Подводные камни Data-Driven. Принцип GIGO.

1014
Подводные камни Data-Driven. Принцип GIGO.

Недавно я выступал на РИФ с одноименным докладом в программе 2.0 в секции «Модная тема — дашборды для бизнеса». Запись этой секции не проводилась, поэтому я решил собрать основные мысли в статью.

Дашборды для бизнеса — это действительно «модная» история, причем порой с не самым позитивным значением этого слова. По моей оценке, менее 3% компаний, которые начинают интересоваться BI доходят до конечных успешных дашбордов. Под успешным дашбордом я понимаю отчет, который приносит реальную пользу. За эту цифру я сразу вынужден извиниться перед коллегами — у меня нет для нее подтверждения, это субъективная оценка, исходя из работы с текущими обращениями. Такой низкий процент связан, на мой взгляд, с тем, что сами дашборды это самая вкусная и, пожалуй, самая простая часть айсберга…

Подводные камни Data-Driven. Принцип GIGO.

Вот где-то там в облаках на своем вертолете хочет пролетать руководитель, смотреть на этот айсберг сверху, принимать решения и лететь к следующему. И в целом это совершенно верный подход — с этим не поспоришь. Но реальность такова, что под каждым дашбордом скрывается достаточно много подводных камней. Вот именно о них мне бы и хотелось поговорить.

Я постараюсь описать проблемы, которые свойственны и маркетинговым и финансовым внедрениям, рассказать про процессные и технические проблемы в общем.

Я не знаю

Примерно 50% поступающих к нам входящих теплых лидов, людей, которые при разговоре действительно вроде чего-то хотят, рассеивается в воронке где-то до статуса «Сформирована задача». В качестве задачи мы принимаем хотя бы список показателей и параметров, которые в результате нужны клиенту и краткое описание того, зачем и как он хочет их использовать.

Это очень важный вопрос, который нужно с самого начала решить — а что вообще повлияет на бизнес? Какой отчет, какой показатель, в каком разрезе нужно видеть, чтобы он был полезен для принятия решения?

К сожалению, точный ответ могут дать редко. А еще хуже, что порой это выясняется слишком поздно. Казалось бы, что клиент точно знает, что ему нужно, мы сможем построить полезный отчет, он поможет заработать больше, но нет. В диалогах появляются такие фразы:

  • «Примените бест практики в отчете»
  • «Сделайте так, чтобы мы могли эффективно управлять»
  • «Ну вы что-нибудь постройте, а мы скажем подойдет или нет»
  • «В смысле, что должно быть в отчетах? Вы вообще эксперт? Решите сами»

Представляете такое ТЗ к примеру, на дом? А ведь небольшой загородный дом сейчас строится порой быстрее чем сложная BI-система. 

Для решения этого вопроса мне сильно импонирует концепция jobs to be done, про которую сейчас много пишут.  Подумайте, какую работу должен выполнять отчет? Какие именно данные, в какой момент времени и для чего вам необходимы? Можно прямо вот в такой форме и записать ответы:

Когда я ____________________ мне необходимо  увидеть _____________________, чтобы сделать вывод о __________________.

Только после того как будет хоть как-то сформирована задача, станет понятно, что именно и для какой цели необходимо, можно будет идти дальше и решать организационные вопросы и проблемы с самими данными.

Делегирование

Очень важно, чтобы всеми знаниями относительно будущей отчетности владел не только ее заказчик (руководитель), но и тот, кто занимается ее внедрением в компании. Менеджер ответственный за эту задачу должен понимать конечную цель, понимать логику принятия решений, брать на себя ответственность за принятия решений и, наконец, должен быть мотивирован эту задачу решать.

Подводные камни Data-Driven. Принцип GIGO.

