«Наши приборные панели говорят нам, что происходит» — это самая большая ложь, сдерживающая ваш бизнес, пишет на портале The New Stack Зоар Бронфман, соучредитель и генеральный директор Pecan AI.

Если вы когда-либо создавали элегантную приборную панель бизнес-аналитики (BI) и переживали тот триумфальный момент, когда все выстраивается воедино, вы знаете, как приятно видеть, что ваши данные наконец-то обрели смысл. Но вот в чем дело: эти приборные панели говорят только о том, что произошло. Это все равно что смотреть в зеркало заднего вида. Да, полезно, но не совсем понятно, есть ли на дороге впереди выбоины или ловушки.

В течение многих лет многие организации довольствовались этим взглядом в зеркало заднего вида. Бизнес-аналитика давала важнейшие исторические сведения, но сейчас мы вышли на новый рубеж: предиктивная аналитика. От «отчетов о прошлом» мы переходим к «предвидению будущего». Именно здесь все становится интересным, а BI-аналитики превращаются в наших неожиданных героев.

Подготовка данных заставляет включить фантазию

Как и многие другие стартапы, работающие в сфере данных, наша компания начала свой путь с привычной проблемы: подготовки данных. Кошмарная работа по приведению данных в нужный формат отнимала у нас 80% сил, оставляя мало времени на построение моделей. Этот опыт побудил нас сосредоточиться на автоматизации тяжелой работы, к чему должна стремиться любая современная платформа.

Мы часто ассоциируем предиктивную аналитику с бигтехом или гигантами из списка Fortune 500. И да, именно у них долгое время были такие ресурсы: целые команды специалистов в области науки о данных, передовая инфраструктура и огромные бюджеты. Они находили способы прогнозировать спрос, оптимизировать операции и персонализировать взаимодействие с клиентами, и все это с помощью моделей машинного обучения.

Но знаете что? Эти модели не питаются слезами единорога. Их питают данные, а у многих компаний малого и среднего бизнеса их предостаточно. Но у них нет времени, специальных навыков или больших денег, чтобы привести данные в порядок. Именно поэтому небольшие компании исторически придерживаются описательных приборных панелей, принимая решения на основе того, что произошло, а не используют алгоритмы для прогнозирования того, что произойдет.

Хорошая новость заключается в том, что ситуация меняется. Благодаря современным облачным платформам и автоматизированным инструментам предиктивное моделирование стало более доступным, чем когда-либо. Вам не нужна докторская степень или армия специалистов в области науки о данных, чтобы начать прогнозировать отток клиентов или выявлять возможности для повышения продаж. Предсказание грядущих событий теперь доступно практически любой организации, желающей попробовать.

BI-аналитики: невоспетые супергерои прогнозирования

Теперь давайте поговорим о настоящем сюрпризе: именно те люди, которые создают информационные панели и выполняют SQL-запросы, — BI-аналитики — являются лучшими потенциальными лидерами в области прогнозирования. Конечно, вы можете предположить, что вам нужна специализированная команда специалистов по науке о данных. Иногда это очень полезно, особенно для очень сложных проектов. Но для многих сценариев использования прогнозирования в маркетинге, операционной деятельности или работе с клиентами ваши BI-аналитики уже на полпути к успеху.

Вот почему:

1. Они знают, где зарыты массивы данных

BI-аналитики прекрасно понимают источники данных вашей организации. Они годами собирали их в информационные панели и знают, что является надежным, а что — сомнительным.

2. Они говорят как на деловом, так и на техническом языке

Эти аналитики регулярно взаимодействуют с маркетингом, финансами, операционным отделом — кем угодно. Они привыкли увязывать технические запросы с принятием решений в реальном мире, что крайне важно для успешного прогностического проекта.

3. Они любознательны от природы

Любой, кто создал достойную приборную панель BI, знает, что любопытство способствует лучшему пониманию. Это же любопытство жизненно необходимо для изучения того, какие функции могут помочь предсказать отток клиентов или повысить конверсию.

4. Они уже подключены к вашим KPI

Поскольку они генерируют ваши регулярные отчеты, они понимают ваши показатели. Добавление прогностической функциональности — естественный следующий шаг.

Благодаря автоматизированным инструментам, выполняющим тяжелую работу по подготовке данных, ваша команда аналитиков может задавать перспективные вопросы. Внезапно ваш «человек-отчет» превращается в предсказателя (без драматических жестов руками). Они предсказывают конверсии на следующей неделе, а не сообщают о кликах на прошлой.

Великий сдвиг в сознании

Конечно, внедрение предиктивной аналитики — это не только технологический, но и культурный сдвиг. Организации должны научиться спрашивать: «Что может произойти в следующий раз и как нам к этому подготовиться?», а не «Что произошло вчера и почему?». Звучит как небольшое изменение, но оно меняет весь ваш подход к данным.

Вероятности вместо абсолютных значений

Предиктивное моделирование имеет дело с вероятностями, а не с гарантиями. Это означает, что команды должны смириться с некоторой неопределенностью и научиться действовать в соответствии с ней, а не ждать полной ясности.

Непрерывное обучение

Когда приборная панель BI отклоняется на 5%, люди пожимают плечами и говорят: «Достаточно близко». Однако прогностическая модель, которая ошибается на 5%, — это возможность доработать ваши данные или функции. Это итеративный процесс, а не статичный еженедельный снимок.

Замыкание цикла

Одно из самых существенных отличий — это операционализация ваших знаний. Прогноз оттока не должен просто лежать в слайд-колоде. Он должен послужить толчком к реальной работе с клиентами, входящими в группу риска. Настоящая сила прогнозирования заключается в действии, а не в наблюдении, а если его можно автоматизировать, то это еще лучше (и это возможно)!

Если организация относится к прогнозам так же естественно, как когда-то к отчетам, значит, она по-настоящему перешла на прогностический образ мышления. Это требует определенной терпимости к риску, но вознаграждение будет огромным.

Каждый получает предсказательные суперспособности

Итак, мы живем в мире, где переход от BI к прогнозированию доступен как никогда. Я видел это воочию: средние предприятия используют модели склонности к оттоку клиентов для совершенствования своего маркетинга, небольшие магазины электронной коммерции прогнозируют скачки продаж так же ловко, как и гиганты розничной торговли, а известные бренды используют перспективные модели для оптимизации цепочек поставок.

Волшебный ингредиент? Расширение возможностей людей, которые уже живут и дышат данными вашей компании. В то время как команды специалистов по науке о данных бесценны для сложных или передовых проектов, ваши BI-аналитики — это недоиспользованные суперзвезды, которые только и ждут шанса выпустить на волю прогностические идеи.

Прогностическое будущее доступно любой организации, готовой расширить возможности своих аналитиков и задавать лучшие вопросы. Инструменты могут справиться с подготовкой данных, чтобы эти аналитики тратили меньше времени на очистку и больше на прогнозирование. Нет никаких причин, по которым небольшие организации не могут использовать эту мощь. В конце концов, если предиктивная аналитика является двигателем успеха для крупных предприятий, почему бы ей не стать двигателем и для вашего?

Речь не идет об отказе от приборных панелей BI — они по-прежнему важны. Но поскольку мы вступаем в будущее, где бизнес-решения будут приниматься с помощью предиктивного предвидения, пришло время перейти от анализа прошлого к формированию будущего. Давайте примем эту новую эру, когда лучшие данные рассказывают не о том, что произошло, а о том, что должно произойти... и о том, что мы будем с этим делать.