Сегодня лишь 5% корпоративных данных удается анализировать и использовать

Многие компании упускают из виду работу с данными, потому что не понимают, какими объемами информации располагают на самом деле. При этом аналитика данных используется в основном для мониторинга деятельности компании в прошлом, а не для поддержки решений, позволяющих повысить производительность бизнеса в будущем. Неспособность воспользоваться данными мешает компаниям увидеть важную информацию и, как следствие, приводит к упущенным возможностям.

Где же искать данные? Они есть везде. Их фрагменты хранятся в разных отделах, базах данных и бизнес-приложениях. И даже для тех, кто знает о существовании этих данных, задача сбора их воедино представляется практически неподъемной. Трудно поверить, но мы живем в мире, в котором лишь 5% корпоративных данных удается проанализировать и использовать. Около 95% данных находятся в хранилищах, подключенных к одиночным устройствам или приложениям, в обособленных хранилищах отделов или филиалов. Компании буквально тонут в данных, но только наличие полного контроля над ними позволит начать получать от них выгоду. Потребность в аналитике испытывают и российские компании: по данным совместного исследования, проведенного IDC и Hitachi Vantara, 9 из 10 организаций сталкиваются с необходимостью анализа больших объемов информации.

Данные, кругом одни данные

Часто при слове «данные» люди представляют себе информацию, получаемую от датчиков, установленных на оборудовании. В эпоху Интернета вещей (IoT) объемы данных такого типа растут бешеными темпами: в рабочих помещениях появляется все больше конечных точек сбора, а хранение таких данных, к счастью, обходится дешевле, чем раньше.

Но буквально под носом находится значительно большее количество данных, которые могут стать полезны, если использовать их в сочетании с данными, полученными из других источников. Есть традиционные массивы данных из систем учета и интеграции с биллинговыми системами. Есть данные систем управления взаимоотношениями с клиентами (CRM), графики техобслуживания, систем планирования ресурсов предприятия и логистики и социальных сетей. Все эти данные сокрыты в недрах вашей компании и ждут своего часа, чтобы полностью раскрыть заложенный в них потенциал.

«На сегодняшний день основным источником роста структурированных и неструктурированных данных является само предприятие, а не внешние источники, — рассказывает Роман Павлов, архитектор аналитических решений Hitachi Vantara. Рост данных — это результат работы существующих систем (ERP, CRM, SCM, HR, ECM и т.п.), взаимодействия внутри компании и вовне (файлы, почтовая переписка, оцифрованные документы), сбора данных с различных датчиков и устройств. По мере того, как компании осуществляют цифровую трансформацию, рост данных будет только ускоряться за счет «оцифровки» большего количества бизнес-процессов, продуктов и услуг, а также взаимодействия с клиентами и поставщиками».

Роман Павлов: «Важно интегрировать данные из различных корпоративных систем и предоставить возможность поиска по разрозненным хранилищам»

Огромные массивы данных из разнообразных источников формируют основу для любых высокопроизводительных алгоритмов, обеспечивающих создание инновационных бизнес-моделей и оригинальных решений. Так, по данным исследования IDC и Hitachi Vantara, в подавляющем большинстве современных компаний новые источники данных подключаются раз в три месяца, при этом 25% респондентов заявляют, что подключают больше одного источника в месяц. В то же время, чем больше данных у нас есть, тем сложнее их собрать и тем выше вероятность упустить какую-нибудь полезную информацию.

Поэтому специалисту в области данных, если компания прибегает к его услугам, приходится тратить значительную часть своего рабочего времени на элементарные задачи типа сбора данных и их подготовку вместо того, чтобы анализировать данные на предмет поиска ценной информации. Помочь извлечь максимальную пользу из имеющихся данных может автоматизация. Согласно исследованиям Gartner, 40% задач в сфере анализа данных в скором времени будут автоматизированы.

Таким образом, ваша основная задача — контролировать максимально возможное количество данных с минимальными затратами. Как только эта задача решена, вам следует предоставить доступ к данным максимальному числу аналитиков, использующих современные инструменты и решения для централизации данных. Такой подход позволит не только сконцентрировать данные в одном месте, но и использовать их максимально эффективно.

Знание – сила

Источниками ценной информации являются не только оборудование и внутренние системы, но и люди. Однако ценную информацию, исходящую от людей, можно потерять, если сотрудники уходят из компании. Если вашей компании предстоит пережить уход важных сотрудников высшего звена с большим стажем и опытом работы, насколько серьезным ударом это станет для вашего бизнеса?

Значительную часть данных, носителями которых они являются, можно сохранить путем создания «цифровых двойников», то есть цифрового представления физических ресурсов. Термин «цифровой двойник», как правило, используют для описания вычислительных ресурсов, но его можно применить и к цифровому представлению знаний. Инициировав процесс интеграции всех точек данных, имеющих отношшение к процедурам документооборота и потоками знаний, можно извлечь информацию, которой обладали сотрудники до ухода из вашей организации. Более того, собрав соответствующие данные и воспользовавшись средствами автоматизации, можно существенно упростить рабочие процессы, годами выполнявшиеся вручную.

Как связать все это воедино

Как же начать процесс работы с данными? Первым шагом должен стать поиск проблемы: имеется ли направление в вашем бизнесе, где вы теряете деньги? Есть ли, по вашему мнению, у этого какая-то причина? Необходимо формулировать проблему как можно конкретнее, поскольку решить все проблемы сразу практически невозможно.

На следующем этапе необходимо определить, могут ли данные стать частью решения. Здесь необходимо составить перечень всех источников данных, имеющихся в вашей компании, и проанализировать их. Этот этап необходимо завершить до привлечения экспертов в области данных, чтобы не тратить их усилия на второстепенные задачи.

Крайне важно, чтобы компаниям были известны явные отправные точки, связанные с данными, уже имеющимися в их распоряжении. Для этого можно использовать инструменты для централизации данных, например, предлагаемые Hitachi Vantara.

«Пользователям необходима единая точка доступа к информации, которую можно использовать для внутренних и внешних аналитических задач, — продолжает Роман Павлов. — Важно интегрировать данные из различных корпоративных систем и предоставить возможность поиска по разрозненным хранилищам. Проблема особенно остро стоит для неструктурированных данных, обработка которых является наиболее сложной на данный момент. Hitachi Content Intelligence (HCI) позволяет извлекать информацию из ранее недоступных источников, например, если к электронному письму с жалобой клиента был присоединен архив с файлом в формате PDF, в котором находится отсканированная копия заявления, то платформа извлечет картинку, распознает текст и загрузит его в хранилище, соединив с записью клиента. Эта информация моментально становится доступной для поиска и последующей обработки».

Аналитика данных — это цифровой ресурс, отличающийся от всех прочих ресурсов: он никогда не устаревает и никогда не «изнашивается». Одни и те же данные и методы аналитики можно использовать для решения огромного числа задач, при этом ни по форме, ни по содержанию данные не похожи ни на один из ресурсов, которыми располагает организация. Понимая экономические выгоды от использования данных, можно преобразовать бизнес и сделать его более современным.

Это также подтвердило недавнее исследование IDC и Hitachi Vantara. Но для принятия взвешенных решений и разработки стратегии на основе данных нужен специалист, который поможет разобраться в массивах информации. О профессии Data Scientist, карьерном росте и стресс-факторах рассказала Анна Румянцева, Data Scientist в компании Hitachi Vantara.

Анна Румянцева: «Специфика работы Data Scientist заключается в работе с большими объемами данных и применением моделей машинного обучения, глубинного обучения, байесовских методов и пр.»

Есть ли шанс стать Data Scientist, если ты гуманитарий? Если да, что для этого нужно?