К сожалению, мы часто сталкиваемся с проблемами организационной структуры – на первый взгляд заказчик понимает все, что ему нужно, мы обрисовываем план интеграции и получения данных, на горизонте снова начинает маячить успешный кейс… но нет — мы спотыкаемся на том, что сотрудники заказчика не готовы погружаться в задачу для ее успешного решения, не хотят разбираться, не хотят брать на себя ответственность, не готовы к тому, чтобы решать задачи, которые остаются на их стороне. Причин может быть много — им просто лень, не хватает компетенций, есть опасения проявить себя плохо в этой задаче, не понимают зачем нужны эти отчеты и по какой логике должны быть построена.

Тут стоит отметить, что это бывает вполне объективные причины — когда сотрудник перегружен своими основными задачами, а тут к нему прилетает какая-то отчетность непонятно для чего и кому вообще нужная.

«Зоопарк» ПО

Какой самый старый софт вы помните? Аську, винамп, alcohol, сапера? Может быть Norton или Lexicon? В прошлом году нам предложили оценить возможность перехода на Power BI с аналитической системы 1984 года выпуска. 1984, Карл!

В любом работающем бизнесе всегда присутствует множество систем, в которых отражаются важные, а иногда и не очень, для конечных решений данные. 1С-ки, счетчики статистики, CRM, рекламные кабинеты — все живут своей жизнью. Каждая из них хранит свои специфические сущности — чеки, отгрузки, посещения, события, клики, расходы, клиенты.

В большинстве случаев эти системы появляются не сразу, а по мере развития бизнеса, и во многих случаях их набор обоснован какими-то косвенными факторами: кто-то посоветовал, что-то понравилось, кто-то внедрил, а потом уволился, и т.д. Это приводит к тому, что в компаниях появляется большое количество различных систем, которые просто накопились с течением времени. О многих из них уже забыли, откуда они взялись и зачем они вообще нужны никто не знает, с другими еще как-то работают, но для чего тоже не понятно или они просто не настроены оптимальным образом для конкретного случая…

Подводные камни Data-Driven. Принцип GIGO.

Редко встречаются компании, в которых все системы подобраны, настроены и работают хотя бы хорошо, в основном это все напоминает классический «зоопарк» программного обеспечения.

В реальных условиях — систем много, данные в них дублируются, вводятся и анализируются вручную, генерируя множество разных экселей, в которых и варится компания. Это все выливается в следующую проблему…

Культура работы с данными

Одной из типичных проблем является желание визуализировать данные, которых попросту нет.

Подводные камни Data-Driven. Принцип GIGO.

Исторически сложилось так, что в сегменте малого и среднего бизнеса мы очень редко встречаем осознанный подход к накоплению и консолидации данных. Нет дополнительных полей в 1С-ке, установлены, но не настроены счетчики веб-аналитики, не считаются звонки… все свалено в одну кучу. Получается настоящий клубок из различных систем, которые уже успели накопить кучу разрозненных и некорректных данных.

Это приводит к том, что клиент «свято» верит в то, что у него есть все для того чтобы ему сделали необходимый отчет. На удивление некоторые исполнители даже берутся и что-то делают, вот только проблема в том, что по сути данных нет… то есть назвать то что накопилось за несколько лет работы данными, конечно можно, вот только они в таком виде, что сделать на основе их какое-то качественное представление о реальном состоянии бизнеса просто невозможно. Накопление некоторых данных носит какой-то спорадический характер, другие данные по какой-то причине становятся сильно изменчивыми, то что ранее было одним может стать чем-то абсолютно иным сегодня и прочее прочее.

Я до какого-то времени думал, что в крупных компаниях дела обстоят иначе. Но нет — на майских праздниках ко мне заезжал однокурсник из банка, входящего в топ-10 и делился своей печалью — его рисковая модель перестала работать, просто потому что it-шники поменяли id клиентов. В прошлом месяце у клиента был один идентификатор, а в этом стал другой, история не подтягивается, оценка рисков не работает, отчеты показывают туфту.

Некоторые компании об этом и не догадываются, так как их бизнес это не данные, а продажи, строительство или что-то еще. Штатных специалистов, которые могли бы об этом рассказать руководителю либо нет, либо они предпочитают это умалчивать. Да и вообще специалистов, которые хотят и умеют погружаться инфраструктуру данных на рынке совсем немного, в основном все хотят конечных отчетов, не зная, как их строить.

