«Цифры никогда не врут»: как бизнесу перестать бояться аналитики

Участники круглого стола обсудили, почему отделы одной компании нередко предоставляют руководителю разные цифры, можно ли внедрять аналитику без крупного IT-бюджета и почему искусственный интеллект пока не способен договариваться с сотрудниками.

Бизнес собирает и обрабатывает данные прежде всего ради денег и времени, считает директор по цифровой трансформации ГК «Синтека» Андрей Волков. Аналитика должна выявлять, где компания выбивается из сроков, недополучает выручку или несёт лишние расходы.

«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», — объяснил он.

Однако одного сбора информации недостаточно. В крупных компаниях разные подразделения 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», — рассказал Волков. Если посчитать по данным одного отдела, кампания принесла прибыль, если по другому — убыток. Собственник требует единой цифры, которой можно доверять.

После этого начинается наиболее трудная часть: подразделения должны договориться о 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 споры», — добавил он.

Технический директор компании «Формат кода» Борис Кириллов выделил три основные задачи аналитики: диагноз состояния компании, прогнозы движения бизнеса 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.

В медицине необходимые системы появились давно, отметила собственник группы компаний «Альбатрос», врач-дерматолог Наталия Дмитриева. Клиники используют телефонию, CRM и медицинские информационные системы, но главная проблема — нежелание собственников изучать цифры. «Собственнику бизнеса смотреть на них страшно, потому что цифры никогда не врут», — считает она. Для регулярной оценки работы клиники достаточно четырёх показателей: загрузка, средний чек, возвращаемость пациентов и процент перенаправления в рамках лечения. «Сложность не в том, чтобы получить цифры, а в том, чтобы их принять».

Директор внедрения цифровых сервисов ГК «А101» Татьяна Файнблит отметила, что 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. Именно скорость получения информации и простота работы с ней позволяют оперативно видеть изменения в процессах и принимать управленческие решения», — объяснила она.

Стоимость системы зависит от масштаба бизнеса, количества источников и требований к инфраструктуре. По словам Бориса Кириллова, полный стек может включать несколько уровней: от корпоративных систем до хранилищ, инструментов визуализации и ИИ. «Если говорить про полный стек, то в пределе это действительно дорого... Всё зависит от объёма данных и требований заказчика. 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».

Однако даже крупные вложения не помогут без качественной исходной информации. «Сейчас очень большой упор идёт на качество данных: нужно понимать, откуда они взялись, как трансформировались и куда пришли, устанавливать правила проверки и управления... Это и есть так называемое болото данных. Сами по себе, без контроля, они ценности не несут», — подчеркнул он.

Наталия Дмитриева считает, что бизнес может начинать не с дорогой платформы, а с обычной таблицы. «Обычная таблица даёт 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», — рассказала она. Основой цифровой инфраструктуры клиники стала медицинская информационная система, вокруг неё 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: работать с таблицей, полноценно использовать медицинскую информационную систему, анализировать данные, делать выводы и передавать собственнику правильные цифры».

Андрей Волков также считает, что работающая аналитика необязательно начинается с огромных затрат. «Есть простой сценарий: купить готовую интеграцию или обратиться к внешнему поставщику. Например, 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... Но на стороне заказчика всё равно нужен аналитик. Кто-то должен разобраться в большом перечне дашбордов, быть точкой входа, понимать, какая метрика нужна и кто за неё отвечает. 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».

Другой путь — начать с бесплатных или недорогих BI-инструментов. «Можно использовать бесплатные сервисы, подключать к ним Excel-таблицы, CRM, 1С и другие источники. Но всё равно нужен человек, который это соберёт и структурирует. Мы сами начали с покупки BI-инструмента примерно за 500 тысяч рублей, а годовая поддержка стоила значительно меньше».

Внедрение лучше начинать с одной конкретной задачи: «Мы должны заранее понимать: если сконцентрируемся на этой задаче, то получим эффект и вернём вложенные деньги. Если сразу взяться за всю компанию, вывести огромное количество метрик из разных отделов, долгое время не будет никакой обратной связи. Деньги будут тратиться, а управленческих решений на основе аналитики никто принимать не сможет», — предупредил Волков.

