Компании инвестируют как сумасшедшие в специалистов по данным, хранилища данных и программное обеспечение для анализа данных. Но многим из них нечего показать за свои усилия. Возможно, они никогда этого не сделают.
В чем проблема? Начнем с того, что большие данные были настолько раскручены, что компании ожидают, что они принесут больше пользы, чем на самом деле. Кроме того, аналитические выводы можно легко воспроизвести: компания, предоставляющая финансовые услуги, которую мы изучали, построила модель на основе анализа больших данных, которая определила лучшее место для размещения банкомата, только для того, чтобы узнать, что консультанты уже построили аналогичные модели для несколько других банков. Более того, превращение результатов анализа данных в конкурентное преимущество требует изменений, на которые бизнес может быть неспособен. Один розничный торговец, например, узнал, что он может существенно увеличить прибыль, увеличив время нахождения товара в торговом зале до и после скидки. Но внедрение этого изменения потребовало бы полной перестройки цепочки поставок, на что ритейлер не хотел соглашаться.
Основная причина того, что инвестиции в большие данные не окупаются, заключается в том, что большинство компаний плохо справляются с той информацией, которая у них уже есть. Они не знают, как управлять этим, анализировать его таким образом, чтобы улучшить свое понимание, а затем вносить изменения в ответ на новые идеи. Компании не развивают эти компетенции волшебным образом только потому, что они вложили средства в высокотехнологичные инструменты аналитики. Сначала им нужно научиться использовать данные, уже встроенные в их базовые операционные системы, подобно тому, как люди должны освоить арифметику, прежде чем приступить к алгебре. Пока компания не научится использовать данные и анализ для поддержки своих операционных решений, она не сможет извлечь выгоду из больших данных. (См. врезку «Кому выгодны большие данные?»)
За последние три года мы провели семь тематических исследований и опросили руководителей 51 компании, чтобы понять, как компании создают ценность для бизнеса на основе данных. Мы обнаружили, что тех, кто постоянно использует данные для принятия решений, очень мало. За исключением компаний, в которых существует то, что мы называем культурой принятия решений на основе фактических данных, все они добились повышения эффективности своего бизнеса, и они, как правило, более прибыльны, чем компании, у которых нет такой культуры.
Цифровая экономика заключается в сборе, анализе и использовании информации для обслуживания клиентов. Большинство компаний могут значительно повысить эффективность своего бизнеса, просто сосредоточившись на том, как операционные данные могут влиять на принятие повседневных решений. Так почему же больше компаний не используют данные и анализ более эффективно? Одна из причин может заключаться в том, что их методы управления не соответствуют их технологическим платформам. Компании, которые установили цифровые платформы - ERP- и CRM-системы, хранилища данных в режиме реального времени и собственные базовые информационные системы - за последние 10-15 лет, еще не извлекли выгоду из информации, доступной на этих платформах. Кроме того, принятие решений, основанных на фактических данных, представляет собой сложный культурный сдвиг: рабочие процессы должны быть переопределены, данные должны быть очищены, а бизнес-правила должны быть установлены, чтобы направлять людей в их работе. Хорошая новость заключается в том, что после того, как компании осуществили культурные изменения, они обычно не возвращаются назад, а их операционные усовершенствования нелегко воспроизвести конкурентам.
Наше исследование показывает, что компании с культурой принятия решений, основанных на фактических данных, гарантируют, что все лица, принимающие решения, каждый день будут иметь под рукой данные о производительности. Они также следуют четырем принципам: они устанавливают один бесспорный источник данных о производительности; они дают лицам, принимающим решения на всех уровнях, обратную связь почти в реальном времени; они сознательно формулируют свои бизнес-правила и регулярно обновляют их в соответствии с фактами; и они обеспечивают качественное обучение сотрудников, которые регулярно принимают решения.
Прежде чем мы приступим к изучению этих практик, давайте посмотрим на компанию, в которой с момента ее основания существует культура принятия решений, основанных на фактических данных.
Предоставление сотрудникам возможности принимать правильные решения
В 1970-х годах Southland Corporation, известная своей новаторской концепцией сети магазинов повседневного спроса со своими магазинами 7-Eleven, продала свои японские магазины, и так родилась Seven-Eleven Japan. Тошифуми Сузуки, первый генеральный директор, сразу решил, что ключом к прибыльности крошечных магазинов компании будет быстрая оборачиваемость запасов. Поэтому он возложил ответственность за размещение заказов - самое важное решение в бизнесе - в руки 200 000 продавцов, работающих в основном неполный рабочий день. Эти сотрудники, как полагал Сузуки, понимали своих клиентов и, имея достоверную информацию, могли принимать наилучшие решения о том, что будет продаваться быстро.