Хорошая математическая база является важным условием для реализации в этой профессии. Например, без знания линейной алгебры будет сложно разобраться в устройстве даже самой простой нейронной сети. Методы анализа и процессирования данных очень трудно выучить в свободное время/по вечерам/на выходных без технического образования. Но, так или иначе, работать с данными могут люди и с гуманитарным образованием, например, в смежных областях: журналистике данных (Data Journalism) или визуализации (Data Visualization).

По каким критериям отбирают специалистов на должность Data Scientist?

Если говорить о технических навыках, Data Scientist должен уметь программировать в Python/R, а также знать другие языки программирования, например, Java и C/C++. Он должен уметь работать с базами данных SQL/Git/Github, знать статистику и алгоритмы машинного обучения, основы Hadoop/MapReduce и ETL/Data Engineering, Spark Framework и облачных вычислений.

Помимо владения технической базой, Data Scientist должен уметь объяснять методы анализа и полученные результаты людям из других профессиональных сфер, а также знать английский язык – без него сейчас вообще никуда. При этом набор технических навыков и знание алгоритмов может отличаться в зависимости от уровня специалиста (Junior or Senior Data Scientist).

Можно ли назвать работу Data Scientist стрессовой?

В каждой профессии уровень стресса зависит от конкретного проекта, дедлайнов и ожиданий руководства. Стресс-факторы в Data Science могут быть связаны с подготовкой данных, объяснением результатов анализа и операционализацией проектов.

В свое время я слышала интересную аналогию, связанную с запуском проектов Data Science и Наполеоном в зимней Москве. У Наполеона была сильная армия и грандиозные амбиции по покорению России. Data Scientists тоже имеют грандиозные амбиции в начале проекта: они намерены перевернуть курс компании с ног на голову и отдать руководство нейронным сетям. Но у армии Наполеона не было нужной одежды для русской зимы, чтобы воплотить свои амбиции. У Data Scientists тоже может не быть нужного ПО, в связи с чем все намерения могут остаться на стадии Proof of Concept (доказательства концепции). Чувствовать себя «поверженным Наполеоном» – это ведь тоже стресс.

Верно ли, что Data Scientist должен обладать уникальным сплавом навыков – и технических, и социальных?

Да, социальные навыки в профессии Data Scientist играют очень важную роль. Data Scientist – это не ученый в научно-исследовательском институте. Подходы к решению задач в науке и в бизнесе сильно отличаются. В научной среде люди окружены коллегами со схожим образованием и взглядами, тогда как в компаниях часто работают люди с разными специальностями. Нужно иметь хорошие коммуникативные навыки, чтобы донести свою точку зрения до коллег.

В целом, при интеграции Data Scientist в организацию стоит помнить о нескольких моментах:

• Data Scientist должен понимать контекст бизнеса;
• Data Scientist должен понимать ход рабочих процессов;
• Нужно избавиться от нереалистичных ожиданий в отношении Data Scientist;
• Существует культурный разрыв между менеджерами, занимающимися управлением компанией, и Data Scientists.

Есть ли в работе Data Scientist место творчеству?

Безусловно! Как и во многих других профессиях, креативное, нестандартное мышление является залогом успеха. Интересный метод, который можно внедрить в анализ данных, интересная визуализация данных для передачи основных инсайтов, новые способы решения с помощью Data Science — всё это подразумевает креативный подход.

Некоторые Data Scientists находят свободное время и на личное творчество. Например, создают модели глубокого обучения, которые позволяют изменить вашу фотографию так, чтобы она стала похожа на работу кисти Пикассо. Используя GAN-сети можно получить изображение в определенном стиле. Как раз недавно одна из таких работ была продана на аукционе Christie's за 432 тысячи долларов.

Как будет трансформироваться профессия Data Scientis? Могут ли в этом деле людей заменить искусственный интеллект?

В недалеком будущем профессию Data Scientist ждут достаточно значительные перемены. Многие задачи классического машинного обучения (выбор гиперпараметров, алгоритмов, feature selection) начинают автоматизироваться с помощью методов машинного обучения.

Я думаю, перспективными направлениями в Data Science в будущем будут следующие:

• Data Engineering – умение обрабатывать большие объемы данных из разных источников;
• Узкие специалисты в глубинном обучении, байесовских методах, генетических алгоритмах и т.п.;
• Data Science в роли бизнес-консультанта. Это человек, умеющий сформировать бизнес-кейсы исходя из задач организации и разработать стратегию для их имплементации.

Есть ли различия между профессиями Data Analyst и Data Scientist?

Основная разница между Data Analyst и Data Scientist заключается в объемах анализируемых данных и методах анализа. Data Analyst в основном работает со структурированными данными и применяют статистические методы анализа. В своей работе Data Analysts используют инструменты BI (Tableau, Power BI, или даже Excel).

Специфика работы Data Scientist заключается в работе с большими объемами данных (структурированными и неструктурированными) и применением моделей машинного обучения, глубинного обучения, байесовских методов и так далее. Data Scientist должны уметь работать с более широким спектром платформ. Например, я в своей работе в Hitachi Vantara часто использую Pentaho для обработки данных и оркестрации конечного решения.

Как строится карьера при работе Data Scientist?

Очевидные пути развития карьеры – это путь к Director of Data Science & Analytics (директор по науке о данных и аналитике), Chief Data Scientist (главный специалист по данным), Chief Information Officer (директор по информационным технологиям), Chief Technology Officer (директор по технологиям). Также многие Data Scientists после работы в больших компаниях открывают свои стартапы, предлагая консалтинг в области Data Science, разрабатывая новые продукты или платформы.

Какие обязанности выполняет Data Scientist в компании?

В основном обязанности Data Scientist в компании заключаются в следующем:

• Формирование бизнес-кейсов;
• Понимание того, какие данные в компании могут быть применены к имплементации;
• Подборка методов, которые могут быть применимы к конкретному бизнес-кейсу;
• Интеграция и обработка данных;
• Дата-аналитика с помощью визуализации данных и методов статистического анализа;
• Создание моделей, их валидация и оценка результатов;
• Запуск модели в производство и разработка конечного продукта.

Все эти обязанности являются достаточно распространенными среди организаций различного профиля. В зависимости от структуры команды, некоторые задачи из списка могут выполняться инженерами данных, специалистами по ETL, Solutions Architect и другими специалистами по работе с данным.

Возможно, сейчас это высказывание покажется немного клишированным, но 60-80% рабочего времени занимает интеграция и обработка данных. Поэтому в Hitachi Vantara мы уделяем большое внимание процессу обработки данных с помощью Pentaho и сплоченной работе Data Engineers and Data Scientists.

Многие компании жалуются на отсутствие специалистов по Data Science. Почему при популярности и высокой оплате труда найти хорошего Data Scientist так сложно?

Учитывая шумиху вокруг больших данных и Data Science, многие Data Analysts, которые выполняют несложные аналитические задачи, такие как создание отчетов, дашбордов и простого анализа данных, называют себя Data Scientists. А ученые, занимающиеся данными, имеющие академическое образование, сталкиваются с трудностями при адаптации в коммерческой среде и правильном использовании своих навыков.

Кроме того, помимо найма Data Scientist на работу нужно создать инфраструктуру для работы с данными (ПО, процесс доступа к данным, развертывание решений) и разработать стратегию интеграции Data Scientist в рабочий процесс (коммуникации с ИТ, бизнес-персоналом). Если компания нанимает специалиста по Data Science и начинает скидывать на него петабайты данных в надежде на чудо, то, скорее всего, чуда не случится.

Все больше организаций проходит через цифровую трансформацию бизнеса — так, согласно исследованию «Аналитика больших данных как инструмент бизнес-инноваций», проведенного IDC при участии Hitachi Vantara, уже более 80% российских компаний из числа опрошенных имеют стратегию цифровой трансформации, четко понимая ее задачи и цели.. Это обусловлено ростом популярности новых технологий и пониманием их преимуществ. Расскажем, какие проблемы можно решить благодаря цифровой трансформации бизнес-процессов.