В девелопменте цифровые технологии сопровождают почти весь жизненный цикл проекта — от проектирования до продаж и эксплуатации, отметила 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».

Полноценную аналитику можно внедрить и без большого IT-бюджета, если 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. Основная задача заключается в том, чтобы научиться правильно пользоваться данными. Поэтому результат зависит не столько от бюджета, сколько от качества исходной базы, корректной постановки задачи и готовности компании встроить аналитику в реальные бизнес-процессы», — подчеркнула Файнблит.

Способен ли ИИ заменить аналитика, который обходится компании примерно в 200 тысяч рублей в месяц? Андрей Волков считает, что нейросеть пока скорее помогает такому специалисту. «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. Аналитик должен обладать коммуникативными навыками, чтобы согласовать единую методику. «Собственник должен увидеть, что методика логична, и утвердить её. После этого появляется единая метрика, которую уже нельзя трактовать по-разному. Как искусственный интеллект решит такую задачу, я пока не понимаю».

В «Синтеке» используется около ста дашбордов, распределённых между подразделениями. Компания настроила ИИ, который знает, какие отчёты существуют, что в них содержится и как согласованы показатели. Руководитель задаёт вопрос в чате и получает готовый ответ, при необходимости нейросеть может построить график и проанализировать даже 12 миллионов строк. Однако полностью доверять ответу Волков пока не готов: «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. То, что она посчитает аномалией, на самом деле может быть нашим осознанным бизнес-решением. Поэтому искусственный интеллект — это ассистент руководителя, но не самостоятельный аналитик».

Борис Кириллов добавил, что наиболее эффективно ИИ работает там, где есть повторяющиеся закономерности и глубокая история данных. «У искусственного интеллекта вероятностная природа. Поэтому самые эффективные области — прогнозирование, поиск аномалий и другие задачи, где существует определённый паттерн и накоплены исторические данные. Он может помогать следить за качеством, искать соответствия, ускорять миграцию с одной системы на другую, переводить запросы с естественного языка в технические, выполнять шаблонные действия и снижать объём ручного труда».

Нейросети также помогают крупным организациям разбираться с разрозненными источниками. «Внедрение единого бизнес-глоссария в большой компании — это боль. Если есть множество источников, за которые никто централизованно не отвечает и которые уже превратились в болотце, искусственный интеллект может помочь раскрутить эту структуру, найти паттерны и выстроить контроль качества. Но стопроцентно достоверного результата ждать не стоит — есть определённый уровень качества, которого можно достичь, но ста процентов не будет в силу внутренней архитектуры таких систем», — пояснил он.

В медицинском бизнесе ИИ уже встроен во многие рутинные процессы, рассказала Наталия Дмитриева. «Во-первых, он ускоряет работу бизнеса, во-вторых, снимает напряжение с линейных сотрудников и ещё генерирует контент. Ролики и мультфильмы, созданные с помощью ИИ, иногда получают в соцсетях в десятки, а то и в сотни раз больше просмотров, чем креативы дизайнера или маркетолога».

В работе с данными ИИ помогает искать аномалии в загрузке клиники и маршрутах пациентов, проверять клинические рекомендации и анализировать информацию из медицинской и CRM-систем. Но заменить самого врача гораздо сложнее: «В голове врача есть определённый алгоритм: как он общается с пациентом, как доносит информацию и будет ли консультация эффективной. Подключить к этому алгоритму ИИ практически невозможно. Там же находятся страхи: стыдно навязываться, стыдно предлагать лечение, приглашать на повторный приём, говорить о деньгах. Эти страхи могут идти во вред пациенту и снижать эффективность лечения. Но, повторюсь, подключить искусственный интеллект непосредственно к этому внутреннему алгоритму врача невозможно».

