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

Глава 22. Сколько сотрудников все это поддерживает?

Боюсь, не все понимают, что на поддержание такой инфраструктуры по хранению данных, их анализу и получению ответов даже в компаниях среднего бизнеса задействованы десятки человек. Что уж говорить про крупный бизнес! Вот где поле для оптимизации.

Кейс 14. ПАО «Сбербанк», розничный блок[25]25
  Посмотреть выступление можно на Youtube-канале «Лектории Легко». Это и другие выступления и презентации собраны в группе «Эффективность бизнеса с Qlik».


[Закрыть]

В Сбербанке постоянно реализуется множество проектов, как силами внутренней команды, так и с привлечением внешних консалтинговых компаний. По одной только бизнес-аналитике в блоке по работе с корпоративными клиентами одновременно идет более 40 проектов. Не отстает и розничный блок. Коллеги из розничного блока вели подсчет переведенных на единую BI-систему автоматизированных отчетов, и вот результаты: за два года силами 26 команд из 9 дивизионов розничного блока, в которых было 140 разработчиков, были автоматизированы сбор, обработка и визуализация 10 000 показателей. Ликвидировано более 1000 отчетов в Excel, которые ранее поддерживались на уровне отделов. Теперь все показатели и отчетность собираются централизованно, а сотрудники могут самостоятельно строить отчетность по доступным им данным – им предоставили BI-инструмент нового поколения, с помощью которого можно самостоятельно собирать отчеты с режимом самообслуживания (Self-Service Analytics), и они могут делать собственные аналитические отчеты. Однако если сотрудник хочет поделиться выкладками или отчитаться руководству, он обязан использовать только сертифицированные отчеты, подготовленные централизованно. Как один из примеров приводят отчетность по колл-центру. Понятно, что интерес к работе с клиентами есть у множества отделов, в итоге при автоматизации насчитали 450 отчетов в Excel – вы представляете то количество сотрудников, которые это поддерживали? После перевода Excel-анархии в единую BI-систему остался один аналитический отчет, который полностью заменил эти разрозненные 450 отчетов, обновляется автоматически и требует минимум поддержки. Еще 600 отчетных форм по анализу финансовой деятельности были скомпонованы в 5 аналитических панелей-дашбордов, и все совещания проводятся на их основе, когда все сотрудники, не только внутри одного отдела, но и по всей компании, «разговаривают на одном языке», оперируя общими показателями и находясь в едином информационном пространстве.

Какие плюсы есть в таком подходе кроме автоматизации сбора огромного количества показателей и высвобождения значительного количества специалистов, которые раньше были заняты в поддержке и развитии отдельных аналитических приложений? Волшебное слово Storytelling[26]26
  «Волшебное», потому что прямой перевод storytelling – это «сказительство», рассказывание историй или сказок. Но теперь под этим подразумевают бизнес-инструмент: способ передачи информации и нахождения смыслов с помощью интерактивной презентации с возможностью перехода к данным.


[Закрыть]. Это не просто повествование – это бизнес-инструмент, который идет на смену такому любимому многими PowerPoint и его аналогам. Это дополнительная функциональность инструментов бизнес-аналитики по подготовке презентаций, основанных на сведениях с возможностью в любой момент перейти непосредственно к самим значениям и показать живую картину. «А почему такие показатели?» Можно к ним перейти по одному щелчку мыши, посмотреть на сами цифры, откуда они берутся и как рассчитываются, и какие фильтры применены: если бизнес-данные взяты из сертифицированных источников, то им можно доверять. Более того, тут же можно начать активно работать с ними: например, снять фильтр и посмотреть показатели по всем отделам или добавить прошлый год и посмотреть на динамику изменений. Это помогает не только существенно ускорить принятие решений, что так важно в современном мире, но получить новые идеи при работе с данными, так называемые инсайты, озарения, новые открытия, которые выведут вашу компанию вперед.

Глава 23. А быстрее нельзя?

