Текст книги "Революция в аналитике. Как в эпоху Big Data улучшить ваш бизнес с помощью операционной аналитики"
Автор книги: Билл Фрэнкс
Жанры:
Деловая литература
,сообщить о нарушении
Текущая страница: 12 (всего у книги 29 страниц) [доступный отрывок для чтения: 12 страниц]
Многие организации в качестве первого шага осуществляют целевую проверку концепции (proof of concept, POC), или, проще говоря, запускают пилотный проект. Это отличная идея, однако важно не ограничиваться рамками пилотного проекта. Частичное решение проблемы вряд ли станет решающим аргументом в пользу выделения инвестиций, особенно если речь идет о значительных капиталовложениях и затратах труда. Другими словами, пилотный проект может сосредоточиться на одном типе анализа в отношении одного набора продуктов. Если же в завершающей фазе планируется инвестиционная поддержка множества типов анализа для всех наборов продуктов, то об этом нужно заявить со всей определенностью. Если же рассматривается только отдача от ограниченного пилотного проекта, то вряд ли достигнутые показатели будут очень впечатляющими. Кроме того, масштаб пилотного проекта вряд ли позволит увидеть всю ценность заложенного в проект потенциала. Вот почему необходимо ясно изложить свой план.
Любой пилотный проект следует позиционировать как всего лишь пример возможного, а не как окончательный результат. Составьте список других бизнес-проблем, как схожих, так и несхожих между собой, которые также могут быть решены в случае одобрения вашего плана. Обязательно подчеркните, что, хотя пилотный проект и не способствует конкретно решению других проблем, есть резон предположить, что примененная к ним аналитика добавит ценности выводам относительно POC. Если же пилотный проект сам по себе принес весомую финансовую отдачу, то наличие дополнительных преимуществ, которые можно включить в общую структуру, только поможет вам получить зеленый свет.
Подтвердите концепцию, не ограничивайтесь частным случаем
Постарайтесь разработать пилотный проект таким образом, чтобы продемонстрировать потенциал более широкого подхода. Используйте искусство возможного, а не стремитесь просто доказывать ценность ограниченного масштаба пилотного проекта. Несмотря на то что за пределами проекта вы не будете располагать объективной статистикой, выявленный вами потенциал добавит достаточно глазури на пирог, чтобы ваше инвестиционное предложение было одобрено.
Мой клиент из крупной медиакомпании рассказал мне о том, как он добился выделения инвестиций под свою инициативу касательно аналитики. (Я не буду называть эту компанию, чтобы защитить его конфиденциальность.) Его команда осуществила ряд успешных пилотных проектов, однако руководство отказывалось выделять более крупные инвестиции, необходимые для масштабирования полученных результатов. Он предположил, что проблема может заключаться в том, что их инвестиционные предложения фокусировались исключительно на масштабе проведенных пилотных проектов. Это было фатальной ошибкой. Сосредоточенность только на отдаче от аналитики, протестированной в рамках ограниченного пилотного проекта, не обеспечивала достаточно большую доходность. Что не менее важно, при таком подходе мой клиент не мог создать более полную картину, способную впечатлить руководителей, принимающих решения. На рис. 4.1 показано, в чем состоит разница между подходами.
Мой клиент решил, что при следующей попытке он представит POC как всего лишь пример, иллюстрирующий возможности инвестиций. При этом четко укажет, что пилотный проект предназначен показать, как в нескольких относящихся к делу сценариях можно иначе использовать новый источник данных в нестандартных аналитических процессах. Многие другие сценарии не могли быть протестированы в рамках пилотного проекта, но логично предположить, что они также будут успешно реализованы, учитывая их сходство со сценариями, уже доказавшими свою работоспособность. Такой подход, который некоторые называют демонстрацией «искусства возможного», является гораздо более действенным.
