«Цифры никогда не врут»: страх перед аналитикой

С помощью данных компании могут выявлять убытки на миллионы, сокращать трудозатраты и принимать более точные решения. Однако одного лишь наличия таблиц, дашбордов и искусственного интеллекта недостаточно для успеха.

Когда у организации нет четкой цели, качественных исходных данных и ответственного за результат, аналитическая система рискует остаться дорогой витриной.

На круглом столе эксперты обсудили, почему разные подразделения одной компании часто показывают руководителю разные цифры, можно ли внедрять аналитику без крупного IT-бюджета и почему искусственный интеллект пока не способен наладить взаимодействие между отделами.

Андрей Волков, директор по цифровой трансформации ГК «Синтека», отметил, что бизнес собирает и обрабатывает данные прежде всего ради двух ресурсов — денег и времени. «Первое — это деньги, второе — время. Никто не хочет терять ни то, ни другое. Аналитика должна показывать, где мы по срокам что-то не успеваем, где могли бы сделать больше и где теряем деньги. <...> Нам нужны данные, чтобы принять решение, сэкономить деньги и освободить время», — пояснил он.

Однако простого сбора информации недостаточно. В крупных компаниях разные отделы нередко по-разному определяют и рассчитывают один и тот же показатель. «У нас много подразделений и отделов. Каждую неделю проходит маркетинговое совещание, на которое приходят маркетинг, телемаркетинг, несколько отделов продаж. И все называют разные цифры: разное количество переданных лидов, разные конверсии. Если посчитать по данным одного отдела, мы на маркетинговой кампании заработали. Если поверить другому — потеряли. У каждого свои методы расчёта, и собственник в итоге говорит: „Мне нужна цифра, которой я могу доверять“», — рассказал Волков.

После этого начинается самый сложный этап: подразделения должны договориться о единой методике расчёта. «Нужно со всеми обсудить методику, понять, откуда берутся расхождения, найти компромисс и вывести метрику, которой будут верить все участники совещания. Иначе каждый продолжит говорить: „Моя цифра правильная, а вы считаете неправильно“. Без такой согласованности аналитика не помогает принимать решения, а только создаёт дополнительные споры», — добавил он.

Технический директор компании «Формат кода» Борис Кириллов выделил три основные задачи аналитики: диагноз (оценка состояния компании), прогноз (выявление будущих проблем и аномалий) и поддержка принятия решений. «Решения можно принимать на основе интуиции — „мне так кажется“, — а можно опираться на количественные показатели. Но и здесь есть оговорка: если собирать всё бездумно, данные превращаются в болотце, которое ни к чему хорошему не приводит», — подчеркнул он.

Собственник группы компаний «Альбатрос», врач-дерматолог Наталия Дмитриева отметила, что в медицине необходимые системы появились давно: клиники используют телефонию, CRM и медицинские информационные системы. Главная проблема сейчас — не в отсутствии цифр, а в нежелании собственников их изучать. «Собственнику бизнеса смотреть на них страшно, потому что цифры никогда не врут», — уверена она. Для регулярной оценки работы клиники достаточно четырёх показателей: загрузка, средний чек, возвращаемость пациентов и процент перенаправления в рамках лечения.

«Когда видишь эти четыре показателя, иногда начинаешь думать: правильно ли я приняла управленческое решение? Может быть, у меня не тот человек занимается определённым сектором? Может быть, маркетинг работает не так или руководители не справляются? Сложность не в том, чтобы получить цифры, а в том, чтобы их принять», — пояснила Дмитриева.

Директор внедрения цифровых сервисов ГК «А101» Татьяна Файнблит отметила, что раньше главной задачей была интеграция разных систем, а теперь на первый план выходит скорость получения достоверной информации. «Руководителю уже недостаточно получить таблицу или большой отчёт через несколько дней. Ему нужен готовый ответ на конкретный запрос — быстро, в понятной форме и с высокой степенью достоверности. <...> Поэтому ценность современной аналитики заключается не только в объеме собранных данных, но и в том, насколько быстро их можно превратить в корректный и практически применимый вывод», — объяснила она.

