Данные не врут, но бизнес их боится: что мешает аналитике

Данные способны находить потери в миллионы рублей, экономить время и помогать бизнесу принимать более точные решения. Однако без четкой цели, качественной исходной информации и ответственного за результат даже самая дорогая аналитическая система рискует остаться бесполезной витриной. Участники круглого стола обсудили, почему разные отделы одной компании часто показывают разные цифры, как внедрять аналитику без большого IT-бюджета и почему искусственный интеллект может найти аномалию, но не способен договориться с сотрудниками.

По словам директора по цифровой трансформации ГК «Синтека» Андрея Волкова, бизнес собирает данные для двух ресурсов — денег и времени. Аналитика должна показывать, где компания выбивается из сроков, недополучает выручку или несет лишние расходы. «Первое — это деньги, второе — время. Никто не хочет терять ни то, ни другое. Аналитика должна показывать, где мы по срокам что-то не успеваем, где могли бы сделать больше и где теряем деньги. Это может быть маркетинговая кампания, строительство или любой другой этап. Нам нужны данные, чтобы принять решение, сэкономить деньги и освободить время», — объяснил он.

В крупной компании разные отделы нередко рассчитывают один и тот же показатель по-разному. Волков привел пример еженедельного маркетингового совещания, где маркетинг, телемаркетинг и отделы продаж называют разные цифры лидов и конверсий. По данным одного отдела выходит, что кампания принесла прибыль, по другому — убыток. Собственник требует цифру, которой можно доверять. После этого начинается самая сложная часть: подразделения должны договориться о единой методике расчета. «Нужно со всеми обсудить методику, понять, откуда берутся расхождения, найти компромисс и вывести метрику, которой будут верить все участники совещания. Иначе каждый продолжит говорить: «Моя цифра правильная, а вы считаете неправильно». Без такой согласованности аналитика не помогает принимать решения, а только создаёт дополнительные споры», — добавил Волков.

Технический директор компании «Формат кода» Борис Кириллов выделил три основные задачи аналитики: диагноз (состояние компании), прогноз (куда движется бизнес, аномалии) и поддержка принятия решений. «Решения можно принимать на основе интуиции — «мне так кажется», — а можно опираться на количественные показатели. Но и здесь есть оговорка: если собирать всё бездумно, данные превращаются в болотце, которое ни к чему хорошему не приводит», — отметил он.

Собственник группы компаний «Альбатрос», врач-дерматолог Наталия Дмитриева рассказала, что в медицине необходимые системы (телефония, CRM, медсистемы) уже существуют. Главная проблема — нежелание собственников изучать цифры. «Собственнику бизнеса смотреть на них страшно, потому что цифры никогда не врут» — считает она. Для оценки работы клиники достаточно четырех показателей: загрузка, средний чек, возвращаемость пациентов и процент перенаправления в рамках лечения. Когда видишь эти цифры, начинаешь сомневаться в своих управленческих решениях: правильный ли человек на посту, так ли работает маркетинг?

Директор внедрения цифровых сервисов ГК «А101» Татьяна Файнблит отметила, что раньше главной задачей была интеграция систем, теперь — скорость получения достоверной информации. Руководителю нужен готовый ответ на конкретный запрос быстро, в понятной форме и с высокой степенью достоверности. «Именно скорость получения информации и простота работы с ней позволяют оперативно видеть изменения в процессах и принимать управленческие решения. Поэтому ценность современной аналитики заключается не только в объеме собранных данных, но и в том, насколько быстро их можно превратить в корректный и практически применимый вывод», — пояснила она.

Стоимость аналитики зависит от масштаба бизнеса, количества источников и требований к инфраструктуре. Борис Кириллов рассказал, что полный стек включает источники (CRM, ERP), сбор, преобразование, хранение (озера данных), BI-инструменты, ИИ и иногда онтологии с цифровыми двойниками. В пример он привел проект цифрового двойника склада для моделирования сценариев. «Решения существуют для всех — от малого бизнеса до крупнейших компаний. Но в пределе это большие, сложные и дорогие системы. Всё зависит от объёма данных и требований заказчика. Если у компании несколько терабайт информации, это одна история. Если речь идёт об огромном массиве и требовании размещать всё только на собственных серверах, бюджет будет совсем другим», — пояснил Кириллов.

Однако даже крупные вложения бесполезны, если исходные данные некачественны. Сейчас акцент смещается на качество данных: надо понимать, откуда они взялись, как трансформировались, устанавливать правила проверки. «Это и есть так называемое болото данных. Сами по себе, без контроля, они ценности не несут», — подчеркнул Кириллов.

