Дані для зростання: як впровадити data-driven підхід в управлінні компанією
Інформація — це нова валюта. Щобільше, дані є цінним ресурсом для бізнесу та основою прогресивного стилю менеджменту. Управління на основі даних дозволяє компаніям перевершувати конкурентів у прибутковості та продуктивності.
Але успіх такого підходу залежить від якості зібраних даних, ефективності їх аналізу та вміння працювати з ними.
Управлінець малого бізнесу зазвичай самостійно залучений у більшість процесів і може контролювати та аналізувати підприємство в "ручному" режимі. Проте в міру зростання та ускладнення процесів прозорість втрачається і менеджер часто змушений приймати рішення, базуючись на уривчастих даних чи застарілих розрахунках. Це може працювати певний час, але вірогідність помилок збільшується.
Саме з цим зіткнулася наша компанія. На початку наш бізнес був сервісом із конвертації дизайну в HTML. В міру того як змінювався ринок, розширювались і трансформувались наші послуги, а відповідно зростало підприємство.
Ми обростали командами, відділами, клієнтами, розширювали географію та експертизу. "Ручне" керування ставало все менш ефективним і в процесі пошуку оптимального рішення для подальшого управління компанією ми обрали data-driven підхід.
Власне, чим різноманітніший бізнес, його клієнти та, відповідно, робота, яку виконує команда, тим більше корисних інсайдів дасть data-driven підхід. Але якщо, наприклад, компанія виробляє ексклюзивний продукт або надає високобюджетний сервіс з великою маржинальністю, має відносно мало клієнтів і невеликий штат, будувати багатоповерхову аналітику буде непотрібно – менеджер і без неї спиратиметься на наочні дані.
Менеджмент має завжди будуватися на даних, щоб керівник не ухвалював нічим не підкріплені рішення "з натхнення" чи інтуїції. Data-driven підхід в управлінні бізнесом — це висхідна тенденція, що змінює спосіб прийняття рішень і роботи в організації.
Збираючи та аналізуючи великі масиви інформації, керівники можуть краще зрозуміти, як працює бізнес, виявити закономірності, тенденції та інсайди, щоб зрештою використати їх для прийняття рішень і покращення бізнес-результатів. Невизначеність заважає побачити, чи працює певна гіпотеза, чи варто продовжувати докладати зусиль далі.
Саме через небажання наосліп розвивати бізнес ми запровадили data-driven підхід в Р2Н ще 2 роки тому. І вже 1,5 роки працюємо над аналогічною задачею для клієнтів.
За цей час ми винесли кілька уроків, які було б добре знати управлінцям, які задумуються над імплементацією підходу у своєму бізнесі.
Урок №1: збирайте все, зважайте лише на важливе
В основі data-driven менеджменту лежить принцип "збирай всі дані, звертай увагу тільки на те, що важливо". Не вся інформація стратегічно корисна і рішення варто ухвалювати, спираючись лише на важливі метрики. Найгірше, що можна зробити — це оточити себе надлишковими показниками, які тільки перешкоджатимуть ухваленню рішення.
Джерелом даних може бути що завгодно: професійні платформи, результати взаємодії з клієнтами, дані про продажі, аналітика вебсайтів тощо. Так керівники можуть отримати уявлення про поведінку клієнтів, ринкові тенденції та операційну ефективність і, в результаті, наприклад, мати значно більше шансів утримати клієнтів.
Урок №2: збір даних — інструмент для цілей бізнесу
Перед тим як впроваджувати data-driven підхід, варто сформулювати цілі менеджерів верхньої ланки та зрозуміти, на які питання вони хочуть отримувати відповіді у першу чергу.
Важливо не рахувати й не відображати зайві метрики. Для побудови дієвої бізнес-аналітики в компанії вам потрібні два окремих спеціалісти: BI (Business Intelligence) розробник, який реалізує збір даних, і бізнес-аналітик (BA), що допоможе чітко описати необхідні стейкхолдерам метрики, формалізувати процеси збору й консолідації даних, підібравши відповідні інструменти для цього.
Для себе й клієнтів ми спочатку розуміємо, які метрики нам потрібні, далі дивимося на наявні дані та потім пропонуємо максимально прості інструменти для збору інформації, якої бракує, чи яка може знадобитися в майбутньому.
Наше цілепокладання засноване на реальних числах. Ми бачимо, як мета досягається в режимі реального часу та своєчасно дізнаємося, якщо вона не може бути реалізована.
Урок №3: власник аналітики — топменеджер
Це правило комбінує перше та попереднє. Так само як в малому бізнесі власник знає і контролює всі процеси, у масштабованому бізнесі цей контроль забезпечує доступ до даних. При цьому важливо сказати, що варто розмежовувати ролі.
