Революция в аналитике. Как в эпоху Big Data улучшить ваш бизнес с помощью операционной аналитики. Часть I. Революция началась (Билл Фрэнкс, 2014)

Эта книга посвящена операционной аналитике. Но что такое операционная аналитика? Если уж она стала главной темой, надо дать определение данному термину. После чего попытаемся разобраться, в чем заключается уникальность операционной аналитики и что отличает ее от традиционного подхода.

Что такое операционная аналитика?

Термин «операционная аналитика» применим к ситуации, когда аналитика{1} становится неотъемлемой частью принятых индивидуальных решений и осуществленных индивидуальных действий в рамках организации. Операционная аналитика используется для поддержки не стратегических и значимых, а повседневных тактических решений. Что еще важнее, когда аналитический процесс выведен на операционный уровень, он напрямую управляет деятельностью – не просто рекомендует те или иные действия, а непосредственно их реализует. Все вышеперечисленное и составляет суть операционной аналитики. Непосредственно реализуя решения и действия без вмешательства человека, операционная аналитика выводит интеграцию и воздействие аналитики на совершенно новый уровень.

Традиционные аналитические процессы в своем большинстве приносят результаты, которые далее используются в виде информации для принятия решений или вводятся в процесс принятия решений. Однако человек обычно включает в этот процесс свои личные суждения и затем одобряет полученный результат. В случае же операционной аналитики аналитический процесс и действия на основе проведенного анализа осуществляются незамедлительно. Человек не вмешивается ни в решения, ни в действия.

Разумеется, именно человек принимает решение о необходимости внедрения операционно-аналитического процесса и налаживает его. Однако когда процесс запущен, он уже самостоятельно получает доступ к данным, осуществляет анализ, принимает решения и фактически выполняет необходимые действия. Он может выполняться тысячи и даже миллионы раз в день. После того как люди в организации осозна́ют, что можно получать аналитику, интегрированную на таком уровне, у них часто возникает потребность в ее увеличении. В результате рождается спрос на еще большее количество аналитики и на все возрастающем уровне сложности. В то же время наличие автоматизированной операционной аналитики создает необходимость в тщательном мониторинге процессов. Об этом мы поговорим в шестой главе.

Предписывайте!

Определяющая особенность операционной аналитики – она выходит за пределы описаний или даже прогнозов. Операционная аналитика предписывает. Это значит, что операционная аналитика встраивается в бизнес-процесс, чтобы самостоятельно принимать решения и выполнять действия на основе заложенных в нее алгоритмов – все это без вмешательства человека.

На протяжении последнего десятилетия много внимания уделялось переходу от описательной аналитики к прогностической. В классической бизнес-аналитике внимание сосредоточивалось на анализе произошедшего с описательной точки зрения, например определение объема продаж по каждому региону, доли своевременных поставок или других важных показателей. Цель же прогностической аналитики, наоборот, состоит в предсказании того, что произойдет в будущем. Как увеличить долю своевременных поставок? Какие клиенты с наибольшей вероятностью откликнутся на грядущее маркетинговое предложение? Операционная аналитика идет еще дальше и делает аналитику предписывающей. Операционно-аналитический процесс начинается с определения того, какие действия повлияют на время поставки или повысят уровень откликов, а затем автоматически вынуждает эти действия произойти. В таблице 1.1 суммируются вышеназванные различия.

Отличие операционной аналитики

Очень важно различать операционную аналитику и операционное применение аналитики. Хотя, на первый взгляд, здесь может привидеться игра слов, я уверяю вас, что это не так. После того как мы рассмотрим несколько примеров, различие станет для вас вполне очевидным.

Аналитика применялась для решения операционных проблем на протяжении многих лет. Так будет продолжаться и дальше, и операционное применение аналитики сохранит свою значимость. Однако операционная аналитика выходит за прежние пределы. В идеале хотелось бы иметь новый термин, который четко бы отделял операционную аналитику от операционного применения традиционной аналитики, но я такового не знаю. Это печально, поскольку сходство определений может привести к путанице, особенно когда они произносятся подряд. На одной из конференций во время обсуждения данной темы один из участников в шутку предложил мне использовать термин «фрэнксова аналитика», что, разумеется, слишком эгоцентрично, тем более если воспринять предложение всерьез. Поэтому я постараюсь сосредоточиться на различиях между двумя подходами, а не на их наименованиях.

