В России рынок BI-систем за два года вырос на 25%, но лишь 30% компаний действительно зарабатывают на данных. Остальные продолжают принимать решения «по ощущениям», теряя от 10% до 25% прибыли на неэффективных маркетинговых каналах, избыточных запасах и упущенных продажах. В новом материале рассказываем, почему разница между теми, кто научился работать с данными, и теми, кто игнорирует их, измеряется в миллионах рублей.
В чем проблема и почему ошибки дорого обходятся
Парадокс современного бизнеса выглядит так: хранилище данных построено, дашборды работают, отчеты обновляются — а решения по-прежнему принимаются интуитивно. Управленческая отчетность показывает одно, продуктовые данные — другое, а руководитель в итоге полагается на опыт и «чутье».
Проблема не в технологиях — современные BI-платформы достаточно гибкие, считают эксперты. Корень в том, как компании относятся к данным: как к побочному продукту ИТ-отдела или как к стратегическому активу. По наблюдениям директора по информационным технологиям БКС банка Дмитрия Сыцко, данные в хранилище часто оказываются недостаточно свежими — где-то это Т-2, где-то конец квартала. Для одних подразделений это критично, для других — продуктовые данные просто «плывут» и не вызывают доверия. В результате сотрудники собирают собственные отчеты «на коленке», потому что так быстрее и понятнее.
Другие эксперты тоже отмечают проблему разрозненности данных. Важно их упорядочить, обновить статусы и удалить дубликаты. «После очистки данных картина часто «ухудшается», но становится честной, позволяя корректно оценивать каналы и перераспределять ресурсы», — говорит генеральный директор Modus Кирилл Кузнецов.
По словам экспертов, работа с неочищенными данными — неактивные адреса, дубли в CRM, некорректные статусы сделок — приводит к тому, что маркетинговые бюджеты расходуются впустую, а искаженные отчеты создают иллюзию эффективности. В логистике и закупках прогнозы на ошибочных данных ведут к перерасходу на хранение и финансовым санкциям, предупреждает Кузнецов.
Где компании теряют деньги без аналитики
Финансовые потери из-за решений «по ощущениям» возникают практически везде, но масштаб разный. Старший менеджер проектов DWH&BI технологической практики Kept Александр Галайдюк отмечает, что наибольшие и зачастую невидимые расходы случаются там, где сложно учесть множество переменных: оптимизация цепочек поставок страдает от излишков или дефицита запасов, маркетинг — от нерационального распределения бюджета между каналами.
В продажах же интуитивные решения ведут к неэффективному управлению дебиторской задолженностью и ценообразованием, указывает Галайдюк. Компании теряют выручку за счет упущенных лидов и зависших сделок, существенная часть маркетингового бюджета уходит в неэффективные каналы, а в закупках объемы и цены определяются интуитивно, без опоры на аналитику, дополняет руководитель направления «Цифровая трансформация» в департаменте бизнес-решений и цифровой трансформации «Софтлайн Решения» (ГК Softline) Сергей Азаров.
«Главный ущерб — упущенная выгода, которую невозможно подсчитать, и здесь данные становятся главным инструментом конкурентной борьбы».
Александр Галайдюк, старший менеджер проектов DWH&BI технологической практики Kept
При правильной аналитике для малого и среднего бизнеса реалистичные показатели экономии выглядят так: сокращение на 15–25% излишков запасов, снижение на 10–20% затрат на привлечение клиента за счет перераспределения маркетингового бюджета, уменьшение на 5–15% операционных расходов благодаря прозрачности процессов, рассказал Галайдюк. По его словам, эти цифры подтверждены практикой реализованных проектов.
Павел Калмыков, генеральный директор Nobilis.Team, сообщает, что посчитать выгоды можно, но только как эффект от конкретных решений, которые будут приниматься по новому контуру.
«Понятно, что слишком оптимистично ждать от BI роста продаж вдвое или кратного снижения издержек. Но эффекты порядка, например, 3–7% роста маржи за счет устранения неэффективных факторов, или 5–10% высвобождения оборотного капитала из-за устранения ошибок в управлении запасами, или 10–30% снижения ошибки прогнозирования продаж можно считать реалистичными», — поясняет эксперт.
Признаки того, что BI не работает на бизнес
Понять, что аналитическая система существует формально, но не приносит пользы, можно по нескольким четким маркерам. Директор направления INSIGHT компании Goodt Константин Саратцев указывает на ключевой признак: преобладание табличных отчетов над аналитическими витринами и обилие выгрузок в Excel. В таком случае BI просто является технической прослойкой между базами данных и Excel, которая позволяет оперативно переводить информацию в удобный формат.
Галайдюк выделяет три критичных признака:
- отдел аналитики является главным потребителем данных;
- показатели отчетов не имеют ответственных и не привязаны к конкретным действиям;
- в компании царит недоверие к данным из-за их плохого качества или отсутствия единой версии.
К этому добавляется длительный процесс создания и обновления отчетности. Сыцко обращает внимание на организационные провалы: отсутствует стратегия работы с данными, нет заказчиков и владельцев данных, нет команд, отвечающих за их качество — данные живут вне контекста бизнеса. Разработчики и аналитики не понимают бизнес-контекста, собирают показатели, не задумываясь, на что те влияют.