Чтобы помочь продавцам в принятии решений, он отправлял в каждый магазин ежедневные отчеты о продажах и дополнительную информацию, такую как прогноз погоды. В отчетах подробно описывалось, что было продано накануне, что было продано в прошлом году в тот же день, что было продано в последний день, когда погода была похожей, и что продавали в других магазинах. Поскольку Seven-Eleven Japan доставляет свежие продукты, Suzuki организовала доставку три раза в день, чтобы клерки могли делать заказы в соответствии с неотложными потребностями. И он связал клерков с поставщиками, чтобы стимулировать разработку товаров, которые удовлетворяли бы вкусы местных покупателей. Результат? Seven-Eleven уже более 30 лет является самым прибыльным ритейлером в Японии.
Это история не о больших данных и даже не о больших инвестициях в данные. Это история о большом количестве маленьких данных. Что еще более важно, речь идет о том, чтобы поставить успех вашего бизнеса на способность хороших людей использовать хорошие данные для принятия правильных решений. Расширение прав и возможностей сотрудников таким образом и предоставление им необходимых данных помогает им ежедневно принимать более эффективные операционные решения. Это также может привести к постоянному потоку инноваций. В Seven-Eleven Japan примерно 70% товаров на полках каждый год являются новыми, разработанными продавцами в соответствии с предпочтениями покупателей.
В отличие от этого, рассмотрим руководителя универмага в США, который с гордостью заявил, что системы компании мгновенно оповещают корпоративных менеджеров, когда в магазине заканчиваются желтые свитера и требуется переместить товар из магазинов, которые были переполнены. Когда его спросили, он признал, что его системы не могут сказать ему, сколько оранжевых свитеров было бы продано, если бы компания производила их. Только его продавцы могли знать о спросе на оранжевые свитера, а у него не было формального способа собрать их информацию.
Подход Seven-Eleven Japan к созданию большой ценности из небольших данных основан на предоставлении прозрачной информации лицам, принимающим решения, и установлении четких ожиданий относительно того, как они будут ее использовать. В этом суть принятия решений на основе фактических данных. Вы могли бы разработать компьютерную модель, чтобы прогнозировать, что может быстро продаваться, но у компьютера не было бы данных обо всех запросах, которые не могут быть выполнены, или выводов из случайных разговоров с клиентами. Было бы гораздо меньше возможностей для определения успешных концепций нового продукта.
Большинство примеров принятия решений на основе фактических данных, которые мы видели, были в подразделениях и функциях, а не в компаниях. Вероятно, это связано с тем, что улучшить использование данных в одном подразделении проще, чем во всей организации. Теперь давайте рассмотрим четыре практики.
Соглашение о едином источнике правды
Исследуемые нами образцовые организации не обязательно имеют единый репозиторий данных, но они настаивают на использовании данных о производительности только из одного авторизованного источника. Когда Рон Уильямс стал операционным директором Aetna в 2001 году (он стал президентом в 2002 году и генеральным директором в 2006 году), он обнаружил, что все руководители подразделений могут показать ему электронную таблицу с данными о производительности, показывающими, что их подразделения были прибыльными в предыдущем году. - даже несмотря на то, что Aetna в целом зафиксировала убыток почти в 300 миллионов долларов! Одной из его первых инициатив было создание единой информационной системы, определяющей данные, которые все будут использовать для измерения производительности. Старшие менеджеры поначалу считали данные серьезно ошибочными - некоторые статьи доходов и расходов, по их мнению, были рассчитаны или распределены неточно, - но даже в этом случае они привыкли сосредотачиваться на показателях, которые определил Уильямс. По мере того, как ИТ-руководители и бизнес-руководители очищали данные, руководство лучше понимало затраты и рентабельность. Вскоре руководители начали создавать новые планы медицинского страхования с более адресными ценами и возвращаться к прибыльности. В 2005 году прибыль Aetna составила 1,6 миллиарда долларов. В 2006 году, размышляя об успехе своей компании, Уильямс сказал: «Когда у вас есть заранее согласованный набор чисел, представленных единообразно, вы можете научить компанию думать о проблемах. Это дает вам контекст для принятия решений».