Различия между операционным применением аналитики и операционной аналитикой наглядно демонстрируют всю важность и сложность последней. Операционно-аналитические процессы зачастую так же сложны, как любые аналитические процессы, использовавшиеся организацией до сих пор, но вдобавок новые процессы должны быть автоматизированы, существенно масштабированы и осуществляться с молниеносной скоростью. Эти мощные процессы вместе с тем отличаются сложностью и требуют серьезного труда. Давайте рассмотрим несколько примеров, которые помогут прояснить имеющиеся различия.

Одно из важных отличий операционной аналитики состоит в том, что анализ выполняется в автоматическом и интегрированном режиме в пределах так называемого времени принятия решения. Другими словами, анализ выполняется со скоростью, позволяющей принять решение. В некоторых случаях принятие решений происходит в режиме реального времени (или очень близко к тому). В других случаях период ожидания может составлять несколько минут, часов или даже дней. Знать время принятия решения крайне важно для достижения успеха, поскольку аналитический процесс должен быть доступен и выполняться в пределах этого интервала.

Традиционно многие организации подстраивали свои веб-сайты под клиентов через определение их индивидуальных покупательских привычек с дальнейшим размещением соответствующих предложений и адаптацией под потребителей к следующему посещению сайта каждым клиентом. Подобная веб-кастомизация доказала свою эффективность и сегодня используется почти повсеместно. Обработка сведений о клиенте по состоянию на сегодняшний вечер, с тем чтобы завтра утром клиент увидел уже адаптированный под него сайт, – таково операционное применение аналитики. Однако подобная предварительная кастомизация не является примером операционной аналитики. Это всего лишь пример применения традиционной пакетной обработки в операционном окружении.

Операционная аналитика требует кастомизации следующей открываемой клиентом страницы с момента клика по кнопке next до момента открытия страницы. Этот процесс должен использовать не только всю историческую информацию о клиенте, но и новейшую, в том числе о его самых последних действиях на веб-сайте. Адаптацию веб-страницы за короткий промежуток времени между кликами и выполняет операционная аналитика. Обратите внимание: подобный анализ осуществляется не для одного, а для всех клиентов, посещающих сайт, что выливается в миллионы микрорешений, основанных на аналитике. Даже если при навигации по сайту клиенты не замечают разницы между пакетным и операционным подходами, на самом деле разница, пусть и скрытая, существенна.

Применяйте аналитику не только к операциям

Аналитические процессы применялись для решения операционных проблем на протяжении многих лет. Однако операционная аналитика выходит за пределы использования результатов традиционной пакетной аналитики в операционных целях. Операционная аналитика применяется в пределах «времени принятия решений» для каждого индивидуального решения.

Еще один наглядный пример, на котором мы подробнее остановимся далее, относится к производственной области. Показания датчиков двигателей дают возможность производителям разработать оптимальный график технического обслуживания. Наличие детальной информации о функционировании двигателя автомобиля, самолета или любого другого транспортного средства позволяет выявить шаблоны, со временем ведущие к отказу двигателя. Такая разработка более эффективного графика на основе показаний датчиков – это результат операционного применения аналитики.

В свою очередь, операционная аналитика, основанная на показателях датчиков двигателя, выдается почти сразу и гораздо более индивидуализирована. Она выполняется параллельно с работой двигателя, а поступающая с датчиков информация анализируется в режиме реального времени. Если выявляется некий шаблон, который, как известно, неминуемо приведет к проблеме, принимаются меры по предотвращению либо исправлению этой проблемы. Когда водитель за рулем автомобиля получает упреждающее уведомление о том, что с двигателем начинает твориться что-то неладное, – это пример операционной аналитики в действии.

Предостерегаю: если организация не научилась успешно применять традиционную аналитику на основе пакетной обработки, то не сумеет и сделать аналитику операционной. Сначала нужно обзавестись основными аналитическими возможностями, а уже потом их масштабировать. Первым делом необходимо развить качественную аналитику, эффективную при пакетной обработке. Этот процесс можно сделать операционным только после подтверждения того, что данные и навыки, которыми обладает организация, могут быть использованы для построения надежного аналитического процесса. Если хотите, чтобы ваша организация вышла на следующий уровень, нужно прежде всего убедиться в наличии прочной аналитической основы. Без нее операционная аналитика останется недостижимой мечтой.

