Что лежит в основе управления будущим компании

За последние годы многие компании поменяли отношение к данным. Вначале данные хранили для последующего поиска информации. Затем появился анализ данных в виде отчетов, графиков, дашбородов. В настоящее время этого уже недостаточно.

Современный подход к данным должен начинаться с получения ответа на вопрос: что необходимо сделать сегодня, чтобы завтра не возникли проблемы?

Как показывают мировые тренды и наш опыт внедрения программных решений для бизнеса, отношение к данным постепенно переходит от простой аналитики к управлению будущим компании.

Стоит отметить, идет не о фантастике и даже не об искусственном интеллекте. Основа такого подхода — обычные рабочие данные, которые ежедневно обрабатываются в каждой организации.

От хранения данных к управлению будущим

Можно выделить несколько ключевых этапов зрелости работы с данными в любой компании.

Первый уровень. Хранение информации

Компания ведет общие реестры договоров, сотрудников, клиентов, внутренних документов.

Главная цель — сохранить все в одном месте, ничего не потерять и быстро найти.

Второй уровень. Контроль процессов

На этом этапе реестры данных дополняются контролем статусов документов, сроков исполнения, ответственных сотрудников.

На этом уровне помимо быстрого поиска, уже можно видеть текущее состояние рабочих процессов.

Третий уровень. Аналитика

На данном уровне от простого учета статусов и сроков, переходят к более сложной аналитике по заданным условиям и периодам. Формируются детальные отчеты и графики.

Например, к аналитическому уровню могут относится отчеты, показывающие:

• сколько договоров заключено;
• сколько документов просрочено;
• сколько задач исполнено;
• сколько клиентов находится в работе;
• уровень задолженности.

Но приведенные выше примеры отчетов отвечают на один вопрос: что уже произошло?

Современный бизнес постепенно переходит к следующему этапу аналитика данных, который отвечает на вопрос: что произойдет дальше?

Рассмотрим пример из двух ситуаций.

Ситуация первая

Руководитель получает отчет: нарушены сроки исполнения 14 договоров. Это очень ценная информация. Но проблема уже произошла.

Ситуация вторая

Система сообщает: через 20 дней с большой вероятностью будут нарушены сроки исполнения еще 10 договоров. Теперь руководитель предупрежден и может повлиять на ситуацию заранее. И это уже совершенно другой уровень управления.

На примере второй ситуации можно уже говорить о подходах  управления будущим.

Три современных подхода в управлении будущим

В настоящее время существует несколько направлений, которые существенно расширяют роль бизнес-аналитики.

1. Strategic Foresight (в русском варианте — «стратегическое предвидение»).

Суть данного подхода: не пытаться угадать будущее, а предварительно рассмотреть несколько возможных сценариев и подготовиться к ним.

Например, руководитель задает вопросы:

• что будет, если объем заказов увеличится вдвое;
• какие процессы перестанут справляться;
• где возникнет дефицит сотрудников;
• какие подразделения окажутся перегружены.

Это уже не прогноз. Это анализ будущих изменений и подготовка к ним.

2. Predictive Analytics (предиктивная или прогнозная аналитика).

Это сфера анализа данных, которая применяет исторические данные, статистические алгоритмы и методы машинного обучения для прогнозирования будущих событий, трендов и поведения. 

Данный подход позволяет увидеть или даже рассчитать вероятность событий.

Например: не просто показать задержки исполнения, а определить, какие договоры с наибольшей вероятностью будут просроченными в ближайшее время.

Например, прогнозная аналитика позволит заранее увидеть:

• риск увольнения сотрудников;
• снижение активности клиентов;
• перегрузку согласующих лиц;
• вероятность нарушения сроков проектов;
• накопление невыполненных задач.

Предиктивная аналитика предупреждает заранее о возможной вероятности того или иного события в будущем.

3. Decision Intelligence (DI) 

Данный термин означает «интеллект принятия решений».

Главное отличие DI от классической Business Intelligence (BI, бизнес-аналитика) в том, что BI отвечает на вопросы «что произошло?» и «почему это произошло?», а DI идет дальше: он не только формирует идеи, но и рекомендует конкретные шаги, прогнозирует будущие сценарии и помогает выбрать наиболее оптимальный путь.

Данная концепция объединяет аналитику, искусственный интеллект (ИИ) и методы стратегического управления в единую платформу принятия решений.

Decision Intelligence ориентирована на улучшение процесса принятия решений на основе больших данных. Данная концепция включает три этапа:

·        Выявление закономерностей, тенденций и прогнозов в данных, которые помогают принимать стратегические решения.

·        Автоматизация принятия решений — использование ИИ и машинного обучения для автоматизации рутинных и сложных задач, что освобождает человеческие ресурсы для более стратегических инициатив.

·        Оптимизация результатов — использование данных для улучшения качества, последовательности и эффективности решений.

Например, система обнаружила риск просрочки договора. Вместо обычного уведомления она предлагает варианты действий:

• назначить дополнительного исполнителя;
• перенести часть задач;
• ускорить согласование;
• уведомить контрагента;
• провести совещание.

Получается, что аналитика постепенно становится помощником руководителя.

Все начинается с обычных рабочих данных

Принято считать, что описанные подходы нужны и доступны только крупным корпорациям. Но все значительно проще. Источником аналитики являются обычные рабочие данные компании.

Например. по договорному учету анализ затрагивает:

• сроки исполнения;
• этапы согласования;
• обязательства сторон;
• дополнительные соглашения;
• просрочки.

По внутренним распоряжениям:

• сроки подготовки;
• согласование;
• исполнение поручений;
• загрузка подразделений.

По клиентам:

• история обращений;
• повторные продажи;
• скорость обработки заявок;
• длительность сделок;
• лояльность.

По сотрудникам:

• периоды отпусков;
• прохождения обучений;
• кадровые документы;
• исполнение задач.

Эти рабочие данные ежедневно появляются в любой компании и в определенный момент представляют их себя массив больших данных, которые являются основой управленческой аналитики.

Почему это становится конкурентным преимуществом

Когда анализируется только прошлое, то устранить можно только последствия. Когда начинают видеть вероятное будущее, можно предотвратить проблему еще до ее возникновения. Разница может показаться условной и небольшой. Но именно переход от анализа прошлого к прогнозированию будущего определяет скорость принятия решений. Компании начинают работать не реактивно, а проактивно.

Возможно ли это без искусственного интеллекта?

Да. На первом этапе достаточно правильно организовать бизнес-процессы, собирать качественные данные в соответствующих программных решениях.

Даже простые алгоритмы и отчеты позволяют заранее выявлять риски.

Несколько примеров:

- если договор находится на согласовании более 10 дней;

- если срок исполнения приближается, а задача еще не начата;

- если количество документов у одного исполнителя превышает среднее значение;

- если клиент давно не взаимодействовал с компанией.

Даже базовые сценарии проверок различных условий по срокам помогают предупреждать многие проблемы.

В дальнейшем могут подключаться прогнозные модели и элементы искусственного интеллекта, однако фундамент остается неизменным — качественные рабочие данные, собранные в информационной системе.