Инновации в области аналитики

Содержание материала

С 2008 по 2011 год экономическая ситуация была настолько тяжелой, что многие компании боролись за выживание.

Все, что не было напрямую связано с выживанием в этом месяце, в этом квартале или в этом году, отодвигалось на задний план. Однако даже в лучшие времена очень немногие компании уделяют инновациям достаточно внимания.

По иронии судьбы, одним из лучших условий для опережения конкурентов являются трудные времена. Пока конкуренты притаились, компания может инвестировать в инновации и превзойти их. В плохие времена статус-кво уже не действует, и иногда это заставляет организации наконец использовать новые идеи. Невозможно просто сидеть и смотреть, как одни и те же старые стратегии продолжают приводить к успеху. Необходимо сделать что-то новое, так почему бы не подойти к делу творчески?

Инновации в области аналитики

Без постоянного потока новых идей, продуктов и услуг компания не сможет конкурировать в долгосрочной перспективе.

Так было всегда, однако сегодня в глобальном, взаимосвязанном, быстро меняющемся мире это еще более верно, чем когда бы то ни было.

Инновации являются ключом к выживанию, а инновации в области аналитики и в способах использования данных заслуживают особого внимания.

Как организация будет применять аналитику для выявления закономерностей, которые можно использовать, и к каким действиям это приведет?

Аналитика — наиболее важный инструмент, который позволяет добиваться конкурентного преимущества.

Те, кто раньше и лучше остальных укротит большие данные и внедрит новые аналитические методы, оказывающие значительное влияние на бизнес, будут иметь большое преимущество по сравнению с конкурентами.

Компании, разрабатывающие потребительские товары, имеют специальные лаборатории, которые выводят на рынок новые и инновационные товары. Наличие лабораторий, занимающихся разработкой инноваций в области аналитики и данных, также очень важно. В сфере анализа больших данных немногие компании имеют опыт, поскольку эта сфера является относительно новой. Однако с точки зрения аналитики, как говорилось в главе 1, большие данные не слишком отличаются от прочих источников данных, которые сначала казались пугающими, но со временем получили широкое распространение. Нет причин, по которым организации не могут начать работу с большими данными уже сегодня.

Создание условий для внедрения аналитических инноваций требует усилий

Как создать в своей организации условия для внедрения инноваций в области аналитики? Это требует согласованных, целенаправленных усилий. Инновациям в области аналитики следует уделять такое же внимание, как и разработке новых продуктов и услуг. Аналитика должна рассматриваться в качестве столпа бизнеса, а не дополнительной функции.

В настоящее время новые источники больших данных появляются столь быстро, что никто за ними не поспевает. В той или иной отрасли очень немногим довелось серьезно поработать с некоторыми из них. Ряд новых источников данных еще только планируется использовать. Дело в том, что бóльшая часть источников больших данных слишком нова и еще не исследована. И все-таки это изменится в ближайшее время. Вопрос в следующем: какие организации станут лидерами, а какие — последователями? И, что еще более важно, где окажется ваша организация?


Традиционные подходы препятствуют внедрению инноваций

В современных организациях, особенно крупных, положение дел определяет бюрократия, которая придерживается давно укоренившихся правил и политики. Процесс внедрения какого-либо нововведения обычно отнимает много времени и сил. Это может быть особенно верно в отношении инновационных способов использования данных и аналитики, поскольку многие люди далеки от этих вопросов в целом. Все это препятствует внедрению инноваций.

Типичный корпоративный процесс характеризуется длительными задержками начала исследования новой идеи. Еще больше времени уходит на одобрение проекта и его реализацию. Это продолжительный, не терпящий риска, формальный процесс, требующий большого объема документации. От человека, который решил заняться работой с источником больших данных, могут потребовать описания конкретной проблемы, стоящей перед организацией, план проекта, финансовые прогнозы, план по обеспечению проекта персоналом, план проведения анализа, резервный план, оценку рисков и многое другое.

Но вот загвоздка: если вы хотите сделать что-то новое, то у вас по определению не может быть достаточно информации, чтобы с уверенностью подготовить все нужные документы и показатели. Если бы новый способ использования данных для создания дополнительной ценности был полностью понятным, то идея не была бы инновационной. Получить одобрение на реализацию инновационного аналитического проекта может быть очень сложно без разработки отличного от стандартных процессов механизма.

Основное препятствие заключается в невозможности убедить всех в том, что нет риска. С новой идеей обязательно связаны определенные риски. В том-то и дело! Инновационный аналитический проект не свободен от риска. При использовании стандартного процесса идея может быть отклонена. Со временем люди, которые предлагают новые идеи и постоянно сталкиваются с отказами, либо покинут компанию, либо откажутся от новых попыток. Без альтернативы стандартному процессу, который предполагает избегание риска, организации будет трудно внедрять инновации в области аналитики.