В девелопменте ИИ активно применяется в задачах, которые прежде требовали значительного объёма ручной работы, отметила Татьяна Файнблит. «Один из примеров — динамическое ценообразование. Этот процесс уже давно перешёл от фактически ручного назначения цен на основе экспертной оценки к автоматизированным моделям, способным учитывать большое количество факторов. Ещё одно направление — формирование и проверка смет. Здесь ИИ позволяет автоматизировать процессы, которые ранее хотя и поддерживались цифровыми системами, но всё равно требовали существенного участия специалистов». ИИ-инструменты используются и для визуализации проектов на этапе предпродаж. «Ценность искусственного интеллекта определяется не самим фактом его использования, а тем, насколько эффективно он решает конкретную задачу. Если технология снижает затраты, ускоряет процесс или делает сервис удобнее, её применение оправданно».

Одна из главных ошибок бизнеса — считать покупку программного продукта внедрением, отметила Наталия Дмитриева. «Я сама совершала эту ошибку: купила систему, заплатила деньги и решила, что теперь всё работает. Но я не научила сотрудников ею пользоваться. Покупка дала мне возможность сказать: «Я внедрила, значит, я молодец и могу больше ничего не делать». Это напоминает дорогой фитнес-браслет: человек надевает его, лежит на диване и ждёт, что с ним что-то произойдёт».

До начала цифрового проекта необходимо определить ответственного внутри компании. «И нужно понимать, что на любом этапе будет сопротивление — неважно, внедряете вы Google Таблицу или мощную корпоративную платформу. Часть сотрудников может отвалиться. Без изменения мышления и привычки работать с данными ничего не произойдёт. Изменения появятся только в бюджете: деньги потратили, а результат не получили». Предприниматели часто называют внедрением сам факт покупки CRM или другой программы. «Я постоянно слышу: «Купила CRM, поставила — и ничего не работает. Значит, система плохая». Это как купить дорогое медицинское оборудование — лазер, КТ или ультразвуковой аппарат — и ждать, что оно само начнёт приносить деньги, а не выстроить путь пациента, не создать поток, не научить врачей и администраторов».

В «Синтеке» переход к единой аналитике тоже сопровождался сопротивлением. «Компания большая, поэтому нужно было со всеми договариваться. 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 внёс информацию. В какой-то момент директор по развитию сказал: «К следующему совещанию никаких таблиц быть не должно. Я доверяю дашборду»». Некоторое время сотрудники продолжали вести отчёты параллельно, но постепенно отказались от ручной работы. «Они поняли, что их таблица больше не нужна, система уже делает ту же работу быстрее, а освободившееся время можно потратить на другие задачи. Только в таком случае сотрудник начинает видеть пользу продукта и перестраиваться».

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, следит за ней и ведёт осмысленный диалог. Если такой цепочки нет, деньги на аналитику потрачены, но управленческих решений никто не принимает», — подчеркнул Волков.

Один из способов преодолеть сопротивление — автоматизировать операцию, которая отнимает у сотрудников много времени. «У нас в подразделениях разные системы мотивации. Раньше некоторые руководители до пяти дней в начале месяца сводили показатели и рассчитывали зарплаты: конверсии, отпуска, больничные, замены. Потом приходил сотрудник и спрашивал, почему ему заплатили так мало, и руководитель всё пересчитывал. Сейчас у нас 11 дашбордов, которые рассчитывают зарплаты. Бухгалтер выгружает готовый Excel и загружает его в 1С, а руководителю остаётся только проверить результат». Автоматизация повысила качество исходной информации: «Сотрудники сами стали внимательнее следить за данными, потому что от них зависит расчёт вознаграждения. Процессы стали прозрачнее, а достоверность показателей выросла».

Нередко за автоматизацией скрывается желание собственника 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 расстаёмся». Такие разговоры тяжёлые, они тоже тормозят внедрение. Но разговаривать с людьми и принимать неприятные решения — основная функция руководителя».

Андрей Волков считает, что на начальном этапе не стоит наказывать сотрудников за выявленные 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 вместо того, чтобы разобраться в проблеме и исправить её».

В проектах «Формата кода» аналитики плотно взаимодействуют с заказчиком, иногда фактически «живут» внутри его бизнеса, рассказал Борис Кириллов. «Если отдел, в который внедряется система, не заинтересован в результате, процесс превращается чуть ли не 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».