История успеха Seven-Eleven Japan заключается в том, чтобы сделать ставку на способность хороших людей использовать достоверные данные для принятия правильных решений.
Чтобы заставить всех принять единый источник данных, может потребоваться назначение одного руководителя для надзора за его управлением. В Foxtel, крупнейшем в Австралии поставщике услуг платного телевидения, финансовый директор Питер Тонах (ныне главный операционный директор News Corp Australia, одной из материнских компаний Foxtel) сохранял основной контроль над определениями данных в хранилище данных компании. «В этом бизнесе есть только один источник правды, и это то, что исходит от моей команды», - говорит он. Тонах также держит под контролем отчеты, чтобы сосредоточить внимание всех на самом важном. «Я не хочу, чтобы люди думали: сколько клиентов воспользовались услугой мультирум?» он отмечает. «Я хочу, чтобы они думали: как мне продавать больше мультирумных услуг?» Подход Тонаха привел к значительному сокращению количества генерируемых регулярных отчетов с 600 до 180. Это само по себе привело к сокращению затрат для Foxtel, но большая выгода помогла руководству сосредоточиться на стратегических целях.
Всеобщее признание одного источника правды - это первый шаг к внедрению культуры принятия решений на основе фактических данных. Как выяснили и Aetna, и Foxtel, это нормально, если данные изначально ошибочны, потому что людям требуется время, чтобы научиться пользоваться одним источником. Но со временем качество имеет значение, поэтому компании захотят инициировать процессы для улучшения сбора данных. Неизменно это означает пересмотр бизнес-процессов и определение того, где ошибки попадают в систему. Люди, которым необходимо использовать данные, будут проявлять активный интерес к процессам управления, разработанным для уточнения определений данных, и к изучению того, как информация проходит через организацию.
Использование оценочных карт
Возможно, лучший способ научить людей использовать данные для создания бизнес-преимуществ - предоставить им данные об их собственной эффективности. Регулярные оценочные листы уточняют индивидуальную ответственность и обеспечивают последовательную обратную связь, чтобы люди знали, как они работают.
В PepsiAmericas, разливочной компании стоимостью 5 миллиардов долларов (куплена в 2010 году PepsiCo), руководство ввело оценочные карточки, которые информировали каждого человека о его или ее работе за предыдущий день. На одном складе руководство разместило оценочные листы, ранжируя производительность каждого погрузчика как по количеству, так и по качеству. Большинство сотрудников проверяли свои рейтинги каждый день, приступая к работе, приветствуя результаты либо качанием кулаков, либо стонами. Склад приобрел атмосферу дружеской конкуренции, что в сочетании с новыми технологиями и мощными данными повысило точность процесса загрузки на несколько процентных пунктов, до 99.8%. Этот подход также устранил потребность в дополнительных контролерах на складе.
Важно, чтобы оценочные карточки основывались на правильной метрике. В июне 2010 года, когда Тим Уолл и его управленческая команда взяли бразды правления Protection One, шестого по величине поставщика услуг безопасности в Северной Америке, компания переживала пятый год подряд снижение доходов. Чтобы изменить ситуацию, они переключили внимание менеджеров с прибылей и убытков на регулярный ежемесячный доход (RMR), ключевой показатель для оценки бизнеса по подписке, подобного их. В течение нескольких месяцев ИТ-директор Дон Янг начал ежедневно примерно в 4:30 утра распространять оценочную карту, в которой сообщались результаты каждого филиала и регионального менеджера с точки зрения изменений в RMR за предыдущий день. Карта показателей определяет решения Уолла о том, как проводить свое время: каким менеджерам звонить, что спрашивать и какую помощь предлагать. Теперь его менеджеры используют оценочную карту каждое утро, чтобы делать то же самое. Требуется время, чтобы изменить укоренившиеся привычки давних сотрудников, но новая команда менеджеров уже изменила показатели удовлетворенности клиентов и сотрудников, увеличив доход более чем на 10% в отрасли, где увеличение на 3% или 4% является нормой.
Возможно, лучший способ научить людей, как использовать данные для создания бизнес-преимуществ, - предоставить им данные об их собственной эффективности.
