«Развитые способности к решению концептуальных задач и количественному анализу… Опыт работы с количественным анализом в сфере инженерии, финансов, консалтинга и/или других областях либо соответствующее образование. Способность быстро осваивать программные приложения. Опыт работы с моделями в Excel. Предпочтительно, но не обязательно наличие квалификационной степени (например, МВА). Желательно знание методологии управления проектами, инструментов оптимизации процессов (Lean, Six Sigma) либо статистики».
Другие компании тоже нанимают таких людей, но у супераналитиков их гораздо больше. Прямо сейчас Capital One ищет втрое больше аналитиков, чем производственного персонала, – а для банка это редкость. «Мы прежде всего компания аналитиков, – заявил один из руководителей корпорации. – Они – наши главные люди».
Хорошие аналитики должны уметь объяснять сложные понятия простыми словами, а также продуктивно общаться с теми, кто принимает решения. Одна компания, производящая потребительские товары, в штате которой состоит 30 аналитиков, ищет «PhD с человеческим лицом», то есть людей, разбирающихся в математике, статистике и анализе данных и умеющих, помимо того, говорить простым языком бизнеса, укрепляя позиции компании как изнутри, так порой и снаружи. Вот что глава отдела анализа потребительского поведения Wachovia Bank рассказывает о том, какие отношения с другими сотрудниками стараются наладить его подчиненные: «Мы стремимся сделать наших людей частью команды. Мы хотим, чтобы они могли наравне с другими обсуждать ключевые вопросы работы компании, определять, какая информация нужна бизнесменам, и рекомендовать партнерам по бизнесу поступать так или иначе. Мы хотим быть не просто вспомогательным звеном, но и активной, важной частью успеха компании».
Разумеется, специалиста, который поднаторел и в аналитике, и в бизнесе, и в общении, найти нелегко. Когда в компании SAS (это разработчик программного обеспечения и спонсор нашего исследования наряду с Intel) решают, что им потребуется специалист по современным бизнес-программам, таким как прогнозирующее моделирование или рекурсивное секционирование (вид анализа дерева решений, применяемый к очень сложным массивам данных), его начинают искать за полтора года до того, как он должен будет приступить к работе.
Можно сказать, что талант аналитика в начале 2000‑х – это как талант программиста в конце 1990‑х. К сожалению, на американском и европейском рынках труда по-настоящему одаренных аналитиков не так много. Некоторые организации решают эту проблему, заключая контракты с компаниями из Индии (где очень много специалистов по статистике) и других стран. Это хорошая идея в том случае, если иностранные аналитики работают над самостоятельными задачами. Но если от них требуется постоянное обсуждение действий с руководителями бизнеса, расстояние может существенно усложнить работу.
Конкурировать в сфере аналитики – значит конкурировать в технологиях. Самые успешные компании не только изучают современные статистические алгоритмы и теорию принятия решений, но и постоянно мониторят и внедряют новинки в области ИТ. В одной компании, производящей потребительские товары, даже построили собственный суперкомпьютер, поскольку пришли к выводу, что имеющиеся на рынке модели им не подойдут. Такие подвиги обычно излишни, но все же для серьезной аналитики вам кое-что понадобится.
Стратегия работы с данными. Компании вкладывают миллионы долларов в системы, собирающие данные из всевозможных источников. Планирование корпоративных ресурсов, управление связями с клиентами, точками продаж и многим другим – все это требует, чтобы ни одна операция и ни одно значимое изменение не проходили незафиксированным. Но, чтобы задействовать получаемые данные с пользой, компании должны быть в состоянии представить их в стандартном формате, интегрировать, разместить в хранилище и обеспечить к ним легкий доступ. И такой информации должно быть много. Случается, что компания несколько лет накапливает данные о разных методах маркетинга, прежде чем проанализировать эффективность рекламной кампании. Dell использовала DDB Matrix, продукт рекламного агентства DDB Worldwide, чтобы за семь лет создать базу данных из полутора миллионов записей о своей рекламе в печати, на радио, сетевом и кабельном телевидении, а также о продажах Dell в каждом регионе, где давали такую рекламу (до и после ее появления). На основании этой информации компания смогла оптимизировать рекламную стратегию для каждого региона и для каждого вида рекламы.