При инвестировании в аналитический процесс обнаружения данных я рекомендую учитывать критерий «времени инсайта» – времени, которое проходит с момента появления нового вопроса до того момента, когда будет схвачена суть проблемной ситуации (произойдет инсайт). Этот критерий отчетливо отличается от критериев, применяемых при операционализации инсайта, полученного в процессе обнаружения данных. При операционализации инсайта важны традиционные ИТ-метрики, например, насколько можно увеличить скорость процесса, создающего инсайт, для поддержки операционных решений.
Различные потребности процессов обнаружения и операционализации более глубоко рассматриваются в шестой главе. Сейчас же просто обратите внимание на то, что бизнес-кейс, нацеленный на обнаружение данных, и бизнес-кейс, нацеленный на операционализацию сбора данных, будут отличаться друг от друга. Эту разницу важно осознать, поскольку в каждом случае присутствуют совершенно разные цели и приоритеты. Кроме того, в современном мире более неприемлемы аналитические циклы, измеряемые многими неделями или месяцами. Время инсайта должно составлять от нескольких дней до нескольких недель.
Инвестирование в обнаружение данных
Цель процесса обнаружения данных – быстро найти новые инсайты. Для этого требуется иной взгляд на инвестиции. Вместо того чтобы ориентироваться на исходные вычислительные мощности или их производительность, лучше ориентироваться на такой показатель, как время инсайта. Сама по себе производительность не настолько важна, как совокупное время, которое требуется для поиска инсайта. Время инсайта приведет в соответствие удобство использования, гибкость и производительность аналитики.
Время инсайта включает в себя все – от приобретения до подготовки данных, периода программирования, осуществления аналитического процесса, поиска инсайта в результатах (см. рис. 4.2). Другими словами, это время от старта до финиша. Например, если один вариант требует 60 минут на программирование, 30 минут на выполнение программы и 10 минут на исследование результатов, то время инсайта составит 100 минут. Если другой вариант требует всего 20 минут на программирование, но 60 минут на выполнение программы и еще 20 минут на исследование результатов, то время инсайта также составит 100 минут. Таким образом, у обоих вариантов одинаковое время инсайта, хотя и ведут к нему разные пути. Это значит, что в бизнес-кейсе необходимо учесть различия в стоимости отдельных компонентов двух вариантов. Например, дополнительные затраты труда (программирование) стоят намного дороже, чем дополнительная компьютерная обработка, и человеческий труд зачастую является самым большим компонентом времени инсайта.
Сосредоточенность на времени инсайта позволяет учесть все факторы, влияющие на время построения аналитических процессов. Переход от типичных критериев к другим, наподобие времени инсайта, имеет огромное значение при инвестировании в обнаружение данных. В конце концов новые инсайты и определяют доходную часть бизнес-кейса. Минимизация времени инсайта максимизирует шансы на обнаружение новых идей, которые сгенерируют доход. Сегодня дифференцированный подход к инвестированию в поиск данных еще не стал типичным. Тем не менее постепенно эта практика распространится и станет обычным явлением.
Метрика времени инсайта будет влиять не только на стоимость, но и на удовлетворенность и мотивацию сотрудников. Профессиональные аналитики стремятся создавать эффективные аналитические процессы. Чем быстрее они смогут добраться до нового инсайта, тем быстрее смогут оказать воздействие и перейти к следующему поиску данных. Небольшая средняя продолжительность времени инсайта повысит удовлетворенность и мотивацию аналитиков. Никто не любит трудиться там, где из-за неэффективности работа занимает больше времени, чем необходимо.
В предыдущем разделе мы рассмотрели, насколько такой новый критерий, как время инсайта, востребован при инвестировании в поиск данных. Теперь давайте посмотрим, какие критерии имеют значение при инвестировании в операционализацию аналитических процессов. К сожалению, в этом случае аналитические инструменты невозможно оценивать только на основе их функциональности. Необходимо также учитывать, насколько хорошо инструменты интегрируются с операционным окружением. Инструмент может быть очень надежным с точки зрения функциональности, но если он не может быть легко интегрирован в операционную среду и обеспечить на требуемом уровне масштаб и простоту процесса, то не будет работать.