Суть цифровой трансформации бизнеса заключается не только в обновлении оборудования предприятия и во внедрении новых технологий, но и в изменении траектории развития. Бизнес корректирует свои планы, основываясь на наблюдениях за цифровой и коммуникационной средой, подстраиваясь под меняющиеся запросы потребителей. Бизнес не замирает на месте, а постоянно меняется вслед за переменами, происходящими в обществе.

«Цифровая трансформация в настоящее время — это необходимая траектория развития для бизнеса, который рассчитывает оставаться востребованным на протяжении следующего десятилетия, — считает Максим Аннюк, руководитель направления «Аналитика больших данных и интернет вещей» в Hitachi Vantara. — Уже сейчас на разных этапах создания продукта возникают проблемы, связанные с пониманием поведения клиентов, скоростью принятия решений, автоматизацией рутинных процессов. И рынок технологий помогает справиться с этими проблемами. Например, ИТ-решения компании Hitachi Vantara помогают пользователям анализировать данные, чтобы выстроить более эффективную стратегию развития компании, дают возможность расширять инфраструктуру по мере роста бизнеса, использовать для хранения данных только самые передовые системы. Именно эти технологии позволяют организациям смело идти вперед, решая актуальные проблемы, которые встают перед бизнесом в XXI веке».

При этом для российских компаний основной целью цифровой трансформации является повышение эффективности и уровня автоматизации — об этом заявили 75% респондентов из числа опрошенных. На втором месте — создание новых бизнес-моделей и источников доходов (46%), а на третьем — модернизация устаревшего ИТ-ландшафта (45%). Наименее актуальными целями являются конкуренция с новыми и нетрадиционными для рынка игроками (22%) и привлечение лучших кадров (21%).

Бизнес должен знать своих клиентов, рынок и самих себя

Изменения происходят не только в обществе, меняются и сами люди. Бизнес, чтобы выстроить грамотную коммуникацию с потребителями, остро нуждается в знаниях об этих изменениях, при этом нельзя основываться на данных пятилетней давности. Даже год уже большой срок.

Стартапы и бизнес-проекты, которые сейчас занимаются изучением поведенческих характеристик своих клиентов, более успешно продвигают свой бренд на рынке и продают товары и услуги, именно поэтому традиционный бизнес спешно внедряет аналитику данных. Благо на рынке полно успешных примеров. Так, «Яндекс» на протяжении последних лет активно использует анализ данных и машинное обучение при ранжировании результатов поиска, распознавании изображений и речи, составлении персональных рекомендаций в сервисе Яндекс.Радио. Популярность и востребованность направления подтверждается появлением соответствующих образовательных программ; например, в Школе анализа данных и на факультете компьютерных наук в Высшей школе экономики.

Задачи извлечения данных особенно актуальны, так как в процессе цифрового преобразования компании опираются в своей? деятельности на данные для стратегического планирования (58%), анализа поведения клиентов (50%), управления финансовыми и операционными рисками (50%). Поэтому два основных вопроса, которые на сегодняшний день им еще предстоит решить, заключаются в том, как эффективно хранить данные и как последовательно извлекать ценность из этих данных.

Бизнесу необходима автоматизация процессов принятия решений

Оформление дебетовой или кредитной карты в разных банках России может занимать от 36 минут до нескольких недель. Чем короче этот срок, тем более лоялен клиент по отношению к кредитной организации. Это объясняется тем, что современный потребитель раздражается даже из-за самой небольшой траты времени на получение желаемого товара или услуги, а более длительные временные затраты вызывают резко негативное отношение к самому бренду.

Автоматизация бизнес-процессов увеличивает скорость обработки информации и сокращает сроки решения повторяющихся задач, повышает прозрачность бизнеса и его технологичность, дает возможность контролировать большие объемы информации и принимать быстрые решения в стереотипных ситуациях и, самое ценное, снижает количество ошибок и повышает уровень организации управления. Автоматизацией бизнес-деятельности на данный момент занимаются многие финансовые организации, например Сбербанк, «Внешэкономбанк», «Тинькофф Банк».

«Платформы бизнес-аналитики позволяют формировать единое видение бизнеса на основании данных из множества корпоративных систем, — рассказывает коммерческий директор компании «Аплана. Центр Разработки» Ярослав Макаров. — В качестве примера можно привести наш проект по созданию клиентского хранилища данных ФГУП «Почта России», реализованный на платформе Pentaho Business Analytics. В хранилище ежедневно собирается информация более чем из десяти корпоративных информационных систем. С его помощью заказчик активно развивает маркетинговые коммуникации и осуществляет меры по удержанию существующих клиентов и привлечению новых, повышению эффективности каналов коммуникаций и общей результативности продаж продуктов и услуг».

Эксперты отмечают, что на начальном этапе трансформации бизнеса и внедрения автоматизации бизнес-процессов необходимо выбрать те области, которые связаны со взаимодействием с клиентом. Например, банк может снизить затраты на 70%, внедрив автоматизированную систему предварительного одобрения ипотеки, такие примеры уже есть. Это позволяет сократить длительность процедуры с нескольких дней до нескольких минут. Такая трансформация будет особенно эффективна в финансовом секторе и в страховых компаниях.

Бизнесу нужен Agile

В основу философии Agile лег подход, который был реализован на заводе Tesla: там каждый сотрудник имел право остановить конвейер, чтобы устранить дефект или внести рационализаторское предложение. Изначально Agile использовался как метод разработки ПО, теперь же все чаще становится новой культурой управления компаниями.

Аgile — подход инновационного переосмысления создания продукта или услуги. Он базируется на очень простой идее: каждый участник компании должен быть вовлечен в процесс переосмысления своих задач и общего дела. Хороший пример — стартапы, в которых на ранних этапах все делают всё, и зачастую именно это служит основой для обмена опытом, становится залогом слаженной работы команды.

Одной из наиболее гибких методик работы по Agile является Scrum, предложенная Джеффом Сазерлендом, американским программистом и автором Agile Manifesto. Согласно методике, у проекта/продукта должен быть лидер — тот, кто видит, к какой цели идет команда и что в итоге она должна получить. Команда, как правило, состоит из 3-10 человек, владеющих необходимыми навыками. Для работы выбирают scrum-мастера: человека, который будет следить за ходом проекта и помогать команде преодолевать трудности.

Затем следует собрать бэклог продукта — все требования к продукту, ранжированные в зависимости от приоритетности задач, и запланировать спринты (отрезки времени, за которые команда выполняет набор задач). Для контроля над ходом проекта необходимо проводить ежедневные 15-минутные встречи, в ходе которых каждый член команды отвечает на три вопроса: что я делал вчера, что я буду делать сегодня, какие трудности мне мешают решить задачу? После каждого спринта agile-команда обсуждает существующие проблемы и ищет решения.

Данную методику используют многие крупные компании, в том числе Google и Apple. Наиболее ярким примером в России является Сбербанк. По данным исследования VersionOne за 2016 год, Agile ускоряет выпуск продукта, дает возможность менять приоритеты по проекту, увеличивает продуктивность команды, улучшает прозрачность бизнес-процессов, повышает качество продукта, при этом снижая его стоимость и риски.

Бизнесу пора сокращать издержки и риски

«Оптимизация процессов в компании, включение новых технологий в производство приведет к уменьшению рисков и себестоимости оказываемых услуг, — рассказывает Максим Аннюк. — Современные технологии гарантируют владельцу бизнеса надежность и высокое качество выпускаемой продукции, а также минимизируют вероятность финансовых потерь. Например, с помощью прогнозной аналитики владелец бизнеса может более четко выстроить стратегию развития, благодаря чему сократится отток клиентов, и компания получит больше прибыли. Современные технологии также помогают безопасному хранению данных и стабильной работе сервисов, что сейчас является особенно важным. Мы рекомендуем заказчикам обращать внимание в первую очередь на комплексные ИT-решения для трансформации бизнеса, которые помогают оптимизировать весь бизнес в целом, а не только решить проблемы в какой-то одной отрасли бизнеса».

