Путаница вокруг стратегии данных
Данные, аналитика и искусственный интеллект (ИИ) в бизнесе - явления не новые, но за последние десятилетия они очень сильно видоизменились.
В настоящее время генеративный ИИ вызывает большой ажиотаж в связи с впечатляющими достижениями в области генерации результатов, таких как тексты или изображения. Когда я говорю об искусственном интеллекте, я имею в виду не только генеративный ИИ, но и более широкий контекст инструментов, позволяющих генерировать ценность из данных. Эти инструменты включают в себя бизнес-аналитику, машинное обучение или науку о данных. Все они существуют уже много лет.
Откуда же такой неподдельный интерес ко всем этим технологиям?
Данные могут принести пользу всей организации
Если раньше данные были актуальны в основном для бухгалтерии и контролирующих органов, то сегодня они имеют решающее значение для успеха всей организации:
- Маркетинг использует исторические данные о кампаниях для выявления факторов, определяющих успех, что позволяет более эффективно распределять маркетинговые расходы.
- Закупки используют данные и аналитику для анализа работы поставщиков, чтобы свести к минимуму перебои в работе и добиться максимальной экономии средств.
- Отдел продаж использует исторические данные, чтобы рекомендовать оптимальный портфель товаров в точках продаж, что приводит к увеличению доходов.
- Центры обслуживания клиентов используют данные для прогнозирования оттока клиентов, что позволяет принимать проактивные меры, снижающие уровень оттока и обеспечивающие устойчивый рост доходов.
- Производственные отделы используют данные IoT для предотвращения поломок оборудования, снижая затраты на ремонт и минимизируя время простоя производства.
- Команды по разработке продуктов обогащают существующие продукты и услуги цифровыми приложениями, например, предоставляя клиентам дополнительные сведения, повышая лояльность клиентов и обеспечивая конкурентное преимущество.
Многие организации успешно извлекают пользу из данных на основе аналитических решений. Но данные и ИИ способны на гораздо большее.
Данные и ИИ дают возможность поставить под сомнение как статус-кво компаний, так и целых отраслей. Они позволяют организациям получить преимущество в знаниях, задавая правильные вопросы о клиентах, технологиях, конкурентах и отрасли, что дает возможность получить и сохранить конкурентное преимущество. Речь идет об объединении данных с творческими способностями человека для активного проектирования будущего [1a, 2].
Учитывая огромный потенциал выгоды, неудивительно, что все больше организаций стремятся использовать данные в качестве стратегического актива. Компании стремятся стать управляемыми данными - или, скорее, вдохновленными данными [2], что означает то что они стремятся к тому, чтобы:
- Последовательно использовать потенциал уже имеющихся данных для оптимизации бизнеса;
- Использовать данные и анализ как неотъемлемую часть бизнес-инноваций для быстрого тестирования новых креативных идей, что способствует развитию мышления и повышению конкурентоспособности.
Так в чем же подвох?
Организации борются за то, чтобы стать ориентированными на данные
Несмотря на многообещающие перспективы, многие организации продолжают испытывать трудности с использованием всех преимуществ данных, аналитики и искусственного интеллекта. Как такое возможно с учетом того, что технологии, алгоритмы и методологии доступны всем нам на протяжении многих десятилетий?
Становление системы управления данными может быть сложной задачей
Организации часто недооценивают сложность перехода к работе с данными, особенно в условиях отсутствия стратегической ясности и грамотности в области данных.
Многое может пойти не так, когда организации начинают использовать данные в качестве актива. Речь идет не о покупке готового технологического решения, как обещают многие поставщики.
Становление системы управления данными очень часто ассоциируют с бизнес-трансформацией на основе данных. Этот процесс не зря называют трансформацией, поскольку как правило он тесно связан с изменениями, которые затрагивают все предприятие.
Например, для того, чтобы данные стали доступны для бизнеса, их необходимо получить и интегрировать из различных источников. Интеграция данных требует общекорпоративной оркестровки и управления. Без этого каждый потребитель данных будет вынужден из раза в раз повторять утомительную и чреватую ошибками работу по подготовке данных, что в конечном итоге приведет к «дикому западу», где ценные ресурсы расходуются впустую.
Использование данных и искусственного интеллекта - обязанность любого бизнеса
Создание ценности с помощью данных происходит в основном в бизнес-подразделениях, то есть в маркетинге, закупках, продажах или производстве.