В операционной аналитике счет часто идет на миллисекунды. В конечном счете лучше выбрать инструмент, который хотя и не дружественен к пользователю, но может быть более эффективно интегрирован в операционные процессы, чтобы принимать тысячи или миллионы аналитических решений в день. Таким образом, при выборе инструмента наряду с функциональностью необходимо оценивать и его возможности в части операционализации.
Это другой взгляд на вещи. Традиционно организации старались выбирать среди аналитических инструментов наиболее дружественные к пользователям и с максимальной функциональностью. Аналитические процессы осуществлялись в офлайне и в четком режиме, когда интеграция не имела большого значения. Однако при переходе на операционные рельсы организация должна уделить первостепенное внимание интеграции, масштабируемости и производительности. Это может потребовать выбора таких инструментов, которые организация не выбрала бы в прошлом. Удобство для пользователя по-прежнему крайне важно для процесса обнаружения данных, но для операционных процессов еще важнее интегрируемость и масштаб. Возможно, для построения операционного процесса с нуля могут потребоваться дополнительные усилия, но они со временем окупятся благодаря возможности ускоренного принятия миллионов решений. Эти различия в требованиях мы подробнее рассмотрим в шестой главе.
При переходе к операционной деятельности одной функциональности недостаточно
Для операционной аналитики функциональность и дружественность к пользователям больше не могут служить главными критериями при выборе инструментов. Инструменты должны эффективно интегрироваться с окружением, чтобы обеспечить применение данных с масштабированием. Имеет смысл пожертвовать функциональностью и удобством ради масштабируемости и облегчения интеграции.
Такой подход, когда функциональность и удобство не ставятся во главу угла, является не столь уж необычным, каким он выглядит. Скажем, при строительстве дома на одну семью применяются удобные в использовании, многофункциональные материалы. Но когда речь идет о коммерческой недвижимости, часто выбираются гораздо более прочные материалы, соответственно гораздо более дорогие и сложные в установке. Они могут выглядеть менее привлекательно и быть менее удобными в применении, но, главное, должны выдерживать высокую интенсивность использования в коммерческой среде. Возьмем, например, дверные ручки. Дешевые и со стандартным креплением будут замечательно служить, если дверь в вашем доме открывается всего три раза в день, но в большом офисном здании они сломаются через несколько недель. Этот же принцип лежит и в основе выбора аналитических инструментов для поддержки операционных процессов.
Учитывая вышесказанное, вам вряд ли удастся найти у одного поставщика единый комплект аналитических инструментов, который удовлетворял бы все ваши потребности. Скорее всего, вам придется использовать разные наборы инструментов для обнаружения данных и для внедрения их в операционный процесс. Разумеется, со временем инструменты будут развиваться, так что будем надеяться на появление наборов инструментов, способных удовлетворять ту и другую потребность с одинаковой эффективностью. Но по состоянию на начало 2014 г. таких пока нет.
При инвестировании в аналитику важно принимать во внимание два компонента создаваемой ценности. Зачастую они тесно переплетены между собой, однако их важно различать и рассматривать по отдельности. Первый компонент – это ценность самой аналитики. Другими словами, какие бы ни использовались инструменты, технологии или методологии, весомую долю выгоды можно получить, просто добившись результатов. Понятно, что для этого требуются соответствующие инструменты и технологии. Однако важно не увязывать выгоду, полученную от применения аналитики, с выбором конкретных платформы или инструмента.
Например, ценность представляет простой аффинитивный анализ с целью определения возможностей для перекрестных продаж. Независимо от используемых инструментов и платформ его результат ценен сам по себе. Ценность же инструментов и технологий определяется тем, насколько эффективно они, по сравнению с другими инструментами и технологиями, позволяют создать, протестировать и осуществить аналитический процесс, необходимый для аффинитивного анализа. В большинстве случаев, как показано на рис. 4.3, собственная ценность анализа намного превосходит ту дополнительную ценность, которая создается конкретным инструментом или технологией.