Самая важная характеристика оценочной карты заключается в том, что она фокусируется на результатах, которые люди могут контролировать; это не краткие сведения о финансовых результатах компании или цене акций. Целевая оценочная карта позволяет группе выявлять проблемы до того, как они проявятся в итоговой строке, и помогает отдельным лицам понять, как их деятельность способствует успеху в бизнесе. Безусловно, метрики более нюансированы для сотрудников на более высоких уровнях организации, где успех по одному показателю (например, удовлетворенности клиентов) может быть достигнут за счет другого (договорная цена). Но люди, имеющие опыт использования оценочных карт, могут научиться приспосабливаться к большей неопределенности.
Явное управление бизнес-правилами
Небольшой объем данных может иметь большое влияние на производительность, когда менеджеры используют данные (о клиентах, продуктах, транзакциях и т. д.) для постоянной оценки и улучшения бизнес-правил, регулирующих их операции. Бизнес-правила - это механизм для определения того, какие действия должны быть предприняты в данных обстоятельствах. Они могут быть общими («Делайте все возможное, чтобы клиент остался доволен») или весьма детализированными («Принимайте возвраты от клиентов, только если они принесут квитанцию, и в квитанции указано, что они приобрели товар в течение последних 30 дней»).
В идеале бизнес-правила согласовывают действия лиц, принимающих решения, со стратегическими целями компании. Но это происходит только тогда, когда соответствующие лица понимают правила, а руководство регулярно корректирует их в ответ на новую информацию.
Компании с культурой принятия решений, основанных на фактических данных, следят за тем, чтобы бизнес-правила постоянно оценивались и улучшались, четко формулируя их и обеспечивая согласованность во всей компании. Возьмем Citrix Systems, технологическую фирму стоимостью 2,1 миллиарда долларов, у которой 250 000 клиентов в 100 странах. Большинство клиентов Citrix обслуживаются непосредственно одним из 10 000 деловых партнеров компании. Citrix традиционно предлагает своим лучшим партнерам скидки на продукты Citrix, чтобы поощрять и вознаграждать их лояльность. Но руководители компаний обнаружили большие различия в практике дисконтирования менеджеров и все чаще наблюдали негативное влияние на доход. Поэтому Citrix установила новый набор бизнес-правил для всей компании, согласно которому скидки предоставляются в зависимости от того, сколько сертификатов продукта Citrix (подтверждающих способность обслуживать продукт) сотрудники фирмы-партнера коллективно заработали. Руководство ожидало, что эти правила оптимизируют доходы и, поощряя партнеров к получению сертификатов на продукцию, улучшат их возможности.
Установив новые бизнес-правила, Citrix может проанализировать их влияние. Если результаты не соответствуют ожидаемым, компания может снова изменить свои правила. Такой анализ не требует массивной обработки, связанной с большими данными, и не требует от специалистов по данным сложного статистического моделирования. Вместо этого он предполагает пристальное наблюдение рядовых менеджеров за изменениями ключевых показателей. Именно так компания использует свои небольшие данные для повышения производительности.
Анализ влияния бизнес-правил не требует массивной обработки или статистического моделирования, связанных с большими данными.
Бизнес-правила усложняются по мере того, как они становятся более детализированными: элитные клиенты авиакомпании могут бесплатно зарегистрировать сумку; другие клиенты должны платить. Некоторые билеты подлежат возврату; другие нет. Компании решают проблему сложности своих бизнес-правил, встраивая многие из них в программное обеспечение. Например, элитный статус авиапассажира хранится в электронном виде, чтобы система могла точно рассчитать стоимость багажа. Розничные продавцы могут хранить данные о покупках клиентов, чтобы компьютеры могли проверить, соответствует ли данный возврат требованиям возмещения.
Внедрение бизнес-правил в программное обеспечение - их автоматизация - освобождает людей от рутинных решений, позволяя им сосредоточиться на действиях, требующих личного усмотрения. Citrix автоматизировала свои правила сертификации партнеров, чтобы партнерам не требовалось отслеживать право на получение скидок. Система отслеживает и предоставляет скидки. Он даже имеет встроенный льготный период для партнеров, которые временно опустились ниже пороговых значений скидок. Автоматизация бизнес-правил также позволяет повысить степень детализации, поскольку системы могут обрабатывать больше деталей, чем люди. Как правило, проще проверить влияние изменений в автоматизированных бизнес-правилах, чем в неавтоматизированных. (Подробнее о преимуществах и недостатках автоматизации см. во врезке «Бизнес-правила управляют вашей компанией, а вы даже не подозреваете об этом».)