Принцип GIGO

Все это можно легко описать довольно старым принципом, который ранее получил широкое распространение в информатике, а не так давно приобрел новое и, наверно, более актуальное значение в анализе данных — garbage in, garbage out. Смысл его в нашем случае очень прост, если на входе имеются искаженные и неполные данные, то никакой, даже верный алгоритм не сможет из них сделать что-то полезное.

Подводные камни Data-Driven. Принцип GIGO.

Если компания решила стать современной и на самом деле начать принимать решения на основе данных, то ей придется меняться изнутри, как в организационном, так и в техническом подходе к бизнесу. Только в этом случае дашборды станут необходимостью и смогут принести реальные результаты для дальнейшего развития. В противном случае, это просто «мода» и как результат трата денег на ветер – красивые картинки, которые не принесут конечной пользы и забудутся через пару месяцев.

Data-Driven Business

Во-первых, стоит отметить, что приведенные проблемы являются нормой, с ними сталкиваются все. В реалиях нашего бизнеса на первом месте всегда находится создание работающей и прибыльной бизнес модели, именно этот процесс порождает и множество учетных систем и разрозненность данных и прочее прочее, это неизбежно. Важным тут является подход к решению этих проблем. Независимо от того, будете вы делать это самостоятельно или привлечете специалистов по внедрению, вам будет нужно погружаться в эти проблемы.  

Нужно быть готовым к тому, что вам может понадобиться менять подход к организации работы, делать изменения в текущих учетных системах, обучать людей, контролировать эти изменения. Компании с таким подходом мы очень любим — только с ними получается приходить к результатам.

Далее я приведу краткое описание кейса пользователя нашего сервиса myBI Connect — Алексея Верткова. Благодаря успешному преодолению всех подводных камней Алексей добился повышения продаж небольшой оптовой компании на 38% менее чем за 2 месяца. Последовательность простых и хорошо известных шагов, была применены в рамках небольшого отдела продаж. Эти шаги привели к хорошей встряске и сильному повышению его эффективности. Полный текст этого кейса приведен здесь.

Итак, на старте, компания имела отдел продаж из 4 человек, продажи велись в хаотичном порядке, CRM система велась без каких-либо нормативов, повторные продажи не регулировались. В целом болей было много, но основные были именно в объеме продаж, на что и решили начать воздействовать. Что было сделано?

  1. Полная ревизия клиентской базы и квалификация контрагентов, были добавлены новые поля и категории.
  2. Проведено несколько совещаний с сотрудниками и подготовлены точные инструкции по ведению данных в CRM.
  3. Определены и зафиксированы показатели, на которые решили влиять.
  4. Именно они стали основной для мотивации продавцов. Была изменена система расчета премий.
  5. Далее с помощью myBI Connect была настроена регулярная выгрузка данных из CRM в хранилище и с помощью Power BI было построено несколько простейших отчетов

Подводные камни Data-Driven. Принцип GIGO.

Кроме этого было создано несколько управленческих отчетов для ABC-анализа категорий клиентов, их источников, работы менеджеров и прочего.

Результаты не заставили себя долго ждать, по итогам 9-ти недель:

  • продажи выросли на 38%
  • количество обработанных заявок выросло в 2 раза
  • сократились трудозатраты на контроль работы менеджеров
  • стали понятны ошибки в привлечении клиентов, исходя из их конечной прибыльности  

Этот кейс прекрасно отражает основную мысль моей статьи — все подводные камни можно избежать, но важно подходить к каждому осмысленно. Неважно, как вы подходите к вопросу перехода на Data-Drive подход, самостоятельно или с помощью сторонних специалистов — отчетность не появится сама собой, ей нужно заниматься и вкладывать в этот процесс время и ресурсы. И это обязательно принесет результаты!

Оставить комметарий

ПОДЕЛИТЬСЯ