З мого досвіду, BI, BA та стейкхолдером мають бути різні люди. Деякий час я сам займав всі три ролі й переключатися між ними дійсно можливо. Але це потребує занадто багато енергії, що впливає на ефективність і бізнес-результати.
Крім того, залученість управлінця у процеси з трьох сторін спонукає спрощувати задачі чи навпаки — заглибитися в надмірні метрики замість дотримання балансу.
Урок №4: грамотна архітектура аналітики — запорука успіху
При роботі з клієнтами ми помітили, що часто BI-аналітики не приділяють достатньо уваги масштабованості та оптимізації роботи з даними: вони зберігаються у великих файлах, розрахунки проводяться у різних сервісах, спорідненні метрики використовують різні способи підрахунку, збирається занадто багато показників та оновлюються вони зі значним запізненням, іноді виникають проблеми з доступом до сервісів.
І суттєвих багів може не виникати, поки навантаження на систему та обсяг даних для аналізу невеликі. Але врешті-решт коли в одного з наших клієнтів продуктивність платформи почала знижуватися, нам довелося спочатку вивчити джерело даних і рівні моделі, вручну переробити звіти та чи не з нуля вибудувати аналітику — вже оптимізовану та автоматизовану.
Постійні зміни — це невіддільна частина розвитку будь-якого бізнесу. Чим компанія більша й різноманітніша, тим більше робота з аналітикою схожа на марафон. Аби продовжувати бігти в цьому марафоні, важливо все документувати.
Опис нашої системи — що й звідки збирається, яка метрика як рахується й чому — оновлюється регулярно. Це дає впевненість, що, за необхідності, ми зможемо легко модифікувати цей проєкт.
Урок №5: не потрібно змінювати компанію заради якісної аналітики
Маючи стабільний і перевірений часом бізнес, менеджери не наважуються його кардинально змінювати лише заради збору даних, бо це великі ризики із непередбачуваним результатом. І це часто правильне рішення.
Ви збираєте дані для аналітики як спостерігач і аналітика має підказати, що змінювати, а не навпаки. Замість великої перебудови системи що працює, необхідно почати грамотно "спостерігати" за нею.
Для цього треба збирати дані за кожним із процесів. Іноді це займає багато зусиль та потребує додаткової ручної роботи, але часом це набагато простіше, ніж перебудовувати процеси та навчати команду користуватися новими інструментами.
Пройшовши етап імплементації механіки збору даних, компанії варто прагнути до того, щоб ключові дашборди та дані були доступні та зрозумілі всім в компанії. Наша аналітика працює насамперед для колег: вона допомагає бачити, як і наскільки добре функціонує команда, сервіс чи підрозділ. Вони можуть бачити свої досягнення або прогалини у режимі реального часу.
Урок №6: максимальна уніфікація і спрощення аналітики
Якщо в компанії декілька data-спеціалістів в різних відділах, то робота зі спорідненими метриками має бути погоджена між ними, а спосіб обчислення цих метрик має бути зрозумілим всім стейкхолдерам.
Спеціаліст, що працює з аналітичним дашбордом щодо маржинальності сервісів підрозділу компанії, має вміти легко інтерпретувати аналогічні дашборди з іншого підрозділу.
Тобто, плануючи аналітику для компанії треба прийняти єдині правила щодо трактування та відображення тих самих понять. Наприклад, у всіх підрозділах оперативні витрати мають рахуватись за єдиним принципом та відображатися тим самим стилем. Тоді, побачивши цей стиль відображення у будь-якому дашборді спеціаліст зможе з легкістю його "прочитати".
Як говорили вище, я проти кардинальних змін процесів, що добре працюють, та ухвалення рішень, що зроблять компанію менш гнучкою. Важливо пам'ятати — аналітика повинна підлаштовуватись під робочі процеси, а не навпаки.
Тому іноді краще зробити додаткові обчислення чи надбудови, ніж впроваджувати масштабні зміни у первинному зборі та обчисленні даних.
У підсумку, data-driven підхід управління бізнесом стає все більш популярним, оскільки він дозволяє керівникам базувати свої рішення на об'єктивних даних і закономірностях, збільшуючи ефективність та результативність компанії.
Потрібно збирати лише ті дані, які є стратегічно важливими, інакше надлишкова інформація почне заважати прийняттю рішень. Імплементація data-driven підходу вимагає уваги до архітектури аналітики та грамотного визначення мети бізнесу.
Власник аналітики відіграє важливу роль у контролі процесів та забезпеченні доступу до даних. Необхідно також спростити та уніфікувати аналітику в різних відділах компанії, щоб всі стейкхолдери могли однаково розуміти та використовувати дані.
Використання data-driven підходу не вимагає радикальних змін у компанії, але допомагає покращити прийняття рішень і досягти кращих бізнес-результатів.