Секреты аналитики, или Аналитика без секретов

Очень образно JTBD описал Чарльз Ревсон, глава корпорации Revlon: «На фабриках мы производим косметику, а в магазинах – продаем мечту». Правда я бы немного перефразировала: «…а в магазинах продаем сбывшуюся мечту». На мой взгляд, это будет точнее описывать работу, на которую мы «нанимаем» косметику.

Подход JTBD применим к любому продукту или услуге.

Например, JTBD анализа поможет «узнать, как обстоят дела компании, и успокоиться» – оценить статус продукта на рынке и отношение к нему со стороны покупателя. Для этой цели может быть применен стандартный отчет, показывающий, как мы достигли основных показателей эффективности (Key Performance Indicators, KPI).

А вообще, какие Jobs To Be Done или какие «работы по найму» может быть у аналитики? Ответы на этот вопрос могут быть разными, и они во многом зависят от готовности использовать анализ для их решения.

Что обычно интересует на самом первом уровне, когда только начинаешь заниматься анализом? Например, сколько денег я трачу – чтобы оценить, сколько денег мне нужно в среднем в месяц. Или оценить, сколько времени я трачу на ту или иную работу, чтобы рассчитать, сколько времени мне надо выделить в следующий раз, чтобы выполнить задание спокойно, не напрягаясь, не боясь получить выговор от своего руководителя.

Это был пример обыденных, повседневных задач, которые можно выполнить, прибегнув к самому простому анализу – просто собрать все данные по затраченному времени или тратам на листочке бумаги или листе Excel. Такого рода аналитика называется описательной.

Хорошо, я свела все свои расходы в общий файл, понимаю, сколько денег или сколько времени мне нужно, и получила возможность спокойно строить планы на будущее (спокойствие и комфорт при построении планов – еще одна «JTBD» аналитики), опираясь на результаты анализа. Теперь у меня могут возникнуть вопросы: как мне уменьшить время выполнения задач? Как мне сократить траты в месяц? Почему столько денег уходит в месяц именно на костюмы или платья, а гораздо меньше – на питание? Можно ли это изменить? Почему я потратила именно столько?

Когда я задаю себе вопрос, почему так произошло, я уже начинаю использовать аналитику более профессионально, более зрело. И такая аналитика называется диагностической. Она позволяет мне понять: «А почему произошло то, что произошло?» И благодаря этому я уже могу в большей степени влиять на ситуацию, и отчасти даже изменить ее в свою пользу. Понимание причин – это очередная JTBD.

И тогда помимо спокойствия и понимания причин у меня возникает еще и возможность управления своим будущим. То есть возможность завтра жить лучше, чем вчера. Например, понять, что я бы хотела тратить больше денег на путешествия, поскольку они мне приносят гораздо больше радости, чем новое платье. Поэтому в следующий раз, прежде чем покупать платье, я подумаю: а хватит ли мне на путешествие?

И после этого я могу захотеть усилить контроль над своим будущим. Мне станет интересно: а что будет, если я буду делать, что и вчера? Каких результатов я достигну, сколько денег заработаю? Что вообще будет происходить в дальнейшем? И тут мы уже переходим к следующему уровню работы аналитики, к тому, что отвечает на вопрос «что будет?». Эта аналитика чаще всего основана на предположении результатов уже выполненных действий (тех же, что и «вчера»). Такая аналитика называется прогностической. Она мне поможет ответить на вопрос, например, «когда я смогу отправиться в путешествие».

И наконец, если я пойму, что в путешествие отправлюсь еще не скоро, если буду делать то же самое, что и вчера. Например, если я буду откладывать на путешествие по 2000 рублей в месяц как делала вчера, и накоплю нужную сумму только через два года, а мне бы хотелось поехать уже в конце этого. И тогда возникает вопрос: а что нужно делать, чтобы получить результат, который я хочу? И в данном случае аналитика начинает выполнять для меня по-настоящему профессиональную работу – помогать добиваться поставленных целей и реализовывать мечты, управлять моим будущим. Такая аналитика называется предписывающей.

Таким образом, работа, на которую я «нанимаю» аналитику, может быть разной: она может помочь проанализировать мою жизнь сейчас, выявить слабые аспекты, на которые стоит обратить более пристальное внимание; построить детальный и действенный план. Например, в первом случае, когда я использую только диагностическую аналитику, я могу подумать о том, как быстрее сводить данные. Тогда я буду не только знать, что происходит по факту, но и получать такого рода информацию быстро, экономя на этом время. А если я хочу управлять своим будущим и достичь поставленных целей, то мне нужно уже, конечно, использовать и «нанимать на работу» предиктивную (прогностическую) аналитику.

Если представить все виды аналитики на одном рисунке 1, у нас получится:

Рисунок 1. Виды аналитики

Таким образом, используя аналитику, я чувствую себя спокойнее от понимания, что происходит и почему. Я обретаю уверенность при принятии решений относительно будущего, потому что заранее просчитываю варианты и могу выбрать тот, который мне нравится больше. И, конечно же, при грамотном использовании аналитики я еще приобретаю дополнительное время, экономя его на принятии решений и понимании ситуации.