Примеров снижения рисков посредством внедрения инноваций масса: на производствах появляются ERP-системы, позволяющие поднять эффективность бизнеса на новый уровень, в маркетинге — CRM-системы и новые инструменты коммуникации, способствующие снижению затрат на клиентский сервис, повышению лояльности и увеличению продаж.

«Для компаний, которые используют технологии Big Data, такие как NoSQL и Hadoop, становится крайне актуальной проблема минимизации издержек на сопровождение и развитие своих аналитических решений, — продолжает Ярослав Макаров. — Такие платформы, как Pentaho Business Analytics, позволяют создавать комплексные алгоритмы распределенных вычислений на основании данных, хранящихся в кластерах Hadoop, а наличие развитого графического интерфейса платформы дает возможность снизить требования к квалификации ИТ-специалистов, которые развивают и обслуживают решение».

Таким образом, цифровая трансформация помогает компаниям быть более устойчивыми как изнутри, так и снаружи. Сильная команда, члены которой дополняют друг друга, автоматизированные процессы, снижающие временные и финансовые затраты, аналитика, позволяющая знать потребности клиентов, надежное хранение данных, обеспечивающее безопасность, — все это выводит компанию в мир цифровой элиты, делая ее мощнейшим конкурентом в любой сфере бизнеса.

Бизнес-аналитика — это технология и практика исследования деловой активности

По данным совместного исследования IDC и Hitachi Vantara «Аналитика больших данных как инструмент бизнес-инноваций», 78% российских компаний отмечают беспрецедентный рост данных. Как справляться с таким объемом информации, а главное — как применить его на пользу бизнесу?

Что такое бизнес-аналитика и для чего она нужна

Бизнес-аналитика — это технология и практика исследования деловой активности. Данные, которые получает компания в результате аналитики, демонстрируют эффективность ее работы и помогают разрабатывать и внедрять оптимальную бизнес-стратегию. C появлением технологий больших данных в бизнес-аналитике наступила новая эра: с их помощью компании смогли собирать не только данные о продажах, но и данные, связанные со смежными областями и побочными факторами, один из примеров — данные о движениях и мимике людей во время совершения покупки.

В противоречие устоявшемуся мнению, компании чаще всего для анализа используют основной источник роста структурированных и неструктурированных данных — внутренние системы (ERP, CRM, SCM, HR, ECM и т.п.) и информацию, сопровождающую взаимодействия внутри компании и вовне (файлы, почтовая переписка, оцифрованные документы). По прогнозам экспертов, по мере того, как компании переходят через цифровую трансформацию, рост данных будет только ускоряться. Такая ситуация сложится из-за «оцифровки» большего количества бизнес-процессов, продуктов и услуг, а также взаимодействия с клиентами и поставщиками.

Однако уже сейчас компании научили отдельно работать с новыми источниками — например, анализировать информацию из социальных сетей или видеопотоки с камер. Правда, пока успешные проекты есть только у 20% компаний из числа опрошенных. В первую очередь анализ неструктурированных данных из таких источников необходим для дополнения транзакционных данных. Интеграция данных транзакционных систем и неструктурированного контента позволяет получить более точную информацию о бизнес-процессах, клиентах, продуктах и услугах. Так, по данным исследования IDC и Hitachi Vantara, для 46% российских компаний из числа опрошенных задача такой интеграции является крайне актуальной.

«Неструктурированные данные стало легче хранить, но задача извлечения ценности до сих пор является очень трудоемкой, поскольку требует дополнительных ресурсов внутри организации, — считает Максим Аннюк, руководитель направления «Аналитика больших данных и интернет вещей» в Hitachi Vantara. — Более 30% компаний считают эту задачу очень актуальной, а более 50% — жизненно необходимой для бизнеса. Как мы выяснили в ходе исследования, под неструктурированными данными большой процент респондентов понимают различные формы документов стандартного типа, находившихся внутри компании и поступающих извне».

Сферы применения и польза

Максим Аннюк: «Прежде всего, важно понять, какие данные есть в компании, зачем их анализировать, где они в дальнейшем будут использоваться»

«Чаще всего аналитика больших данных применяется в маркетинге и продажах, — считает Максим Аннюк. — Бизнес-аналитика составляет основу работы рекламных компаний, помогая им персонализировать предложения для целевой аудитории. Исследуя большие данные, корпорация может понять, какое рекламное объявление стоит показать соответствующей аудитории для достижения максимального эффекта, с каких платформ совершается наибольшее число переходов на сайт компании, и на основе этих данных усовершенствовать поиск целевой аудитории. Пока что большинство российских компаний используют аналитику данных для стратегического планирования — такой вариант ответа выбрали порядка 58% респондентов. Также в топ-листе целей, для достижения которых компании обращаются к аналитике, анализ поведения клиентов (50%) и управление финансовыми и операционными рисками (50%)».

Бизнес-аналитика также используется в сфере здравоохранения, где данные помогают прогнозировать скорость развития заболевания и эффективность препаратов. Некоторые частные клиники уже сейчас создают графики лечения, основанные на аналитике, соблюдение этих графиков, как показывают результаты, приводит к более скорому выздоровлению пациентов.

В России бизнес-аналитика наиболее часто используется в банковской сфере, страховании, энергетике, логистике, госсекторе, телекоммуникациях и промышленности. Например «Билайн» и Сбербанк применяют аналитику для того, чтобы защитить своих клиентов от мошенничества. «Альфа-Банк» и «Тинькофф-банк» задействуют бизнес-аналитику для анализа платежеспособности клиентов (как существующих, так и потенциальных), контроля продаж и возможных рисков. Примеры положительного влияния бизнес-аналитики на развитие производства в России существуют и в промышленной сфере. Так, Магнитогорский металлургический комбинат и «Сургутнефтегаз» используют аналитику больших данных для оптимизации производства, в том числе для регулирования расходуемых ресурсов и учета цен.

На заметку

Компаниям, которые хотят заняться бизнес-аналитикой и извлечь пользу из данных, в первую очередь нужно помнить о том, для чего они это делают, а не бездумно гнаться за новыми технологиями. «Не стоит бросаться с места в карьер только ради того, чтобы в вашем бизнесе было какое-то новое технологическое решение, которое сейчас на пике популярности, — продолжает Максим Аннюк. — Важно понять, какие данные есть в компании, зачем их анализировать, какова их «точка приложения», то есть где они в дальнейшем будут использоваться. Уже потом стоит переходить к выработке стратегии и решениям, которые предлагают ИТ-компании».

Нужно понимать, что при анализе больших данных бизнес может столкнуться с рядом проблем. Прежде всего это компетентность сотрудников. Компания должна быть готова привлечь необходимых специалистов и предоставить нужное финансирование. В ином случае можно получить неверный анализ или ошибочную интерпретацию данных, что повлечет за собой проблемы при дальнейшем выстраивании стратегии.

При реализации проектов, связанных с бизнес-аналитикой, важно обеспечить сотрудничество разных отделов организации. Руководителям групп необходимо объяснить, почему бизнес-аналитика стратегически важна для успешной работы компании на рынке, а также наладить эффективное и комфортное взаимодействие отделов внутри компании. Конечно, очень большое значение имеет выбор платформы, на которой будет реализован проект. Если внутри компании должный опыт отсутствует, то лучше всего обратиться к сторонним консультантам, они посоветуют комплексные варианты. «Например, платформа Pentaho 8.0 имеет оптимизированный пользовательский интерфейс, широкий набор функций для эффективного управления огромными массивами данных, встроенные инструменты для визуализации данных, полученных в ходе анализа, — рассказывает Максим Аннюк. — Одним из вариантов также является решение Pentaho Business Analytics, которое анализирует и визуализирует данные сразу по нескольким параметрам».