Многие полагают, что переход к управлению данными - это исключительно вопрос технических знаний в области ИТ и аналитики, упуская из виду культурные и организационные изменения. Уверяю Вас, это заблуждение.
Бизнес-пользователи должны сами стать грамотными в области данных. Они должны принять культуру инноваций, выявлять и разрабатывать сценарии использования данных, которые важны для принятия решений в их области. Они должны уметь использовать данные для получения новых знаний, которые провоцируют новые вопросы и порождают инновационные идеи для создания конкурентных преимуществ.
Чтобы стать ориентированными на данные, организациям требуются культурные и технические возможности, но им сложно вовремя выявить их.
Наконец, использование данных - это командная работа, требующая привлечения междисциплинарных сторон и креативного мышления.
Данные, аналитика и искусственный интеллект - это не панацея
Данные, аналитика и искусственный интеллект в настоящее время чрезмерно раздуты, и люди, кажется, забывают, что в основе каждого алгоритма лежит математика. Каждый статистический алгоритм имеет базовые предположения и присущие ему ограничения. Полагаться только на данные при принятии решений так же плохо, как и не использовать данные вовсе.
Знаменитая цитата датского политика Карла Кристиана о том, что «предсказывать сложно, особенно когда имеешь дело с будущим» намекает на то, что любое прогнозирование нужно применять с осторожностью: одно из основных предположений при составлении прогнозов на основе исторических данных заключается в том, что базовая система, породившая эти данные, не изменится коренным образом в будущем.
Тот факт, что данные, аналитика и искусственный интеллект чрезмерно превозносятся, может стать проблемой, поскольку заинтересованные стороны могут иметь нереалистичные ожидания. Эту проблему необходимо решать, формируя грамотность в области данных и культуру в организации, способствующую выработке общего языка и понимания.
В качестве примера можно привести одну из областей, где к аналитике нужно относиться с осторожностью, - это процесс разработки стратегии, поскольку целью инновационной стратегии часто является формирование будущего, оказывающее влияние на рынок в целом. Если такая стратегия успешна, прогноз продаж, основанный на выборочных данных из прошлого, может оказаться нерепрезентативным и бесполезным для получения значимых выводов.
Отсутствие бизнес-стратегии как основная причина неудач в использовании данных и ИИ
Как я уже говорил ранее, я считаю, что большинство проблем, возникающих у организаций при управлении данными и их использовании в качестве актива, связано с отсутствием стратегической основы. Под стратегической основой я подразумеваю не общепринятые (ошибочные) концепции стратегии данных - как мы рассмотрим ниже, - а настоящую работу по разработке стратегии, которая естественным образом интегрирует стратегические решения, связанные с данными, в бизнес-стратегию.
Поэтому в данной статье мы расширяем эту идею до готового к использованию фреймворка, используя инструменты хорошо известного принципа Playing to Win.
Но сначала давайте подробнее рассмотрим перспективы стратегии данных и связанные с ней заблуждения.
Обещания стратегии данных
По мере развития BI и Data Science организации все чаще сталкивались со сложностью управления данными, а также создания и масштабирования аналитических решений. Требовались более структурированные подходы, и стратегия данных была и до сих пор остается предполагаемым способом решения этих проблем.
Для написания этой статьи я попытался найти происхождение термина «стратегия данных». С помощью поиска по книгам Google я нашел книгу ‘Дизайн и стартегия обработки распределенных данных’, датируемую 1981 годом.
Следовательно, термин «стратегия данных» далеко не новый, но с 2010 года он стал вызывать все больший интерес, как показывает поиск Google Trends.
Рис. 01
Стратегия обычно воспринимается как нечто умное, позволяющее управлять сложностями, а перспектива стратегии данных заключается в решении проблем, с которыми сталкиваются организации при использовании данных, аналитики и искусственного интеллекта.
Однако здесь есть одна загвоздка: Несмотря на растущую популярность, «стратегия данных» по-прежнему плохо определена и чаще всего понимается неправильно, что приводит к недопониманию, несогласованным инициативам и обманутым ожиданиям.
Чтобы понять, почему организации продолжают бороться со стратегией данных, мы должны сначала разобраться с ошибочными представлениями, окружающими этот термин.