Наталия Дмитриева считает, что бизнес может начинать не с дорогой платформы, а с обычной таблицы. «Обычная таблица дает очень много информации и постепенно формирует привычку анализировать. Сначала мы научились еженедельно, а где-то ежедневно работать с данными. И только потом начали внедрять другие системы», — рассказала она. Основой инфраструктуры клиники стала медицинская информационная система, вокруг нее постепенно появились дополнительные сервисы: триггерная рассылка, проверка карт, CRM. «Но самое дорогое — не купить все эти программы, а научить людей ими пользоваться: работать с таблицей, полноценно использовать медицинскую информационную систему, анализировать данные, делать выводы и передавать собственнику правильные цифры», — добавила Дмитриева.

Андрей Волков также отметил, что работающая аналитика не обязательно требует огромных затрат. Можно купить готовое отраслевое решение. Стоимость решения «Синтеки» начинается от 150 тысяч рублей в год и может доходить до 600 тысяч в зависимости от размера компании, включая техподдержку. Но на стороне заказчика все равно нужен аналитик, который разбирается в дашбордах, понимает метрики и отвечает за них. Если заложить на такого сотрудника около 200 тысяч рублей в месяц, годовые затраты составят примерно 2,5 миллиона рублей. При этом решение быстро окупается: одним дашбордом по арматуре можно за три месяца отбить миллион. Другой путь — начать с бесплатных или недорогих BI-инструментов, подключив к ним Excel, CRM, 1С. «Мы сами начали с покупки BI-инструмента примерно за 500 тысяч рублей, а годовая поддержка стоила значительно меньше», — рассказал Волков.

Внедрение аналитики лучше начинать с одной конкретной задачи. «Мы должны заранее понимать: если сконцентрируемся на этой задаче, то получим эффект и вернём вложенные деньги. Если сразу взяться за всю компанию, вывести огромное количество метрик из разных отделов, долгое время не будет никакой обратной связи. Деньги будут тратиться, а управленческих решений на основе аналитики никто принимать не сможет», — предупредил Волков.

В девелопменте цифровые технологии сопровождают весь жизненный цикл проекта. Татьяна Файнблит отметила, что наибольший эффект дают клиентские сервисы (онлайн-шоурумы, конфигураторы, CRM, чат-боты) и автоматизация внутренних процессов. Отдельные сервисы должны быть объединены в общую архитектуру. В «А101» мастер-система — 1С как CRM-платформа, интегрированная с другими решениями. Полноценную аналитику можно внедрить и без большого IT-бюджета, если в компании сформированы качественные исходные данные. «Именно подготовка данных, внедрение системы их сбора и хранения, а также обучение сотрудников обычно требуют больше времени и организационных усилий, чем непосредственно приобретение аналитического инструмента. Команда аналитиков особенно важна на этапе проектирования системы, определения принципов сбора данных, их проверки и хранения», — считает Файнблит.

Способен ли искусственный интеллект заменить аналитика за 200 тысяч рублей в месяц? Андрей Волков считает, что пока нейросеть скорее помогает такому специалисту. ИИ находит аномалии, агрегирует информацию, но не соединяет разные источники и не договаривается с пятью отделами, которые по-своему рассчитывают одну метрику. Аналитик должен обладать коммуникативными навыками: прийти в каждый отдел, выслушать, структурировать, собрать участников и утвердить единую методику. «Собственник должен увидеть, что методика логична, и утвердить её. После этого появляется единая метрика, которую уже нельзя трактовать по-разному. Как искусственный интеллект решит такую задачу, я пока не понимаю», — пояснил Волков.

Внутри «Синтеки» используется около ста дашбордов. Руководитель задает вопрос в чате, ИИ знает, какие отчеты существуют, что в них содержится и как согласованы показатели, и выдает готовый ответ, может построить график и проанализировать 12 миллионов строк. Однако Волков пока не готов полностью доверять нейросети: «У меня остаются опасения: не забудет ли нейросеть применить какой-нибудь фильтр, не отбросит ли что-то как мусор и верно ли покажет директору показатель. То, что она посчитает аномалией, на самом деле может быть нашим осознанным бизнес-решением. Поэтому искусственный интеллект — это ассистент руководителя, но не самостоятельный аналитик».

Борис Кириллов добавил, что ИИ эффективен там, где есть повторяющиеся закономерности и исторические данные: прогнозирование, поиск аномалий, контроль качества, миграция между системами, перевод запросов с естественного языка. Нейросети могут помогать крупным организациям с разрозненными источниками: «Внедрение единого бизнес-глоссария в большой компании — это боль. Обычно всё начинается бодро, а потом сталкивается с организационными проблемами. Если есть множество источников, за которые никто централизованно не отвечает и которые уже превратились в болотце, искусственный интеллект может помочь раскрутить эту структуру, найти паттерны и выстроить контроль качества». При этом стопроцентной достоверности ждать не стоит в силу архитектуры систем.

