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

В этой главе мы рассмотрим основные принципы и концепции, которые помогут вам разработать бизнес-кейс для операционной аналитики в вашей организации. Многие из них могут быть применены в более широком плане для обоснования инвестиций в аналитику вообще. Хорошая новость состоит в том, что вы и ваша организация можете преуспеть в своем деле, если уделите время и силы разработке бизнес-кейса с учетом некоторых уникальных аспектов аналитики.

Прежде чем приступать к составлению бизнес-кейса для операционной аналитики, необходимо определить, какие инвестиции он будет предполагать и как будет их распределять. Четкая направленность и форма изложения так же важны для бизнес-кейса, как и факты и цифры для его обоснования. В этом разделе мы обсудим, как правильно в начале определить перспективу, чтобы сразу предоставить вашему бизнес-кейсу максимальные шансы на успех. Ряд небольших улучшений общепринятой практики позволит сделать бизнес-кейс более интересным и убедительным, а следовательно, повысит вероятность его одобрения.

Во второй главе мы уже говорили о том, что необходимо сначала определить бизнес-проблему, а уже потом собирать под нее данные. Запускать сбор данных или приобретать технологию, не имея четкого плана, – заведомо проигрышная стратегия. Соответственно бизнес-кейс надо разрабатывать не ради приобретения нового источника данных или новой технологии, а ради решения реальной проблемы, с которой столкнулась организация. Если повезет, приобретение потрясающего нового источника данных или программного обеспечения действительно может стать необходимым условием для решения обозначенной проблемы. Грамотно составленный бизнес-кейс не предполагает отказа от покупки технологий, инструментов и источников данных, а просто помещает ее в правильный контекст.

Разница между сосредоточением внимания либо на технологиях, либо на бизнесе отражает разницу между обоснованием либо затрат, либо инвестиций. В большинстве организаций гораздо проще заинтересовать людей бизнес-кейсом, который позволяет решить конкретный набор деловых проблем, чем бизнес-кейсом, который позволяет решить конкретный набор технических проблем. Я не понимаю, почему так много организаций продает услуги по приобретению данных или технологий, а не решения проблем. Давайте рассмотрим две гипотетические дискуссии, чтобы проиллюстрировать разницу между этими подходами.

В первом случае вице-президент по информационным технологиям крупной энергетической компании в одиночку приходит на заседание ее правления и говорит: «Нам необходимо организовать сбор сенсорных данных в нашей инфраструктуре умных электросетей. Это обойдется нам в несколько миллионов долларов. Все наши бизнес-партнеры запрашивают эти данные и готовы частично профинансировать проект. Таким образом, мы можем покрыть все расходы на сбор и хранение данных за счет предлагаемых ими средств с небольшим добавлением наших пошаговых инвестиций в ИТ».

Сделайте деловое предложение по инвестициям в операционную аналитику в виде совместного проекта бизнеса и ИТ-службы. Сосредоточьтесь на решении конкретной бизнес-проблемы, а не на покрытии затрат на ИТ, которые должны рассматриваться всего лишь как необходимый компонент общего решения.

Во втором случае вице-президент по ИТ приходит на заседание комитета вместе с партнером по бизнесу, также в ранге вице-президента. Совместно они сообщают следующее: «Мы собираемся сделать так, чтобы наши существующие мощности могли удовлетворять спрос потребителей в течение следующих пяти лет, что позволит нам отсрочить строительство нескольких новых электростанций. Мы планируем добиться этого, стимулируя клиентов изменить свои привычные модели потребления, чтобы мы могли снизить уровни пикового спроса путем анализа сенсорных данных от наших умных электросетей. Разумеется, сбор, хранение и анализ этих данных обойдутся нам в несколько миллионов долларов. Но эти расходы будут с лихвой компенсированы теми десятками миллионов долларов, которые, как мы установили, можно сэкономить за счет отсрочки строительства новых электростанций. К тому же мы сможем выполнить много другой аналитики, как только получим данные от умных электросетей».

