Книга: Революция в аналитике. Как в эпоху Big Data улучшить ваш бизнес с помощью операционной аналитики
Назад: Часть II Закладываем основу
Дальше: Глава 5 Создаем аналитическую платформу
Глава 4
Хотите бюджет? Разработайте бизнес-кейс!
Внедрение операционной аналитики требует инвестиций – в людей, инструменты и технологии, которые необходимы для успешной реализации операционно-аналитических процессов. Процесс преобразования аналитики в операционную не будет ни дешевым, ни легким, но при соблюдении правил может с лихвой окупиться. Разумеется, добиться выделения инвестиций сегодня ничуть не легче, чем когда-либо в прошлом. Следовательно, разработка бизнес-кейса для операционной аналитики становится важнейшим шагом.
В этой главе мы рассмотрим основные принципы и концепции, которые помогут вам разработать бизнес-кейс для операционной аналитики в вашей организации. Многие из них могут быть применены в более широком плане для обоснования инвестиций в аналитику вообще. Хорошая новость состоит в том, что вы и ваша организация можете преуспеть в своем деле, если уделите время и силы разработке бизнес-кейса с учетом некоторых уникальных аспектов аналитики.
Определение приоритетов
Прежде чем приступать к составлению бизнес-кейса для операционной аналитики, необходимо определить, какие инвестиции он будет предполагать и как будет их распределять. Четкая направленность и форма изложения так же важны для бизнес-кейса, как и факты и цифры для его обоснования. В этом разделе мы обсудим, как правильно в начале определить перспективу, чтобы сразу предоставить вашему бизнес-кейсу максимальные шансы на успех. Ряд небольших улучшений общепринятой практики позволит сделать бизнес-кейс более интересным и убедительным, а следовательно, повысит вероятность его одобрения.
Начните с бизнес-проблемы, а не с данных или технологии
Во второй главе мы уже говорили о том, что необходимо сначала определить бизнес-проблему, а уже потом собирать под нее данные. Запускать сбор данных или приобретать технологию, не имея четкого плана, – заведомо проигрышная стратегия. Соответственно бизнес-кейс надо разрабатывать не ради приобретения нового источника данных или новой технологии, а ради решения реальной проблемы, с которой столкнулась организация. Если повезет, приобретение потрясающего нового источника данных или программного обеспечения действительно может стать необходимым условием для решения обозначенной проблемы. Грамотно составленный бизнес-кейс не предполагает отказа от покупки технологий, инструментов и источников данных, а просто помещает ее в правильный контекст.
Разница между сосредоточением внимания либо на технологиях, либо на бизнесе отражает разницу между обоснованием либо затрат, либо инвестиций. В большинстве организаций гораздо проще заинтересовать людей бизнес-кейсом, который позволяет решить конкретный набор деловых проблем, чем бизнес-кейсом, который позволяет решить конкретный набор технических проблем. Я не понимаю, почему так много организаций продает услуги по приобретению данных или технологий, а не решения проблем. Давайте рассмотрим две гипотетические дискуссии, чтобы проиллюстрировать разницу между этими подходами.
В первом случае вице-президент по информационным технологиям крупной энергетической компании в одиночку приходит на заседание ее правления и говорит: «Нам необходимо организовать сбор сенсорных данных в нашей инфраструктуре умных электросетей. Это обойдется нам в несколько миллионов долларов. Все наши бизнес-партнеры запрашивают эти данные и готовы частично профинансировать проект. Таким образом, мы можем покрыть все расходы на сбор и хранение данных за счет предлагаемых ими средств с небольшим добавлением наших пошаговых инвестиций в ИТ».
Организуйте совместный проект
Сделайте деловое предложение по инвестициям в операционную аналитику в виде совместного проекта бизнеса и ИТ-службы. Сосредоточьтесь на решении конкретной бизнес-проблемы, а не на покрытии затрат на ИТ, которые должны рассматриваться всего лишь как необходимый компонент общего решения.
Во втором случае вице-президент по ИТ приходит на заседание комитета вместе с партнером по бизнесу, также в ранге вице-президента. Совместно они сообщают следующее: «Мы собираемся сделать так, чтобы наши существующие мощности могли удовлетворять спрос потребителей в течение следующих пяти лет, что позволит нам отсрочить строительство нескольких новых электростанций. Мы планируем добиться этого, стимулируя клиентов изменить свои привычные модели потребления, чтобы мы могли снизить уровни пикового спроса путем анализа сенсорных данных от наших умных электросетей. Разумеется, сбор, хранение и анализ этих данных обойдутся нам в несколько миллионов долларов. Но эти расходы будут с лихвой компенсированы теми десятками миллионов долларов, которые, как мы установили, можно сэкономить за счет отсрочки строительства новых электростанций. К тому же мы сможем выполнить много другой аналитики, как только получим данные от умных электросетей».
Первое предложение свелось к затратам и данным, исходило из интересов ИТ-службы и не очень убеждало, несмотря на обещание покрыть расходы. Второе предложение исходило из интересов бизнеса при поддержке ИТ-службы и сосредоточивалось на экономической ценности сбора данных, а не на затратах. Как вы думаете, какое предложение руководство компании сочтет более привлекательным?
Сосредоточьтесь на доходах, а не на затратах
Предыдущие примеры иллюстрируют два подхода к запросу на финансирование. Главное различие между ними состоит в том, что первый просто пытается оправдать себя, делая акцент на нейтральных затратах, тогда как второй стремится извлечь значительную экономическую выгоду. К сожалению, многие заявки на инвестирование, связанные с аналитикой и технологиями, уделяют слишком большое внимание затратам и способам компенсации этих затрат. Полезнее же затраты просто представить в качестве части высокоэффективного решения, как это показано в таблице 4.1.
Отчасти такой акцент на затратах объясняется тем, что в прошлом инвестиции в технологии было принято обосновывать именно таким образом. Эти инвестиции нередко включали в себя огромную предоплату, которой обременяли широкий спектр производств, способных со временем компенсировать затраты. Например, в связи с огромной стоимостью больших ЭВМ в 1980-е гг. инвестиции в них ни за что бы не получили одобрения только ради удовлетворения нескольких аналитических потребностей. Для обоснования такой покупки ЭВМ должна была удовлетворять широкий спектр потребностей в масштабах всей организации.
Сегодня же инструменты и технологии зачастую относительно недороги, так что можно обойтись скромными инвестициями. Выгоды, достигнутые благодаря начальным инвестициям и начальному внедрению аналитики, могут быть использованы для того, чтобы обосновать дальнейшее финансирование. Инвестиции в аналитику больше не превращаются для организации в масштабные затраты, неподъемные для бизнеса. Благодаря сегодняшней гибкой структуре затрат нередко можно начать внедрение аналитики в гораздо меньшем масштабе, и зачастую на уровне бизнес-подразделения вполне можно выполнить простой анализ рентабельности.
Нацельтесь на факторы, определяющие различия, а не на поэтапные улучшения
Захватывающие новые концепции обычно привлекают больше внимания, чем улучшения уже существующих концепций. Это же верно и в случае аналитики. Если новые данные и новая аналитика могут быть использованы для решения новых проблем, будет гораздо легче привлечь внимание к бизнес-кейсу. Решение новых проблем при помощи новых данных зачастую обещает более весомую финансовую отдачу, чем при простом приспособлении существующих аналитических процессов к решению существующих проблем. Вместе с тем нередко можно разработать план, который предусматривает как краткосрочные поэтапные улучшения, так и долгосрочную конкурентную дифференциацию. Такая ситуация особенно благоприятна, поскольку обещает быстрый и наглядный прогресс в ходе достижения крупных долгосрочных преимуществ. Это будет победа сразу в двух измерениях.
