Революция в аналитике. Как в эпоху Big Data улучшить ваш бизнес с помощью операционной аналитики - Билл Фрэнкс

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.

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.

В последние годы аналитический ландшафт все более усложняется. В сегодняшнем мире операционной аналитики совсем не так просто выбрать аналитические инструменты и базы данных. Появилось много новых инструментов и технологий, которые можно включить в современное аналитическое окружение. Эти технологии включают в себя нереляционные платформы, такие как Hadoop, платформы для обнаружения данных, поддерживающие как реляционные, так и нереляционные данные, а также их обработку, аналитика оперативной памяти, аналитика на основе графического процессора, обработка сложных событий и встроенные аналитические библиотеки. Мы поговорим о каждой технологии более подробно.

Со временем дальнейшая интеграция сделает аналитическое окружение еще более цельным и простым в использовании. Но сегодня приходится иметь дело с разнообразием компонентов в аналитической платформе. Главное здесь – надежно настроить платформу в целом так, чтобы она могла удовлетворять все ваши аналитические потребности. Причем и насущные, и те, чье появление предвидится в ближайшие несколько лет.

Для успеха операционной аналитики необходимо соединить компоненты разным образом и без изъятий, как в прошлом, чтобы создать отдельное единое аналитическое окружение, которое можно масштабировать с целью управления любым типом и объемом данных для любого вида анализа. Это может показаться невыполнимой задачей, но сегодня рынок развивается стремительно, так что задача стала уже вполне осуществимой. В этой главе мы рассмотрим, как извлечь пользу из всех вариантов и правильно разместить аналитическую платформу, которая будет выполнять все требования операционной аналитики.

Прежде чем мы начнем, обратите внимание на то, что рынок изменяется крайне быстро. Эта глава была написана в начале 2014 г., и, хотя бо́льшая часть содержания книги не слишком чувствительна к фактору времени, не исключено, что кое-какой представленный в данной главе материал получит развитие к тому моменту, когда вы будете читать книгу. Общие концепции останутся актуальными еще долгое время, но, возможно, вам придется адаптировать некоторые специфические моменты с учетом новейших разработок инструментов и технологий и с учетом предложений, появившихся на рынке.

Планирование и внедрение аналитической платформы – непростая задача. В этом разделе мы рассмотрим несколько подходов и концепций, которые должны быть рассмотрены в ходе процесса планирования.

Клиенты часто удивляются, когда я говорю им о том, что операционализация аналитики не является собственно технологической проблемой{42}. Хотя существующие сегодня технологии позволяют обрабатывать подавляющую часть больших данных и удовлетворять потребности в операционной аналитике для подавляющей части организаций. Да, всегда встречаются нестандартные ситуации, но, пожалуй, все, что требуется вашей организации для успешного внедрения операционной аналитики в плане технологий, сегодня доступно на рынке. Если это так, почему тогда во многих организациях технологии рассматриваются как ключевая проблема?