Данные решают. Как управлять данными, чтобы создавать ценность для бизнеса - Светлана Бова
Да, идея интуитивно понятна. И в каждой компании, независимо от ее отрасли, сегодня ведутся одни и те же разговоры: «Нам нужны данные», «У нас много данных, но мы не умеем ими пользоваться», «Давайте строить data-платформу», «Нужно купить новую BI-систему[6]», «Почему ИИ не работает как обещали?» Эти реплики — лишь верхушка айсберга под названием «цифровая трансформация», и в ее основании лежат данные. И самое неприятное — если данные действительно просто «лежат».
Компании, которые не используют данные стратегически, в цифровую эпоху безнадежно отстают. Это как участвовать в гонках, когда у всех есть GPS-навигатор, а у вас — только старая, мятая бумажная карта.
А сколько решений в вашей компании принимается на основе достоверных и своевременных данных?
ИСТОРИЯ О «ЗАВОДЕ МЕТАЛЛИЧЕСКИХ РЕШЕНИЙ» И ЦЕНЕ ИНТУИЦИИ
Представьте гигантский «Завод металлических решений», флагмана своей отрасли, который на протяжении десятилетий производит сложные промышленные детали. Генеральный директор, Иван Петрович, — человек старой закалки, с феноменальным опытом и невероятной интуицией. Он лично объезжал цеха, общался с рабочими, и многие ключевые решения о запуске новых линий или переоборудовании производства принимались «на глаз», основываясь на его «чутье» и личных наблюдениях. «Поверьте мне, я вижу, что рынок готов к этим новым клапанам! Начинаем производство!» — мог он уверенно заявить, опираясь лишь на разговор с парой клиентов на выставке.
Однажды на ежегодном совещании по планированию производства встал вопрос о расширении линейки высокопрочных стальных балок. Иван Петрович, вдохновленный недавней встречей с давним партнером, безапелляционно заявил: «Нам нужно вкладываться в балки типа “Суперпрочность ХХL”! Они будут хитом строительства небоскребов. Увеличиваем объемы их производства на 50% и запускаем новую дорогостоящую линию по их обработке!» Все кивали, зная крутой нрав директора и его непогрешимое «чутье».
Однако молодой руководитель отдела производственного планирования, Анна, подготовила детальный отчет. Она проанализировала исторические данные о заказах за последние три года, динамику запросов от строительных компаний, данные о складских запасах и даже информацию о конкурентах. Ее выводы были однозначны: спрос на балки «Суперпрочность XXL» был относительно стабильным, но не показывал роста, который оправдал бы такие инвестиции. Зато наблюдался устойчивый и даже растущий спрос на модульные конструкции из легких сплавов — сегмент, который завод игнорировал, считая его «мелочовкой». Анна пыталась донести свои аргументы, подкрепленные графиками и цифрами. «Иван Петрович, данные говорят, что…» — начала она. Но директор лишь отмахнулся: «Анна, цифры — это хорошо, но я знаю этот рынок 30 лет! Чутье мне подсказывает, что будущее за гигантами!»
Итог был предсказуем и печален. Завод вложил огромные средства в новую линию, которая простаивала большую часть времени, а склады ломились от невостребованных балок «Суперпрочность XXL». Конкуренты же, вооружившись анализом данных, оперативно запустили производство модульных конструкций и перехватили значительную долю рынка, оставив «Завод металлических решений» с многомиллионными убытками и устаревшим оборудованием.
Этот горький урок заставил Ивана Петровича наконец осознать, что в современном мире даже самый богатый опыт и сильная интуиция должны быть подкреплены объективными данными. Завод начал болезненный, но необходимый путь к культуре принятия решений на основе фактов, чтобы больше никогда не играть в лотерею с будущим своего многотонного производства.
Цифровая экономика начинается с данных, а не с технологий
Когда мы говорим о цифровой экономике, первым делом на ум приходят технологии: облака, большие данные, машинное обучение, нейросети, суперкомпьютеры. Но технологии — это инструменты. Без надежных, доступных и понятных данных они бесполезны — как модный кухонный комбайн, который стоит без дела, потому что никто не может найти ингредиенты и не знает, что готовить.
Данные — инфраструктура цифровой экономики. Как дороги и электросети в индустриальной. Без этой инфраструктуры цифровой бизнес превращается в набор неэффективных приложений, создающих иллюзию прогресса. Красивый фасад современных приложений и… аналитики, размышляющие, можно ли доверять полученной с таким трудом информации и выводам на ее основе.
Есть ли у вас фактические и измеримые подтверждения того, что важные данные и технологии вашей организации действительно приносят максимальную пользу?
ИСТОРИЯ О «БАНКЕ БУДУЩЕГО» И ЕГО ЗОЛОТЫХ СЕРВЕРАХ
Крупный и амбициозный «Банк будущего» решил стать лидером цифровой трансформации. Его генеральный директор, господин Васильев, грезил о машинном обучении для выявления мошенничества, искусственном интеллекте для персонализации предложений и блокчейне для мгновенных платежей. Он с гордостью инвестировал сотни миллионов долларов в новейшие серверы, лицензии на передовое ПО, создал огромный дата-центр, который выглядел как космический корабль, и нанял команду блестящих ИТ-специалистов. Каждый квартал он рапортовал совету директоров о закупке нового «железа» и запуске очередного «облачного решения».
«Мы строим самый технологичный банк в стране! — заявлял Васильев. — Наши конкуренты останутся в прошлом!»
Однако за этим великолепным фасадом скрывалась неприглядная реальность. Данные в банке хранились хаотично: в разных отделах использовались свои базы данных, часто не совместимые друг с другом. Информация о клиентах была разрозненной: кредитная история находилась в одной системе, данные о вкладах — в другой, а контактная информация могла быть актуальна лишь в третьей. И что хуже всего, никто точно не знал, какие данные можно считать «золотым источником правды», а какие — просто старые копии или ошибки.
Когда ИТ-отдел, вооружившись самым мощным в мире машинным обучением, попытался создать систему выявления мошенничества, то столкнулся со стеной. Алгоритмы требовали чистых, единообразных и связанных данных, а получали ворох противоречивой информации. Система постоянно выдавала ложные срабатывания или пропускала реальные угрозы.
Менеджер по маркетингу пытался запустить персонализированные предложения, но из-за отсутствия единого профиля клиента система могла предложить ипотеку студенту или пенсионный вклад молодому предпринимателю. «Наша нейросеть работает как генератор случайных чисел!» — в отчаянии восклицали маркетологи.
Сами аналитики банка неделями пытаясь «склеить» данные из разных источников в Excel-таблицах, чтобы получить хоть какую-то осмысленную картину. Вместо того чтобы анализировать, они тратили 80% своего времени на поиск, очистку и сверку данных. И даже после этого они часто сомневались в достоверности своих выводов, глядя на отчеты с вопросом: «А этим цифрам точно можно верить?»
В итоге «Банк будущего» имел впечатляющую технологическую начинку, но она работала вхолостую. Передовые технологии простаивали или давали ошибочные результаты,
