73% BI-проектов не приносят измеримого результата. Но компании продолжают их запускать.
Начну с ликбеза. BI — это системы аналитики и визуализации данных: дашборды, отчёты, инструменты для принятия решений на основе цифр. Tableau, Power BI, Qlik — из этой категории. Рынок тратит на это более $15 млрд в год. И по данным Gartner — 60% проектов не достигают целей, а 73% не дают измеримого возврата на инвестиции.
Если коротко: провал BI — это статистическая норма, а не исключение.
Цифра, которая меня зацепила сильнее всего — adoption rate. BARC замерил реальное использование: в среднем BI-инструментами пользуются лишь 21–29% сотрудников, на которых куплены лицензии. Десять лет подряд. Вице-президент Gartner так и сказал: «BI adoption застрял на уровне 21% — практически не меняется».
То есть компания платит за 100 рабочих мест, реально работают 20–30 человек. Остальные либо не умеют, либо не доверяют данным, либо просто не понимают, зачем это им нужно.
👉 60–80% дашбордов вообще не открываются после запуска
👉 Только 2 из 10 дашбордов используются регулярно
👉 20% дашбордов генерируют 80% всего трафика — знакомый паттерн
В России картина не лучше. По опросу среди 50 крупнейших организаций (IT, промышленность, финансы, госсектор): из всех запущенных проектов с аналитикой и AI лишь 7–10% дошли до полноценного внедрения. 90% — в стадии пилота или закрыты.
Теперь про причины — и здесь самое интересное.
92% руководителей называют главным барьером не технологии, а людей и управление изменениями. Этот результат стабилен девять лет подряд. При этом 65% бизнес-лидеров признают, что по-прежнему принимают решения на основе интуиции, а не данных — даже там, где дашборды уже стоят и работают.
Реальный кейс: CFO розничной сети потратил $2,1 млн на AI-BI платформу. Через 18 месяцев adoption rate — 11%. Причина простая: «никто не доверял данным достаточно, чтобы принимать на их основе решения».
Другой кейс — с противоположным результатом. Дашборд перестроили за 3 недели: убрали всё лишнее, оставили 3 ключевые метрики. Adoption вырос с 18% до 71%. Компания начала выявлять риски оттока клиентов на 30 дней раньше — и сохранила $420 000 за квартал.
Разница не в инструменте. Разница в том, решает ли система конкретную задачу конкретного человека — или просто красиво выглядит на демо.
Замечаю в своей практике: когда в компании BI не приживается — это почти всегда один из трёх сценариев. Либо внедрили инструмент без понимания, в какой процесс он встраивается. Либо данные в системе не вызывают доверия — разные отделы видят разные цифры по одной метрике. Либо руководство само дашборды не открывает — и весь остальной коллектив это считывает моментально.
Gartner прогнозирует: к 2027 году 8 из 10 аналитических проектов провалятся. По тем же причинам, что и сейчас.
❗️ Если хотите разобраться глубже — рекомендую статью на Хабре: «От очарования к разочарованию (и обратно?).
Статья про то, как уровни зрелости объясняют провалы AI-проектов». Автор разбирает модель трёх уровней зрелости — от личной эффективности до AI-трансформации — и объясняет, почему одни и те же технологии у одних работают, а у других нет.
Главный инсайт: нельзя перепрыгнуть уровень. Компания, которая не освоила базовое использование AI сотрудниками, не сможет выстроить ни BI-культуру, ни нормальный data governance.