Отметим одну из самых замечательных особенностей, связанных с появлением больших данных (см. вторую главу) и Аналитики 3.0 (см. первую главу), – возможности для применения аналитики расширяются и намного превзошли те, что были еще несколько лет назад. Обязательно отразите это при разработке своего бизнес-плана. Вдохновляющий мир больших данных и операционной аналитики открывает перед организациями широкие возможности для того, чтобы сосредоточиться на конкурентной дифференциации, и в то же время вносить поэтапные улучшения в существующие аналитические процессы. Как мы уже убедились, собираемым данным очень часто можно найти самое разное применение. Это означает, что, даже если кейс создан для решения одной-двух конкретных бизнес-проблем, в нем необходимо упомянуть и грядущие выгоды, которые могут появиться и в других областях, даже если пока что они расплывчаты и неопределенны. Процесс поиска новых ценностей называют еще «разговором с данными». Такой «разговор» способен привести к новым знаниям, идеям – и прибылям.
Конкурентная дифференциация обеспечивает поддержку
Сегодня часто можно использовать аналитику для того, чтобы с самого начала сделать организацию несхожей с другими. Даже если вы нацеливаетесь на поэтапные улучшения, постарайтесь обозначить конкурентные дифференциации на будущее.
Давайте рассмотрим следующий пример. Не будет ли интересно ресторанам или магазинам розничной торговли узнать, сколько людей посещают их каждый день и что это за люди? Могу побиться об заклад, что будет интересно, а помогут им данные о местоположении абонентов, создаваемые мобильными телефонами. Если провайдер сотовой связи хочет окупить затраты на хранение в операционных целях детализированных данных о местоположении абонентов, он может рассмотреть и такие альтернативные варианты их применения, как предоставление магазинам и ресторанам информации о потоке посетителей. Провайдер может даже взымать плату с ретейлеров за информацию о том, сколько человек ежедневно проходят или проезжают мимо их магазинов.
Путем сопоставления данных о местоположении с демографическими данными и данными об использовании мобильных телефонов можно предоставлять подобную информацию и с разбивкой людей по категориям. Предложение такой аналитической услуги может стать для провайдера конкурентной дифференциацией, создать новый поток доходности и окупить затраты на сбор для себя операционных данных. Обратите внимание на то, что я не предлагаю провайдерам разглашать любую информацию о любом индивидуальном абоненте. Это было бы нарушением неприкосновенности частной жизни, о чем мы подробно поговорим в шестой главе. Провайдер будет предоставлять агрегированные сведения, например такие: ежедневно мимо дома № 124 на Мейн-стрит в среднем проходят 200 человек, из которых 30 % имеют годовой доход свыше $100 000.
Чтобы созреть для предоставления таких услуг, организации может потребоваться время. Но обсуждение подобного варианта позволяет выявить бóльшую ценность нового источника данных, которую он постепенно способен приобрести. Это может сильнее заинтересовать инвесторов, чем первоначальные планы, нацеленные только на извлечение прибыли в краткосрочном периоде. Даже если организация сумеет преодолеть планку рентабельности, установленную на основе первоначальных краткосрочных инициатив, определенный аналитикой потенциал в дальнейшем может поспособствовать одобрению новых инвестиций.
Выбор правильных критериев принятия решения
При разработке бизнес-кейса для операционной аналитики необходимо определить критерии, которые станут играть решающую роль при принятии решения. Другими словами, что именно позволит максимизировать или минимизировать инвестиции? Причем необходимо не только правильно определить критерии, но и учесть все последствия каждой альтернативы. При оценке затрат и выгод от внедрения операционной аналитики следует принимать во внимание множество факторов. Потребуются и новые критерии, которые не так широко использовались в прошлом.
В качестве критериев при принятии решения об инвестициях в аналитику нельзя использовать классические ИТ-метрики, такие как цена за терабайт, узел оборудования, лицензию на рабочее место или время обработки запросов. Разумеется, все эти критерии могут быть приняты во внимание, чтобы убедиться в их соответствии нормам, но не могут быть единственными. Одним из ключевых критериев для аналитики является повышение продуктивности человеческого труда, которое может быть достигнуто при инвестировании того или иного варианта. Например, рассмотрите следующие вопросы:
• Насколько быстрее и эффективнее специалисты-аналитики смогут выполнять свои профессиональные обязанности при каждом варианте инвестирования?
• Насколько эффективно организация сможет разрабатывать, тестировать и внедрять новые операционно-аналитические процессы при каждом из вариантов?
• Насколько легко будет экспериментировать с новыми аналитическими техниками?
• Сможет ли оборудование быстро усваивать новые данные и поддерживать стремительные изменения?
• Потребуются ли новые и, возможно, дорогостоящие наборы навыков?
Все эти соображения имеют значение для принятия решений об инвестициях в операционную аналитику и должны применяться для каждого из рассматриваемых вариантов.
Чем быстрее команда аналитиков сможет создать для организации новые аналитические наработки и внедрить их в операционный контекст, тем выше будут доходы. Повышенную цену за терабайт можно оправдать, если команда сумеет выполнять аналитику намного быстрее по сравнению с более дешевым вариантом. Можно заплатить побольше и за лицензию на аналитическое приложение, если оно является более надежным и удобным в использовании. Все это позволит получить результаты наиболее эффективным образом.
Не так уж и сильно отличается это от того, как вы принимаете решение о покупке вещей для личного пользования. Например, многие готовы заплатить подороже за компьютер с бóльшим объемом памяти или диска либо другими важными для пользователя характеристиками. А вот самый дешевый компьютер способен значительно затруднить выполнение важных для вас задач. Например, если у него недостаточно места на диске для хранения всех ваших видеоматериалов, его будет трудно использовать как платформу для архивирования и редактирования видео. В этом случае покупка более дорогого компьютера вполне себя оправдает.
Нарисуйте более полную картину
Многие организации в качестве первого шага осуществляют целевую проверку концепции (proof of concept, POC), или, проще говоря, запускают пилотный проект. Это отличная идея, однако важно не ограничиваться рамками пилотного проекта. Частичное решение проблемы вряд ли станет решающим аргументом в пользу выделения инвестиций, особенно если речь идет о значительных капиталовложениях и затратах труда. Другими словами, пилотный проект может сосредоточиться на одном типе анализа в отношении одного набора продуктов. Если же в завершающей фазе планируется инвестиционная поддержка множества типов анализа для всех наборов продуктов, то об этом нужно заявить со всей определенностью. Если же рассматривается только отдача от ограниченного пилотного проекта, то вряд ли достигнутые показатели будут очень впечатляющими. Кроме того, масштаб пилотного проекта вряд ли позволит увидеть всю ценность заложенного в проект потенциала. Вот почему необходимо ясно изложить свой план.
Любой пилотный проект следует позиционировать как всего лишь пример возможного, а не как окончательный результат. Составьте список других бизнес-проблем, как схожих, так и несхожих между собой, которые также могут быть решены в случае одобрения вашего плана. Обязательно подчеркните, что, хотя пилотный проект и не способствует конкретно решению других проблем, есть резон предположить, что примененная к ним аналитика добавит ценности выводам относительно POC. Если же пилотный проект сам по себе принес весомую финансовую отдачу, то наличие дополнительных преимуществ, которые можно включить в общую структуру, только поможет вам получить зеленый свет.
