Data-driven подход – это не только и не столько про данные, сколько про умение их применить. Данные в этом подходе хоть и лежат в основе, но являются сущностью необходимой, но совершенно недостаточной.
В первую очередь data-driven – это про смену парадигмы принятия решений с «я художник, я так вижу» на взвешенные решения по результатам анализа цифр, графиков, таблиц и того, что за ними лежит.
В этом материале попробуем проанализировать гипотезу, что подход, управляемый данными, не всегда продуктивен, если речь идет о корпоративной среде, и как быть, чтобы продуктивность все же появилась.
Основные требования подхода
Если быть более конкретными, то data-driven подход требует, как минимум, трех вещей:
- Данные – это необходимая основа;
- Инструментарий для их анализа, так как бизнесу не стоит нырять в сырые данные (прим. автора: т. н. raw data) во всем их многообразии и неоднозначности;
- Культура принятия решений.
Это однозначный и минимальный набор того, что надо внедрить, чтобы считать себя «data-driven организацией». И если кто-то считает, что разобраться с данными – это самая сложная часть, то он глубоко ошибается. Сложнее всего, конечно же, работа с людьми. Но давайте обо всем по порядку.
Данные - это основа. Во всем их многообразии, изменчивости, неоднозначности, а иногда и проблематичности. Однако с ними разобраться можно и нужно, тем более, можно начинать постепенно – определить сферу первоочередных интересов и наладить сбор данных в этой части. Но надо понимать, что под «наладить сбор» подразумевается не просто сбор данных, но и накапливание истории, очистка данных, контроль их качества, объединение данных из нескольких источников вместе. Плюс немаловажный аспект – это описание данных.
Как бизнес работает изнутри
Но будем реалистами – бизнес не полезет в базу данных, не будет разбираться в схемах, таблицах, справочниках, фактах, джойнах и так далее. Разумеется, есть исключения, которые отлично могут закопаться в данные вплоть до источника, разбираются и вникают в детали.
Но, во-первых, можно задать вопрос – а точно ли это эффективная трата времени лица, принимающего решение? А, во-вторых, особенно на начальном этапе, если ЛПР вынужден разбираться в данных самостоятельно, высока вероятность, что он махнет рукой, скажет «да гори оно все огнем, что еще за таблички» и сделать по-своему, по старинке – из серии «наши деды так делали и нам велели».
Данным нужна понятность
Для того, чтобы бизнес мог делать выводы и принимать решения на данных быстро и эффективно, они должны быть собраны в понятный вид – графики, диаграммы, сводные таблицы, где будет только та информация, которая действительно нужна, а не все многообразие цифр, которые генерирует конкретная компания. Для этого и нужен инструмент, причем не так важно какой – BI для красоты, Excel для универсальности, машинное обучение или Искусственный Интеллект для больших данных или другие. Главное, чтобы соблюдались три пункта:
- во-первых, чтобы инструмент был;
- во-вторых, чтобы были люди, которые умеют им профессионально пользоваться для разработки чего-то нового (к примеру, отчетов, графиков или прогнозов);
- в-третьих, чтобы бизнес умел с ним работать на пользовательском уровне.
И дальше начинается самое сложное – привить людям культуру опираться на данные при принятии решений. И здесь есть два пути:
1. Пойти сверху-вниз, когда руководство насаждает такую культуру, постоянно спрашивая подтверждение планов, проектов, решений на имеющихся данных и графиках.
2. Пойти снизу-вверх, когда есть инициативные подчиненные, которые сами всегда подтверждают свои выкладки графиками и таблицами, приучая таким образом и руководство, и коллег к правильным подходам.
Прививать культуру постепенно
Самое сложное в процессе становления data-driven – выработать не просто привычку, а именно культуру использовать данные при принятии любого решения, отслеживать происходящее не по ощущениям, а исходя их объективной реальности, данной нам в таблицах, цифрах и графиках.
На самом деле есть еще один, немаловажный аспект работы с данными – нужна культура постоянных экспериментов и тестирований новых гипотез. Иначе компания рискует замкнуться «в пузыре» известных фактов и уйти в застой, просто потому что новых фактов нет, а взяться им неоткуда.
Кто-то может сказать, что здесь есть противоречие и тестирование гипотез – это опять же про художников и их видение. На самом деле, это действительно так – выдвигать и тестировать гипотезы должны истинные художники и виртуозы своего дела. Но никакого противоречия тут нет, так как это должны быть продуманные и контролируемые эксперименты.
Как это можно внедрить у себя, узнайте по ссылке.