Даже внутри одной организации подразделения могут относиться к проекту по-разному. «Один отдел хочет внедрять систему и помогает, а соседний, от которого нужны данные, максимально вставляет палки в колёса. Поэтому разработка и внедрение — это длительный поэтапный процесс с постепенным повышением качества и вовлеченности. Прорыв обычно происходит, когда появляется зримый результат, который видят наверху».

В отдельных случаях наведение порядка занимает несколько лет. «Бывает, мы проводим очистку и видим, что качественные условно 30% данных. У нас есть проекты, где мы пять лет постепенно повышали качество, и только на пятый год довели до приемлемого уровня. Любое внедрение без приведения данных в порядок бессмысленно. Это просто сжигание денег в топке», — заявил он.

Внутри «Синтеки» на выстраивание общей витрины ушло около двух лет. «У нас 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».

Формирование культуры работы с данными — один из самых сложных и длительных процессов, соглашается Татьяна Файнблит. «Наиболее понятный путь — демонстрировать успешные примеры того, как использование данных привело к конкретному результату: росту продаж, оптимизации затрат или улучшению качества услуг. Большое значение имеет поддержка руководителей». Одновременно компании необходимо развивать систему сбора информации и обучать сотрудников базовым принципам анализа. «Информация должна быть доступной и понятной, а запрос к системе — максимально простым. Современные AI-инструменты позволяют существенно ускорить этот процесс и получать ответы практически мгновенно. Важно предусмотреть систему проверки результатов. ИИ может допускать ошибки или делать ложные выводы даже на основе реальных данных, поэтому финальная верификация управленческого решения должна оставаться за сотрудниками и профильными экспертами».

Даже дорогая аналитическая система может не принести бизнесу результата. Одной из главных причин Татьяна Файнблит назвала неправильную постановку задачи. «Система может быть настроена на обработку данных, которые не связаны с ключевыми показателями бизнеса и не помогают принимать действительно важные решения. Вторая причина — недостаточная интеграция с бизнес-процессами и другими системами компании. В таком случае данные могут быть неполными или неточными, а выводы на их основе — ошибочными. Даже самая точная система может выдавать результаты, которые сотрудники не умеют правильно понимать и применять. Кроме того, аналитика должна быть оперативной: если подготовка кастомного отчёта занимает слишком много времени, к моменту его получения информация уже может потерять актуальность. Поэтому вопрос обычно не в стоимости самой системы, а в корректном целеполагании, качестве данных, интеграции с процессами и способности сотрудников использовать полученные результаты».

В медицине объём автоматизации и использования ИИ будет увеличиваться, полагает Наталия Дмитриева. «Уже сейчас ИИ подключается к таким исследованиям, как КТ и МРТ, а врач-рентгенолог проверяет результат и сопоставляет его с клинической картиной. Всё, что касается больших баз и массивов аналитической информации, будет только развиваться. Думаю, автоматизация, ИИ и IT-решения постепенно придут во все клиники, а часть процессов, возможно, будет регламентирована государством».

Клиники уже обязаны передавать сведения в государственные информационные системы здравоохранения, проводятся телемедицинские консультации и дистанционные медосмотры водителей. «С одной стороны, это уменьшит нагрузку на собственника и позволит сократить количество персонала, необходимого для рутинных процессов. С другой — медикам и сопутствующим специалистам придётся следить за изменениями и осваивать новые инструменты, чтобы найти себе применение», — отметила Дмитриева.

Бизнес в целом переходит от простого накопления информации к осознанному управлению ею, считает Борис Кириллов. «Ценность данных никуда не девается, и этот рынок, скорее всего, будет расти. Но в последние пару лет произошёл 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. Особенно с учётом внедрения ИИ, которому нужна хорошо подготовленная база».

Андрей Волков сформулировал итог ещё жёстче: 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».

Иногда клиент приобретает готовый набор дашбордов, но не может внедрить его, потому что внутри компании некому заниматься аналитикой. «Бизнес говорит: «Я должен выделить сотрудника, снять его с другой работы или нанять нового человека. Для чего?» 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. Иногда речь идёт о десятках миллионов — один из наших контрагентов, увидев это, так и сказал: «Ведь я мог бы купить машину на эти деньги»».

Главная проблема, по его словам, в том, что руководитель не всегда готов внимательно посмотреть 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».