Инновации невозможны без риска

Инновационная идея, связанная с анализом больших данных, сопряжена с определенным риском. Очень трудно заставить людей приступить к реализации инициативы, если они не знают, к чему это приведет. Поначалу источник больших данных и способы его использования будут непонятными. Но это не означает, что вам не стоит принимать этот вызов.

Представьте себе, что в типичной корпоративной среде на встрече с руководством аналитическая команда выдвигает новую идею. Аналитики рассказывают о новом источнике больших данных, который никогда раньше не использовался, и говорят, что хотят его исследовать. Они не совсем понимают суть этих данных и то, как компания может их применять, но у них есть много идей, которые они хотели бы опробовать. Тем не менее они уверены в том, что к тому моменту, как они соберут и проанализируют эти данные, они смогут обеспечить огромную ценность для компании. Эта ценность будет осознаваться в процессе работы. Потребуются некоторые усилия и планирование, чтобы убедить руководителей одобрить этот проект. Существуют ли способы упростить этот процесс? Да. Мы их обсудим.


Понятие аналитической инновации

Определим аналитическую инновацию как новый и уникальный аналитический подход. Это то, чего данная организация не делала прежде, и, возможно, то, чего вообще никто и нигде прежде не делал. Чтобы считаться инновационной, идея должна быть из ряда вон выходящей. Она не может быть вариацией старой идеи. Настройка параметров существующего алгоритма или изменение метода вычисления показателей не инновация. Инновацией может быть, например, использование совершенно иного метода моделирования с применением новых источников данных.

Инновацией не может быть то, что уже предоставляется существующими программными пакетами или сервисами. Возможно, это программное обеспечение или сервисы являются новыми для данной организации, но они не могут считаться инновациями. Другими словами, нечто может являться инновационным подходом для данной организации, но если этот продукт или процесс многими используется, то его применение является не инновацией, а попыткой идти в ногу с рынком.

Внедряйте инновации, а не частичное усовершенствование

Инновационная аналитика подразумевает внедрение чего-то нового и необычного, а не частичное усовершенствование существующего процесса или подхода. Аналитическая инновация должна быть сосредоточена на анализе нового источника данных, решении новой задачи или их комбинации. Конечно, аналитикам следует сконцентрировать свое внимание на областях, которые предоставляют компании больше возможностей.

Инновацией не является проведение разработанного для конкретного случая анализа. Это не значит, что такие вопросы и аналитика не представляют собой ценности. Запрос на проведение анализа и выяснение причин падения объема продаж может обеспечить большую дополнительную ценность. Однако стандартные специальные запросы предполагают обычную работу, выполняемую аналитической командой. Бóльшая часть специальных запросов не требует использования инновационной аналитики, даже если они ориентированы на решение новой проблемы.


Итеративные подходы к внедрению аналитических инноваций

В целях внедрения аналитических инноваций и исследования больших данных потребуется использовать более подходящие для такой деятельности итеративные подходы. Они делают акцент на сотрудничестве и гибкости. Идея состоит в том, чтобы создать небольшую команду, которая ежедневно работает над обеспечением работоспособности идеи. Команда будет решать возникающие проблемы и в случае необходимости менять направление. Для того чтобы подход способствовал инновациям, он должен учитывать реакцию и быть достаточно гибким: имеет смысл отойти от первоначального плана, если возникает необходимость в изменениях.

Допустим, команда начинает анализировать новый источник больших данных. В процессе работы обязательно возникнут проблемы, связанные с содержимым и структурой данных, в результате чего команде нужно будет скорректировать планы. Основной упор делается не на том, чтобы строго придерживаться изначального плана, а на том, чтобы привести данные в такой вид, в каком они могут быть проанализированы. Возможно, некоторые показатели работают не так хорошо, как предполагалось, но найдены другие, более подходящие. Внесите требуемые изменения. Если в конце первого этапа данные находятся в том виде, который необходим для предстоящего анализа, то это победа независимо от конкретных предпринятых для этого шагов.

Чтобы обеспечить дальнейший успех, после подготовки данных следует все силы направить на то, чтобы быстро создать рабочие прототипы. Цель состоит в том, чтобы получить доказательство работоспособности идеи. Прототип нуждается в достаточном количестве деталей, чтобы люди могли понять общую картину того, что произойдет, если организация возьмется за реализацию идеи всерьез. Возвращаясь к нашему примеру, подчеркнем, что при первом использовании данных не следует стремиться к идеальному анализу. Изначальная аналитика не обязательно должна быть пуленепробиваемой. Скорее, она должна быть достаточно прочной, чтобы показать плюсы конкретного подхода. Позже будет достаточно времени для совершенствования процесса. Если вы не сможете доказать, что подход имеет свои преимущества, на его дальнейшее развитие не будет выделено времени. А быстро созданный прототип обеспечит такое доказательство.