Решения для бизнес-анализа. Термин «бизнес-анализ», впервые появившийся в конце 1980‑х, относится к большой совокупности процессов и программ, предназначенных для сбора, изучения и распространения данных, необходимых для принятия оптимальных решений. Соответствующие инструменты позволяют сотрудникам получать, преобразовывать и загружать данные для анализа (профессионалы называют этот процесс ETL – extract, transform and load), а затем отражать результаты в отчетах, уведомлениях и оценочных листах. Отчасти растущая популярность аналитики связана с появлением такого комплексного инструментария.
Аппаратное обеспечение. Объемы данных, с которыми имеют дело программы аналитики, таковы, что слабые компьютеры и сервера с ними могут и не справиться. Многие компании-супераналитики переходят на 64-битные процессоры и благодаря этому быстро обрабатывают огромные массивы данных.
У большинства компаний в большинстве отраслей имеются очевидные причины использовать стратегии, основанные на анализе данных. Практически все организации, которые мы причислили к супераналитикам, – однозначные лидеры в своей сфере деятельности, и во многом они обязаны успехом искусной работе с цифрами. Мировая конкуренция растет – растет и потребность в этой работе. Западные компании порой не могут тягаться с Индией или Китаем в стоимости продукции, но выигрывают за счет оптимизации бизнес-процессов.
Признаки того, что ваша компания – супераналитик
1. Вы применяете современные информационные системы и методы тщательного анализа не только к ключевому виду деятельности, но и к сопутствующим, вплоть до маркетинга и подбора кадров.
2. Ваше высшее руководство не только сознает важность аналитики, но и уделяет первоочередное внимание разработкам и поддержке в этой сфере.
3. Для вас принимать решения, исходя из фактов, – не только установившаяся практика, но и часть корпоративной культуры, всячески поощряемая руководством.
4. Вы нанимаете не просто аналитиков, а лучших из лучших – и именно их считаете залогом своего успеха.
5. Вы не только держите почти в каждом отделе специалиста-аналитика, но и считаете стратегически важным управлять их работой на уровне предприятия.
6. Вы не только хорошо разбираетесь в цифровых данных, но и разработали собственные системы сбора статистики для ключевых бизнес-процессов.
7. Вы не просто проводите обширный анализ данных и положения дел в компании, но и учите этому клиентов и поставщиков.
8. Вы не только жадно поглощаете данные, но и используете любую возможность создавать информацию, поощряя культуру многочисленных мелких экспериментов по принципу «проверь и убедись».
9. Вы не только приняли решение стать супераналитиком, но и готовились к этому несколько лет.
10. Вы подчеркиваете важность аналитики не только внутри коллектива, разговаривая с коллегами, вы сделали ее частью имиджа своей организации – включаете данные в годовой отчет и обсуждаете статистику с финансовыми аналитиками.
Впрочем, компаниям, только начинающим работать по этим стратегиям, вскоре станет ясно, что первые плоды им предстоит пожинать лишь через несколько лет. Наши собеседники вспоминали долгий, подчас непростой путь, который им пришлось проделать. Например, подразделению Barclays Bank, занимающемуся кредитованием на территории Великобритании, потребовалось пять лет на то чтобы осуществить план по внедрению аналитики в процессы продвижения кредитных карт и прочих финансовых услуг. Пришлось изменить практически все аспекты работы с клиентами: гарантийные риски, установление кредитных лимитов, обслуживание, контроль попыток мошенничества, кросс-продажи и т. д. С технической стороны потребовалось обобщить сведения по 10 млн клиентов Barclaycard, повысить качество данных и создать системы, совершенствующие методы сбора и анализа информации. Кроме того, компания провела множество мелких тестов, позволивших понять, как привлекать и удерживать лучших клиентов с наименьшими затратами. Наконец, ей пришлось нанять новых высококлассных экспертов по статистике.