Подтвердите концепцию, не ограничивайтесь частным случаем
Постарайтесь разработать пилотный проект таким образом, чтобы продемонстрировать потенциал более широкого подхода. Используйте искусство возможного, а не стремитесь просто доказывать ценность ограниченного масштаба пилотного проекта. Несмотря на то что за пределами проекта вы не будете располагать объективной статистикой, выявленный вами потенциал добавит достаточно глазури на пирог, чтобы ваше инвестиционное предложение было одобрено.
Мой клиент из крупной медиакомпании рассказал мне о том, как он добился выделения инвестиций под свою инициативу касательно аналитики. (Я не буду называть эту компанию, чтобы защитить его конфиденциальность.) Его команда осуществила ряд успешных пилотных проектов, однако руководство отказывалось выделять более крупные инвестиции, необходимые для масштабирования полученных результатов. Он предположил, что проблема может заключаться в том, что их инвестиционные предложения фокусировались исключительно на масштабе проведенных пилотных проектов. Это было фатальной ошибкой. Сосредоточенность только на отдаче от аналитики, протестированной в рамках ограниченного пилотного проекта, не обеспечивала достаточно большую доходность. Что не менее важно, при таком подходе мой клиент не мог создать более полную картину, способную впечатлить руководителей, принимающих решения. На рис. 4.1 показано, в чем состоит разница между подходами.
Мой клиент решил, что при следующей попытке он представит POC как всего лишь пример, иллюстрирующий возможности инвестиций. При этом четко укажет, что пилотный проект предназначен показать, как в нескольких относящихся к делу сценариях можно иначе использовать новый источник данных в нестандартных аналитических процессах. Многие другие сценарии не могли быть протестированы в рамках пилотного проекта, но логично предположить, что они также будут успешно реализованы, учитывая их сходство со сценариями, уже доказавшими свою работоспособность. Такой подход, который некоторые называют демонстрацией «искусства возможного», является гораздо более действенным.
Время инсайта
При инвестировании в аналитический процесс обнаружения данных я рекомендую учитывать критерий «времени инсайта» – времени, которое проходит с момента появления нового вопроса до того момента, когда будет схвачена суть проблемной ситуации (произойдет инсайт). Этот критерий отчетливо отличается от критериев, применяемых при операционализации инсайта, полученного в процессе обнаружения данных. При операционализации инсайта важны традиционные ИТ-метрики, например, насколько можно увеличить скорость процесса, создающего инсайт, для поддержки операционных решений.
Различные потребности процессов обнаружения и операционализации более глубоко рассматриваются в шестой главе. Сейчас же просто обратите внимание на то, что бизнес-кейс, нацеленный на обнаружение данных, и бизнес-кейс, нацеленный на операционализацию сбора данных, будут отличаться друг от друга. Эту разницу важно осознать, поскольку в каждом случае присутствуют совершенно разные цели и приоритеты. Кроме того, в современном мире более неприемлемы аналитические циклы, измеряемые многими неделями или месяцами. Время инсайта должно составлять от нескольких дней до нескольких недель.
Инвестирование в обнаружение данных
Цель процесса обнаружения данных – быстро найти новые инсайты. Для этого требуется иной взгляд на инвестиции. Вместо того чтобы ориентироваться на исходные вычислительные мощности или их производительность, лучше ориентироваться на такой показатель, как время инсайта. Сама по себе производительность не настолько важна, как совокупное время, которое требуется для поиска инсайта. Время инсайта приведет в соответствие удобство использования, гибкость и производительность аналитики.
Время инсайта включает в себя все – от приобретения до подготовки данных, периода программирования, осуществления аналитического процесса, поиска инсайта в результатах (см. рис. 4.2). Другими словами, это время от старта до финиша. Например, если один вариант требует 60 минут на программирование, 30 минут на выполнение программы и 10 минут на исследование результатов, то время инсайта составит 100 минут. Если другой вариант требует всего 20 минут на программирование, но 60 минут на выполнение программы и еще 20 минут на исследование результатов, то время инсайта также составит 100 минут. Таким образом, у обоих вариантов одинаковое время инсайта, хотя и ведут к нему разные пути. Это значит, что в бизнес-кейсе необходимо учесть различия в стоимости отдельных компонентов двух вариантов. Например, дополнительные затраты труда (программирование) стоят намного дороже, чем дополнительная компьютерная обработка, и человеческий труд зачастую является самым большим компонентом времени инсайта.
Сосредоточенность на времени инсайта позволяет учесть все факторы, влияющие на время построения аналитических процессов. Переход от типичных критериев к другим, наподобие времени инсайта, имеет огромное значение при инвестировании в обнаружение данных. В конце концов новые инсайты и определяют доходную часть бизнес-кейса. Минимизация времени инсайта максимизирует шансы на обнаружение новых идей, которые сгенерируют доход. Сегодня дифференцированный подход к инвестированию в поиск данных еще не стал типичным. Тем не менее постепенно эта практика распространится и станет обычным явлением.
Метрика времени инсайта будет влиять не только на стоимость, но и на удовлетворенность и мотивацию сотрудников. Профессиональные аналитики стремятся создавать эффективные аналитические процессы. Чем быстрее они смогут добраться до нового инсайта, тем быстрее смогут оказать воздействие и перейти к следующему поиску данных. Небольшая средняя продолжительность времени инсайта повысит удовлетворенность и мотивацию аналитиков. Никто не любит трудиться там, где из-за неэффективности работа занимает больше времени, чем необходимо.
Возможность операционализации
В предыдущем разделе мы рассмотрели, насколько такой новый критерий, как время инсайта, востребован при инвестировании в поиск данных. Теперь давайте посмотрим, какие критерии имеют значение при инвестировании в операционализацию аналитических процессов. К сожалению, в этом случае аналитические инструменты невозможно оценивать только на основе их функциональности. Необходимо также учитывать, насколько хорошо инструменты интегрируются с операционным окружением. Инструмент может быть очень надежным с точки зрения функциональности, но если он не может быть легко интегрирован в операционную среду и обеспечить на требуемом уровне масштаб и простоту процесса, то не будет работать.
В операционной аналитике счет часто идет на миллисекунды. В конечном счете лучше выбрать инструмент, который хотя и не дружественен к пользователю, но может быть более эффективно интегрирован в операционные процессы, чтобы принимать тысячи или миллионы аналитических решений в день. Таким образом, при выборе инструмента наряду с функциональностью необходимо оценивать и его возможности в части операционализации.
Это другой взгляд на вещи. Традиционно организации старались выбирать среди аналитических инструментов наиболее дружественные к пользователям и с максимальной функциональностью. Аналитические процессы осуществлялись в офлайне и в четком режиме, когда интеграция не имела большого значения. Однако при переходе на операционные рельсы организация должна уделить первостепенное внимание интеграции, масштабируемости и производительности. Это может потребовать выбора таких инструментов, которые организация не выбрала бы в прошлом. Удобство для пользователя по-прежнему крайне важно для процесса обнаружения данных, но для операционных процессов еще важнее интегрируемость и масштаб. Возможно, для построения операционного процесса с нуля могут потребоваться дополнительные усилия, но они со временем окупятся благодаря возможности ускоренного принятия миллионов решений. Эти различия в требованиях мы подробнее рассмотрим в шестой главе.
