Что такое data-driven подход? ТОП-6 причин, которые мешают компаниям внедрить управление на основе данных

Подход обеспечивает четкую фокусировку деятельности и измеримость прогресса, но требует поддержки BI-систем для мониторинга. При неграмотном внедрении ориентация только на цифры может снижать гибкость и качество процессов.

***

Для компаний сегодня важно сочетать гибкость и способность быстро реагировать на изменения со структурированным подходом, аналитикой и регулярной оценкой измеримых результатов деятельности.

Такое сочетание обеспечивает data-driven подход или управление на основе данных.

Data-driven подход к управлению

Data-driven подход к управлению или Data Driven Decision Making (DDDM) — это принятие стратегических и операционных решений, которые обоснованы данными.

Обоснованное решение — это взвешенное решение, которое использует данные как инструмент понимания и оценки, а не как замену мышлению.

Управление на основе данных не исключает интуицию, опыт и стратегическое видение.

Это не следование цифрам «вслепую», а скорее способ осмысленного управления, где данные усиливают видение, прозрачность процессов и согласованность действий.

Что значит быть data-driven компанией?

• Операционная модель: данные как актив

Data-driven управление начинается с признания того, что данные — это стратегический актив, а не просто набор цифр для отчетов.

Например, в компании-ритейлере важно назначить владельцев данных по ключевым областям: продажи, запасы, логистика. Каждая команда должна нести ответственность за качество и развитие своих данных и инструментов аналитики, а эффективность использования данных отслеживается по метрикам.

• Данные встроены в каждое решение и процесс

Данные используются системно, в каждой точке принятия решений: от стратегических решений топ-менеджмента, до операционной деятельности. В компании осуществляются постоянные мероприятия в области Data Quality — повышения качества данных, чтобы обеспечить их надежность, актуальность, корректность.

В отделе продаж решения принимаются не по наитию менеджеров, а на основе исторических данных о маржинальности, сезонности и предпочтениях клиентов. Маркетинг запускает кампании, основываясь на поведенческой аналитике. Производство прогнозирует объемы выпуска по данным реализованных заказов и спроса, а не по планам «на глаз».

• Аналитика интегрирована в корпоративную культуру

В компании осознают важность Data Literacy — грамотной работы с данными, навыков анализа и способности трансформировать инсайты из данных в решения.

Сотрудники проходят регулярное обучение работе с данными. Введена должность CDO (Chief Data Officer), который становится стратегическим партнёром бизнеса, а не просто контролером качества данных.

CDO должен участвовать в стратегических сессиях наравне с CEO и CFO, рассчитывать ROI проектов аналитики и определять приоритеты развития.

• Сбор и аналитика данных автоматизированы

В компании нет ручной обработки данных. Процессы сбора, обработки и визуализации данных автоматизированы и происходят в режиме реального времени. Для этого внедрены инструменты аналитики данных, BI-платформы, хранилища данных. Больше нет необходимости выбирать между скоростью и глубиной анализа.

Каждая транзакция в e-commerce автоматически попадает в DWH и визуализируется в BI-дашборде по расписанию. Руководители отделов получают автоматические отчеты по email каждое утро, включая отклонения и прогнозы.

• Хранилища данных обеспечивают единую версию правды

В компании внедрено DWH — корпоративное хранилище данных, которое выступает единым репозиторием исторических и текущих данных. Оно обеспечивает демократизацию данных — равный доступ к данным для всех сотрудников, при этом исключая человеческий фактор при операциях с данными.

Что такое Data Warehouse и как оно помогает экономить бизнесу?

Финансовый отдел, продажи и маркетинг используют одни и те же показатели LTV (Lifetime Value, пожизненная ценность клиента), ARPU (Average Revenue Per User, средняя выручка на одного пользователя) и CAC (Customer Acquisition Cost, стоимость привлечения клиента), рассчитанные по стандартизированной формуле. Благодаря единому источнику данных в виде DWH, каждый отдел своевременно получает BI-отчеты с одинаковыми показателями.

• Гибкость, адаптивность, прогрессивность

Одной из важных характеристик data-driven компании является ее способность быстро адаптироваться к меняющимся условиям.

Компаниине ограничиваются ретроспективным анализом, они прогнозируют будущее, постоянно оптимизируют процессы, стартуют Big Data проекты, используют ML и ИИ.

Какие проблемы мешают компаниям перейти на data-driven управление, и что делать

Несмотря на то, что в современном мире data-driven управление — логичный эволюционный шаг любой компании, не всем удается перейти на новый уровень.

Преуспевают в изменениях в основном крупные компании, собирающие большой объем данных и способные выделить достаточное количество ресурсов.

Рассмотрим основные факторы, которые влияют на скорость и результаты внедрения управления на основе данных.

Плохое качество данных и недоверие к ним

Сегодня компании собирают огромные объёмы данных, большая часть которых неструктурированная: текстовые файлы, видео, аудио, e-mail, изображения. Эти данные — распределенные, децентрализованные, противоречивые — становятся все более сложными в управлении.

Специалисты тратят недели на их ручную очистку и структурирование, что замедляет процессы и приводит к ошибкам. Ошибки снижают доверие к данным по всей компании.