Первым делом необходимо определить отдачу от анализа как такового, независимо от любых платформы или инструмента. А после этого можно приступать к определению эффективности различных вариантов проведения анализа с учетом их скорости, продуктивности и затрат. Однако организации часто попадают в ловушку, когда доверяются продавцу, который превозносит огромную доходность инвестиций, обеспечиваемую его аналитическими продуктами. При этом продавец нередко объединяет доходность инвестиций, предлагаемую собственно аналитикой, с дополнительной ценностью, которую обеспечивают его технологии или инструменты. Вот почему необходимо отделять ценность инструментов от ценности базового анализа.
В качестве ремарки: если каждый продавец для каждого варианта, который вы рассматриваете, объединяет ценность анализа с ценностью инструмента, то, по крайней мере, это дает возможность для беспристрастного сравнения вариантов. Поскольку все расчеты будут включать в себя одинаковую изначальную ценность, то возникающая разница будет отражать разницу в дополнительной ценности, создаваемой инструментом или технологией.
Обратите внимание на структуру бизнес-кейсаРичард Винтер из фирмы WinterCorp опубликовал потрясающую статью «Большие данные: сколько они стоят на самом деле?»{35}35
Richard Winter, “Big Data: What Does It Really Cost?”, WinterCorp (август 2013 г.). См.: http://www.wintercorp.com/tcod-report
[Закрыть]. В ней он описывает структуру, в рамках которой можно будет принять во внимание все типы затрат и использовать показатель, названный Винтером “total cost of data” (TCOD) – «суммарная стоимость данных», при инвестировании в аппаратное и программное обеспечение для поддержки аналитики. TCOD отражает общую стоимость широкого разнообразия необходимых компонентов, их мы рассмотрим далее в этой главе.
Обратите внимание на то, что модель TCOD Винтера, а также бо́льшая часть этого раздела сосредоточены главным образом на одной стороне баланса, а именно на затратах. Я поступил так преднамеренно, поскольку компоненты затрат в разных организациях довольно схожи, тогда как получаемые за счет их преимущества могут значительно варьироваться в зависимости от конкретных аналитических процессов. Кроме того, когда речь идет об аналитике, точная оценка затрат часто упускается из виду. Вот почему я предлагаю сосредоточиться на этой стороне вопроса.
Большое преимущество модели TCOD Винтера состоит в том, что она не склоняется в пользу того или иного конкретного решения, а просто предлагает способ, который позволяет оценить и принять в расчет различные компоненты стоимости. Например, в статье описываются две различные ситуации, когда использование этой модели привело к двум совершенно противоположным выводам. В первом случае на основе свойств, требуемых для данных и обработки, был сделан вывод о том, что создание массивного параллельного окружения обойдется в три-четыре раза дороже, чем использование Hadoop. В другом случае с учетом свойств, требуемых для данных и обработки, был сделан вывод о том, что инвестиции в Hadoop обойдутся в три-четыре раза дороже, чем создание необходимого окружения.
Использование этой модели, нейтральной по отношению к оценке инструментов и технологий, позволяет объективно учесть все затраты. Применительно к операционной аналитике модель TCOD требует некоторой модификации, поскольку предусматривает слегка иной характер инвестирования. Однако, как мы увидим в следующем разделе, сочетание модели TCOD с дополнительными метриками, привязанными конкретно к операционной аналитике, создает великолепную стартовую позицию.
При рассмотрении вариантов инвестирования в аналитику очень важно точно оценить совокупные расходы. Например, рассматривая инструменты с открытым исходным кодом, организации не должны слишком радоваться, получив бесплатную лицензию на программное обеспечение. Необходимо представить полную картину затрат с течением времени. Да, инструменты с открытым исходным кодом могут оказаться полезнейшим дополнением к аналитической среде. Однако при этом необходимо учесть все совокупные расходы и с осторожностью воспринимать ложные стимулы, чтобы по своему недосмотру не попасть со временем на повышенные издержки.