Почему бизнес и аналитика не понимают друг друга
Разрыв между ожиданиями руководства и возможностями BI-систем редко связан с самими инструментами. Директор по развитию аналитического центра «Круги Громова» Владимир Быков отмечает: руководители часто ожидают, что аналитик подтвердит их мнение, и если этого не происходит, в компаниях, не ориентированных на данные, анализ отвергается.
Разрыв возникает на этапе постановки задачи. «Бизнес обычно ждет ответа и понятной рекомендации, что делать дальше, и на каком основании. В ответ он получает графики, таблицы и доступ к данным. Разрыв становится особенно заметным, когда нужно проверить управленческую гипотезу и понять последствия, например, как изменение одного фактора скажется на другом через неделю или месяц», — сообщает Павел Калмыков, генеральный директор Nobilis.Team.
Галайдюк формулирует проблему точнее: разрыв возникает на стадии интерпретации — бизнес ждет простых ответов на вопрос «Что делать?», а BI-система предоставляет сложные ответы на вопрос «Что произошло?». Ожидания смещаются в область прогнозов и рекомендаций, тогда как часто не отлажена даже базовая описательная аналитика.
«Бизнес всегда мечтал и продолжает мечтать о “волшебной кнопке” с готовыми рекомендациями. Однако в реальности BI дает отчеты и таблицы без интерпретации».
Сергей Азаров, руководитель направления «Цифровая трансформация» департамента бизнес-решений и цифровой трансформации «Софтлайн Решения» (ГК Softline)
Проблема в том, что бизнес редко способен самостоятельно сформулировать, какой конкретно результат хочет получить от технологии, а ИТ-специалисты, настраивающие систему, тоже не могут ответить на эти вопросы. Итог — один-два показательно красивых дашборда и тысячи отчетов, которые называются BI, но по факту представляют собой просто таблицы с выгрузкой в Excel, рассказал Саратцев.
Культура важнее технологий
Эксперты обращают внимание на главную преграду — не техническую, а организационно-культурную. Существует разрыв между декларацией о data-driven подходе и реальными процессами, который проявляется в конфликте между ИТ и бизнесом, считает Кузнецов. И тогда ключевой вопрос «Кто отвечает за качество данных?» повисает в воздухе.
Быков прямо формулирует корень проблемы: если компания использовала авторитарные методы, основанные на интуиции топ-менеджеров и экспертных мнениях, и не задумывалась о переходе к методам data-driven, то внедрение аналитики не принесет выгоды. «В лучшем случае она будет использоваться для подтверждения авторитарных управленческих решений. Цениться будут те аналитики, которые «научатся» подгонять цифры под требования руководства», — думает эксперт.
Существуют условные уровни зрелости работы с технологией, поделился Саратцев. По его словам, нулевой (первый) уровень — когда BI используют для консолидации данных и отслеживания KPI. Это метрика, показывающая, хорошо или плохо обстоят дела, но не предлагающая дальнейшие шаги.
Второй уровень — когда есть ИТ, сформировавший data-среду, умеющий выстраивать потоки данных и давать self-service инструменты. Но это решает только технологическую, а не бизнес-задачу.
«Высший уровень — когда внутри компании выстроена аналитическая структура, которая строит гипотезы, обозначает параметры, выявляет и фиксирует проблемы. Это не ИТ-служба, а отдельный департамент, подчиняющийся топ-менеджменту, задачей которого является непрерывный поиск проблем», — говорит Саратцев.
Что будет дальше
Разница между компаниями, которые строят систему доверия к данным, и теми, кто продолжает относиться к ним как к побочному продукту, будет расти, считает Кузнецов. Первые смогут быстрее принимать решения, точнее работать с клиентами, снижать издержки и создавать новые продукты. Вторые же будут сталкиваться с кризисами, потерями и снижением рыночных позиций.
«Данные превращаются в деньги не тогда, когда в компании появляются красивые отчеты с таблицами и графиками, а тогда, когда с данными начинают разговаривать на языке прибыли, убытков и проверяемых бизнес-гипотез».
Дмитрий Сыцко, директор по информационным технологиям БКС банка
В итоге важно понимать, что реальную ценность приносит не сам отчет, а сформированные на его основе управленческие подходы — регулярные встречи, где KPI и драйверы становятся языком общения. Задача — превратить DWH и BI из множества отчетов в рабочий инструмент, встроенный в процессы принятия решений.
Выводы
Главный вывод, который звучит от всех экспертов, — технология не решает бизнес-задачи сама по себе. BI-платформы, хранилища данных, дашборды остаются просто инструментами до тех пор, пока компания не научится превращать данные в конкретные решения. Разрыв между теми, кто зарабатывает на данных, и теми, кто продолжает полагаться на интуицию, будет только расти. При этом речь идет не о каких-то абстрактных преимуществах — компании, выстроившие систему работы с данными, получают измеримую экономию от 5% до 25% в зависимости от направления, быстрее реагируют на изменения рынка и точнее прогнозируют результаты.
А путь к этому лежит не через масштабные ИТ-проекты, как многие думают, а через изменение культуры управления. Необходимо назначить ответственных за данные, выстроить процессы контроля качества, создать отдельную аналитическую функцию, которая будет строить и проверять гипотезы.
Начинать следует с одного конкретного бизнес-процесса, который можно измерить в деньгах, доказать эффект на пилоте за 2–3 месяца и только после этого масштабировать подход на всю компанию. Без этого любые инвестиции в BI, к сожалению, останутся просто расходами на красивые, но бесполезные отчеты.