Решение:

• Назначить владельцев для каждого ключевого набора данных (data owners / stewards)
• Проводить регулярную очистку, нормализацию и верификацию данных
• Создать единый источник правды для всех ключевых данных — DWH или Data Lake
• Вести Data lineage — жизненный цикл каждого набора данных, от возникновения до трансформаций и использования в конечном приложении
• Настроить правила валидации данных (validation rules), автоматические триггеры в БД, ETL-сценарии
• Ввести KPI для отслеживания качества данных, мониторить их в BI
• Обучать пользователей Data Literacy — культуре работы с данными

Подготовили для вас чек-лист, который поможет повысить качество данных и доверие пользователей к ним. Проверьте, соблюдены ли все перечисленные пункты:

Низкая вовлеченность топ-менеджмента в проект

Обычно инициативы по внедрению data-driven начинается в отдельных, наиболее прогрессивных подразделениях компании. Из-за технических нюансов и личностных особенностей руководства их редко удается масштабировать на всю компанию.

Топ-менеджмент считает, что центром принятия решения в данном случае должен стать ИТ-отдел, ИТ-отдел не может реализовывать такой масштабный проект без поддержки и содействия менеджмента. Инициативы остаются внутри подразделений.

Решение:

• Сформулировать для топ-менеджмента бизнес-эффект от внедрения подхода и продемонстрировать его через быстрые победы (quick wins)
• Провести четкую оценку проекта и подготовить дорожную карту, где четко расписаны все этапы, затраты, команды проекта

Предпроектное обследование для внедрения BI, DWH, MDM — разработаем требования к решению под ваши уникальные задачи и рассчитаем стоимость

• Найти data-амбассадора из числа топов и привлечь маркетинг к продвижению Data Literacy среди сотрудников
• Вовлекать руководителей в пилотные проекты и тестирование

Сила HiPPO (Highest Paid Person’s Opinion)

Концепция HiPPO уже была описана нами выше. При таком подходе решения принимаются на основе авторитета руководителя, а не фактов, и любые нововведения отдел HiPPO игнорирует.

Решение:

• Вовлекайте HiPPO в обсуждение гипотез, KPI, логики, тогда результат будет восприниматься как совместное решение
• Продемонстрируйте визуализацию данных на живом примере, чтобы руководитель наглядно оценил простоту анализа
• Найдите союзника на уровне C-level — руководителей высшего звена, который сможет замотивировать даже HiPPO

Страх команды перед изменениями

Разные отделы могут по-разному трактовать цели проекта по внедрению data-driven управления и культуры работы с данными.

Для некоторых руководителей внедрение может стать проблемой из-за страха прозрачности процессов, обнаружения их ошибок и недоработок.

Сотрудники могут отказываться от использования новых технологий из-за страха неудачи.

Почему сотрудники не пользуются BI, и как мягко адаптировать пользователей к инновациям?

Решение:

• Внедрить единые правила, стандарты, регламенты по работе с данными
• Провести рабочие сессии для согласования ожиданий и требований
• Проводить регулярное обучение сотрудников и организовать внутреннюю техподдержку
• Работать над корпоративной культурой, в которой ошибки считаются окном для роста, а не поводом для увольнений

Нехватка аналитических навыков и Data Literacy у сотрудников

В большинстве компаний не оцифрованы процессы, некорректно настроены информационные системы, постоянно возникают ошибки в данных, потому что только низкий процент руководителей и сотрудников обладает нужными техническими навыками и soft-skills для работы с данными.

Согласно статистике, только 10% руководителей обладают достаточным уровнем Data Literacy, а 85% принимают решения, основываясь на интуиции, а не на данных (Отчет Qlik «Data Literacy for All»).

Решение:

• Обеспечить для сотрудников обучение инструментам и методологиям, позволяющее перейти на новый уровень работы с данными
• Ввести систему наставничества, при которой более опытные сотрудники передают свои знания в области BI менее технически подкованным коллегам
• Создать единое информационное пространство, в котором будут освещаться все этапы внедрения data-driven управления и преимущества аналитики для разных подразделений
• Внедрить BI-инструменты, которые поддерживают функции самообслуживания (self-service)

Отсутствие или несогласованность системы KPI

В большинстве компаний отсутствует система KPI и стандарты аналитики показателей. Разные подразделения могут по-разному считать один и тот же показатель, в результате получая несоответствия в общем отчете.

Решение:

• Разработать матрицу KPI, которая будет согласована с задачами и спецификой конкретного бизнеса
• Согласовать единые KPI и источники данных между командами и интегрировать их в BI

На основе многолетнего проектного опыта компания Qlever Solutions создала справочник ключевых KPI. Он включает метрики, актуальные для компаний различных отраслей и размеров.

****

Data-driven управление меняет управленческую логику: от мнений и интуиции к аргументам, проверкам и осознанным действиям.

Данные не заменяют мышление, но способны усилить его:

1. Помогают принимать более точные и обоснованные решения
2. Снижают субъективность и создают единое информационное поле
3. Провоцируют на уточняющие вопросы и исследования
4. Стимулируют диалог, а не слепое следование фактам

Настоящая data-driven культура — это вопросы, сомнения, гипотезы и готовность учиться.

Начать внедрение управления на основе данных стоит с разработки Data Warehouse как источника качественных данных и построения корпоративной аналитической системы, которая не просто покажет красивые графики, но и ответит на вопросы бизнеса.

Команда Qlever Solutions более 10 лет создает корпоративные аналитические решения, которые помогают таким лидерам рынка как KFC, Вкусно — и точка, Газпромнефть, Кассир.ру эффективно принимать решения на основе данных и быть на шаг впереди.

Управляйте на основе данных

Qlever поможет подобрать оптимальный data-стек, проведет мероприятия по повышению качества данных, внедрит под ключ DWH и BI для выхода вашего бизнеса на новый уровень