Data-driven management на пятерку: три главные ошибки на пути к умным решениям

Один из крупнейших деятелей в области управления качеством Уильям Эдвард Деминг сказал: «Пока у вас нет данных, вы просто человек с собственным мнением». Другими словами, любое решение нужно принимать на основе объективной информации. Именно на это и направлен подход data-driven management (управление на основе данных, DDM) — собрать в едином хранилище данные о ключевых бизнес-процессах, применить к ним алгоритмы data science и машинного обучения, определить скрытые паттерны и тренды, получить ценные инсайты, заработать миллиард.

Внедрить DDM в свою практику может организация любого масштаба и профиля. Так почему же Google, Amazon, Facebook и Netflix смогли поставить этот подход себе на службе, а другие компании терпят неудачу? К сожалению, в погоне за очередной модной технологией менеджеры допускают ошибки, которые сводят к нулю весь положительный эффект. Пройдемся по этим подводным камням. 

Курс «Data-driven management»
Идет набор в группу 6 300₽ в месяц

Ошибка №1. Знать не знаю, и знать не хочу

Пожалуй, главная ошибка при внедрении DDM — это… не внедрять DDM. Многие топ-менеджеры игнорируют новые технологии из-за отсутствия денег на проекты, нежелания тратить время или отвлекать сотрудников, а то и просто из-за ретроградного мышления.

Однако если вы ведете бизнес вслепую или по устаревшим методам, вы неизбежно проиграете более расторопным конкурентам. Пока ваши сотрудники готовят ежемесячные отчеты, другие компании работают с real-time информацией и принимают десять решений за один рабочий день. У вас один отдел не знает, чем занимается соседний, а у них все специалисты взаимодействуют в едином информационном поле, помогая друг другу взглянуть на проблемы под новым углом.

Отметим, что на данный момент шесть из 10 организаций попадают именно в категорию отстающих, полагаясь в делах не на сухие факты, а на чутье и интуицию. Следовательно, компании, которые решаются на инновации, могут быстро получить рыночное преимущество. Разумеется, если избегут завышенных ожиданий от новых технологий. Успех зависит не от объема корпоративных хранилищ, а от правильно выстроенных процессов — в архаичной организации новый сервер погоду не сделает.

Курс «BI: автоматизируй аналитику»
Идет набор в группу 4 200₽ в месяц

Ошибка №2. Горшочек, не вари

Нетрудно догадаться, что научившись работать с информацией, компания захочет предельно масштабировать возможности — охватить максимум данных, анализировать все, всегда и везде. IT-департамент строит DWH вселенских масштабов, производственные департаменты открывают вакансии экспертов по Data Science, пиарщики выбивают гендиректору выступления на инновационных форумах.

А на самом деле между объемом анализируемых данных и реальной пользой для бизнеса нет линейной связи. Если 100 гигабайт информации дали вам +10% к выручке, терабайт не обеспечит 100%. Как мы уже говорили, дело не в железе, а в умении им распоряжаться.

Чтобы DDM-технологии принесли ощутимый результат, аналитическим системам не обязательно скармливать весь объем информации — можно применить метод семплирования. Это случайная выборка, которая проходит дополнительные процедуры очистки и проверки на корректность. В полученных данных основную пользу представляют медианные показатели — в соответствии с нормальным распределением, в среднюю область попадает наибольшая часть показателей. Таким образом, если вы забираете из базы действительно случайные данные, объем их не играет критического значения. 

Эксперты по DDM также отмечают, что наибольшее значение для организации имеют первые полученные результаты. Объяснить это несложно, если вспомнить, что эти технологии в принципе направлены на уменьшение доли неизвестного в бизнес-процессах. Максимальное ее значение приходится на то время, когда компания действует вслепую.

Уже первые результаты аналитики обеспечивают колоссальный объем полезной информации, а решения, которые принимаются на его основе, имеют несравнимо высшую ценность, чем все предпринятые ранее действия. Следовательно, компании, которая внедряет в своей деятельности подход DDM, нужно всячески стремиться именно к этим первым результатам.

partfolio_ds
Специализация Аналитик Данных
Идет набор в группу 6 900₽ в месяц

Ошибка №3. Палата мер и весов

Представим, что ваша компания грамотно реорганизовала свою деятельность, установила источники ценной информации и их взаимосвязь с ключевыми бизнес-показателями. Теперь каждый департамент знает свой вклад в выручку и работает по системе KPI. У сотрудников повышается мотивация — приятно трудиться в прозрачной компании, четко понимая, как ты помогаешь команде.

Проходит время, и прибыль начинает падать. Руководство проверяет выполнение KPI — все в порядке. Попробовали поднять планку — сотрудники справились, а денег все меньше. В чем дело? Вы ошиблись в выборе метрик и сконцентрировались на неправильных показателях.

Если привязать ФОТ департамента продаж к количеству звонков, сотрудники перестанут думать о качестве каждого контакта с клиентом. Если завод должен с каждым месяцем выдавать все больше деталей, в продукции будет все больше брака. Если полицейские обязаны раскрыть N-ное количество преступлений… вы поняли логику.

Золотое правило — целевые показатели должны завязываться на качество финального продукта. Работники всегда будут искать способ «обмануть систему», чтобы повысить свою зарплату. В ваших интересах выстроить такую схему, чтобы даже «читерское» завышение показателей положительно сказывалось на эффективности компании.

Резюме

Итак, оценим, чего добьется ориентированная на DDM компания, которая последует нашим советам:

  • Ее руководители поняли важность данных и не испугались новых технологий. В то же время, они не ударились в слепую технократию, а сосредоточились на создании data-drive культуры. В результате организация улучшила свои процессы, избавилась от лишних звеньев в производственных цепочках и получила лучшее представление о своем бизнесе.
  • Компания определила нужный ей объем данных и целенаправленно сконцентрировала усилия на первых результатах. Эта информация помогла разработать KPI, привязанную к действительно важным действиям. Сэкономленные средства топ-менеджмент пустил на премии работникам.
  • С новыми показателями эффективности сотрудники работают с большей мотивацией, а бизнес-аналитики оперативно распознают узкие места в процессах и могут связать падение прибыли с действиями конкретных подразделений.

Разумеется, это «DDM для начинающих», стартовый набор, который нужно развивать, настраивать и достраивать. Об этом мы рассказываем на курсах по data-driven management. Главное, что нужно помнить, начиная этот путь — правильные первые шаги определяют успех всего проекта. Если вы избежите «детских» ошибок, вам не придется через года-два-три перестраивать все здание с нуля.

Поделиться:
Опубликовано в рубрике Product ManagementTagged , ,

SkillFactory.Рассылка