Исследования и реальные бизнес-кейсы подчеркивают растущую важность бизнес-аналитики в современном мире. Накопленный опыт подсказывает: не нужно бояться нового, нужно использовать это новое на благо компании и для удобства своих клиентов. К тому же, если говорить о степени проникновения аналитики данных в российский бизнес, она уже далеко не нова. И те компании, которые о сих пор не включили ее в свои бизнес-процессы, могут остаться за пределами цифрового рынка.

Скачайте исследование IDC «Аналитика Больших данных как инструмент бизнес-инноваций»

Рост объемов и потоков данных сулит бизнесу большие перспективы. Недаром аналитики британского журнала The Economist провозгласили данные «нефтью XXI века». Отдадим им должное — их сравнение очень точное: данные, действительно, способны принести бизнесу колоссальную выгоду, но извлечь ее весьма и весьма непросто, причем трудности могут возникнуть на самых разных этапах — от сбора и хранения данных и заканчивая осмыслением и «монетизацией» полученных результатов.

Согласно данным недавнего исследования IDC «Аналитика Больших данных как инструмент бизнес-инноваций», проведенного при поддержке компании Hitachi Vantara, рост данных продолжится (в этом уверены 78% респондентов), поэтому компаниям нужно быть к этому готовыми. Одна из ключевых причин этого роста — появление новых источников данных, а также увеличение количества информации из новых источников: уже сегодня анализировать новые источники данных нередко приходится хотя бы раз в месяц (об этом заявили 27% опрошенных), а в некоторых случаях (31%) несколько раз в месяц.

Анализу дополнительной информации — как структурированной, так и неструктурированной — предприятия сегодня уделяют пристальное внимание: они хотят тщательно отслеживать и прогнозировать рыночную ситуацию как масштабах макроэкономики, так и внутри экосистемы партнеров и клиентов. В частности, компании анализируют данные социальных сетей (об этом сообщили 48% респондентов) и информацию сторонних организаций (33%).

Видео: Елена Семеновская представляет основные выводы исследования IDC, проведенного при поддержке Hitachi Vantara

«Большая часть информации, в том числе транзакционной, будет обрабатываться “на лету” — это обещают все поставщики транзакционных систем, и это верный путь к построению цифровой компании, где происходит аналитика каждого бизнес-процесса на основе данных, — комментирует Елена Семеновская, директор по исследованиям IDC в России и СНГ. — Цель аналитики больших данных — не подключить много источников, а найти правильные источники информации, анализ которых может принести пользу для бизнеса. Поиск правильных источников — важная задача, которая, кстати, по мнению  IDC, может решаться с использованием искусственного интеллекта».

Можно предположить, что по мере развития экосистем и появления новых информационных сервисов потребность в эффективном с точки зрения анализа подключении к новым источникам данных будет только расти. Также всё более актуальной становится интеграция источников данных из различных систем. Сегодня лишь немногие опрошенные (7%) отмечают, что могут подключать новые источники без привлечения ИТ–специалистов. Вместе с тем, 39% респондентов при выборе решения обращают внимание на его способность работать с разрозненными системами и данными различных форматов.

По мнению эксперта IDC, нынешние технологии вполне справляются с ростом количества данных, которые надо анализировать, и их источников. Вместе с тем, их релевантность, достоверность и извлечение из данных реальной пользы для бизнеса уже сегодня превращаются в проблему. «По мере того, как будет расти количество источников данных, определять их необходимость и релевантность и извлекать ценность для бизнеса будет всё труднее», — считает Елена Семеновская.

Большие данные станут быстрыми и вариативными

Если в предыдущее десятилетие основной рост объемов данных происходил за счет источников «социальной» информации — неструктурированных данных, создаваемых миллионами и миллиардами пользователей всевозможных социальных сред с помощью различных гаджетов, то в ближайшее десятилетие основным «генератором» данных, вероятнее всего, станет Интернет вещей. Можно предположить, что по мере его развития источников данных будет появляться всё больше, и интегрировать их в существующий ИТ-ландшафт придется всё чаще.

«Чтобы шагать в ногу со временем, предприятиям необходимы интеграционные системы, позволяющие в кратчайшие сроки подключаться к новым источникам и загружать большие объемы, данных различных форматов, — отмечает консультант-эксперт направления Digital Insights компании Hitachi Vantara Роман Павлов. — Уже сегодня становится экономически эффективно сделать ставку на платформу, такую как Pentaho Data Integration, способную преобразовывать данные множества форматов в единую стандартизированную структуру, которая понятна конечным пользователям. Немаловажными составляющими успеха при этом будут складывающаяся вокруг платформы экосистема, включая сообщество пользователей, разработчиков и их партнеров, а также множество доступных им бесплатных модулей, созданных сторонними компаниями и энтузиастами».

По мнению эксперта Hitachi Vantara, скорое внедрение стандарта 5G в сетях мобильных операторов приведет к резкому увеличению пропускной способности каналов связи и снижению стоимости трафика, и как следствие, к взрывному развитию Интернета вещей: «Миллионы окружающих нас устройств будут передавать структурированные и неструктурированные данные в различных форматах. Проблема, с которой предприятия столкнутся в ближайшее время, некоторыми исследователями  формулируется как “from big data to fast data”: данные будут поступать со скоростью, которая была не характерна для интеграционных решений в прошлом. Предприятия должны быть готовы к такому увеличению скорости поступления и объемов данных с датчиков, устройств и внешних систем».

IDC: уже сегодня анализировать новые источники данных нередко приходится хотя бы раз в месяц (об этом заявили 27% опрошенных), а в некоторых случаях (31%) несколько раз в месяц

Серьезно помочь в подключении и интеграции источников данных в имеющийся ИТ-ландшафт позволяет автоматизация этих процессов — она не только увеличивает скорость получения данных, но и повышает качество и надежность решения. Так повторное использование уже протестированных и используемых шаблонов снижает вероятность человеческой ошибки, улучшает регламенты работы с данными внутри организации и позволяет гибко и быстро внедрять изменения в логику работы с данными.

«В конечном итоге это вопрос репутации компании и ее менеджмента, потому что качественная, достоверная аналитика, получаемая в реальном или близком к реальному времени выгодно выделяет предприятие на фоне конкурентов, — поясняет Роман Павлов. — Один из наших клиентов, банк, входящий в Топ-10 банков мира, столкнулся с проблемой реализации более 10 тыс. процедур для загрузки данных из 400 систем. Используя механизмы автоматизации, предоставляемые платформой Hitachi, банк реализовал 6 тыс. процедур загрузки данных через 6 “шаблонов”. В результате автоматизации интеграции с источниками банк отметил снижение регуляторных рисков и экономию на поддержке в 10 млн долл. за три года».

Еще одна проблема, с которой организации сталкиваются уже сегодня, связана с изменчивостью форматов данных в имеющихся источниках. Чтобы справиться с ней, интеграционная платформа должна быть гибкой и иметь возможность оповещать администраторов системы об изменениях форматов, не прекращая при этом загружать данные и не допуская их утрату. «Один из наших клиентов, крупный российский банк решил проблему вариативности конвейера данных, используя платформу Pentaho Data Integration. С ее помощью работа может быть выстроена таким образом, чтобы даже при изменении формата процесс не останавливался ни на секунду, — рассказывает Павлов. — Решение позволило избежать прежних дорогостоящих доработок конвейера, которые были необходимы при изменении форматов и могли занимать до 6 месяцев времени внедрения».

Инфографика

Скачайте исследование IDC «Аналитика Больших данных как инструмент бизнес-инноваций»

Посмотрите видео с кратким изложением основных выводов исследования

Более 90% участников опроса сталкиваются с задачей анализа больших данных, при этом задача анализа новых источников встает перед ИТ-подразделением как минимум раз в месяц (27%), а в некоторых случаях – несколько раз в месяц (32%), таковы данные свежего исследования «Аналитика больших данных как инструмент бизнес-инновации», проведенного компанией IDC совместно с Hitachi Vantara среди руководителей ИТ-департаментов, представителей бизнес-подразделении и специалистов по работе с данными крупнейших российских организаций со штатом сотрудников не менее 500 человек.