При переходе к операционной деятельности одной функциональности недостаточно
Для операционной аналитики функциональность и дружественность к пользователям больше не могут служить главными критериями при выборе инструментов. Инструменты должны эффективно интегрироваться с окружением, чтобы обеспечить применение данных с масштабированием. Имеет смысл пожертвовать функциональностью и удобством ради масштабируемости и облегчения интеграции.
Такой подход, когда функциональность и удобство не ставятся во главу угла, является не столь уж необычным, каким он выглядит. Скажем, при строительстве дома на одну семью применяются удобные в использовании, многофункциональные материалы. Но когда речь идет о коммерческой недвижимости, часто выбираются гораздо более прочные материалы, соответственно гораздо более дорогие и сложные в установке. Они могут выглядеть менее привлекательно и быть менее удобными в применении, но, главное, должны выдерживать высокую интенсивность использования в коммерческой среде. Возьмем, например, дверные ручки. Дешевые и со стандартным креплением будут замечательно служить, если дверь в вашем доме открывается всего три раза в день, но в большом офисном здании они сломаются через несколько недель. Этот же принцип лежит и в основе выбора аналитических инструментов для поддержки операционных процессов.
Учитывая вышесказанное, вам вряд ли удастся найти у одного поставщика единый комплект аналитических инструментов, который удовлетворял бы все ваши потребности. Скорее всего, вам придется использовать разные наборы инструментов для обнаружения данных и для внедрения их в операционный процесс. Разумеется, со временем инструменты будут развиваться, так что будем надеяться на появление наборов инструментов, способных удовлетворять ту и другую потребность с одинаковой эффективностью. Но по состоянию на начало 2014 г. таких пока нет.
Ценность аналитики в сравнении с ценностью технологии
При инвестировании в аналитику важно принимать во внимание два компонента создаваемой ценности. Зачастую они тесно переплетены между собой, однако их важно различать и рассматривать по отдельности. Первый компонент – это ценность самой аналитики. Другими словами, какие бы ни использовались инструменты, технологии или методологии, весомую долю выгоды можно получить, просто добившись результатов. Понятно, что для этого требуются соответствующие инструменты и технологии. Однако важно не увязывать выгоду, полученную от применения аналитики, с выбором конкретных платформы или инструмента.
Например, ценность представляет простой аффинитивный анализ с целью определения возможностей для перекрестных продаж. Независимо от используемых инструментов и платформ его результат ценен сам по себе. Ценность же инструментов и технологий определяется тем, насколько эффективно они, по сравнению с другими инструментами и технологиями, позволяют создать, протестировать и осуществить аналитический процесс, необходимый для аффинитивного анализа. В большинстве случаев, как показано на рис. 4.3, собственная ценность анализа намного превосходит ту дополнительную ценность, которая создается конкретным инструментом или технологией.
Первым делом необходимо определить отдачу от анализа как такового, независимо от любых платформы или инструмента. А после этого можно приступать к определению эффективности различных вариантов проведения анализа с учетом их скорости, продуктивности и затрат. Однако организации часто попадают в ловушку, когда доверяются продавцу, который превозносит огромную доходность инвестиций, обеспечиваемую его аналитическими продуктами. При этом продавец нередко объединяет доходность инвестиций, предлагаемую собственно аналитикой, с дополнительной ценностью, которую обеспечивают его технологии или инструменты. Вот почему необходимо отделять ценность инструментов от ценности базового анализа.
В качестве ремарки: если каждый продавец для каждого варианта, который вы рассматриваете, объединяет ценность анализа с ценностью инструмента, то, по крайней мере, это дает возможность для беспристрастного сравнения вариантов. Поскольку все расчеты будут включать в себя одинаковую изначальную ценность, то возникающая разница будет отражать разницу в дополнительной ценности, создаваемой инструментом или технологией.
Обратите внимание на структуру бизнес-кейса
Ричард Винтер из фирмы WinterCorp опубликовал потрясающую статью «Большие данные: сколько они стоят на самом деле?». В ней он описывает структуру, в рамках которой можно будет принять во внимание все типы затрат и использовать показатель, названный Винтером “total cost of data” (TCOD) – «суммарная стоимость данных», при инвестировании в аппаратное и программное обеспечение для поддержки аналитики. TCOD отражает общую стоимость широкого разнообразия необходимых компонентов, их мы рассмотрим далее в этой главе.
Обратите внимание на то, что модель TCOD Винтера, а также бо́льшая часть этого раздела сосредоточены главным образом на одной стороне баланса, а именно на затратах. Я поступил так преднамеренно, поскольку компоненты затрат в разных организациях довольно схожи, тогда как получаемые за счет их преимущества могут значительно варьироваться в зависимости от конкретных аналитических процессов. Кроме того, когда речь идет об аналитике, точная оценка затрат часто упускается из виду. Вот почему я предлагаю сосредоточиться на этой стороне вопроса.
Большое преимущество модели TCOD Винтера состоит в том, что она не склоняется в пользу того или иного конкретного решения, а просто предлагает способ, который позволяет оценить и принять в расчет различные компоненты стоимости. Например, в статье описываются две различные ситуации, когда использование этой модели привело к двум совершенно противоположным выводам. В первом случае на основе свойств, требуемых для данных и обработки, был сделан вывод о том, что создание массивного параллельного окружения обойдется в три-четыре раза дороже, чем использование Hadoop. В другом случае с учетом свойств, требуемых для данных и обработки, был сделан вывод о том, что инвестиции в Hadoop обойдутся в три-четыре раза дороже, чем создание необходимого окружения.
Использование этой модели, нейтральной по отношению к оценке инструментов и технологий, позволяет объективно учесть все затраты. Применительно к операционной аналитике модель TCOD требует некоторой модификации, поскольку предусматривает слегка иной характер инвестирования. Однако, как мы увидим в следующем разделе, сочетание модели TCOD с дополнительными метриками, привязанными конкретно к операционной аналитике, создает великолепную стартовую позицию.
Каковы совокупные расходы на операционную аналитику?
При рассмотрении вариантов инвестирования в аналитику очень важно точно оценить совокупные расходы. Например, рассматривая инструменты с открытым исходным кодом, организации не должны слишком радоваться, получив бесплатную лицензию на программное обеспечение. Необходимо представить полную картину затрат с течением времени. Да, инструменты с открытым исходным кодом могут оказаться полезнейшим дополнением к аналитической среде. Однако при этом необходимо учесть все совокупные расходы и с осторожностью воспринимать ложные стимулы, чтобы по своему недосмотру не попасть со временем на повышенные издержки.
Итак, что следует учесть, оценивая затраты, связанные с внедрением операционной аналитики? Вам придется потратиться на следующее (а возможно, и не ограничиться этим):
• оборудование для поддержки аналитической обработки;
• программное обеспечение (обратите внимание, что даже в случае с открытым исходным кодом возникнут затраты, связанные с установкой и настройкой ПО);
• пространство для размещения оборудования и потребляемую электроэнергию;
• полностью загруженную рабочую силу, потребную для обеспечения безопасности, назначения приоритетов ресурсов и настройки связности сети;
• сбор, загрузку и подготовку данных;
• рабочую силу для развития аналитического процесса;
• действия по тестированию логики программы и точности результатов процесса;
• обслуживание платформы, ПО и аналитических процессов с течением времени;
• обучение персонала навыкам пользования всеми различными компонентами аналитического окружения.
Все эти затраты должны быть оценены, исходя из периода в несколько лет до завершения инвестиционного цикла.
