Пять советов McKinsey, как извлечь прибыль из big data
ЛІГАБізнесІнформ публикует ключевые тезисы исследования McKinsey.
Для гигантов IT-рынка, таких как Amazon и Google, весь бизнес - это big data. Они уже не могут существовать без обработки огромных массивов данных. Но big data - не эксклюзивный тренд IT-рынка. Так почему же медлят компании из других отраслей? McKinsey видит несколько основных причин. Во-первых, менеджмент компаний не понимает самой концепции big data и не видит мгновенной финансовой отдачи. Во-вторых, менеджеры среднего звена не доверяют выводам и прогнозам, основанным на аналитике big data, и не спешат ее внедрять. И наконец, устоявшиеся бизнес-модели и внутренние процессы делают неэффективными изменения, основанные на анализе big data. McKinsey дает несколько рекомендаций компаниям и подкрепляет их примерами из практики успешных энтузиастов big data.
1. Не жди от big data невозможного
Big data - не новый Клондайк и не панацея для оздоровления любого бизнеса. Во-первых, концепция анализа огромного количества данных применима только там, где эти данные можно "накопать": на крупных предприятиях, которые годами копят всевозможные бизнес-показатели в цифровом виде. Во-вторых, даже крупные и хорошо автоматизированные бизнесы могут извлечь пользу из big data не во всех сферах своей деятельности.
К примеру, один крупный автопроизводитель, желая вовремя "оседлать" новый тренд, но не разобравшись в нем толком, инвестировал крупные средства в изучение того, как соцсети могут улучшить прогноз спроса и планирование производства. Аналитики "накопали" в соцсетях огромное количество любопытных данных о пользовательских предпочтениях. Но производитель в итоге остался недоволен экспериментом - ведь прямой взаимосвязи между настроениями покупателей и эффективным планированием производства нет. Причина неудачи - неверное понимание концепции big data высшим руководством.
2. Высвобождай ресурсы, уходи от человеческого фактора
Один из самых быстрых способов получить отдачу от big data - автоматизировать процессы, которые выполняются вручную путем долгого и неэффективного перекапывания огромного количества данных. К примеру, один крупный производитель компьютерного оборудования инвестировал в создание программы-индикатора, предсказывающей высокую вероятность повторной покупки постоянными клиентами. Программа анализировала огромную базу данных из CRM, выявляя, у кого из клиентов в скором времени истечет срок эксплуатации старого "железа", закончатся расходники или срок лицензии на ПО. Имея на руках эти данные, менеджеры по продажам наперед знали, что именно, в какой момент и по какой цене предложить постоянным покупателям. Прирост в выручке за счет внедрения программы-индикатора превысил $100 млн.
3. Автоматизируй анализ и принятие решений
Поскольку конъюнктура рынка меняется зачастую быстрее, чем эти изменения могут уловить традиционные аналитики, на основе big data можно и нужно создавать программы автоматического принятия решений. К примеру, крупная страховая компания автоматизировала прогнозирование колебаний суммы возмещаемого ущерба, анализируя миллионы страховых случаев по множеству критериев. Если бы эти решения принимались вручную, результат такой работы морально устарел бы еще до того, как анализ страховых случаев был бы завершен.
Еще один пример успешной автоматизации принятия решений - оперативные изменения в поисковой оптимизации сайта (SEO). Критерии оценки сайтов поисковиками меняются очень часто. Анализ big data о поведении посетителей сайта позволит предсказать, какой контент будет востребован в ближайшем будущем, что поможет нарастить ядро постоянной аудитории и привлечь новую.
4. Демократизируй доступ к данным
Зрелые бизнесы с устоявшимися процессами имеют слабое место, сводящее на нет преимущества, которые обеспечивает анализ big data. Речь идет о традиции доверять обработку статистики только старшим менеджерам и руководству. Передать анализ из рук "гуру статистики" широкому кругу бизнес-пользователей - это правильный путь к росту. Большему количеству пользователей будет легче логически увязать данные из множества источников и выстроить более точные прогнозы, основанные на анализе big data.
5. Меняй обязанности и ответственность
Если, к примеру, ценообразование поручено автоматике, основанной на big data, то обязанности менеджера по продажам уже не будут прежними. И в этом заключается, пожалуй, главный вызов для сформировавшегося бизнеса. Ответственность менеджмента будет неизбежно эволюционировать, а может быть, в нем вовсе отпадет надобность. И способность компании извлечь прибыль из big data в конечном итоге зависит от ее готовности меняться изнутри, менять налаженные внутренние процессы, переосмысливать ответственность и вплетать эти изменения в свою новую корпоративную культуру.