Стоимость аналитической системы зависит от масштаба бизнеса, количества источников и требований к инфраструктуре. По словам Бориса Кириллова, полноценная архитектура включает несколько уровней: от корпоративных систем (CRM, ERP) до хранилищ, инструментов визуализации и искусственного интеллекта. «В пределе это действительно дорого. <...> Если у компании несколько терабайт информации, это одна история. Если речь идёт об огромном массиве и требовании размещать всё только на собственных серверах, бюджет будет совсем другим», — рассказал он.

Наталия Дмитриева считает, что начинать можно с обычной таблицы: «Обычная таблица дает очень много информации и постепенно формирует привычку анализировать. Сначала мы научились еженедельно, а где-то ежедневно работать с данными. И только потом начали внедрять другие системы». Основой цифровой инфраструктуры клиники стала медицинская информационная система, вокруг которой постепенно появились дополнительные сервисы. «Мы смотрим, чего нам не хватает. Например, нужна триггерная рассылка клиентам — внедряем один инструмент. Нужно проверять амбулаторные карты — подключаем другой. <...> Но самое дорогое — не купить все эти программы, а научить людей ими пользоваться», — подчеркнула она.

Андрей Волков также считает, что работающая аналитика необязательно требует огромных затрат. Можно купить готовое отраслевое решение. «Стоимость нашего решения начинается примерно от 150 тысяч рублей в год и, в зависимости от размера компании, может доходить до 600 тысяч. В эту сумму входит техническая поддержка», — рассказал он. Однако даже при использовании готового продукта потребуется собственный аналитик, способный интерпретировать показатели. «Если условно заложить на такого сотрудника около 200 тысяч рублей в месяц, суммарно получается примерно 2,5 миллиона рублей в год. Но решение сразу начинает давать показатели и позволяет экономить. Иногда одним дашбордом по арматуре можно за три месяца отбить миллион», — добавил Волков.

Другой путь — начать с бесплатных или недорогих BI-инструментов. «Можно использовать бесплатные сервисы, подключать к ним Excel-таблицы, CRM, 1С и другие источники. <...> Мы сами начали с покупки BI-инструмента примерно за 500 тысяч рублей, а годовая поддержка стоила значительно меньше», — отметил он. Внедрение лучше начинать с одной конкретной задачи, чтобы быстро получить эффект и вернуть вложенные средства.

В девелопменте цифровые технологии сопровождают весь жизненный цикл проекта — от проектирования до продаж и эксплуатации, рассказала Татьяна Файнблит. «Наиболее заметный эффект они дают там, где связаны со взаимодействием с клиентами и автоматизацией внутренних процессов. <...> Онлайн-шоурумы, интерактивные конфигураторы, CRM-системы и чат-боты позволяют не только сделать покупку квартиры удобнее, но и объединить информацию о каждом этапе взаимодействия с клиентом», — пояснила она.

По её мнению, внедрить полноценную аналитику можно и без большого IT-бюджета, если в компании уже сформированы качественные исходные данные. «Именно подготовка данных, внедрение системы их сбора и хранения, а также обучение сотрудников обычно требуют больше времени и организационных усилий, чем непосредственно приобретение аналитического инструмента», — считает Файнблит.

На вопрос, способен ли ИИ заменить аналитика с зарплатой 200 тысяч рублей в месяц, Андрей Волков ответил, что нейросеть пока скорее помощник, чем замена. «Искусственный интеллект способен найти аномалии, агрегировать информацию, работать с большим массивом данных. Но он не соединит самостоятельно разные источники и не договорится с пятью отделами, каждый из которых по-своему рассчитывает одну метрику», — пояснил он. Для этого нужны коммуникативные навыки, которых у ИИ нет.

Внутри «Синтеки» используется около ста дашбордов. Чтобы руководитель мог быстро найти нужную метрику, настроили ИИ, который знает, какие отчёты существуют и что в них содержится. «Руководитель задаёт вопрос в чате и получает готовый ответ. При необходимости нейросеть может построить график и проанализировать даже 12 миллионов строк», — рассказал Волков. Однако он не готов полностью доверять такому ответу: «У меня остаются опасения: не забудет ли нейросеть применить какой-нибудь фильтр, не отбросит ли что-то как мусор и верно ли покажет директору показатель. <...> Поэтому искусственный интеллект — это ассистент руководителя, но не самостоятельный аналитик».