Не забывайте про важные компоненты затрат
Легко упустить из виду некоторые важные компоненты затрат на фоне совокупных инвестиций в поддержку аналитики. За первоначальными расходами последуют текущие затраты на рабочую силу и обслуживание технологий в течение всего инвестиционного цикла. Эти текущие затраты в конечном итоге могут значительно превысить первоначальные.
Очевидно, что принять по внимание придется много компонентов затрат, чьи основные категории представлены на рис. 4.4. Некоторые компоненты, такие как покупка оборудования, требуют значительных начальных инвестиций, но впоследствии влекут за собой небольшие текущие расходы. Другие, такие как затраты на техобслуживание, будут с течением времени распределяться более равномерно. Чтобы объективно сравнить разные варианты, необходимо оценить суммарную стоимость всех компонентов в перспективе. Кроме того, важно учесть и другую сторону баланса, а именно различные доходы, которые будут получены при реализации инвестиций. Далее мы обсудим ряд концепций, способных помочь вам в составлении точного бизнес-кейса.
Учитывайте все затраты с течением времени
Как и с любыми инвестициями, при создании бизнес-кейса по внедрению операционной аналитики нужно принимать во внимание все затраты, а не только их основные статьи, и оценивать их исходя из всего инвестиционного цикла. Организации совершают ошибку, когда упускают из виду отдельные вполне реальные расходы, с которыми им придется столкнуться. Отчасти это объясняется тем, что некоторые статьи затрат более чем очевидны и/или конъюнктурно мотивированны, чем другие. Убедитесь, что ваши сотрудники внимательно отслеживают все расходы, даже если они стремятся сосредоточиться только на тех немногих, в которых наиболее заинтересованы. Давайте рассмотрим несколько примеров того, к чему может привести игнорирование суммарных затрат в повседневной жизни.
Гостиничные тарифы
Рядом с офисом, куда я часто ездил в командировки, находился популярный отель. Мой тогдашний работодатель платил за номер по тарифу $109 в сутки, включая завтрак и услуги Интернета. Это было выгодно, поскольку завтрак и Интернет по отдельности стоили $10. Таким образом, тариф в $109 фактически равнялся $129.
На следующий год последовало значительное снижение среднесуточной суммы командировочных, выделяемых нам на оплату отеля. Отдел организации поездок начал бронировать для нас номера по цене $99 в сутки, но уже без включения завтрака и Интернета. Когда же завтрак и Интернет добавлялись, почти все командированные стали платить по $119 в сутки. Цель компании состояла в снижении среднесуточных командировочных, и кто-то наверняка получил награду за «экономию» $10 в сутки. Другие предписания, вероятно, ударили еще по разным позициям, но в конечном счете компании пришлось заплатить больше по совокупности.
Затраты на единицу оборудования
Один клиент рассказал мне о том, как он боролся за инвестиции в компьютерное оборудование. Но единственное, что интересовало его руководство, так это цена сервера. Производительность более дорогих серверов была по крайней мере в три раза выше, чем более дешевых, тогда как по цене они различались всего на 25 %. И компания клиента собиралась потратить почти в три раза меньше только лишь потому, что для ее руководства в первую очередь была важна низкая цена сервера. Клиенту так и не удалось убедить ответственных за покупку взглянуть на ситуацию пошире, поскольку они прицепились к одной-единственной метрике. Я не знаю, чем все закончилось, но надеюсь, что здравый смысл возобладал. Упереться только в цену сервера и не принимать во внимание его производительность – проигрышная формула.
Выигрыши в телеигре
В детстве моей любимой телеигрой была «Цена правильна» (Price Is Right). Многие победители этой игры были шокированы, узнав, что выигранный ими «бесплатный» жилой автофургон облагается огромным налогом и требует дорогостоящего техобслуживания. Если сегодня участники хотят выиграть жилой автофургон стоимостью $60 000, они должны быть готовы к тому, что им придется заплатить примерно $20 000 подоходного налога и налога с продаж, а также нести большие расходы на бензин и техобслуживание. Если такие расходы участнику не по карману, то бесплатный дом на колесах становится совсем не бесплатным, верно? Участникам телеигры следовало бы узнать цену его перепродажи, чтобы убедиться в том, что, продав автофургон, формально считающийся бывшим в употреблении, по достаточно высокой цене и уплатив налоги и сборы, они получат в итоге реальный доход. Это большая ошибка – рассматривать только возможные доходы и игнорировать расходы. В качестве ремарки: вы же не думаете, что олимпийские медали в США не облагаются налогом? Американские участники Олимпийских игр налоги платят, поскольку за завоеванные медали Олимпийский комитет США выделяет им денежные премии.
Самый недооцениваемый компонент затрат
Одним из чаще всего недооцениваемых или вообще игнорируемых компонентов бизнес-кейса, подготовленного для инвестирования в инструменты и системы, поддерживающие аналитику, являются затраты на оплату труда. А учитывать их крайне важно. Все аспекты разработки, тестирования, внедрения и обслуживания операционно-аналитических процессов требуют вполне реальных затрат человеческого труда. Кроме того, таких же реальных трудозатрат требует внедрение и обслуживание аналитических платформ или набора аналитических инструментов.
Затраты на рабочую силу могут значительно вырасти, если у сотрудников организации не имеется нужных навыков и они демонстрируют низкую эффективность при разработке и внедрении необходимых процессов. Очень часто затраты на рабочую силу могут в несколько раз превысить затраты на оборудование и лицензирование. Это может быть особенно верно применительно к аналитическим процессам, которые еще не достигли зрелости и требуют повышенной заботы и подпитки. Многие операционно-аналитические процессы сегодня как раз попадают в эту категорию.
Сотрудник правительственного агентства (его имя я оставляю в тайне по понятным причинам!) признался мне, что его организация значительно сократила расходы на лицензионное ПО, распорядившись использовать технологии с открытым исходным кодом везде, где это возможно. Однако его команда в итоге потратила дополнительно миллионы долларов в связи с увеличением трудозатрат и по некоторым проектам отстала от сроков на несколько кварталов. Дело в том, что бесплатные инструменты, к которым прибегло агентство, оказались не способны заменить ранее использовавшиеся коммерческие инструменты. Мало того, что организация в итоге ничего не сэкономила, но она еще и потеряла миллионы долларов и массу времени. Нацеленность только на линейку инструментов с бесплатной лицензией завела агентство в тупик, что дорого обошлось ему с точки зрения затрат на оплату труда, хотя и позволило резко сократить затраты на покупку лицензий.
Узнайте стоимость рабочей силы
Затраты на оплату труда часто недооцениваются при оценке затрат на инвестиции в аналитику. Проще простого упустить из виду неэффективность, порожденную отсутствием навыков или удобства пользования ПО. В зависимости от проблемы один вариант может потребовать значительно больше трудозатрат, чем другой, при построении одного и того же аналитического процесса.
Наконец, есть еще одна область, где в игру вступает фактор трудозатрат, хотя подсчитать их в количественном выражении очень трудно, но они вполне реальны. Если для выполнения задачи на имеющейся платформе или при помощи имеющегося инструмента требуется больше времени в сравнении с другим вариантом, тогда это дополнительное время необходимо учесть при выборе объекта инвестиций. Помимо затрат на оплату труда, важны затраты на внедрение и текущее обслуживание, которые легко определить. Если же организация снизит свою эффективность в избранном ею варианте, то нехватка эффективности может быстро сказаться на ограничении других расходов.