Используйте коучинг для повышения производительности
Может показаться, что комбинации четко определенных ожиданий, данных о производительности и четко сформулированных бизнес-правил будет достаточно, чтобы помочь людям ежедневно принимать обоснованные решения. Не так! Секретный соус - постоянное обучение, направленное на повышение производительности каждого человека. На самом деле, насколько мы можем судить по изученным нами компаниям, нет смысла выполнять первые три требования, если вы не занимаетесь коучингом. Недостаточно рассказать людям, каковы новые правила или цели. Вы должны помочь им перейти от основанных на инстинктах решений к основанию их на данных. Для сотрудников, работающих с клиентами, это часто включает в себя помощь им в осознании важности их собственного поведения - обучение их тому, что они могут, например, сделать больше для повышения удовлетворенности клиентов, наблюдая за тем, чтобы клиент правильно использовал продукт, и прислушиваясь к тому, что ему говорят. клиент должен сказать, чем путем демонстрации того, как использовать продукт.
В Seven-Eleven Japan консультанты дважды в неделю посещают каждый из 16 000 магазинов компании, помогая продавцам научиться эффективно использовать данные. Консультанты сравнивают гипотезы каждого человека о том, что будет продаваться в течение предыдущей недели, и что будет продано на самом деле. Затем они обсуждают, как этот человек может улучшить свою работу на следующей неделе. Консультант - это штатная должность, на которую могут повышать высокоэффективных продавцов.
В Protection One, вместо создания новой роли, высшее руководство решило, что коучинг должен стать основной обязанностью всех менеджеров. Некоторые менеджеры быстро сообразили; другим потребовалось гораздо больше времени. С самого начала генеральный директор неустанно обучал старших руководителей, объясняя и вновь объясняя, почему RMR важен, каковы обязанности каждого менеджера, связанные с RMR, как читать и понимать оценочные карточки и, что особенно важно, что руководитель может сделать сегодня, чтобы улучшить производительность к концу месяца. Уолл также моделирует поведение, управляемое данными. Если он слышит жалобу на что-то, он говорит: «Давайте посмотрим на данные». Руководители компании сосредоточены на развитии коучинговых навыков руководителей первого уровня, таких как руководители филиалов, менеджеры по продажам и менеджеры колл-центров, которые напрямую влияют на жизнь многих людей, но, как правило, имеют мало опыта в мотивации и обучении других. Уолл предписал ежемесячные беседы между менеджерами и каждым из их отчетов. Цель этих бесед - определить, как каждый сотрудник может устранить разрыв между целями и результатами и как руководитель может помочь.
Постепенный сдвиг
В культуре принятия решений, основанных на фактических данных, люди, выполняющие рутинную работу, вдруг обнаруживают, что несут большую ответственность за результаты, чем за количество потраченных часов. Многим людям необходимо приобрести навыки коучинга, которые помогут привести к новым и иным отношениям. В большинстве организаций невозможно будет наложить эту новую культуру на существующие структуры, роли и процессы. Это изменение будет разрушительным.
Может возникнуть искушение относиться к этому культурному сдвигу, как к любой другой крупной инициативе по изменению бизнеса, начиная сверху, определяя и сообщая цели, устанавливая показатели, распределяя ответственность и обучая людей. Но мы обнаружили, что лучше начать с более скромного. Хотя Aetna смогла начать с вершины компании, многие бизнес-лидеры поступили бы мудро, если бы стремились к более низкому уровню. Хорошим примером является выбор важной повторяющейся работы, которая включает в себя некоторую свободу действий и некоторое применение правил службы. Представьте, как бы выполнялась эта работа, если бы у людей были четкие бизнес-правила и показатели, а также все данные, необходимые им для принятия правильных решений. Затем назначьте тренеров для этих сотрудников и тренируйте тренеров. Эти ранние попытки могут выявить ошибочные бизнес-правила, низкокачественные данные и неэффективные показатели.
Со временем культура может распространиться на многие, а может быть, и на большинство ролей. Большая часть ажиотажа вокруг больших данных сосредоточена на том, чтобы получить больше информации и больше людей для ее анализа. Но лучше всего использовать возможности, предоставляемые информационной экономикой, заставив всех людей использовать данные более эффективно. Это может показаться дорогим и рискованным предприятием. Но на самом деле это дешевый и мощный способ извлечь выгоду из всех больших и малых данных, которые вы накапливаете.