Борис Кириллов добавил, что ИИ наиболее эффективен там, где есть повторяющиеся закономерности и глубокая история данных. «Самые эффективные области — прогнозирование, поиск аномалий и другие задачи, где существует определенный паттерн и накоплены исторические данные. <...> Также нейросети могут помогать крупным организациям разбираться с разрозненными источниками», — пояснил он. Но стопроцентной достоверности ждать не стоит из-за вероятностной природы таких систем.

Наталия Дмитриева рассказала, что в медицинском бизнесе ИИ уже встроен во многие рутинные процессы: ускоряет работу, снимает напряжение с сотрудников, генерирует контент. «Ролики и мультфильмы, созданные с помощью искусственного интеллекта, иногда получают в социальных сетях в десятки, а то и в сотни раз больше просмотров, чем креативы дизайнера или маркетолога», — отметила она. Однако заменить врача ИИ не может: в его голове есть внутренний алгоритм общения с пациентом, подключить к которому искусственный интеллект практически невозможно.

Татьяна Файнблит рассказала, что в девелопменте ИИ применяется для динамического ценообразования и проверки смет. «Если раньше для визуализации проектов требовались дорогие VR-решения, то сегодня можно быстрее и дешевле создавать цифровые прогулки по будущему району», — пояснила она. Ценность ИИ определяется его вкладом в снижение затрат, ускорение процессов или улучшение сервиса.

Одна из главных ошибок бизнеса — считать покупку программного продукта внедрением, считает Наталия Дмитриева. «Я сама совершала эту ошибку: купила систему, заплатила деньги и решила, что теперь всё работает. Но я не научила сотрудников ею пользоваться. <...> Это напоминает дорогой фитнес-браслет: человек надевает его, лежит на диване и ждёт, что с ним что-то произойдёт», — сравнила она. До начала цифрового проекта необходимо определить ответственного и быть готовым к сопротивлению персонала.

В «Синтеке» переход к единой аналитике сопровождался сопротивлением, рассказал Андрей Волков. «Люди приходили на совещания и говорили: „У вас данные неверные“. Мы разбирались, показывали, почему расчёт правильный, и часто выяснилось, что проблема не в дашборде, а в том, что сотрудник неправильно внес информацию. <...> В какой-то момент директор по развитию сказал: „К следующему совещанию никаких таблиц быть не должно. Я доверяю дашборду“», — вспоминает он. Постепенно сотрудники отказались от параллельных отчётов, поняв, что система работает быстрее.

За каждой метрикой должны быть закреплены заказчик и ответственный. «Нельзя просто построить красивую витрину данных и ждать результата. Должен быть потребитель, который использует показатель для принятия решения, и ответственный сотрудник, который понимает, почему цифра изменилась», — подчеркнул Волков. Один из способов преодолеть сопротивление — автоматизировать трудоёмкие операции, например расчёт зарплат.

Автоматизация расчёта зарплат освободила руководителям до пяти дней в месяц и повысила качество данных. «Сотрудники сами стали внимательнее следить за данными, потому что от них зависит расчет вознаграждения», — отметил Волков.

Нередко за автоматизацией скрывается желание избежать сложных разговоров с подчинёнными, добавила Наталия Дмитриева. «Владелец внедряет систему и как будто отходит в сторону. Но потом нужно прийти к человеку, который отвечает за конкретную метрику, и сказать: „Здесь ты не справляешься. Либо учишься, либо мы расстаемся“. Такие разговоры тяжёлые, они тоже тормозят внедрение. Но разговаривать с людьми и принимать неприятные решения — основная функция руководителя», — подчеркнула она.

Андрей Волков считает, что на начальном этапе не стоит наказывать сотрудников за отклонения. «Нужно показать человеку, что он может повлиять на показатель, повысить конверсию, увеличить поступление денег и продемонстрировать результат своей работы. Иначе он испугается цифр и начнёт скрывать их от руководства», — объяснил он.