Здесь нет «быстрых» клавиш

Не овладев мастерством традиционного пакетного анализа, организация не сможет перейти к операционной аналитике, которая должна опираться на прочную основу.

Основные элементы, делающие операционную аналитику уникальной

Итак, мы рассмотрели, чем операционная аналитика отличается от традиционной в ряде важных аспектов. Давайте суммируем эти различия в виде четырех характеристик, которые определяют отличия операционной аналитики от традиционной.

Определяющая характеристика № 1: операционная аналитика интегрирована и автоматизирована. Традиционно организации вели аналитику в режиме оффлайн и затем передавали ее результаты повсюду, чтобы их принимали во внимание при принятии решений. Человек участвовал не только в построении аналитического процесса, но и в его осуществлении на постоянной основе. А операционно-аналитический процесс выполняется внутри операционных систем в автоматическом и интегрированном режиме.

Определяющая характеристика № 2: операционная аналитика предписывает действия. Операционная аналитика выходит за рамки описательной и даже прогностической – она предписывает действия. Не просто рекомендует, какое наилучшее предложение следует сделать клиенту, когда он вернется, а действительно предписывает сделать это предложение, отдав распоряжение соответствующей системе.

Определяющая характеристика № 3: операционная аналитика принимает решения. Ее процессы не только предписывают или рекомендуют, но и принимают решения, а затем выполняют действия, которые из них вытекают. Этим она в корне отличается от традиционной аналитики, где анализ производит рекомендации, а человек решает, принять их или отклонить: смотрит на результаты анализа и принимает окончательное решение, на основании которого выполняются дальнейшие действия.

Определяющая характеристика № 4: операционная аналитика осуществляется в пределах «времени принятия решения». Во многих случаях оно соответствует реальному времени. В некоторых случаях аналитика применяется к входящему потоку, а не к хранилищу данных. Операционная аналитика не может позволить себе ждать до следующего сеанса пакетной обработки – она должна осуществляться немедленно, чтобы принять решение и исполнить его.

Определяющие характеристики операционной аналитики

Операционная аналитика – это интегрированные автоматические процессы принятия решений, предписывающие и реализующие действия в пределах «времени принятия решения». Как только операционно-аналитический процесс получает одобрение и запускается, он начинает автоматически принимать тысячи или миллионы решений.

Добывать новые знания при помощи аналитики – это замечательно. Но после того как знания обнаружены среди данных, предстоит сделать важный шаг – наилучшим образом применить их аналитически. Разработать процесс, который будет воспроизводить новые знания, масштабировать их, а затем подкреплять ими решения – и все это почти в режиме реального времени, – очень трудно. Таким образом, центральная роль по-прежнему остается за человеком. Кто-то должен разрабатывать, выстраивать, конфигурировать и контролировать операционно-аналитические процессы. Компьютеры сами по себе не смогут принимать решения.

Важный момент, который стоит лишний раз подчеркнуть, состоит в том, что операционная аналитика представляет собой новую ступень эволюции аналитических технологий. Организация не может сразу же перепрыгнуть на уровень операционной аналитики, пока не овладеет мастерством традиционного пакетного анализа. Кроме того, как мы обсудим в шестой главе, операционно-аналитические процессы требуют тщательного тестирования перед запуском, поскольку автоматизированные плохие решения могут нанести серьезный ущерб. Прежде чем система начнет принимать миллионы микрорешений, необходимо убедиться в том, что они будут высокого качества.

Эволюция аналитики с течением времени хорошо отражена в концепции Аналитики 3.0, разработанной Международным институтом аналитики (International Institute for Analytics, IIA) и его руководителем научных исследований Томом Дэвенпортом{2}. Я преподаю в IIA, поэтому мне посчастливилось участвовать в обсуждении концепции на начальных этапах ее разработки. Давайте рассмотрим, в чем именно она заключается, поскольку это позволит нам увидеть эволюцию операционной аналитики в более широкой перспективе. Знание того, что и как менялось в мире аналитики на протяжении его истории, поможет нам понять, почему операционная аналитика готовится занять господствующее положение.