Анализ информации из новых источников необходим вследствие потребности бизнеса улучшать существующие процессы и выводить на рынок новые товары и услуги. Большое количество информации содержится в неструктурированном виде и это задача, которую компании частично научились решать – например, проводить анализ социальных сетей или видеопотоков с камер. При этом количество анализируемой информации будет только увеличиваться – взрывной рост объемов данных уже отмечают 78% из числа опрошенных. «Основным источником роста как структурированных, так и неструктурированных данных является сама компания, — отмечает Алексей Никифоров, технический директор Hitachi Vantara. – Это внутренняя переписка, в том числе с партнерами, оцифровка документов, работа таких систем, как ERP, CRM, SCM, HR, ECM. Для промышленных предприятий актуален сбор данных с различных датчиков и устройств».

Для большинства респондентов (45%) актуальна задача дополнения транзакционных данных другими источниками информации. Интеграция данных транзакционных систем и неструктурированного контента позволяет получить более точную информацию о бизнес-процессах, клиентах, продуктах и услугах. Анализ дополнительной информации крайне важен для учета рыночных рисков, анализа конкурентов и обмена разнородной информацией в экосистеме партнеров и заказчиков. Для эффективного анализа данных необходимо объединить источники и представить их на единой платформе пользователям, которые будут извлекать из них ценную информацию. Единая платформа должна позволять значительно сократить время на подготовку данных к анализу, давать аналитикам данных возможность работать с готовыми наборами данных (datasets), обеспечивать рост пользователей аналитических решении в компании. Благодаря наличию такой платформы должно улучшиться взаимодействие между различными подразделениями внутри компании и с партнерами за счет доступа к единому набору данных. Вследствие роста цифрового взаимодействия стоит ожидать и ускорение цифровой трансформации компании.

Большинство респондентов опроса отметили необходимость единого доступа к информации, которую можно использовать для внутренних и внешних аналитических задач. Существующие на рынке решения позволяют добавлять новые источники информации, но 93,1% компаний отмечают, что не могут подключать новые источники без привлечения ИТ–специалистов. Существующая архитектура решений требует частичного привлечения ИТ-специалистов в 57% компаний; значительного – в 34% компаний. При этом в 2% компаний действующая на данный момент архитектура решений в принципе не позволяет подключать новые источники информации.

«Компания сохраняет свое место на рынке и повышает конкурентоспособность, когда она быстро реагирует на рыночные изменения. В современных условиях это возможно, если компания обладает знаниями, которые содержит в себе информацию, релевантную для ее деятельности. Правильная постановка бизнес-задачи по анализу данных — безусловно, ключевая составляющая процесса аналитики больших данных, но нельзя сбрасывать со счетов и необходимость простой и быстрой технической реализации этой задачи, – комментирует Елена Семеновская, директор по исследованиям IDC в России и СНГ. – Возможность подключения новых источников анализируемой информации без помощи ИТ-специалистов сделает процесс анализа данных более эффективным и простым для растущего числа сотрудников, работа которых включает обработку информационного потока».

Основные проблемы, которые сейчас встают перед компаниями, заключаются в своевременном и качественном анализе поступающих со все большей и большей скоростью все больших и больших объемов неструктурированных данных

Цифровые технологии и аналитика позволяют бизнесу в разы увеличить эффективность своей работы. Например, у российских компаний, по данным исследования IDC и Hitachi Vantara, на данный момент крайне востребованы анализ транзакционных данных (61%), клиентская (52%) и потоковая (51%) аналитика. При этом подавляющее большинство организаций все еще не в состоянии извлекать выгоду из растущего потока данных, а следование стратегиям конкретных успешных проектов не всегда приводит к положительным результатам. Попробуем разобраться, какие проблемы возникают при работе с большими данными и какие решения следует принимать для их ликвидации.

В фантастическом романе Кристофера Приста «Островитяне» описаны попытки жителей планеты с бесчисленным множеством островов, очертания которых невозможно увидеть с большой высоты, создать карту архипелагов с помощью информации, поступающей от дронов. Героиня эпизода, одна из команды исследователей, сетует, как она была наивна, полагая прежде, что дело не займет много времени: ежедневно к ним возвращаются сотни дронов с информацией, которая в лучшем случае будет обработана через несколько лет.

Этот эпизод служит наглядной иллюстрацией к целому ряду проблем, связанных с появлением в нашем мире больших данных. Условно их можно свести к «трем V»: слишком большой объем (volume), возникающий со слишком большой скоростью (velocity), очень разнородный по структуре (variety). Основные проблемы, которые сейчас встают перед компаниями, заключаются в своевременном и качественном анализе поступающих со все большей и большей скоростью все больших и больших объемов неструктурированных данных.

Впрочем, о «появлении» больших данных говорить не совсем корректно: данные появлялись всегда, и каждой эпохе рано или поздно приходилось что-то придумывать, чтобы переварить объем информации. Однако в век информационных технологий рост объема обретает поистине колоссальный размах: практически все, что происходит в мире, снимается на камеры, фиксируется разнообразнейшими датчиками — и превращается в петабайты информации. Эти петабайты и были названы большими данными.

Проблемное поле

Данные совместного исследования IDC и Hitachi Vantara показывают, что курс на аналитику данных есть не только у зарубежных, но и у российских компаний. Например, рост объема данных отмечают 78% респондентов (в ходе исследования были опрошены крупнейшие организации, штатная численность сотрудников в которых составляет 500 и более человек). При этом основными «поставщиками» данных считаются не внешние источники, как было принято думать раньше, а внутренние: рабочие переписки, различные бизнес-приложения, сервисы и т. п.

Анализ данных таких объемов требует высокопроизводительных вычислений, а значит, привлечения новых технологий и средств для их реализации. Обнаружить значимую информацию в огромном массиве данных стало одной из проблем больших данных, а получение новых знаний теперь зависит от правильного анализа. Компания, которая неправильно анализирует данные, может получить негативный опыт и решить, что ей это не нужно. Что, учитывая запросы потребителей, рано или поздно приведет к уходу с рынка.

Анализ больших данных связан еще с одной проблемой: чем больше данных, тем выше вероятность найти между ними ошибочные статистические связи, между тем как на самом деле эти совпадения случайны. Хороший пример приводит экономист, биржевой трейдер Нассим Талеб: «Если взять набор из случайно выбранных 200 переменных, которые никак не связаны между собой, и присвоить им 1000 информационных параметров, то будет практически невозможно не найти при дальнейшем анализе какое-то количество статистически обоснованных корреляций. Но на самом деле эти корреляции будут ложными, поскольку никакой связи между переменными никогда не было».

Есть и еще один вариант развития событий. Предприниматель может собрать целую команду экспертов, чтобы те находили верные связи и производили точный анализ, и они займутся этим с рвением профессионалов. Однако сплошной анализ всех поступающих данных не приведет ни к чему, если его не направлять, соотнося с целями бизнеса, а это уже задача руководителя. В статье Леандро Далле и Томаса Дэвенпорта «Какова ваша стратегия данных» утверждается, что организации активно используют при принятии решений менее 50% структурированных данных и менее 1% неструктурированных данных анализируется или используется в целом.

Рост объема данных отмечают 78% опрошенных представителей крупнейшх российских организаций

На практике данные поступают в разных форматах и зачастую распределены между несколькими источниками хранения информации. Обработка таких наборов данных происходит обычно в режиме поэтапного аналитического конвейера, включающего стадии преобразования и интеграции данных. Разнообразие форматов данных само по себе создает проблемы даже при не очень большом объеме, что способствует разработке соответствующих архитектур. Неструктурированные данные растут гораздо быстрее структурированных, а актуальность их обработки признают 85% российских компаний. Обрабатывать их лучше всего с применением технологии in-memory. На этой технологии, например, основан программно-аппаратный комплекс SAP HANA, позволяющий функционировать на данной платформе любым классам приложений.