Разумеется, это первый вопрос от руководства, которое начинает понимать сложность получения данных: «А что, быстрее нельзя?» Конечно, можно! Но никто не даст гарантии чистоты и качества данных. Как и во всем, нужно соблюдать ряд компромиссов, в этом случае между скоростью предоставления информации и доверием к цифрам. Правда, есть элегантный выход – это те самые системы исследования данных, Data Discovery, про которые мы говорим во второй части книги. Это специализированные системы, такие как Qlik Sense, которые предназначены для поиска ответов на вопрос «почему?». Следовательно, подобные системы должны содержать необходимый функционал для быстрой загрузки разнородных данных, их склейки и визуализации таким образом, чтобы вместо 5–6 разнородных систем была только одна, тогда время получения результата сокращается в десятки, а то и в сотни раз. Но при этом надо учитывать, что данные могут быть загружены как из сертифицированного источника или напрямую из учетных систем, которым можно доверять, так и из «подпольного» Excel или других источников с сомнительной чистотой. Да, аналитические отчеты можно получить очень быстро, но всегда надо помнить про работу по сертификации данных и, по возможности, переносу их в систему хранения данных, которым можно доверять. Тут возникает вопрос, что не все данные нужно заливать в хранилище: это нужно делать только в том случае, если они используются для долговременного действительно важной информации. Таким образом, у вас будет список доверенных данных, чтобы вся компания оперировала в едином информационном пространстве – и особенно при взаимодействии между отделами, чтобы была единая версия правды, а у аналитиков будет возможность поверх сертифицированных бизнес-данных загрузить свои для проверки множества теорий. Не будете же вы хранить в хранилище погоду, или акции конкурентов, или музыку, которая играла в торговом зале? А для отдела маркетинга все это – рабочие инструменты, как и анализ эффективности маркетинговых акций в разрезе каналов и целевых групп или анализ матрицы переходов по сайту. С другой стороны, такие данные, как чеки, необходимо хранить несколько лет в неагрегированном, детальном виде, если вы планируете использовать их для прогнозирования спроса.

Кейс 15. Крупный региональный банк

Как часто бывает, на нашу систему обратили внимание, когда старая перестала справляться, а Excel-анархия достигла устрашающих масштабов: каждый филиал сам готовил отчетность в определенном формате, а понять, на основе чего она была сделана и как получились эти цифры, составляло нетривиальную задачу. Но главная проблема была в другом: на «нефтяной» регион, где хорошо себя чувствовал региональный банк, обратили внимание крупные федеральные банки, которые активизировали в регионе свою работу, провели маркетинговые кампании и стали открывать отделения и дополнительные офисы. Надо было активизировать работу с клиентами, проанализировать клиентскую базу, но как это сделать, если расчет показателей по предыдущему дню занимает всю ночь? Все приглашенные консультанты рассказывали про аналитические CRM-системы для ведения работы с клиентами розничной сети. Но внедрение подобных продуктов занимает месяцы, а то и год, а времени уже не было. Тогда руководство сказало: «У нас же есть CRM-система! А чем отличается аналитическая CRM от обычной? Может, просто усилим нашу систему аналитикой?» И аналитический отдел стал смотреть систему, в которую можно было загрузить всю информацию для ее всестороннего анализа: клиентов, контакты, банковские продукты по каждому клиенту, карты и операции по картам, транзакции из АБС (автоматизированной банковской системы, в которой хранятся все операции). Специалистам хотелось как можно больше данных хранить в горячем доступе, чтобы быстро строить любые аналитические отчеты, проводить кластеризацию клиентов для формирования персонализированных предложений и выявлять склонных к оттоку клиентов. В итоге первый проект был полностью завершен за 4 месяца силами нескольких специалистов. С чего же начался анализ? Во-первых, выделили всех клиентов, которые получали денежные средства на регулярной основе, – в основном это были зарплатные проекты. Во-вторых, проанализировали, как они обращаются с полученными денежными средствами, и разработали стратегию работы с каждой категорией.

