Сегодня российские компании находятся на разных этапах внедрения data-driven подхода: некоторые только задумываются о формировании аналитической функции, другие уже активно зарабатывают на данных, быстро обгоняя менее развитых конкурентов.
Давайте разберемся, почему не всем компаниям удается совершить этот, казалось бы, очевидный шаг эволюции, и что важно учесть лидерам бизнеса на разных стадиях внедрения системы управления, основанной на данных.
Переход в data-driven систему затрагивает все уровни управления, культуру принятия решений, технологический стек компании и инструментарий, которым должны овладеть все сотрудники. Это делает проекты внедрения сложными с повышенным влиянием множества факторов, не столько технологических, сколько человеческих.
Какие факторы существенно влияют на скорость и результаты проектов внедрения системы управления, основанной на данных? Если учитывать их заранее и включать в проектный план как возможные барьеры, вероятность успеха значительно возрастет.
Основные барьеры перехода на data-driven систему управления:
1. Низкая вовлеченность собственников и CEO в проект
Одним из основных барьеров для внедрения data-driven подхода в бизнесе является недостаточная поддержка и вовлеченность со стороны первых лиц.
Большинство инициатив по внедрению data-driven начинается в отдельных функциях, благодаря усилиям активных руководителей, но редко масштабируется на весь бизнес из-за культурных и технологических барьеров. Когда решение о переходе на data-driven принимается на уровне акционеров или CEO, проект нередко делегируется ИТ-департаменту. Однако ИТ-блок, не обладая достаточными полномочиями, ресурсами и компетенциями для трансформации бизнес-процессов всех направлений, оказывается неспособным реализовать проект в полной мере. В результате компания сталкивается с разочарованием и утратой доверия к подобным начинаниям.
Для достаточной вовлеченности первых лиц необходимо сформировать их представления о том, какие эффекты получит бизнес при успешном внедрении data-driven подхода, как реализуются подобные проекты, какими этапами и ресурсами.
Помимо самого действенного метода — обучения, хорошо работают референс-визиты в более зрелые бизнесы, анализ кейсов на технологических конференциях, а также привлечение сотрудников, которые уже поработали в data-driven компаниях и принесут с собой новую data-driven культуру.
2. Конфликт интересов наемных менеджеров с владельцами бизнеса
Конфликт заложен в самой схеме взаимодействия и лишь обостряется в рамках перехода на data-driven систему управления. Российский менталитет и низкая толерантность к ошибкам заставляют менеджеров бояться прозрачности, прятать свои недоработки, ожидая увольнений или опасаясь потери репутации. Даже если исключить из уравнения серые схемы и махинации, этот фактор остается одним из ключевых препятствий на пути к открытой и эффективной системе управления.
Владельцы же, наоборот, стремятся к открытым и полным данным, чтобы своевременно принимать меры и объективно оценивать результаты работы менеджмента.
Для минимизации этого конфликта важно грамотно организовать формирование независимой аналитической функции под управлением первого лица и сформировать культуру открытости, где ошибки воспринимаются как возможности для улучшения.
3. Низкий уровень data и digital literacy (грамотность в работе с данными и цифровая грамотность) сотрудников
Недостаток осознания ценности данных для бизнеса и слабые навыки использования аналитических инструментов при принятии решений мешают многим компаниям внедрить data-driven подход. Зачастую команда топ-менеджеров ожидает, что найм BI-аналитиков позволит им получить управленческие дашборды в реальном времени с полными данными по всем направлениям бизнеса. Однако на практике большая часть процессов в бизнесе не оцифрована, информационные системы настроены некорректно, с большим отставанием ввода данных об операциях и ошибками. Все это приводит к неправильным ожиданиям и разочарованию в data-driven подходе.
Формирование у сотрудников компании базовых представлений о системе управления, основанной на данных, и о том, какая колоссальная работа скрывается за интерфейсом дашборда, позволит грамотно спланировать и организовать переход всех функций на новую систему управления. А обучение участников проекта внедрения data-driven системы создаст единое информационное пространство, поможет определить оптимальные этапы внедрения с учетом специфики бизнеса и обеспечит согласованность действий.
4. Нежелание менеджмента заниматься процессами и организовывать формирование корректных данных
В проектах внедрения data-driven подхода значительная часть ресурсов и усилий — иногда более 80% — уходит на обеспечение качественных и полных данных. Их невозможно получить без грамотной оцифровки бизнес-процессов и своевременного ввода данных в информационные системы. Именно этот барьер чаще всего не удается преодолеть компаниям, что приводит к неудовлетворительным результатам.