Первое предложение свелось к затратам и данным, исходило из интересов ИТ-службы и не очень убеждало, несмотря на обещание покрыть расходы. Второе предложение исходило из интересов бизнеса при поддержке ИТ-службы и сосредоточивалось на экономической ценности сбора данных, а не на затратах. Как вы думаете, какое предложение руководство компании сочтет более привлекательным?

Предыдущие примеры иллюстрируют два подхода к запросу на финансирование. Главное различие между ними состоит в том, что первый просто пытается оправдать себя, делая акцент на нейтральных затратах, тогда как второй стремится извлечь значительную экономическую выгоду. К сожалению, многие заявки на инвестирование, связанные с аналитикой и технологиями, уделяют слишком большое внимание затратам и способам компенсации этих затрат. Полезнее же затраты просто представить в качестве части высокоэффективного решения, как это показано в таблице 4.1.

Отчасти такой акцент на затратах объясняется тем, что в прошлом инвестиции в технологии было принято обосновывать именно таким образом. Эти инвестиции нередко включали в себя огромную предоплату, которой обременяли широкий спектр производств, способных со временем компенсировать затраты. Например, в связи с огромной стоимостью больших ЭВМ в 1980-е гг. инвестиции в них ни за что бы не получили одобрения только ради удовлетворения нескольких аналитических потребностей. Для обоснования такой покупки ЭВМ должна была удовлетворять широкий спектр потребностей в масштабах всей организации.

Сегодня же инструменты и технологии зачастую относительно недороги, так что можно обойтись скромными инвестициями. Выгоды, достигнутые благодаря начальным инвестициям и начальному внедрению аналитики, могут быть использованы для того, чтобы обосновать дальнейшее финансирование. Инвестиции в аналитику больше не превращаются для организации в масштабные затраты, неподъемные для бизнеса. Благодаря сегодняшней гибкой структуре затрат нередко можно начать внедрение аналитики в гораздо меньшем масштабе, и зачастую на уровне бизнес-подразделения вполне можно выполнить простой анализ рентабельности.

Захватывающие новые концепции обычно привлекают больше внимания, чем улучшения уже существующих концепций. Это же верно и в случае аналитики. Если новые данные и новая аналитика могут быть использованы для решения новых проблем, будет гораздо легче привлечь внимание к бизнес-кейсу. Решение новых проблем при помощи новых данных зачастую обещает более весомую финансовую отдачу, чем при простом приспособлении существующих аналитических процессов к решению существующих проблем. Вместе с тем нередко можно разработать план, который предусматривает как краткосрочные поэтапные улучшения, так и долгосрочную конкурентную дифференциацию. Такая ситуация особенно благоприятна, поскольку обещает быстрый и наглядный прогресс в ходе достижения крупных долгосрочных преимуществ. Это будет победа сразу в двух измерениях.

Отметим одну из самых замечательных особенностей, связанных с появлением больших данных (см. вторую главу) и Аналитики 3.0 (см. первую главу), – возможности для применения аналитики расширяются и намного превзошли те, что были еще несколько лет назад. Обязательно отразите это при разработке своего бизнес-плана. Вдохновляющий мир больших данных и операционной аналитики открывает перед организациями широкие возможности для того, чтобы сосредоточиться на конкурентной дифференциации, и в то же время вносить поэтапные улучшения в существующие аналитические процессы. Как мы уже убедились, собираемым данным очень часто можно найти самое разное применение. Это означает, что, даже если кейс создан для решения одной-двух конкретных бизнес-проблем, в нем необходимо упомянуть и грядущие выгоды, которые могут появиться и в других областях, даже если пока что они расплывчаты и неопределенны. Процесс поиска новых ценностей называют еще «разговором с данными». Такой «разговор» способен привести к новым знаниям, идеям – и прибылям.

Сегодня часто можно использовать аналитику для того, чтобы с самого начала сделать организацию несхожей с другими. Даже если вы нацеливаетесь на поэтапные улучшения, постарайтесь обозначить конкурентные дифференциации на будущее.