Более того, помимо практической пользы аналитика может также приносить удовольствие: это похоже на решение интересных логических задач, к каждой из которых нужно найти индивидуальный подход. И порой решение таких задач может быть интереснее самого захватывающего детектива, ведь в этом случае вам отводится не роль простого зрителя, а настоящего следователя – аналитика.

А если главной целью анализа является принятие правильного стратегического решения, то без прогностической (предсказательной) аналитики в качестве продукта нам не обойтись.

Я часто спрашиваю слушателей и посетителей моих аналитических курсов: «Каких результатов вы хотите добиться в итоге?» И в тех случаях, когда мы совместно находим лучшее из возможных применений метода JTBD, отличный результат не заставляет себя ждать.

За время работы, опрашивая своих коллег, руководителей, я собрала типичные примеры преимуществ метода JTDB:

1. Ощущение свободы и уверенности на бизнес-ревью и совещаниях с руководством.

2. Легкость в принятии решений: в ситуации, когда «все карты на стол», сомнения пропадают, и 3. все сразу становится понятным.

4. Уверенность в правильности принятого решения, особенно когда приходится делать сложный выбор из «миллиона» вариантов.

5. Свободное время: в среднем от одного до трех дней освобождается на подготовку предложений и материалов для отчетов о результатах работы.

6. Эффективное построение карьеры менеджера, руководителя, радость и удовольствие при подготовке отчетов.

А какие результаты JTDB от владения анализом хотите получить вы?

1.5. Немного о диджитализации

Глава, которую вы, если перед вами не стоит цель внедрения в компанию аналитической культуры, можете не читать.

Когда я стала работать руководителем отдела развития и повышения эффективности в крупной фармкомпании, передо мной часто вставали задачи «управления данными» или внедрения «цифрового подхода». Ни разу эти задачи не оказались легкими или тривиальными. Каждый раз возникали новые сложности.

Поэтому я решила привлечь диагностическую аналитику и разобраться в причинах возникающих сложностей.

Начала, как всегда, с основ. Вообще популярный сегодня подход «назад к основам» (back to basics) меня ни разу не подводил.

Итак, что такое «управление данными» (data-driven) и «цифровой подход» (digital)?

Эти понятия были предложены IT-специалистами, занимающимися созданием IT-программ и написанием программных кодов.

Именно они создали код, который изменялся в зависимости от исходных данных, становясь по своей сути «data-driven», т. е. в буквальном смысле слова «движимым данными».

Поэтому не удивительно, что именно IT-специалисты и стали движущей силой, пытающейся внедрить «data-driven» в компаниях, развивая мощность серверов, создавая специальные платформы и множество программных продуктов. Они же создали и техническую возможность сбора и обработки данных, практически вне зависимости от их структуры и количества[8 - Например, «озеро данных» (Data Lake) – место для хранения данных, которое может вмещать их большой объем в исходном необработанном формате.].

Их труд и энергия безусловно заслуживают самой высокой оценки и искреннего восхищения. Более того, они смогли успешно «продать» свои идеи и продукты высшему менеджменту крупных компаний, вселив в последних твердую уверенность: «IT придет и все Вам сделает!»

Увы, на практике все оказывается гораздо сложнее.

Так в чем же основные сложности, с которыми сталкиваются компании при внедрении data-driven и digital трансформации?

Я могу выделить 3 основных трудности:

1. Уже упомянутый миф «IT придет и все Вам сделает».

2. Неготовность бизнеса или наличие «эффекта» ареола, иногда называемого HIPPO (Highest Paid Person Opinion, что буквально переводится как «Мнение самого оплачиваемого сотрудника»). То есть компания полагается не на четкие данные, а на чей-то авторитет, поддерживаемый его опытом и стажем работы в компании.

3. Неготовность самих аналитиков и аналитических подразделений.

Причем при отсутствии минимальной готовности на каждом из этих уровней так необходимая трансформация будет внедряться в компании в лучшем случае долго, в худшем – не внедрится никогда.

Большой разницы между этими двумя сценариями для компании нет, так как по итогам любого из них компания не сможет стать «Аналитическим конкурентом» или даже «Аналитической компанией».

Итак, рассмотрим последовательно каждый из этих камней преткновения или «мифов»:

Миф «IT придет и все Вам сделает»

Как мы уже сказали, роль IT-подразделений в развитии культуры управления данными сложно переоценить. Безусловно, цифровая трансформация («Digital transformation») невозможна без развития IT-технологий. Однако и преувеличение роли IT часто приводит к неуспеху проекта.

Основные причины я вижу в том, что:

Во-первых, у сотрудников IT-подразделений отсутствует вовсе или недостаточно глубокое понимание бизнеса, его движущих сил. Тогда все самые лучшие прогностические модели, созданные IT-специалистами на R или Python[9 - R и Python – языки программирования, часто используемые для создания прогностических моделей],остаются не более, чем красивыми теоретическими выкладками.

Во-вторых, обнаруживается различное видение идеалов у IT и бизнеса. Идеал IT – система, раз создав которую, нужно просто поддерживать процесс, периодически (как можно реже) исправляя возникающие недочеты. А вот идеал бизнеса – система, в которую можно вносить любые изменения каждый день.

В-третьих, неумение IT говорить на простом языке, понятном бизнесу.