Первый тип – «молчуны». Эти клиенты в течение нескольких дней снимали все поступившие денежные средства с карточки. Налицо недоверие к новым платежным инструментам и банковскому сектору в целом. Для подобных клиентов и была разработана программа лояльности «платить по карточке выгоднее!», и соответствующая надпись загоралась на банкомате во время снятия наличных. Как только люди начали оставлять немного денег на счету и платить картой, им начислялись бонусные баллы и кэшбек. В итоге это переросло в масштабную партнерскую программу со многими торговыми компаниями и сетями, и все начисления бонусов и их трата стали важной частью программы лояльности.

Второй тип – «кредитники». Данные клиенты переводили часть денежных средств к определенной дате, например с 20-го по 25-е число, и обычно сумма была неровной – например, 1833 руб. С большой долей вероятности эти люди гасили кредит. Был проведен анализ, в какие банки люди переводят деньги и какие там условия по кредитам. Клиенты, которые исправно и вовремя переводили деньги, получили персонализированное предложение по перекупке кредита. Предложение было интересным, и многие рефинансировались, чтобы не платить за карты двух и более банков, а банк получил продажу дополнительных банковских продуктов и лояльных заказчиков, которые к тому же аккуратно платили.

Третий тип – «семьянины». Ряд клиентов сразу же переводил часть зарплаты в другой банк, и обычно это была круглая сумма – 10 000 руб., 15 000 руб., 20 000 руб. Такие клиенты получили целых два предложения. Был проведен анализ, в какой банк они переводят деньги и какие в этих банках условия по депозиту, и было сделано первое предложение – «храните деньги у нас» – на тот случай, если они откладывали деньги или клали их на депозит в другом банке. Второе предложение – «вторая карточка бесплатно» – с бесплатным обслуживанием, если они переводят часть средств супруге, родителям или иным родственникам. И программа сработала: люди стали оформлять карточки на родных и близких, региональный банк договорился с другими банками о компенсации комиссии при снятии денег в других банках по картам и стал оценивать географию расчетов и снятия наличных по данным картам. Если карт в удаленном регионе становилось много – большое число их клиентов работало вахтовым методом, – то в этом регионе открывался филиал или дополнительный офис, или заключалось партнерство с местным банком.

Данные меры позволили вернуть клиентов, и банк решительно приступил к развитию проекта. Какое может быть преимущество у регионального банка? Они лучше знают свой регион и своих клиентов, и пошли промо-предложения к Дню нефтяника, энергетика, строителя… Людям приятно иметь карточку, которая имеет отношение к той или иной профессии или организации, в которой они работают. Еще отлично сработала кампания к Олимпиаде в Сочи в 2014 году, когда предлагалось выпустить прозрачную карточку с логотипом Олимпийских игр в Сочи. Это была очень успешная кампания! Эти действия позволили не только завоевать доверие клиентов, а нарастить темпы увеличения клиентской базы до 25 % в год, снова занять лидирующие позиции в регионе и открыть дорогу к региональной экспансии. Был проведен анализ депозитов, кредитного портфеля, автоматизирована выгрузка отчетности в ЦБ. А сотрудники были довольны внедрением системы: представляете, что вы растите ребенка без единой игрушки, а в 10 лет приводите его в магазин детских игрушек и говорите: «Бери все, что захочешь!» Так себя чувствовали маркетологи и аналитики розничного блока: «А давайте загрузим календарь праздников!», «А на что наши клиенты тратят деньги и бонусы?», «А давайте посмотрим, что мы можем предложить к Новому году» и сотни прочих идей. Если раньше ответ на вопрос мог занимать дни и недели, то теперь они могут все это проанализировать самостоятельно, а если не могут, то у ИТ-отдела есть четкий регламент (SLA) – 15 минут на разработку отчета, если данные загружены в систему, и 3 часа – если требуется загрузить дополнительные данные. Да, наверное, многие сейчас воскликнули: «Не может этого быть!», потому что в финансовых организациях срок получения нового отчета или корректировки старого измеряется в неделях, но это так.