Борис Кириллов отметил, что если отдел, в который внедряется система, не заинтересован, процесс превращается в «маленькую войну». «Начинается сопротивление: „Ваши аналитики ничего не понимают, у нас всё устроено не так“. Без ответственного лица, которое владеет данными, умеет интерпретировать результаты и принимать решения, система вообще не работает», — сказал он. Даже внутри одной организации подразделения могут относиться к проекту по-разному, поэтому внедрение — это длительный поэтапный процесс.

В «Синтеке» выстраивание общей витрины заняло около двух лет. «В ней примерно 70 колонок с разными показателями и большое количество интеграций. Два года мы перестраивали бизнес-процессы, унифицировали действия подразделений, создавали дашборды контроля достоверности. Аналитик буквально подходил к сотруднику и показывал: здесь ты не нажал кнопку, здесь неверно указал статус. Только спустя два года мы начали по-настоящему доверять этой витрине», — рассказал Волков.

Татьяна Файнблит согласна, что формирование культуры работы с данными — один из самых сложных процессов. «Наиболее понятный путь — демонстрировать успешные примеры того, как использование данных привело к конкретному результату: росту продаж, оптимизации затрат или улучшению качества услуг», — объяснила она. Важна поддержка руководителей, а также развитие системы сбора информации и обучение сотрудников базовым принципам анализа.

Даже дорогая аналитическая система может не принести результата. Татьяна Файнблит назвала основные причины: неправильная постановка задачи, недостаточная интеграция с бизнес-процессами и неумение сотрудников пользоваться результатами. «Даже самая точная система может выдавать результаты, которые сотрудники не умеют правильно понимать и применять. <...> Поэтому вопрос обычно не в стоимости самой системы, а в корректном целеполагании, качестве данных, интеграции с процессами и способности сотрудников использовать полученные результаты», — резюмировала она.

Наталия Дмитриева полагает, что объём автоматизации и использования ИИ в медицине будет расти. «Уже сейчас искусственный интеллект подключается к таким исследованиям, как КТ и МРТ, а врач-рентгенолог проверяет результат и сопоставляет его с клинической картиной. <...> Думаю, автоматизация, искусственный интеллект и IT-решения постепенно придут во все клиники, а часть процессов, возможно, будет регламентирована государством», — прогнозирует она.

Борис Кириллов отметил, что бизнес переходит от накопления информации к осознанному управлению ею. «В последние пару лет произошел разворот: раньше компании стремились просто накопить как можно больше информации, теперь акцент смещается на качество. <...> Пусть у бизнеса будет хоть триллион записей — сами по себе они не имеют ценности. Она появляется у структурированных, очищенных и управляемых данных», — пояснил он.

Андрей Волков сформулировал итог: данные не имеют ценности, если компания не понимает, что собирается с ними делать. «Обязательно должен быть заказчик и ответственный. <...> Только тогда на основе аналитики будут приниматься решения, которые влияют на деньги, риски, сроки и обязательства. Иначе это просто дорогая витрина, красивая игрушка: она у нас есть, но с ней никто не работает, дисциплины нет, решения не принимаются», — заключил он.

«Иногда клиент приобретает готовый набор дашбордов, но не может внедрить его, потому что внутри компании некому заниматься аналитикой. <...> Пока заказчик не понимает собственную боль, аналитика кажется ему дополнительным расходом. Но потом он смотрит и видит, что за три месяца потерял на арматуре 5 миллионов рублей, где-то превысил бюджет, заказал лишние материалы или допустил другие потери. <...> Один из наших контрагентов, увидев это, так и сказал: „Ведь я мог бы купить машину на эти деньги“», — поделился Волков. Главная проблема, по его мнению, в том, что руководитель не всегда готов взглянуть на собственный бизнес: «Иногда заказчик пренебрегает цифрами, а иногда просто боится увидеть правду — о компании, процессах или сотрудниках. Но когда появляется чёткая цель и контроль над всем механизмом, данные и аналитика действительно начинают иметь смысл».