Еще одной распространенной ошибкой предприятий, решившихся окунуться в большие данные, стали попытки работы с ними на устаревших платформах. Нежелание руководителей внедрять новые модели обработки информации приводит к торможению инфраструктуры и обессмысливанию нововведений. Понять такое нежелание нетрудно: стоит сменить наработанную технологию, как «придумают что-нибудь еще». Однако такая точка зрения экономически невыгодна, и руководителям следует быть более гибкими в отношении поддерживаемых технологий, тем более, что создаваемые платформы специально разрабатываются для успешного развития бизнеса. Многие современные технологии позволяют организовать сбор больших массивов данных в режиме реального времени, сохраняя при этом возможность работы с ними «на лету» и снижая вероятность их потерь.

Как отмечено в исследовании IDC и Hitachi Vantara, сейчас компании испытывают потребность в удобных и простых решениях. Дело в том, что со временем аналитика данных становится все более востребованной не только у отдельного подразделения, которое занимается, к примеру, разработкой стратегии предприятия, но и у всех сотрудников в целом. В связи с этим решения, позволяющие анализировать данные, должны быть доступны специалистам, у которых нет навыков работы в ИТ. Ожидается, что в дальнейшем эта тенденция сохранится.

Есть ли решение?

«Современные технологии уже справились с проблемами всех "трех V", — уверен Алексей Никифоров, руководитель подразделения технологических решений Hitachi Vantara. — Проблему объема решает хранилище объектов, не связанное с каталогами и потому безграничное. Так, например, Hitachi HCP (Hitachi Content Platform) может масштабировать объем данных во внутренних и внешних системах хранения, позволяет хранить множество неструктурированных данных, обеспечивает полностью интегрированный поиск метаданных по всем ресурсам данных с функцией классификации, обогащения и анализа всех имеющихся данных. Вместе с Hitachi Content Intelligence она обеспечивает интеллектуальное генерирование и сохранение метаданных».

Поскольку интернет-протокол, используемый в системах хранения, не может обрабатывать данные так же быстро, как напрямую вложенные файловые или блок-системы, крупные аналитические системы, такие как Hadoop или ETL, передавали данные на обработку в файловую систему, и Hadoop стал популярен среди крупных предприятий, несмотря на высокую стоимость хранения данных и исходящую из избыточности данных отказоустойчивость. В сравнении с ним HCP имеет более гибкие варианты хранения и обеспечивает более низкие затраты, а скорость обработки достигается с помощью виртуализации: благодаря сотрудничеству с Alluxio, HCP использует свою виртуальную распределенную файловую систему для доставки сертифицированного решения, упрощающего задачи подключения больших приложений данных, подобных Hadoop. Такая система значительно снижает затраты на хранение и предоставляет более быстрый доступ к данным.

Понятно, что при работе с устаревшей инфраструктурой ни на какую слаженность и быстроту операций с большими данными рассчитывать не приходится. Уже сейчас становится очевидным, что бизнес стремится создать глобальную структуру данных, которая смогла бы обеспечить полный доступ к данным из разных источников и многопользовательских систем. Многие эксперты в ближайшее время ожидают семикратного роста сегмента аналитики данных сравнительно со сферой ИТ в целом. Поэтому для руководителей предприятий крайне важно уже сейчас внедрять новейшую инфраструктуру и учиться разбираться в этих сложных и важных для цифровых компаний процессах.

Скачайте исследование IDC «Аналитика Больших данных как инструмент бизнес-инноваций»

Не можете уснуть из-за мыслей о том, что компания-конкурент вновь обошла вас, или вас давно уже не устраивают показтели отдельных производственных процессов, или вы наблюдаете снижение прибыли? Вам определенно стоит задуматься о необходимости цифровых преобразований. Стивен Энгель, старший вице-президент Hitachi Consulting, определил шесть базовых принципов, позволяющих успешно реализовать цифровые проекты.

Самое важное в ходе цифровой трансформации — концентрироваться на результате

Обратите внимание: по данным IDC, к 2020 году 60% компаний из списка Global 2000 смогут удвоить свою производительность за счет цифровых преобразований бизнес-процессов, которые к этому времени будут выполняться не людьми, а программами. При этом исследование, проведенное аналитиками Forrester/Odgers, показало, что лишь 26% ИТ-директоров компаний имеют четкую концепцию цифрового бизнеса. Эти два факта подчеркивают огромный разрыв, существующий между современным бизнесом и техническим прогрессом, который необходимо сокращать как можно быстрее.

Уже сейчас на всех без исключения рынках действуют весомые факторы, вызывающие революционные преобразования: повышение ожиданий клиентов, более быстрые и изобретательные конкуренты, принципиально новые возможности, не говоря уже о жестких требованиях к доходности бизнеса. В эти преобразования вносят вклад самые разные цифровые технологии: 3D-печать, прогнозная аналитика, машинное обучение, блокчейн, искусственный интеллект, датчики, алгоритмическое моделирование и многое другое.

При этом есть всего шесть базовых принципов, которые необходимо учитывать в контексте цифровых преобразований. Ведь цифровая трансформация не обязательно выльется в длительный процесс; более того, она и не должна им быть. Цифровые преобразования — это не попытка объять необъятное. Это последовательность постепенных взаимосвязанных шагов, каждый из которых способствует повышению прибыльности и конкурентоспособности компании.

Первый принцип: ставьте измеримые цели. Пилотные проекты должны быть такими, чтобы их можно было описать в нескольких пунктах, а потом измерить эффективность — например, в объеме полученной прибыли. Важно при этом, чтобы проекты не становились «идеей фикс», иначе так можно лишиться способности мыслить глобально и видеть пути для новых цифровых преобразований.

Второй принцип: проверяйте гипотезы данными. Например, если один из проектов направлен на повышение производительности линии, на которую влияют внеплановые простои, соберите данные за фиксированный период времени. Это могут быть данные о производственной загрузке, трудоемкости процесса, расходе сырья, планируемых заказах. Совокупность данных по ключевым показателям позволит подтвердить гипотезу и выработать алгоритм дальнейших действий.

Третий принцип: создайте экономическую модель проекта. Например, задайте себе вопрос: обеспечат ли вложения в замену оборудования реальную экономию средств? Если у вас есть данные о том, что каждый простой обходится в тысячи долларов и ставит под угрозу отношения с клиентами, то у вас уже фактически есть готовое экономическое обоснование. Помните, что проект цифровых преобразований должен выйти на уровень безубыточности не позже чем через год после его начала и обеспечить значительную окупаемость инвестиций через 18 месяцев.

Четвертый принцип: вовлекайте в ваш цифровой проект руководителей бизнес-направлений. Традиционные ежемесячные совещания, доклады и отчеты о состоянии дел не годятся для осуществления цифровых преобразований. Следует создать команду из руководителей, ответственных за каждое направление, имеющее отношение к проекту.

Пятый принцип: помните, что важны результаты проекта. Выбирайте пилотные проекты с убедительным технико-экономическим обоснованием и концентрируйте усилия на устранении препятствий для реализации. Возможно, репозиторий данных не обладает достаточной емкостью для хранения актуальной информации, получаемой в реальном времени, или с датчиков поступают не все нужные данные. Решение этих промежуточных проблем позволит создать именно те преимущества, которые вы планировали получить, и поддержать необходимый уровень активности в процессе цифровых преобразований.

Шестой принцип: используйте пример компаний-лидеров из других отраслей. Зачастую то, что кажется лишь отдаленной возможностью, в другой отрасли является стандартной процедурой выполнения операций. Успехи других компаний на пути к цифровому преобразованию бизнеса вдохновят команду и, как следствие, позволят ей лучше оценить значимость прилагаемых усилий.