Ключом к быстрому созданию прототипа являются более короткие итерационные циклы и разбиение задачи на небольшие фрагменты. Это позволяет демонстрировать прогресс; кроме того, решение небольших фрагментов задачи по одному позволяет легче справляться с неожиданностями и учитывать новые сведения, получаемые на каждом этапе.

Проявляйте гибкость

Последствия инновационной аналитической идеи не могут быть полностью осознаны с самого начала. План никогда не будет полностью готов. Команда проекта не будет обладать полным пониманием. Вот почему при исследовании идей очень важно использовать итерационный гибкий подход. Корректировка планов по мере получения новой информации является частью этого праздника.

При исследовании больших данных специалистам в нашем примере потребуется проявлять гибкость. Данные бывают не такими чистыми, как хотелось бы, и не такими полными, как ожидалось; не всегда обладают необходимой прогностической ценностью. Это нормально. Как только аналитики приступят к работе с данными, они могут вдруг осознать, что некоторые следующие запланированные шаги не совсем подходящие. Если они используют гибкий, итеративный подход и не связаны первоначальным планом проекта, они скорректируют планы и двинутся вперед. Пока команда помнит о цели анализа и о том, что нужно доказать, она может гарантировать, что внесенные изменения обеспечивают движение в нужном направлении.


Аналитическая культура: будьте готовы изменить точку зрения

Пенсионное планирование основано на управлении рисками, которым вы подвергаетесь. В какой-то день в будущем вы планируете выйти на пенсию, и цель пенсионного планирования — обеспечить к этому времени наличие необходимых активов. В основе венчурного инвестирования лежат абсолютно противоположные принципы (см. табл. 10.1). При венчурном инвестировании целью является получение большой прибыли за относительно короткий период. В то же время эта модель предполагает значительный риск потери всех или большей части вложенных средств.

Табл. 10.1

Пенсионное планирование в сравнении с венчурным капиталом

Пенсионное планирование

Венчурный капитал

Выбор проверенных компаний

Выбор новых компаний

Уравновешивание шансов на получение

прибыли и убытков

Акцент на прибыли, а не на убытках

Ориентация на сочетание умеренных результатов

Подход «всё или ничего»

 

Жестко контролируемая волатильность*

Высокая волатильность

Применяется для пенсионного планирования

и управления текущими активами

 

Применяется для управления активами,

не являющимися критически важными

для выживания

 

В данном случае приходится выбирать между риском и доход ностью. Оба подхода уместны, если инвесторы понимают, что они делают, и правильно используют доступные возможности. Многие известные компании, особенно работающие в области информационных технологий, электронной коммерции и социальных медиа, финансировались венчурными инвесторами. Венчурный капитал творит чудеса. Однако на каждую компанию вроде Google или Amazon приходится множество компаний, потерпевших неудачу.

Так же как не следует вкладывать все пенсионные накопления в венчурные проекты, нельзя вкладывать все корпоративные ресурсы в рискованные или новаторские инициативы. Необходимо обеспечить выживание компании и такой темп развития, который позволит ей достичь своих целей. Капиталом, выделенным на проведение рисковых операций, нужно управлять. Однако даже пенсионные счета предполагают вложение некоторой части средств в более рискованные активы.

Тем не менее люди редко задумываются об оборотной стороне медали. Большой риск — стремление избегать риска. Например, если 100% средств на пенсионном счету вложены в государственные облигации, то это риск, поскольку доходность таких облигаций вряд ли превысит темп инфляции. Такой счет не обеспечит достаточной для достижения цели доходности, хотя практически наверняка предотвратит потери. Вполне возможно гарантировать сохранность средств — и одновременно гарантировать то, что у вас хватит денег, чтобы выйти на пенсию вовремя!

Диверсифицируйте!

Организации нуждаются в диверсификации. Насколько разумным является вложение небольшой части пенсионных накоплений в более рискованные активы, настолько же целесообразно выделить небольшой процент корпоративных ресурсов на реализацию аналитических инноваций. Отсутствие инвестиций в инновации может быть столь же рискованным, как и наличие слишком больших инвестиций.

Такому же риску подвергают себя компании, стараясь не рисковать, когда дело доходит до больших данных и аналитики. Если компания хочет в будущем достичь своих целей, ей необходимо принять на себя ответственность за реализацию некоторых рискованных инициатив. Центр аналитических инноваций представляет собой самый подходящий для этого механизм.

* Волатильность — статистический показатель, характеризующий тенденцию изменчивости цены.

См. в Библиотеке: Укрощение больших данных / Билл Фрэнкс.