Когда вы оцениваете потенциальные инвестиции, необходимо объективно оценить все расходы и все навыки, которых они потребуют (см. рис. 4.5). Исходя только из имеющегося у нее набора навыков, организация может выбрать совершенно иной путь развития, в отличие от других организаций. Как и везде, правильным ответом зачастую будет: «В зависимости от…» А без изучения сложившейся ситуации вам не сделать правильного выбора.
Факторы, изменяющие формулу
Разумеется, реалии бизнеса могут не позволить организации реализовать даже самый дешевый вариант. Например, если бюджет капиталовложений на текущий год полностью израсходован, и всем было сказано, что никакие капитальные затраты больше не будут утверждены, и точка. В этом случае придется поискать альтернативу, например использовать облачное решение или лизинг вместо покупки оборудования. Конечно, с течением времени такие варианты могут и подорожать, но повышенная долгосрочная стоимость – это та цена, которую приходится платить за жесткую экономию сегодня.
Важно понимать, что оправдан и выбор более дорогого варианта при условии полного осознания организацией того, за что она платит и с какой целью. Одно дело, когда организация сознательно решает заплатить повышенную цену, руководствуясь практическими соображениями. И совсем другое, когда организация пропускает исследование грядущих затрат и, возможно, даже сама себя дурачит, полагая, что не переплачивает, когда в реальности именно это и делает.
Масштабирование касается не только хранения и обработки
Во второй главе мы уже говорили о том, что операционная аналитика и большие данные требуют масштаба во многих измерениях – не только в хранении и обработке данных, но и касательно количества пользователей, параллелизма, безопасности, управления рабочей нагрузкой и интеграции с другими инструментами. Учитывая, что при превращении традиционной аналитики в операционную миллионы и потенциально десятки миллионов решений будут приниматься на постоянной основе, важно гарантировать, что необходимый масштаб будет применен ко всем вышеперечисленным измерениям.
Если выбранный вариант инвестирования окажется не способен поддерживать все виды масштаба, требуемые для операционной аналитики, то организация дорого заплатит за преодоление ограничений масштаба в конечной стадии проекта. Цена за придумывание обходных решений может аккумулироваться, и в худшем случае преодолеть эти ограничения окажется невозможным, так что организации придется начинать все сначала.
Приведу вам аналогию из собственной жизни. Несколько лет назад я купил дешевый триммер для прополки. Мне надо было выполоть немного сорняков у себя во дворе, и я решил, что обойдусь самой дешевой моделью, какую только смогу найти. Однако, когда я запустил триммер, оказалось, что он работает не очень-то хорошо, так что на прополку у меня ушло больше времени, чем я рассчитывал. К тому же леска у него то и дело рвалась, а менять леску на катушке было очень трудно, как и вернуть катушку на место.
В конечном итоге этот дешевый триммер обошелся мне дорого с учетом потраченного времени и его неэффективной работы. Через несколько недель я оставил напрасные попытки приноровиться к нему и купил более дорогую модель. Если бы я с самого начала думал не только о цене, но и о суммарных усилиях, которые мне придется приложить, чтобы заставить триммер работать, как я планировал, то я сразу бы сделал иной выбор. К счастью, триммер для прополки – сравнительно недорогая вещь, поэтому я усвоил этот урок с минимальными денежными потерями. Но они возрастут неизмеримо, если подобные ошибки будут допущены по отношению к инвестициям в операционную аналитику.
Рекомендации по созданию успешного бизнес-кейса
Теперь, когда мы рассмотрели некоторые соображения, которые должны войти в бизнес-кейс для аналитики, давайте обратимся к концепциям, способным повысить шансы на успешное представление кейса руководству. Создав солидный бизнес-кейс, как позиционировать его наиболее эффективно, чтобы гарантировать одобрение? Давайте рассмотрим несколько важных правил.
Не форсируйте подготовку бизнес-кейса
Не тратьте время на разработку бизнес-кейса без повода. Вместо того чтобы притягивать цифры за уши, лучше переключитесь на другую проблему. Сегодня, когда вокруг определенных подходов поднято много шумихи, можно с легкостью поддаться всеобщему ажиотажу и застрять, вновь и вновь пытаясь заставить работать бизнес-кейс. Не позволяйте блеску новых технологий, данных или инструментов, а также окружающему их ажиотажу заставлять вас руководствоваться при разработке бизнес-кейса эмоциями, а не фактами.
В 2013 г. сотрудники многих организаций по всему миру жаловались мне на трудности, с которыми они столкнулись, пытаясь обосновать значительные инвестиции в сбор данных из социальных сетей и соответственно в аналитику этих данных. Им никак не удавалось придумать способы применения такой аналитики, позволившие бы им оправдать увеличение инвестиций. У каждой организации имелся свой внешний поставщик, предоставлявший ей на высоком уровне смысловой анализ контента и анализ тенденций на основе агрегированных данных из социальных сетей. Однако организации не могли составить кейс, с тем чтобы начать собирать необработанные данные из социальных сетей для внутреннего употребления. Предполагаемая отдача от расходов на сбор данных и развитие аналитических процессов не выглядела достаточной для того, чтобы оправдать инвестиции. И все мои клиенты, с кем я разговаривал, были удручены своей неспособностью обосновать то, что, как они считали, с легкостью делали на рынке другие. Все они хотели узнать, что именно они упускают из виду.
В таких случаях я говорю своим клиентам, что им не стоит беспокоиться. Возможно, инвестирование в сбор детализированных данных из социальных сетей в текущий момент действительно не имело смысла для их организации. И, возможно, никогда не будет его иметь. Если выполненные на высоком уровне сводки, к которым организация имеет доступ, удовлетворяют ее потребности и она не может доказать необходимость увеличения инвестиций, значит, нет поводов для беспокойства. В конце концов, даже потратив усилия и средства на сбор данных, организация может столкнуться с трудностями при нахождении соответствия между аккаунтами в социальных сетях и клиентскими счетами внутренних потребителей, причем доля успешных попыток такого сопоставления остается весьма низкой. Вот почему обычно я рекомендую организациям оставить ситуацию с социальными сетями такой, как она есть, и переключить свою энергию на поиск других, более значимых аналитических возможностей.
Не поддавайтесь давлению
Отнюдь не каждый бизнес-кейс может сработать, поэтому не форсируйте его подготовку. Если определенный подход привлекает повышенное внимание на рынке, то это вовсе не означает, что его внедрение немедленно окупится для вашей организации. Сосредоточьте усилия на подготовке бизнес-кейсов, под которые вы можете легко подвести обоснование, и не следуйте туда, куда направляет вас рыночный ажиотаж.
Отчасти проблемы у моих клиентов были связаны с той большой шумихой, которая в то время поднялась вокруг аналитики социальных сетей. Создавалось впечатление, что каждый инвестировал в аналитику социальных сетей и получал от этого доход. Я же указывал в разговоре с клиентом, что подобное слышал от других организаций, схожих с его собственной, и все они полагали, что прочие обгоняют их, хотя в действительности дело обстояло иначе.
Эта ситуация напоминает мне старшие классы школы, когда казалось, что у каждого одноклассника жизнь куда более интересная, чем у тебя. На деле же бóльшая часть «интересной жизни» была основана на слухах, и другие ребята, вероятно, так же завидовали мне и моей жизни. В старших классах никто не хочет оказаться в отстающих, и точно так же происходит и в мире бизнеса. Не поддавайтесь давлению с целью получить одобрение бизнес-кейса, которого не существует. Лучше сосредоточьте свою энергию на создание бизнес-кейсов в таких областях, где, по вашему убеждению, ценности существуют, и вы можете это доказать.