Итак, что следует учесть, оценивая затраты, связанные с внедрением операционной аналитики? Вам придется потратиться на следующее (а возможно, и не ограничиться этим){36}36
На основе статьи в моем блоге для Международного института аналитики под названием «Во что действительно обходится укрощение больших данных» (“What Does Taming Big Data Really Cost?o), 12 сентября 2013 г. См.: http://iianalytics.com/2013/09/what‐does‐taming‐big‐data‐really‐cost/
[Закрыть]:
• оборудование для поддержки аналитической обработки;
• программное обеспечение (обратите внимание, что даже в случае с открытым исходным кодом возникнут затраты, связанные с установкой и настройкой ПО);
• пространство для размещения оборудования и потребляемую электроэнергию;
• полностью загруженную рабочую силу, потребную для обеспечения безопасности, назначения приоритетов ресурсов и настройки связности сети;
• сбор, загрузку и подготовку данных;
• рабочую силу для развития аналитического процесса;
• действия по тестированию логики программы и точности результатов процесса;
• обслуживание платформы, ПО и аналитических процессов с течением времени;
• обучение персонала навыкам пользования всеми различными компонентами аналитического окружения.
Все эти затраты должны быть оценены, исходя из периода в несколько лет до завершения инвестиционного цикла.
Не забывайте про важные компоненты затрат
Легко упустить из виду некоторые важные компоненты затрат на фоне совокупных инвестиций в поддержку аналитики. За первоначальными расходами последуют текущие затраты на рабочую силу и обслуживание технологий в течение всего инвестиционного цикла. Эти текущие затраты в конечном итоге могут значительно превысить первоначальные.
Очевидно, что принять по внимание придется много компонентов затрат, чьи основные категории представлены на рис. 4.4. Некоторые компоненты, такие как покупка оборудования, требуют значительных начальных инвестиций, но впоследствии влекут за собой небольшие текущие расходы. Другие, такие как затраты на техобслуживание, будут с течением времени распределяться более равномерно. Чтобы объективно сравнить разные варианты, необходимо оценить суммарную стоимость всех компонентов в перспективе. Кроме того, важно учесть и другую сторону баланса, а именно различные доходы, которые будут получены при реализации инвестиций. Далее мы обсудим ряд концепций, способных помочь вам в составлении точного бизнес-кейса.
Как и с любыми инвестициями, при создании бизнес-кейса по внедрению операционной аналитики нужно принимать во внимание все затраты, а не только их основные статьи, и оценивать их исходя из всего инвестиционного цикла. Организации совершают ошибку, когда упускают из виду отдельные вполне реальные расходы, с которыми им придется столкнуться. Отчасти это объясняется тем, что некоторые статьи затрат более чем очевидны и/или конъюнктурно мотивированны, чем другие. Убедитесь, что ваши сотрудники внимательно отслеживают все расходы, даже если они стремятся сосредоточиться только на тех немногих, в которых наиболее заинтересованы. Давайте рассмотрим несколько примеров того, к чему может привести игнорирование суммарных затрат в повседневной жизни.
Рядом с офисом, куда я часто ездил в командировки, находился популярный отель. Мой тогдашний работодатель платил за номер по тарифу $109 в сутки, включая завтрак и услуги Интернета. Это было выгодно, поскольку завтрак и Интернет по отдельности стоили $10. Таким образом, тариф в $109 фактически равнялся $129.
На следующий год последовало значительное снижение среднесуточной суммы командировочных, выделяемых нам на оплату отеля. Отдел организации поездок начал бронировать для нас номера по цене $99 в сутки, но уже без включения завтрака и Интернета. Когда же завтрак и Интернет добавлялись, почти все командированные стали платить по $119 в сутки. Цель компании состояла в снижении среднесуточных командировочных, и кто-то наверняка получил награду за «экономию» $10 в сутки. Другие предписания, вероятно, ударили еще по разным позициям, но в конечном счете компании пришлось заплатить больше по совокупности.