Наталия Дмитриева рассказала, что в медицинском бизнесе ИИ уже встроен в рутинные процессы: ускоряет работу, снимает напряжение с сотрудников и генерирует контент. Ролики, созданные с помощью ИИ, иногда получают в соцсетях в десятки и сотни раз больше просмотров, чем креативы дизайнера. ИИ помогает искать аномалии в загрузке клиники и маршрутах пациентов, проверять клинические рекомендации. Но заменить врача сложнее: «В голове врача есть определённый алгоритм: как он общается с пациентом, как доносит информацию и будет ли консультация эффективной. Подключить к этому алгоритму ИИ практически невозможно. Там же находятся страхи: стыдно навязываться, стыдно предлагать лечение, приглашать на повторный приём, говорить о деньгах. Эти страхи могут идти во вред пациенту и снижать эффективность лечения. Но, повторюсь, подключить искусственный интеллект непосредственно к этому внутреннему алгоритму врача невозможно».

В девелопменте ИИ применяется для динамического ценообразования — от ручного назначения цен перешли к автоматизированным моделям, учитывающим много факторов. Также ИИ используется для формирования и проверки смет, визуализации проектов на этапе предпродаж (цифровые прогулки). «Ценность искусственного интеллекта определяется не самим фактом его использования, а тем, насколько эффективно он решает конкретную задачу. Если технология снижает затраты, ускоряет процесс или делает сервис удобнее, её применение оправданно», — отметила Татьяна Файнблит.

Одна из главных ошибок бизнеса — считать покупку программы внедрением. Наталия Дмитриева призналась, что сама совершала эту ошибку: купила систему, заплатила деньги и решила, что всё работает, но не научила сотрудников ею пользоваться. «Покупка дала мне возможность сказать: «Я внедрила, значит, я молодец и могу больше ничего не делать». Это напоминает дорогой фитнес-браслет: человек надевает его, лежит на диване и ждёт, что с ним что-то произойдёт». До начала проекта нужно определить ответственного и понимать, что на любом этапе будет сопротивление. Часть сотрудников может уйти. Без изменения привычки работать с данными ничего не произойдет.

В «Синтеке» при переходе к единой аналитике тоже было сопротивление. Люди приходили и говорили, что данные неверные. Выяснялось, что проблема в неправильном внесении информации. Директор по развитию приказал не использовать таблицы, доверять дашборду. Постепенно сотрудники отказались от ручной работы, поняв, что система делает то же самое быстрее, и освободившееся время можно потратить на другие задачи. «Только в таком случае сотрудник начинает видеть пользу продукта и перестраиваться», — отметил Волков.

За каждой метрикой должны быть закреплены заказчик и ответственный. Нельзя построить красивую витрину и ждать результата. «Должен быть потребитель, который использует показатель для принятия решения, и ответственный сотрудник, который понимает, почему цифра изменилась, следит за ней и ведет осмысленный диалог. Если такой цепочки нет, деньги на аналитику потрачены, но управленческих решений никто не принимает», — подчеркнул Волков.

Один из способов преодолеть сопротивление — автоматизировать трудоемкую операцию. В «Синтеке» раньше руководители до пяти дней в начале месяца сводили показатели для расчета зарплат (конверсии, отпуска, больничные). Сейчас 11 дашбордов рассчитывают зарплаты, бухгалтер выгружает Excel и загружает в 1С, руководитель только проверяет. Автоматизация освободила время и повысила качество данных: сотрудники стали внимательнее следить за информацией, от которой зависит их вознаграждение. «Мы одновременно решили задачу руководителя и навели порядок в данных», — отметил Волков.

Наталия Дмитриева добавила, что за автоматизацией часто скрывается желание собственника избежать сложных разговоров с подчиненными. Владелец внедряет систему и как будто отходит в сторону, но потом нужно прийти к человеку, отвечающему за метрику, и сказать о несправлении. «Такие разговоры тяжёлые, они тоже тормозят внедрение. Но разговаривать с людьми и принимать неприятные решения — основная функция руководителя», — подчеркнула она. Волков считает, что на начальном этапе не стоит наказывать за отклонения: нужно показать человеку, что он может повлиять на показатель, иначе он начнет скрывать данные.

