучения по корпоративным BI-инструментам, прежде всего Qlik, на которых с 2013 года прошли обучение около 1000 сотрудников офисов ДРП. Широкое распространение BI как системного инструмента формирования отчетности способствовало повышению общей культуры работы с информацией, росту качества данных и усложнению используемых алгоритмов обработки. В 2018 году стартовали сразу несколько программ по развитию компетенций Data Science: курсы по продвинутой аналитике, языку программирования Python. По мере развития сложных аналитических проектов, в том числе внедрения платформы управления данными, линейка курсов расширяется: проводятся курсы по основам анализа данных, машинному обучению, созданию SQL-запросов, работой с инструментами Data Governance, в частности, корпоративным каталогом данных, бизнес-глоссарием, порталом по поиску значений. Портфель учебных программ включает очные курсы, проводимые в компьютерном классе, дистанционные курсы, доступные коллегам из регионов, а также онлайн-курсы на образовательной платформе Корпоративного университета "Газпром нефть". Курсы образуют уровневую систему: от простого понимания аналитики к применению моделей и инструментов продвинутой аналитики. Уровни обучения соответствуют уровням развития профессиональных компетенций. Все программы внутреннего обучения также привязаны к матрице компетенций. Обучение является практикоориентированным и включает большое количество кейсов из реальных задач, возникающих в процессе работы. Примечательно, что роль внутреннего тренера выполняют сотрудники, которые являются экспертами в своей области, работают над реальными задачами бизнеса. На внутренние программы может записаться любой сотрудник, последовательно проходя курсы и наращивая свой опыт в роли гражданского аналитика. В дальнейшем планируется создание системы внутренней добровольной сертификации сотрудников в бизнес-подразделениях по уровням доступа к продвинутым аналитическим инструментам и моделям продвинутой аналитики. Такая система будет стимулировать сотрудников, работающих с данными, развивать профессиональные навыки до роли гражданского аналитика.

Также регулярно проходят открытые встречи аналитиков (Data Science meetup), на которых разбираются практические задачи из актуальных проектов, а также современные методы решения определенных задач. На этих встречах в равной мере выступают и участвуют как профессиональные разработчики и аналитики, так и сотрудники бизнес-подразделений.

Централизованная аналитическая платформа, программы внутреннего обучения и обмена практическим опытом формируют новую корпоративную культуру компании, готовую к изменениям в эпоху цифровизации бизнеса».

Александр Шурыгин, начальник департамента по экономике и финансам ДРП:

«Когда мы начинали проект аналитической платформы управления данными, думали, что это будет небольшая прогулка. А оказалось, что идти далеко, и где конечная точка в этом маршруте – пока непонятно. Например, два года назад у нас не было больших данных и Data Science, а сегодня эти вещи значительны для бизнеса и наша практика одна из лучших в России. Сейчас у нас много показателей на современной платформе и с новыми инструментами и все больше проектов, связанных с продвинутой обработкой данных. Поэтому нам потребуются грамотные аналитики в бизнес-подразделениях и проектный офис, специализирующийся на аналитических решениях.

Найти профессиональных, вписывающихся в культуру и условия специалистов очень сложно. Поэтому мы работаем с кадровым резервом и проводим горизонтальные перемещения в компании, переучивая проверенных сотрудников из смежных областей. Для этого у нас разработаны базы знаний, системы обучений и практика наставничества. Также мы взаимодействуем с вузами и привлекаем на стажировку талантливых студентов, и значительная доля стажеров находит работу в нашей компании.

Наши усилия сегодня – демократизация данных и грамотность работы с данными. Первое означает, что показатели на разных этапах обработки доступны для всех сотрудников. Второе – что сотрудники понимают смысл этих значений, уровень качества и умело используют аналитические инструменты. Здесь необходимо тотальное профильное обучение и тестирование. И только тогда, когда грамотные сотрудники используют продвинутые решения на качественных данных, наступает массовая монетизация: аналитические модели одна за другой начинают приносить ценность».

Заключение

Дорогие друзья!

