По мере своего развития аналитика данных становится все более востребованной. Опрошенные порталом InformationWeek эксперты рассказывают о том, каким образом нужно выстроить процессы, чтобы ваша организация могла применять эту критически важную технологию в бизнесе.

За последние несколько лет предприятия всех типов и размеров превратились в организации, управляемые данными, и теперь при помощи аналитики можно проанализировать клиентские и рыночные данные и практически мгновенно извлечь из них полезную информацию. Несмотря на то, что о ее преимуществах хорошо известно, некоторые организации настойчиво игнорируют ее, поскольку опасаются, что дорогостоящие запуск и поддержка аналитического проекта не принесут им потенциальной выгоды. В то же время технология анализа данных постоянно совершенствуется и становится более доступной, поэтому не исключено, что такие организации могут пересмотреть свое отношение к ней.

Первые шаги

Эффективное внедрение аналитики данных на предприятии немыслимо без разработки сквозной стратегии, утверждает директор по данным и аналитике разработчика ПО Globant Гонсало Зарза. «С одной стороны, при внедрении аналитики важную роль играют нисходящие инициативы или инициативы, которые контролируются на уровне руководства. Скажем так, оно на собственном примере демонстрирует приверженность технологии, — пояснил он. — С другой стороны, практика показывает, что тщательный отбор проектов по восходящему принципу — тех, которые должны быть выполнены в первую очередь — позволяет рассеять скептицизм и избавиться от опасений, имеющийся у различных команд и справиться с закостенелостью некоторых сфер деятельности в организации».

Начинать знакомство с технологией лучше всего путем возведения прочного фундамента, советует Розария Силипо, главный специалист по анализу данных в Open Source-компании KNIME: «Найдите экспертов в этой области и выберите лучшее ПО». Следующий шаг — создание перечня существующих ресурсов и возможностей, включая все, что доступно в имеющемся хранилище данных, организационную структуру и компетенции персонала. «В качестве руководства для этой цели может послужить модель зрелости аналитики (Analytics Maturity Model), которую разработала INFORMS, ведущая организация в области теоретической и профессиональной аналитики», — сказал Виллем ван Хоув, профессор по исследованию операций и руководитель магистерской программы бизнес-аналитики Tepper School of Business при университете Карнеги-Меллона.

Эксперты, которых предприятие привлекает для проекта по анализу своих данных, должны быть универсальными специалистами, обладающими компетенциями, касающимися всего спектра смежных с данными областей, включая аналитику, обработку, сбор и подготовку данных, управление хранилищем данных, совмещение данных из различных источников, визуализацию данных. «Конечно, трудно найти одного сотрудника, обладающего опытом во всех этих дисциплинах. Следовательно, усилия нужно направить на то, чтобы нанять группу людей, которые бы обладали глобальными экспертными знаниями», — заметила Силипо.

Ввод данных в эксплуатацию

Большинство предприятий накопили значительный объем данных, но на самом деле не знают об этом, поскольку они распределены между их различными подразделениями. «Даже если предприятия не захотели заниматься аналитикой данных, имеются неплохие шансы, что этим займутся отдельные департаменты. Они или сами примутся за создание аналитических решений или закупят сторонние», — сказал бывший сертифицированный аудитор Deloitte Зак Рис. Среда, где данные раздроблены, создает границы, которые должны быть снесены. Чтобы точно оценить затраты, требования и потенциальную выгоду от создания аналитического решения, основанного на данных, экспериментаторам нужно разбить этот процесс на несколько этапов. «Если процесс внедрения разделить на несколько соответствующих этапов, то им можно будет установить оценочные показатели», — отметил ван Хоув.

После этого следует выбрать конкретную бизнес-задачу и найти ее решение за счет аналитики данных, советует директор по облачной стратегии Deloitte Дэвид Линтикум. «В качестве примера можно привести уменьшение и пополнение складских запасов, чтобы избежать лишних затрат на их инвентаризацию, — сказал он. — Существуют сотни или тысячи проблем, которые предприятия сегодня могут выбрать для решения». Эксперт по анализу данных консалтинговой компании Boston Consulting Group Шервин Ходабандех рекомендует сосредоточиться на крупных инициативах, предпочитая их нескольким небольшим проектам, а также заручиться поддержкой руководства предприятия. Вместе с этим он отрицает необходимость проведения множества проектов для доказательства концепции (PoC).

«Многие PoC терпят неудачу не из-за некачественных алгоритмов, а потому, что инициатива не имеет соответствующего объема, финансирования, штата и ею плохо руководят, — пояснил он. — В итоге вместо того, чтобы приносить значимые результаты, концепции так и остаются на стадии эксперимента».

Как избежать ошибок

Самая распространенная ошибка, которую допускают новички в области анализа данных, — это фокус на данных, а не на рассматриваемой бизнес-проблеме. Рассмотрим, например, логистическую компанию, которая оснастила свой автопарк технологией GPS — эта система генерирует данные для точного отображения маршрутов транспортных средств. Это полезная система, но, тем не менее, бизнесу требуется знать больше — ему нужен инструмент, который поможет оптимизировать маршруты доставки, и без аналитики данных здесь не обойтись. «Для решения этой проблемы нам нужны совершенно другие данные, например, данные о спросе и уровнях запасов на протяжении определенного периода времени», — отметил ван Хоув.

Еще одна проблема — маркетинговые уловки поставщиков. «Случаются ситуации, когда вас обманным путем подталкивают к новым, очень перспективным, но все же экспериментальным технологиям, которые потребуют немалых инвестиций, — сказала Силипо.— Вам нужно понять, действительно ли вам нужно поддаваться хайпу или той же цели можно достигнуть с помощью более традиционных, стабильных и менее дорогостоящих инструментов анализа данных».