После розничного блока аналитику успешно стал применять и блок работы с корпоративными заказчиками. Как и остальные компании, банк переживал, что уход ключевых сотрудников скажется на потере некоторых клиентов, поэтому был проведен анализ портфеля клиентов по сотруднику, чтобы выделить основных клиентов и менеджеров, которые за них отвечают. Но после анализа проводок по каждому клиенту стало понятно, что сам банк обладает рядом очень «интимной» информации, особенно при анализе оборотов, выплате зарплаты и налогов, и при правильной стратегии работы можно не опасаться ухода ключевых сотрудников, ведь вся информация будет доступна новому ответственному за работу с заказчиком. В этом помог Федеральный закон 115-ФЗ «О противодействии легализации (отмыванию) доходов, полученных преступным путем, и финансированию терроризма». Из названия понятно, что шутить с ним не стоит, и в 2015–2016 годах Центральный банк принимает ряд положений о передаче им данных о клиентах, попадающих под определенный перечень критериев. Пока банки пытались доработать программное обеспечение и просили год отсрочки принятия закона, чтобы успеть завершить доработку систем в соответствии с требованиями ЦБ, в данном банке сначала был реализован несколько иной проект, и всем менеджерам были предоставлены панели с детальным анализом всех операций банка и выданы задания: они должны были связаться со всеми руководителями организаций, которые попадали под данные критерии, по телефону и рассказать им про новый закон и отчетность, которую вскоре потребует Центральный банк на основании закона 115-ФЗ. В большинстве случаев все было нормально, так как многие крупные клиенты работают с несколькими банками и ряд платежей, например по оплате труда или налогам, проводят через определенный банк. Однако клиенты оценили заботу банка и стали теми самыми «клиентами на всю жизнь».

Кстати, многие компании действительно боятся потери ключевых сотрудников – так они могут уйти и перетянуть за собой важных клиентов. Но есть и аналитические проекты по анализу поведенческих моделей сотрудников и выработке мер по их удержанию. Приходится, правда, анализировать довольно большой пул информации – более 150 параметров, но зато мы получим картину оттока с высокой точностью. Если кадровая служба будет своевременно получать такую информацию, то сможет удержать сотрудников – зачастую немного изменив систему мотивации или целевые показатели.

Хочу рассказать еще один пример, до боли знакомый многим. Есть отдел, в нем работает 5–6 человек, которые занимаются определенной задачей, на первый взгляд, не сильно существенной, но обеспечивающей важную функцию – например, поддержку учетной системы, создание нового продукта или одного из его компонентов. Коллектив сработался, знает фронт работ, и его в целом все устраивает. Это говорит о том, что зарплата сотрудникам данного отдела не повышалась несколько лет или повышалась незначительно. И вдруг один из них уходит, получив хорошее предложение, – по статистике, если сотрудника все устраивает, то подобное предложение должно быть выше на 30 % и более. И отдел кадров начинает искать замену. Разумеется, на ту же зарплату. И вдруг оказывается, что рынок ушел вперед и на подобную зарплату не найти даже студента! Не то что специалиста, тем более со знанием предметной области – не говоря уже о нюансах предприятия. В итоге ставка все повышается, и в итоге компания находит специалиста, который хоть как-то удовлетворяет критериям. Разумеется, за совершенно другие деньги. После того как новый специалист выходит на рабочее место и пытается погрузиться в рабочие обязанности, продукт или текущий проект, который уже горит из-за длительного поиска кандидата, в течение месяца еще трое сотрудников кладут на стол в отделе кадров заявление об увольнении. Вы, надеюсь, понимаете, почему так произошло? Потому что люди, которые сидели годами, так и не получили индексации, а новый человек пришел на более высокую зарплату, да еще и без ключевых знаний, необходимых для исполнения должностных обязанностей. В итоге в отделе остается один старый сотрудник, который боится перемен, или живет близко к месту работы, или боится менять работу из-за возраста, и новый сотрудник, который, кстати, еще на испытательном сроке, и не факт, что он останется и дальше в этой компании. Особенно в условиях начинающегося прессинга, потому что проект сильно отстает по срокам или накапливается большое количество нерешенных проблем, иногда критических, если данное подразделение являлось сервисным и обслуживало какой-либо контур или систему. Даже если сильно повысить зарплату соискателям, далеко не факт, что компания быстро найдет замену или передаст этот участок на обслуживание специализированной компании, а суммарные потери могут исчисляться миллионами рублей. И все из-за одного перешедшего на другую работу сотрудника, вернее – из-за неправильной кадровой политики, которая должна просчитывать подобное развитие событий и обращать внимание на причины увольнений, например, посредством проведения «последнего интервью», которое, кстати, может много чего рассказать компании о внутренних проблемах, потому что сотрудник, который почти перешел на другое место и которому нечего терять, будет более откровенным и открытым.