Борис Кириллов рассказал, что в проектах «Формат кода» аналитики плотно взаимодействуют с заказчиком и иногда «живут» внутри его бизнеса. Если отдел не заинтересован, начинается сопротивление. Без ответственного лица система не работает. Даже внутри одной организации подразделения могут относиться к проекту по-разному. «Один отдел хочет внедрять систему и помогает, а соседний, от которого нужны данные, максимально вставляет палки в колёса. Поэтому разработка и внедрение — это длительный поэтапный процесс с постепенным повышением качества и вовлеченности. Прорыв обычно происходит, когда появляется зримый результат, который видят наверху».

В отдельных случаях наведение порядка занимает несколько лет. «Бывает, мы проводим очистку и видим, что качественные условно 30% данных. У нас есть проекты, где мы пять лет постепенно повышали качество, и только на пятый год довели до приемлемого уровня. Любое внедрение без приведения данных в порядок бессмысленно. Это просто сжигание денег в топке», — заявил Кириллов.

Внутри «Синтеки» на выстраивание общей витрины ушло около двух лет. В ней примерно 70 колонок с разными показателями и большое количество интеграций. «Два года мы перестраивали бизнес-процессы, унифицировали действия подразделений, создавали дашборды контроля достоверности. Аналитик буквально подходил к сотруднику и показывал: здесь ты не нажал кнопку, здесь неверно указал статус. Только спустя два года мы начали по-настоящему доверять этой витрине», — рассказал Волков.

Татьяна Файнблит согласилась, что формирование культуры работы с данными — сложный и длительный процесс. Наиболее понятный путь — демонстрировать успешные примеры, как использование данных привело к конкретному результату: росту продаж, оптимизации затрат, улучшению качества услуг. Большое значение имеет поддержка руководителей. Компании необходимо развивать систему сбора информации и обучать сотрудников базовым принципам анализа. Информация должна быть доступной, а запрос — простым. Современные AI-инструменты ускоряют получение ответов, но финальная верификация должна оставаться за профильными экспертами, так как ИИ может ошибаться.

Даже дорогая аналитическая система может не принести результата. Татьяна Файнблит назвала несколько причин: неправильная постановка задачи (система не связана с ключевыми показателями), недостаточная интеграция с бизнес-процессами и другими системами (данные неполны или неточны), неумение сотрудников пользоваться результатами, а также низкая оперативность (отчет готовится слишком долго). «Вопрос обычно не в стоимости самой системы, а в корректном целеполагании, качестве данных, интеграции с процессами и способности сотрудников использовать полученные результаты», — резюмировала Файнблит.

В медицине автоматизация и ИИ будут развиваться. Наталия Дмитриева рассказала, что ИИ уже подключается к КТ и МРТ, врач-рентгенолог проверяет результат. Всё, что связано с большими базами, будет развиваться. Автоматизация и ИИ постепенно придут во все клиники, часть процессов может быть регламентирована государством. Клиники уже обязаны передавать сведения в государственные информационные системы здравоохранения, проводятся телемедицинские консультации и дистанционные осмотры. «С одной стороны, это уменьшит нагрузку на собственника и позволит сократить количество персонала для рутинных процессов. С другой — медикам и сопутствующим специалистам придется следить за изменениями и осваивать новые инструменты, чтобы найти себе применение», — отметила Дмитриева.

Борис Кириллов считает, что бизнес переходит от простого накопления информации к осознанному управлению ею. «Ценность данных никуда не девается, и этот рынок, скорее всего, будет расти. Но в последние пару лет произошел разворот: раньше компании стремились просто накопить как можно больше информации, теперь акцент смещается на качество. Пусть у бизнеса будет хоть триллион записей — сами по себе они не имеют ценности. Она появляется у структурированных, очищенных и управляемых данных. Особенно с учётом внедрения искусственного интеллекта, которому нужна хорошо подготовленная база», — пояснил Кириллов.

Андрей Волков сформулировал итог: данные не имеют ценности, если компания не понимает, что будет с ними делать. «Обязательно должен быть заказчик и ответственный. Только тогда на основе аналитики будут приниматься решения, которые влияют на деньги, риски, сроки и обязательства. Иначе это просто дорогая витрина, красивая игрушка: она у нас есть, но с ней никто не работает, дисциплины нет, решения не принимаются», — считает Волков. Иногда клиент покупает готовый набор дашбордов, но не может внедрить, так как внутри компании некому заниматься аналитикой. Пока заказчик не осознает свои потери (например, 5 миллионов на арматуре за три месяца), аналитика кажется лишним расходом. «Главная проблема в том, что руководитель не всегда готов внимательно посмотреть на собственный бизнес. Иногда заказчик пренебрегает цифрами, а иногда просто боится увидеть правду — о компании, процессах или сотрудниках. Но когда появляется чёткая цель и контроль над всем механизмом, данные и аналитика действительно начинают иметь смысл», — заключил Волков.