Самое важное — концентрируйтесь на результате. Независимо от того, планирует ли ваша компания пройти через цифровую трансформацию в скором времени или уже реализует проекты по цифровому развитию, тщательно продумайте, как вы будете собирать, анализировать и использовать данные и какие новые технологии потребуются для того, чтобы улучшить ваш бизнес. В этом случае вы сможете выстроить успешную стратегию ведения предприятия и точно окажетесь востребованной компанией на рынке XXI века.

Скачайте прямо сейчас исследование IDC «Аналитика Больших данных как инструмент бизнес-инноваций»!

Дискуссия о важности новых технологий для бизнеса ведется уже несколько десятилетий. Тем не менее все эксперты, аналитики и практики сходятся в одном: чем бы ни занималась ваша компания, ее основной цифровой актив – это данные. Они помогают принимать решения, рассчитывать наиболее выгодные траектории развития и выстраивать стратегии. Но для того, чтобы данные работали, должен быть специалист, который мог бы ими управлять. Должность такого специалиста называется Chief Data Officer, или – директор по данным.

Gartner: к 2020 году 15% CDO займут позиции топ-менеджеров

За рубежом эта должность известна уже достаточно давно: в крупных ИТ-организациях или бизнес-корпорациях она существует на протяжении нескольких лет. Аналитики Gartner, к примеру, считают, что в ближайшем будущем в зарубежных компаниях ожидается резкий рост подобных позиций. Прогнозируется, что к 2020 году 15% таких руководителей займут позиции топ-менеджеров — директоров по маркетингу, операционных или генеральных директоров.

В России функции и полномочия Chief Data Officer официально были определены Минэкономразвития только весной 2018 года. В частности, согласно документу, директор по данным должен отвечать за разработку и реализацию стратегии цифровой трансформации, формирование корпоративного центра компетенций в сфере цифровых технологий и обеспечение лидерства в управлении изменениями, связанными с внедрением сквозных цифровых технологий. Это определение ближе к зарубежному Chief Digital Officer – директора по цифровым технологиям. Отличие между ними довольно прозрачно: например, Джо Маккендрик, независимый аналитик и автор ряда зарубежных IT-изданий, считает, что данные – это компонент более широкой инициативы – цифровизации организации. Это помогает и разделить зону ответственности двух руководителей: Chief Data Officer должен больше заботиться о данных, о том, как они создаются, обрабатываются, насколько хорошо они защищены. А директор по цифровым технологиям должен фокусироваться на общей стратегии цифровизации компании.

Компетенции и зона ответственности

Большинство экспертов сходится во мнении, что компетенции, роль и функции CDO отличаются от компании к компании в зависимости от ее потребностей. «Некоторые организации ограничивают зону ответственности CDO исключительно техническими вопросами: например, поиском данных, анализом процессов, построением архитектуры данных, управлением качеством данных, их жизненным циклом, наконец, защитой данных, – считает Юрий Скачков, генеральный директор Hitachi Vantara. – Однако сейчас лично я наблюдаю тенденцию к сближению технической и бизнес-сфер. CDO отдается больше свободы и в построении бюджета, и в разработке стратегии компании. Конечно, большинство российских компаний запускают пилотные проекты, пробуют почву. Плоды таких смелых шагов мы будем пожинать через несколько лет».

Тем не менее можно определить несколько приоритетных направлений работы, которые дублируются в разных компаниях. Так, CDO отвечает за качество данных, манипуляции над данными, управление основными данными. Также на его плечах лежат информационная стратегия, наука о данных и бизнес-анализ. Понятно, что с такими обязанностями директору по данным требуется техническое образование: например, математическое или инженерное. Далеко не лишней будет и маркетинговая подготовка, которая поможет при выстраивании бизнес-процессов и продвижении цифровых активов организации.

В каких сферах нужны?

На сегодняшний день большинство компаний задумываются только о части цифровых проектов, в особенности той из них, которые связаны с данными. С этим фактом связаны и мероприятия, направленные на освещение деятельности директоров по данным, их компетенций и опыта. Один из таких примеров – премия CDO Award 2019, вручение которой прошло в рамках форума Big Data 2019. Исходя из списка номинантов премии, можно с уверенностью сказать: CDO востребованы практически везде.

«Аналитики сходятся во мнении, что рынок вступил в стадию формирования экосистем, в рамках которых все действующие лица будут получать удобные и взаимовыгодные сервисы, — считает Азат Шамсутдинов, директор по цифровым технологиям Sever.AI. — Финтех эту стадию уже практически прошел, а остальным направлениям предстоит преодолеть этот путь. Логичным продолжателем пути пионеров становится HR-сфера, включая поиск и подбор сотрудников».

Роль CDO в современных цифровых компаниях является одной из ключевых

Полезны CDO будут и в ресторанном бизнесе. «Сеть Burger King начала бурно развиваться с 2012 года, тогда у нас было несколько десятков ресторанов и появился стратегический партнер, — рассказывает Максим Шарапов, директор департамента ИТ «Интернэшнл Ресторант Брэндс». — Получив финансирование, сеть начала экспансию. <…> Базисом всей дальнейшей работы была подготовка единого источника данных, необходимого для последующего внедрения цифровых сервисов. Мы приняли решение внедрять ERP-систему, объединив в единой базе разрозненные данные различных подразделений. Более того, ERP стала системой мастер-данных. Таким образом был создан фундамент для дальнейшей цифровой трансформации».

Но пока что наиболее востребованы CDO в финансовом секторе и в телекоме. «“Ростелеком” развивается, и бизнес прекрасно понимает вызовы, которые бросает нам рынок, — говорит Сергей Носов, директор по управлению данными ПАО «Ростелеком». — Мы понимаем, что бизнес-решения нельзя принимать, руководствуясь только опытом и интуицией. Взвешенные, оптимальные решения должны быть основаны на фактах, проверке гипотез реальными данными. Рост бизнеса, расширение продуктового ряда и всеобщая цифровизация приводят к тому, что данных становится все больше и их надо структурировать и систематизировать».

Эти и многие другие кейсы подчеркивают, что роль CDO в современных цифровых компаниях является одной из ключевых. Chief Data Officer позволяет реализовывать инновационные решения и использовать потенциал данных, которые важны не только в контексте представления компании на рынке, но и в контексте повышения прибыли и дальнейшего роста ее бизнеса.

Скачайте прямо сейчас исследование IDC «Аналитика Больших данных как инструмент бизнес-инноваций»!

В третьем квартале 2018 года объем продаж корпоративных систем хранения данных в мире составил 14 млрд долл., что на 19,4% больше, чем в третьем квартале предыдущего года. Общая емкость систем выросла на 57,3% до 113,9 эксабайт. 27,7% продаж (3,9 млрд долл.) приходится на продукцию ODM-производителей, поставляющих системы для гипермасштабируемых центров обработки данных. На серверные системы хранения приходится 27,3% (3,8 млрд долл.), а на внешние системы — около 6,3 млрд долл. Компании продолжают вкладывать средства в системы хранения, необходимые для эффективного использования данных, отмечают аналитики.

Dell занимает первое место среди производителей систем хранения данных. Объем продаж у нее увеличился на 21,8%, и теперь составляет 19,2% от общего объема рынка. HPE с New H3C Group занимает второе место с долей 16,4%, хотя продажи у нее сократились на 3,3%. NetApp увеличила продажи на 15,3% и занимает третье место с долей 5,8%. Четвертое место делят Hitachi, Huawei, IBM, Lenovo и Inspur с долями 3,0%, 3,0%, 2,9%, 2,6% и 2,2% соответственно. В сегменте внешних систем хранения данных Dell тоже лидирует (31,3% рынка), а второе место занимает NetApp (12,8%). HPE с New H3C Group принадлежит 10,4%, а Hitachi и IBM — 6,4% и 6,2%, соответственно.