Автор: Владислав Пинчук, консультант по управлению и финансам компании "Ключевые решения".
Работой с данными занимается такая широкая дисциплина как Data Science. Я бы сказал, что Data Science - это наука о том, как перевести огромные объемы данных в понятные гипотезы, идеи и тенденции, которые помогают компании принимать ключевые решения.
Сам по себе анализ данных не является чем-то новым, т.к. аналитика данных существовала и 20 лет назад, когда наша компания только создавалась. Вот что действительно изменилось за это время, так это количество данных, которые можно проанализировать. 20 лет назад нам не хватало данных, программы были дорогими и сложными в использовании, сейчас же существует огромное количество данных, которые можно анализировать и хранить. Данные доступны из самых разных источников: из файлов журналов, электронной почты, социальных сетей, данных о продажах, файлов с информацией о пациентах, данных о спортивных результатах, данных датчиков, камер наблюдения и многих других.
В то же время, когда доступно больше данных, чем когда-либо, у нас есть вычислительная мощность, необходимая для проведения полезного анализа и выявления новых знаний. Именно сейчас данные становятся еще одним ресурсом, которым обладает организация, кроме всем известных и классических: труда, земли и капитала. В современном мире важность данных постоянно возрастает, однако пока далеко не все организации осознают, насколько ценными могут быть данные.
По данным Accenture и Qlik существуют следующие причины недостаточного использования данных в деятельности организаций:
- Несмотря на то, что все понимают важность данных, сотрудники не используют их в принятии решений. Лишь 37% сотрудников доверяют своим решениям больше, когда они основаны на данных, и около половины принимают решения исключительно на основе интуиции. При этом среди топ-менеджеров таких людей около двух третей.
- Прокрастинация. Несмотря на то, что около половины сотрудников все-таки принимают решения на основе данных, 74% сотрудников не нравится работать с данными. По данным Accenture и Qlik это приводит к потере в среднем более пяти рабочих дней (43 часа) на одного сотрудника.
- Переоценка топ-менеджментом уровня работы с данными в компании. Три четверти топ-менеджеров уверено, что у сотрудников достаточно способностей для того, чтобы работать с данными, при этом их позицию разделяет лишь половина менеджеров среднего звена.
Для того, чтобы внедрить работу с данными на высоком уровне, в организации нужно вводить следующие роли специалистов по работе с данными:
- Бизнес-пользователи
Это большинство сотрудников компании, которые будут смотреть соответствующие данные и действовать быстро. Этим людям нужна довольно простая информация, представленная в доступной форме, которая позволяет им принять лучшее решение. Эти сотрудники не будут тратить время на анализ информации, если это не влияет напрямую на то, как они выполняют свою работу. - Пользователи-аналитики
Эти сотрудники работают с BI инструментами, которые ищут взаимосвязи и предоставляют расширенную аналитику для бизнес-пользователей. - Пользователи-архитекторы данных
Пользователи, которые помогают Data Scientist разработать новую логику в модели, найти новые сценарии, новую логику для оптимизации. - Data Scientist
Это архитекторы данных, которые занимаются разработкой модели данных, которые используют пользователи. - DATA CHAMPION
Эта роль предполагает работу со стейкхолдерами, руководителями отделов, чтобы обеспечить полноценное использование данных в организации. При этом делая так, чтобы данные оставались понятными для пользователей.
Данные роли есть в организациях, которые находятся на высоком уровне работы с данными, однако большинство организаций находятся на более ранних стадиях работы с данными.
Можно выделить следующие стадии работы с данными:
- Неструктурированный массив данных – данных может быть много или мало, но они с трудом собираются, в них ничего не возможно понять, так как структура отсутствует. Этот массив данных может быть локализован в 1С и выгружаться в Excel, но аналитика практически не ведется.
- Структурированный массив данных. В данных появляется структура, эти данные уже можно анализировать, заводятся справочники, подключается CRM система. При принятии решений могут использоваться финансово-экономические модели.
- После разработки ТЗ на разработку BI-аналитики происходит построение системы BI-аналитики. Данная система может быть разработана в каком-то из известных BI-приложений Power BI, Tableau или Qlik View.
- На основе предыдущих этапов производится выделение системы факторов и гипотез, которые будут внедрены в оптимизационный алгоритм на следующей стадии.
- Загрузка выведенных систем факторов и гипотез в специальные программы (солверы на языке AMPL) и выдают оптимизационные решения для бизнеса.
Данные стадии можно отобразить на такой схеме
За 20 лет существования «Ключевых решений» потребности компаний изменились. Если раньше мы помогали компаниям перейти из стадии 1 в стадию 2, то сейчас мы отмечаем рост запроса на переход в стадии 3, 4 и 5. Это стало возможным, поскольку в современном мире организации могут использовать почти неограниченный объем данных, доступный им в настоящее время все большим числом способов.
Если бизнес не знает свои расходы, он не уменьшит их; если бизнес не будет понимать своих клиентов, то не увеличит свою прибыль. Первое, что нужно сделать любой компании на пути к эффективной системе работы с данными — это сбор максимального количества релевантных данных. Когда данные собраны — заархивируйте и сохраните их.
Не стирайте старые данные, думая, что они вам больше не пригодятся, потому что данные никогда не устаревают, они актуальны, даже если им 100, 200 лет. Они связаны с Вами, Вашим бизнесом и Вашим успехом. Храните данные, записывайте их, архивируйте, следите, чтобы ничего не пропало. Возможно, эти данные вам не понадобятся сейчас, но очень понадобятся через 20 лет, когда вы будете анализировать их чтобы найти свое ключевое решение.
Вам может понравится прочитать и эти материалы