В цифровом мире каждое наше действие генерирует данные. Собрав и проанализировав потоки данных, создаваемые человеком, о нем можно узнать все. То же касается организаций. Многие давно догадались, что для бизнеса данные могут быть основным инструментом развития. Развития во всех проявлениях: от экономии на рутинных операциях до новых моделей извлечения прибыли. Те, кто использует возможности, заложенные в данных, добьются успеха.

Как извлечь зарытые сокровища?
Мы привыкли к таргетированной рекламе, которую нам показывают все сайты в интернете. Нас не удивляет, что соцсети и поисковоки отлично знают наши предпочтения. Стоящие за этим возможности будоражат воображение. 
Всем нам и самим хотелось бы задействовать доступные данные, чтобы достигать целей бизнеса – высокоуровневых и низкоуровневых. Низкоуровневые это приобрести новых клиентов, увеличить средний чек, сократить издержки. Высокоуровневые – это создать новые товары или сервисы, придумать новые каналы выхода на рынок, то есть то самое формирование бизнес-моделей.
 Несмотря на такую общеизвестную ценность данных, согласно Forrester, «фирмы принимают менее 50% своих решений, основываясь на количественной информации, а не на интуиции, опыте или мнении». О проблеме респонденты знают: 85% опрошенных хотят задействовать аналитические данные при принятии решений.

Почему?

Очень немногие знают как подойти к делу: 91% сообщают, что использование данных при принятии решений является сложной задачей. Да, конечно, это сложно. Во-первых, надо понимать, как именно извлечь из сырых массивов данных ценные сведения. Здесь есть работа для аналитика. Во-вторых, много сложностей несет организация процессов – основанная на данных работа может влиять на людей, процессы и технологии. Эта сложность затрагивает стержневой фундамент любой организации: ее культуру - самое сложное, что изменить. Тем не менее организации, которые используют это как возможность и изменяются сами, могут в конечном итоге обеспечить значительную прибыль.

Чаще всего инициативы по использованию данных сосредоточены на следующем.

• Понимание поведения клиентов путем наблюдения за потоками транзакций, использованием продуктов и услуг.
• Использование информации, полученной из опросов удовлетворенности для понимания тенденций выручки, удержания клиентов, а также для упреждающего решения проблемы удержания.
• Сбор данных в контрольных точках бизнес-процессов для выявления возможностей повышения операционной эффективности.
• Обнаружения мошенничества.
• Оптимизация производительности труда сотрудников.

С чего начать?

Старший по данным
Многие компании терпят неудачу при попытках задействовать в работе данные. Задача включает не только создание технологической инфраструктуры, но и организационную реструктуризацию, а возможно и полную перезагрузку бизнеса. Хорошая практика – назначить старшего специалиста по работе с данными – Chief Data Officer – и передать всю работу и всю ответственность ему.
 

Кто этот человек? Прежде всего, CDO должен быть дипломатом с большим авторитетом. Ему предстоит поддерживать отношения со всеми основными лидерами компании и с поставщиками данных. CDO необходим, конечно же, широкий технический опыт, но понимание бизнеса еще более важно. Старший по данным также должен уметь заглядывать в будущее, так что прогнозирование - еще один талант, которым они должны обладать.
 

Итак, главный по данным отвечает за тяжелую работу, но зато получает широкие полномочия по пересмотру всех аспектов операционной деятельности компании. CDO отчитывается перед генеральным директором или перед советом директоров.

Какие же задачи стоят перед CDO? От него ожидают, что данные будут:
доставка в режиме реального времени для быстрого принятия решений.
способность генерировать информацию в форме прогнозных и предписывающих моделей для оптимизированных операционных моделей.
доступно для самообслуживания с улучшенным качеством и безопасностью.

За всем этим понятно стоят технологии. От хранилища до аналитической системы с дэшбордами – инфраструктура, облако, безопасность. И все это требует оркестровки чтобы обнаруживать, анализировать и использовать ваши данные на постоянной основе для выработки практических идей по улучшению бизнеса. Машинное обучение и искусственный интеллект могут создавать модели, помогающие в этом процессе.

Как оценить результаты?
 
Итак, вы целенаправленно занимаетесь работой с данными, чтобы повысить прибыльность бизнеса и хотели бы считать окупаемость инвестиции в этот процесс. А значит – пора определить измеримые ключевые показатели эффективности и постоянно их отслеживать.

 Сколько новых клиентов вы получаете в месяц благодаря новым практикам? Как меняется средний чек? Сколько денег удалось сэкономить на оптимизации? Как меняется общая прибыль и как она структурирована? Продуктивны ли команды? На все эти вопросы обработка данные не только влияют, но и помогает ответить.

И, конечно, прогресс надо отслеживать в динамике, а значит оценка должна стать постоянной частью работы с данными.

А что сейчас?

Во время пандемии организации, вложившиеся в обработку данных, достигли ощутимых результатов. Рынки по всему миру были нестабильными. Но с помощью эффективной аналитики многие могли прогнозировать использование ликвидности и прогнозировать всплески объемов транзакций, чтобы управлять своей устойчивостью и эффективным использованием кредита.