Чтобы добиться успеха, начните с малого
Как мы уже говорили в начале этой главы, способ, посредством которого инструменты и технологии применяются для создания аналитических процессов, позволяет сегодня начинать с гораздо меньших инвестиций и затем на их основе развиваться дальше. Этот момент настолько важен, что я рассматриваю его с разных сторон в своей книге «Укрощение больших данных» и в своем постоянном блоге для Международного института аналитики и в блоге для Harvard Business Review. Здесь же я хочу рассмотреть несколько ключевых тем.
Что вам действительно нужно доказать?
Не заходите слишком далеко в первоначальном продвижении нового операционно-аналитического процесса. Первым делом вам нужно просто доказать жизнеспособность идеи. Не нужно с самого начала предлагать готовый к эксплуатации полномасштабный процесс. Начните с малого, чтобы продемонстрировать ценность этого подхода, а затем используйте приобретенные знания для создания более эффективного процесса.
Одна из причин, почему люди не любят начинать с малого, вызвана так называемым эффектом якорения, о котором я впервые узнал из книги Дэна Ариели «Предсказуемая иррациональность» (Predictably Irrational). Чтобы проиллюстрировать эту концепцию, приведу следующий пример. Представьте себе комнату, полную людей. Я вывожу половину из них в холл и сообщаю им, что сегодня собираюсь пригласить на обед 10 человек, после чего возвращаю их в комнату. Затем вывожу в холл другую половину и говорю им, что сегодня после обеда поеду в аэропорт, где помимо меня будет находиться еще 10 000 человек. Когда все возвращаются в комнату, я ставлю на стол банку с леденцами и прошу присутствующих угадать их количество. Вот здесь и начинается самое интересное.
Те, кто услышал от меня цифру 10, называют в среднем более низкие цифры, чем те, кто услышал от меня цифру 10 000. Это никак не связано с реальным количеством леденцов в банке. Причина в том, что сознание людей «заякорилось» на услышанной ими цифре 10 или 10 000. В результате люди из первой группы начинают с цифры 10 и постепенно движутся в сторону увеличения, пока не придут к тому числу, которое кажется им соответствующим количеству леденцов в банке. А люди из второй группы начинают с 10 000 и движутся в сторону уменьшения. Такой психологический трюк разыгрывает с нами наше сознание.
То же самое происходит с большими данными и операционной аналитикой. Эти термины звучат устрашающе. Наш разум сосредоточивается на большой, сложной, масштабной аналитике. В результате, когда мы задумываемся о том, с чего начать, наш разум склонен выбирать очень сложные и очень трудные пути. Мы стремимся сразу же достичь конечного состояния, вместо того чтобы сосредоточиться на первых шагах, которые приведут к этому состоянию.
Здесь крайне важно видеть перспективу. Нам не нужны все данные за все годы эксплуатации по каждому элементу оборудования, чтобы определить возможности предупредительного техобслуживания. Что нам нужно, так это достаточное количество данных за достаточный период времени по достаточному количеству элементов оборудования, чтобы выявить шаблоны и оценить общую амплитуду этих возможностей. Вместо того чтобы начинать с масштабного проекта, начните с пилотного или проверьте концепцию на подмножестве данных. Это позволит вам доказать, что идея жизнеспособна и может принести доход. Одновременно выстраивайте окончательный бизнес-кейс по мере того, как будете узнавать о действиях, которые нужны для создания окончательного операционного процесса, и о проблемах с данными и процессом, которые придется принять во внимание. Все это поможет вам разработать грамотное инвестиционное предложение. Используйте результаты пилотного проекта для обоснования более крупных инвестиций. Только не позволяйте своему разуму попасть в ловушку якорения на чем-то очень масштабном.
Смиритесь с некоторой неопределенностью
При вступлении в новые области, такие как большие данные и операционная аналитика, вам придется столкнуться с гораздо большим количеством неведомого, чем при развитии бизнес-кейса. Кроме того, при реализации новой инициативы в масштабах операционной аналитики вам придется опираться на множество предположений. Они включают как очевидные, например насколько хорошо будет работать аналитика или насколько точными будут данные, так и менее очевидные, например насколько эффективно результаты аналитики будут внедрены в деятельность организации и восприняты ею. Скажем, если степень сопротивления на уровне корпоративной культуры окажется выше или ниже, чем вы предполагали, это может значительно сказаться на конечном воздействии операционной аналитики.
Вспомните, как в первой главе мы обсуждали пример использования сложной аналитики с целью оптимизации ежедневных маршрутов для водителей. Если водители примут эти изменения и скорректируют свои привычные маршруты, чтобы экономить несколько миль ежедневно, то отдача будет весомой. Но если водители станут сопротивляться и выполнять лишь небольшую часть рекомендаций, то отдача будет гораздо меньше возможной. Заметьте, что отсутствие воздействия никак не связано с мощностью, точностью и потенциалом собственно аналитического процесса. Просто водители решили не пользоваться рекомендациями. Это уже вопрос соблюдения корпоративной культуры. Подробнее мы обсудим его в девятой главе.
Очень важно, чтобы организация понимала все предположения, на которые ей приходится опираться, и учитывала все риски, которые могут не поддаваться количественной оценке или плохо определяться. В такой новой области, как операционная аналитика, зачастую невозможно оценить все предположения с такой же точностью, как в других бизнес-кейсах. Во многих бизнес-кейсах за основу берется типичная ситуация, с которой уже не раз сталкивались в прошлом и которая поэтому хорошо понятна. Например, представьте, что вам нужно разработать предложение о вложении инвестиций в новый производственный процесс, предназначенный для производства 50-й по счету модификации какого-либо продукта. В этом случае вы будете вполне уверены в предположениях о том, как будет работать оборудование, насколько стабильно станет функционировать производственная линия и как персонал адаптируется к новому процессу. Ведь в прошлом то же самое было проделано уже 49 раз.
Ограничьте неопределенность
Даже если сотрудники не могут договориться о точности предположений вследствие неопределенности опорных фактов, вы все равно сможете запустить бизнес-кейс в работу. Если вы продемонстрируете, что все обсуждаемые предположения указывают в одном направлении, то можно будет двигаться дальше, договорившись о получении не конкретной ценности, а о диапазоне ценностей.
Новые же и инновационные идеи всегда характеризуются повышенной неопределенностью. Поэтому бывает трудно убеждать организацию принять некоторые не очень определенные предположения. Одни руководители заявляют, что не видят опасности в том, что организация плохо воспринимает и принимает новый процесс. Другие, более агрессивные, будут утверждать, что сотрудники примут новый процесс полностью. Как вам преодолеть такое расхождение во мнениях и получить одобрение?
Один из способов – показать, что широкий диапазон разумных предположений указывает в одном направлении, т. е. инвестирование будет умным ходом. Даже если неопределенность не удастся устранить полностью, докажите, что ее влияние не создаст проблем. Если одного руководителя устраивает степень согласия на уровне 80 %, а другого – на уровне 50 %, но при обоих этих допущениях будет достижим положительный эффект, то руководители могут остаться при своих взглядах и не согласовывать расхождение в предположениях, а спокойно двигаться дальше. Со временем, чем больше организация будет использовать аналитику, тем легче будет руководителям совершать своего рода прыжок веры. Людям легче принять некоторую неопределенность, если они уже сталкивались с подобной ей в прошлом, когда все сработало превосходно.