Кейс 16. ПАО «Ростелеком»

Именно такой проект и был завершен в ПАО «Ростелеком». Рассказывает Никита Черкасенко, директор департамента HRM-технологий и аналитики:

«Для эффективного удержания ключевых сотрудников необходимо регулярно замерять eNPS (Employee Net Promoter Score, „индекс удовлетворенности персонала“. Основная цель использования – помощь в изучении уровня вовлеченности, лояльности персонала). Однако только этого показателя недостаточно, необходимо также регулярно оценивать удовлетворенность и вовлеченность и понимать, по возможности оперативно и детально, почему сотрудники принимают решение покинуть компанию.

В ПАО "Ростелеком" для оперативности получения информации был организован и автоматизирован процесс exit-интервью – это специальный вид исследований, когда во время процесса увольнения сотрудника проводится опрос с целью выявить причины увольнения и оценку условий работы. Так вот, в ПАО "Ростелеком" опрос проводит робот: сотрудникам, уволившимся по собственному желанию, в течение недели после увольнения поступает звонок от робота, который за 1,5–2 минуты задает несколько вопросов об опыте работы в компании и причинах ухода. Все результаты обрабатываются автоматически и ложатся в основу аналитического отчета, обновляемого еженедельно. Таким образом, HR и бизнес получают возможность узнавать и влиять на специфические для конкретного региона, функционального блока и подразделения факторы ухода сотрудников».

Кейс 17. Что дает скорость

Все мы понимаем, что увеличение скорости построения отчетности повышает производительность труда, но какие еще преимущества это может принести бизнесу? Мы уже рассказывали про «Ростелеком», и вот еще один проект. Когда HR-департамент рассказал коммерческому блоку, какие услуги хорошо продаются в сравнимых регионах, был проведен анализ и запланирован запуск услуг, если их еще не было в регионе. Но это не так просто, как кажется. Кроме физического развертывания инфраструктуры, например заключения договора с компанией по установке вышек сотовой связи, необходимо понимать, кто будет обслуживать клиентов. А как узнать, кто может это сделать? Обычно подобная информация собиралась с помощью указов и писем: «Пришлите список сотрудников 1-й и 2-й линии поддержки», «Хорошо, а пришлите их квалификацию», «Да, надо обучать. А есть доступ к обучающим курсам?». С дополнениями и уточнениями сбор подобной информации занимал 2–3 месяца, потом проводилось обучение, экзамены, проверка персонала, запуск услуги в тестовом режиме. Когда в отделе кадров была собрана вся информация, получение подобных сведений стало занимать минуты: «Так, давайте посмотрим список сотрудников поддержки. Хорошо, услуга новая, давайте найдем, кто быстрее обучается, – посмотрим всех сотрудников до 45 лет. А какая у них квалификация? Давайте выберем вот этих. Какие курсы им доступны? Им доступен внутренний обучающий портал? Хорошо, вводим их в систему обучения и рассылаем письма. А теперь давайте подготовим персонал к продаже данной услуги. Мы готовы!» В итоге скорость запуска новых услуг удалось кардинально сократить.