Аналитика 1.0: традиционная аналитика

Эпоха Аналитики 1.0 на протяжении многих лет охватывала все действия организаций в сфере аналитики. Я говорю об Аналитике 1.0 в прошедшем времени, поскольку организациям следует оставить этот подход в прошлом, если они этого еще не сделали. Как показано на рис. 1.1, Аналитика 1.0 в очень большой степени опиралась на описательную статистику и отчетность с редкими вкраплениями прогностической аналитики. Предписывающей аналитики тогда не существовало. Что касается данных в эпоху Аналитики 1.0, то они поставлялись почти исключительно из внутренних источников и были хорошо структурированы. Они включали все данные, связанные со сделками организации, информацию из систем управления предприятия и т. п. Хотя в то время эти данные считались невероятно большими и сложными для обработки, по сегодняшним меркам они являются относительно малыми и простыми. Данные собирались и хранились ИТ-отделом и предоставлялись по запросу. К сожалению, чтобы сделать данные доступными для анализа, ИТ-специалистам требовалось довольно много времени. Все это ограничивало широту и глубину применения аналитики, а также ее воздействие.

Что еще хуже, когда аналитики наконец-то получали эти данные, то, прежде чем приступить к анализу, им требовалось проделать еще массу дополнительной подготовительной работы. Дело в том, что в корпоративных системах данные редко хранятся в формате, пригодном для анализа. Выстраивание аналитического процесса требовало разного рода преобразований, агрегирования и комбинирования данных из различных источников. Все это еще больше увеличивало временной промежуток между моментом, когда ИТ-специалисты делали данные доступными, и моментом получения результатов. Таким образом, время в эпоху Аналитики 1.0 тратилось на сбор данных, а не собственно на анализ.

С точки зрения организационной культуры профессиональные аналитики относились к секретным сотрудникам. В большинстве случаев они были изолированы как от бизнеса, так и от информационных технологий. Их считали чокнутыми учеными, которые иногда могли предложить интересные идеи. Они не входили ни в какие другие команды, кроме собственной. (Подробнее мы рассмотрим эту тему в восьмой главе.) Почти все разрабатываемые ими аналитические процессы предназначались для поддержки внутренних решений. Клиенты или пользователи продукции редко, если вообще когда, были осведомлены об этой закулисной аналитике.

Организации должны оставить Аналитику 1.0 в прошлом

Аналитика 1.0 на протяжении многих лет играла крайне полезную роль. Но в сегодняшней экономической ситуации необходимо подключать дополнительные возможности и использовать новые подходы. Оставьте Аналитику 1.0 в прошлом.

Традиционные технологии, такие как бизнес-аналитика и инструменты отчетности, использовались для создания широкого диапазона отчетов, панелей управления и оповещений. Но даже простые отчеты создать было не так просто. Для этого требовалось, чтобы специалист из центрального аналитического отдела узнал требования пользователя, составил отчет и представил его в пригодной для просмотра форме. Процесс был длительным и формализованным, и очень немногие пользователи могли создавать такие отчеты самостоятельно. Встречались и вкрапления прогностической аналитики, но эпоха Аналитики 1.0 по большей части опиралась на описательную аналитику и отчетность.

Ирония состояла в том, что потребности в более оперативной аналитике и отчетности не существовало, поскольку сам бизнес не мог реагировать на них намного быстрее. В начале моей карьеры при разработке модели кампании прямой рассылки мы использовали данные трех-четырехнедельной давности для определения домохозяйств, которые следует включить в рассылку. Затем составленный нами список отправлялся в отдел рассылки, а ему требовалось еще две недели, чтобы напечатать рекламные материалы и отправить их по указанным адресам. Наконец, проходила еще неделя, прежде чем письма доставлялись в почтовые ящики адресатов. Это означало, что между моментом сбора данных и тем временем, когда результаты анализа могли повлиять на клиентов и бизнес, проходило шесть, а то и восемь – десять недель. Ускорять аналитические процессы не имело смысла, поскольку рассылки осуществлялись по фиксированному месячному графику и списки требовались с той же регулярностью. Легко понять, почему в такой среде многие аналитические процессы не реализовывали свой потенциал в полной мере.

Конец ознакомительного фрагмента.