Я надеюсь, что эта книга будет вам интересна. Что вы найдете полезные советы и примеры, почерпнете новые идеи для повышения эффективности вашей компании и примените их, ведь «путь в тысячу ли начинается с первого шага» и подобные изменения ведут к повышению эффективности всей экономики в целом!

Я очень рад, что большинство представленных кейсов было реализовано на базе продуктов компании Qlik, в которой я работаю уже девять лет. Когда мы анализировали проигранные сделки, то увидели, что 70 % из них были потеряны не по причине проигрыша конкурирующим продуктам, а из-за боязни изменений – люди так и не решились дать старт проекту. Да, мы доказывали высокую экономическую эффективность, но людям так страшно что-то менять! «А вдруг что-то вскроется?», «А вдруг проект будет неудачным?», «А зачем что-то менять – худо-бедно, но работает…»

Я призываю вас все-таки сделать тот самый первый шаг. Потом, когда сможете посмотреть через «тысячу ли», то поймете, что прошли столь долгий путь не зря и теперь о вас рассказывают на семинарах и вашу компанию приводят в пример как одного из лидеров отрасли.

Что нужно для изменений? С чего начать? Кто нам поможет? Это очень хорошие вопросы, но трудно найти компанию, которая сможет всем на них ответить. Хотя роль компаний-интеграторов тоже меняется, и если много лет назад многие из них говорили: «Только скажите, что делать, – все обеспечим!», то потом стали сами предлагать решение сложных задач во множестве прикладных областей, привнося самый передовой опыт, а теперь готовы и стать помощниками в вопросах цифровой трансформации и оптимизации бизнеса, предлагая стратегический консалтинг. Я благодарен множеству компаний-партнеров за их бесценный опыт и вклад в эту книгу.

И еще одно правильное направление – помогать друг другу. Поэтому мы запустили несколько общественных проектов: это «Эффективность BI», где собираются примеры реализованных проектов, выступления и презентации наших заказчиков, и проект по цифровой грамотности DataLiteracy.ru. В рамках данного проекта сформирована площадка по обмену опытом, которым с вами готовы поделиться ведущие компании из разных областей бизнеса; и, разумеется, мы будем благодарны, если вы поделитесь своим опытом по повышению производительности труда.

Если у вас будут вопросы, не стесняйтесь присылать по почте: [email protected], и я постараюсь ответить или что-то предложить. К тому же мы формируем сообщество управленцев нового поколения – тех, кто проводит проекты по цифровой трансформации, внедряя передовые технологии, меняет управление компанией, стремясь сделать компанию, в которой он работает, Data-Driven. И мы будем рады видеть и вас в нашем комьюнити, где вы сможете обменяться опытом с коллегами и перенять новые передовые идеи.

Вместе – у нас все получится!

Искренне ваш,

Георгий

WIN SOLUTIONS

Системы бизнес-аналитики становятся всё более востребованными на рынке, ведь объемы доступной для анализа информации растут в геометрической прогрессии, а исследование данных устаревшими методами больше напоминает «поиск иголки в стоге сена». Внедрение BI (Business Intelligence) – по-настоящему эволюционный шаг для компании любого размера и отрасли. Грамотное внедрение делает возможным структурированный подход к анализу больших данных «от общего к частному и наоборот», позволяет определить неочевидные взаимосвязи и ускорить процесс принятия решений.

Опыт показывает, что в Qlik Sense легко оцифровать весь бизнес в едином информационном поле. Инструментарий системы обеспечивает безграничные возможности представления данных из любой функциональной области: продажи, маркетинг, логистика, HR, производство, управление бизнес-процессами, финансы, закупочная деятельность и др.

Наш подход к внедрению BI базируется на глубоком понимании внутренних процессов заказчика, совместном анализе, а также тесном взаимодействии с бизнес-пользователями с целью передачи компетенций и эффективного использования возможностей системы для достижения поставленных целей. Командная культура, сформированная в нашей компании, обеспечивает экстремально высокую скорость внедрения, и уже в первые месяцы проекта сотрудники наших клиентов начинают работать с бизнес-аналитикой и получать практический результат.

Барисёнок Роман, директор по развитию Win Solutions

Сайт: https://winsolutions.ru/

Почта: Роман Барисенок <[email protected]>