Управленцы редко занимаются процессами и их оцифровкой — это требует больших усилий, терпения и развитых цифровых навыков, которые, по их мнению, зона ответственности ИТ-подразделения. Эта установка мешает продвинуться в сторону data-driven похода.
Дополнительная сложность возникает на этапе реализации задач по своевременному вводу данных в информационные системы сотрудниками компании. Люди обычно не хотят прилагать дополнительные усилия и переучиваться. Для этого управленцу потребуется разработать мотивационные механизмы, минимизировать ручной ввод данных и обеспечить системный контроль их качества. Недостаточное погружение руководителя в эту задачу часто препятствует построению аналитики и реализации всего проекта.
На программе «Переход в data-driven управление: пошаговый алгоритм для лидеров бизнеса» разбираются методики, которые ускоряют оцифровку процессов и обеспечивают качество данных. Это достигается путем формирования целевого состояния аналитических разрезов и четких требований к доработкам информационных систем.
5. Разные приоритеты бизнеса и ИТ
Трудности коммуникаций между «бизнесом» и «ИТ» встречаются почти во всех компаниях. В проектах внедрения автоматизированной аналитики одна из спорных зон — это определение оптимальной data-инфраструктуры под специфику и зрелость бизнеса. Зачастую, пока ИТ-команда за огромные бюджеты годами строит многослойное корпоративное хранилище, бизнес страдает от отсутствия элементарной аналитики и недополучает прибыль. Подход ИТ понятен — надо думать наперед, собрать полноценную команду, применить современные технологии и централизовать управление данными. Подход бизнеса также обоснован — лучше сделать просто, пока данных еще мало и не требуются серьезные способы их обработки, чтобы уже завтра получить эффект.
Команде внедрения data-driven системы управления предстоит найти оптимальное решение под специфику бизнеса — учесть интересы и риски обеих сторон и выстроить эффективное кросс-функциональное взаимодействие.
6. Отсутствие или несогласованность системы метрик и показателей
Запуск проекта перехода на data-driven систему управления обычно вскрывает проблему отсутствия в компании стандартов аналитики, описанных и приоритизированных показателей эффективности всего бизнеса и отдельных структурных подразделений. Разные департаменты могут рассчитывать одну и ту же метрику — например, выручку — по-разному: на основе оплат, закрытых актов, начислений или отгрузок, при этом учитывая или не учитывая налоги, возвраты и аннулирования. Это приводит к несоответствиям и создает хаос, мешая внедрению четких правил для автоматизированных расчетов.
Создание дерева метрик компании и справочника показателей с определением источников «сырых» данных, на основе которых выполняются вычисления, — важная методологическая составляющая проекта перехода к data-driven системе. Этот шаг позволит установить единые стандарты для расчета и интерпретации данных.
7. Игнорирование продуктового подхода в разработке дашбордов
Упущение реальных потребностей пользователей при разработке дашбордов приводит к тому, что они оказываются невостребованными. Команды разработки часто создают дашборды без глубокого погружения в процессы и задачи пользователя и не понимают, где именно заключается потенциал повышения его личной эффективности и какие инструменты помогут достичь его KPI. Впоследствии такие ошибки в разработке объясняют тем, что сотрудники привыкли работать в Excel и не готовы использовать дашборды.
Каждому пользователю, будь то акционер или линейный менеджер, необходимо предоставлять индивидуальный аналитический продукт, который отвечает его потребностям и способствует повышению эффективности его работы. Применение продуктового подхода значительно повышает качество аналитических панелей и ускоряет внедрение data-driven подхода.
Здесь перечислены лишь некоторые факторы, с которыми чаще всего сталкиваются лидеры и заказчики перехода в систему управления на основе данных, и которые критическим образом влияют на успех проекта и на объем затраченных ресурсов. Узнать про остальные барьеры и получить конкретные рекомендации по их преодолению можно на программе «Переход в data-driven управление: пошаговый алгоритм для лидеров бизнеса». На ней рассматриваются методы управления проектами перехода в data-driven систему управления, а также методики разработки дашбордов, которые приносят прибыль компании и повышают личную эффективность пользователей, стимулируя рост дохода и повышая удовлетворенность от работы.