Выбор широкий, поэтому выбирайте по-умному
Когда организация планирует инвестиции в аналитику, необходимо просеять все возможные варианты применения аналитики и решить, на которых нужно сосредоточиться. Даже если организация составила список из 100 сильных операционно-аналитических процессов, которые ей хотелось бы внедрить в текущем году, то сделать это будет попросту невозможно. Поэтому необходимо расставить приоритеты и сократить список до такого количества, которым можно управлять с учетом изменения бизнес-процессов и наличия ресурсов. Невозможно осуществить все и сразу.
Попробуйте раз в квартал или в год организовать сбор предложений от рабочих групп и аналитических команд о возможностях, ради которых стоит создавать кейсы. Собрав все великие идеи, садитесь за стол переговоров и начинайте их просеивать. Задайте следующие вопросы:
• Какие идеи столкнутся с наибольшими внутренними или внешними бюрократическими препятствиями?
• Какие из них слишком ограниченны, чтобы обладать достаточным потенциалом?
• Какие из них согласуются с долгосрочными корпоративными приоритетами?
• Какие из них основаны на уже имеющихся данных и навыках?
• Какие из них бизнес-команда считает наиболее приоритетными?
После обсуждения вариантов решите, какие из них стоят разработки бизнес-кейса. Определите количество вариантов, которые можно будет внедрить на протяжении текущего года, и зарезервируйте еще несколько на случай, если бизнес-кейсы не сработают для некоторых вариантов. Начиная с изучения всех возможностей можно по мере их сокращения обрести уверенность в том, что выбор сделан правильно.
Пример правильного подхода
Несколько лет назад мой клиент, ретейлер из Европы, захотел включить истории просмотра веб-страниц в профили своих клиентов, чтобы улучшить прямой маркетинг и кастомизацию своих веб-сайтов. Стоимость проекта была оценена в несколько миллионов евро, и команда ретейлера безуспешно пыталась добиться его одобрения. В такой ситуации многие команды предпочитают либо сдаться, либо проталкивать один и тот же план квартал за кварталом, пока не получат одобрения. В обоих случаях возможности будут либо упущены, либо реализованы с большим отставанием.
Но эту команду посетило озарение. Ее члены осознали, что действительно, для того чтобы собрать истории просмотра веб-страниц всеми клиентами на всех многочисленных сайтах компании, потребуется вложить несколько миллионов евро. При этом руководство не задавалось вопросом, сработает ли идея, поскольку не понимало, какую выгоду это может принести компании. Тогда команда решила сделать следующий умный шаг.
Члены команды определили пару самых популярных продуктовых линеек на одном из веб-сайтов компании и на протяжении нескольких месяцев собирали данные об истории просмотра клиентами веб-страниц только с этими продуктовыми линейками. Затем осуществили несколько тестов в рамках пилотного проекта. Благодаря значительному сокращению первоначального масштаба проекта объем данных тоже заметно сократился, и команда сумела использовать существующие аналитические инструменты и технологии при небольших трудозатратах. В итоге команда смогла доказать, что, например, последующая отправка электронных писем тем клиентам, которые просматривали страницу с товаром, но не купили его, приносит солидную доходность. Суммарно по результатам тестирования в рамках пилотного проекта она составила 800 % за пять месяцев.
Затем команда вновь обратилась к правлению компании и объяснила, что 800 % доходности в рамках пилотного проекта были получены в течение всего нескольких месяцев с использованием имеющихся в наличии инструментов, технологий и персонала. Если же создать такие же процессы для всех веб-сайтов, продуктов и клиентов компании, то возникнет очень впечатляющая перспектива, достойная обсуждения. Далее команда указала, что оценки касались только начального уровня, поскольку были использованы лишь немногие записи в блогах и только самые простые идеи были протестированы на полученных данных. У членов команды имелась масса других идей по поводу использования еще не протестированных данных. И хотя их доходность сложно было спрогнозировать в количественном отношении, но она только добавилась бы к результатам пилотного проекта. А поразившие всех количественные показатели пилотного проекта представляли собой лишь нижнюю планку ценности, а не ее ожидаемую величину и уж тем более не ее потолок, который можно достичь при основной рассылке рекламы в полном размере. Наконец, члены команды сообщили, что теперь, поработав с данными и лучше их поняв, они смогут снизить риски при основной рассылке, поскольку стали намного увереннее в своих рабочих расчетах.
Располагая такими фактами, команда с легкостью добилась одобрения. Руководство с воодушевлением инвестировало в ее инициативу, будучи уверенным в том, что доходность будет обеспечена, поскольку была обоснована. Инвестиции уже не рассматривались как рискованные огромные расходы с неведомой компенсацией через сколько-то месяцев. Более того, инвестиции расценивались как разумное вложение, которое, как все знали, должно будет окупиться. Причем руководство, возможно, было готово выгребать деньги из закромов быстрее, если бы это позволило ускорить реализацию проекта.
Обратите внимание на то, что ретейлер начал с малого и выстраивал бизнес-кейс поэтапно. В завершающей фазе были не просто масштабированы результаты аналитики конкретных продуктов, включенных в скромный по размерам пилотный проект, – в кейсе были учтены все расходы, в том числе текущие затраты на оплату труда. При этом, как я рекомендовал в начале данной главы, команда обрисовала более полную картину того, чтó она стремилась реализовать. Преимущество такого подхода состоит в том, что он позволяет переместить фокус с затрат на отдачу.
Подведем итоги
Наиболее важные положения этой главы:
• Создавайте кейс для решения конкретной бизнес-проблемы, а не для покрытия затрат на проект. Создайте партнерство ИТ и бизнеса.
• Создавайте кейс для аналитики, способный стать конкурентным дифференциатором, а не просто средством незначительных улучшений существующих аналитических процессов.
• Доказывайте обоснованность концепции, а не кейса. Подтверждая концепцию, продемонстрируйте потенциал подхода более широкого класса. Не пытайтесь доказать только ценность ограниченного масштаба, присущего пилотному проекту.
• При инвестировании в сбор данных используйте разные критерии, включая время инсайта, которые учитывают удобство использования и гибкость вариантов в дополнение к производительности обработки.
• При переводе традиционной аналитики в операционную, если это необходимо, пожертвуйте функциональностью инструментов и удобством для пользователя ради масштабируемости и простоты интеграции.
• Разделяйте собственную ценность аналитики и дополнительную ценность, создаваемую конкретным инструментом или технологией при генерации результатов анализа.
• Определите и примите в расчет все виды затрат, связанных с инвестированием в аналитику, по прошествии времени и с объективной точки зрения. Не зацикливайтесь на отдельных позициях.
• Обратите особое внимание на текущие затраты на оплату труда, связанного как с обслуживанием, так и с созданием и тестированием аналитических процессов. Трудозатраты чаще всего игнорируются или серьезно недооцениваются.
• Убедитесь, что в бизнес-кейсе учтены различные параметры необходимого масштабирования. В противном случае ликвидация разрывов приведет к дополнительным издержкам или же вообще придется начать все сначала.
• Не форсируйте подготовку бизнес-кейса, если его нет. Усердно продвигаемый метод подойдет отнюдь не каждой организации прямо сейчас (если вообще подойдет).
• Начните с малого и используйте целевые пилотные проекты для получения осязаемых результатов. Не нужно полностью внедрять аналитический процесс, чтобы доказать его ценность.
• Смиритесь с тем, что новые инновационные инициативы всегда несут в себе много неопределенности. Если нельзя достичь согласия касательно некоторых предположений, просто покажите, что все рассматриваемые предположения указывают в одном направлении.
