Кристальная ясность: преодоление хаоса в мире данных

Современные организации аккумулируют обширные объемы разнообразной информации, которую затем анализируют с целью принятия стратегических и тактических решений. Уже сегодня среднее по размерам предприятие оперирует данными, измеряемыми десятками терабайт. В массе разнообразной информации легко потеряться, и это негативно сказывается на оперативности и качестве бизнес-процессов. Основные причины этих проблем — низкое качество данных и неэффективная методология управления информацией.

Проанализируем примеры негативного влияния некачественных данных и рассмотрим возможные способы решения этой задачи.

Паутина данных

Путаница может возникать даже в самых элементарных вопросах. Например, «Сколько сотрудников работает в компании?» Кажется, что на этот вопрос существует всего один ответ. Но данные о кадрах хранятся и управляются в нескольких информационных системах. HR-отдел посчитает число трудовых договоров, служба безопасности даст информацию о количестве выданных пропусков, а системный администратор скажет, сколько заведено аккаунтов во внутренних ИТ-системах. Ответы будут отличаться, так как форматы и стандарты ведения учета данных о сотрудниках у всех этих подразделений совершенно разные. Такое может произойти, если в организации отсутствуют единые правила подсчета числа сотрудников и системы, где хранилась бы методология расчета этих показателей.

Объем продаж — один из показателей, имеющих важное значение для предприятий розничной торговли. Однако даже в нем можно запутаться и получить недостоверные данные. Например, при запросе на оценку объема продаж продукции менеджер коммерческого департамента может предоставить данные, полученные из системы управления взаимоотношениями с клиентами (CRM), специалист отдела финансов покажет оценку на основе числа подписанных актов, а логист предоставит данные по фактическому объему отгруженной продукции. Если вы встречались с такой ситуацией, это говорит о том, что компании необходим единый подход к методологии учета и ведению отчетности.

Индустриальные предприятия уделяют особое внимание контролю за показателями всех этапов производства, но и здесь могут возникать существенные ошибки. Так, в крупной горнодобывающей компании сотрудники столкнулись с проблемой предоставления акционерам отчетности об объемах обработанного сырья. Блок добычи указывал объемы произведенной продукции, включая побочные жидкости, в то время как производственники проводили оценку объема обработанной фракции. Существенное расхождение в данных было замечено всего за несколько дней до представления отчета, и устранение этой ошибки потребовало значительных ресурсов. Такие ситуации подчеркивают важность эффективного управления данными в рамках процессов производства и отчетности.

Почему компаниям сложно разобраться в данных

Недостоверность данных, на базе которых готовится оперативная отчетность и принимаются управленческие решения, — типичная проблема, с которой сталкиваются топ-менеджеры многих организаций. Согласно исследованию по оценке доверия к данным, 75% руководителей не готовы полностью полагаться на получаемые отчеты для принятия решений, а 70% считают, что обработка данных в их организации не соответствует потребностям бизнеса. В чем причина такого недоверия?

Недостаточно просто записывать и хранить каждую цифру и показатель — важно делать это правильно и грамотно, используя стандартизированные подходы и инструменты. В противном случае возникают многочисленные проблемы.

Низкое качество данных

Данные могут содержать ошибки, быть неполными или дублированными. Например, если менеджер забывает добавить в информацию о клиенте его контакты, то в дальнейшем становятся невозможной коммуникация и включение в маркетинговые активности. Или если этот клиент в базу данных внесен дважды, то он не только будет неправильно отражаться в отчетах, так еще и будет получать рассылки и уведомления несколько раз, что может стать для него раздражающим фактором. Проведенное в 2024 году исследование «Управление данными в России» подтвердило эти слова. Только 12% опрошенных организаций оценивают качество данных о клиентах как высокое.

Данные разного формата

Если в компании отсутствует единый стандарт для ввода и хранения данных, то при попытке собрать их общий отчет, используя несколько источников, возникнет необходимость приводить все к одному виду вручную. Можно привести простой пример, когда параметры сырья на производстве в одной системе вводятся в единицах измерения жидкости — литрах, а в другой в единицах веса — тоннах. Если нужно получить общий отчет, то придется вручную переводить одни единицы измерения в другие.

Системы работы с данными не связаны друг с другом

Бизнес использует разрозненные системы сбора и хранения данных. В итоге, чтобы принять решение на основе данных, потребуется изучить несколько отчетов и найти взаимосвязи в них. Отдел продаж может использовать свою систему для учета сделок, а отдел маркетинга — совершенно другую для отслеживания рекламных активностей. Чтобы понять, какие именно средства продвижения сработали и какие результаты принесли, специалистам придется сравнивать вручную данные и делать субъективные выводы, которые могут быть ошибочными.

Недоступность данных

Только ограниченный круг специалистов в компании обладает правами и навыками работы с системой хранения и аналитики данных. Таким образом, аналитики и другие сотрудники при необходимости получения данных или отчетности вынуждены отправлять запросы в разные отделы, где такие задачи копятся и образуют очередь.

Недостаток или отсутствие инструментов работы с данными.

Компания не использует современные технологии и продукты, в итоге сотрудники самостоятельно собирают данные, субъективно интерпретируют показатели, а затем делают неправильные выводы.

Что делать, чтобы данные приносили бизнесу пользу

Данные — тот актив, который работает, только если ими управлять, как и другими ключевыми бизнес-процессами. В этом помогает методология Data Governance, появившаяся еще в начале 2000-х годов, и программное обеспечение класса Business Intelligence (BI).

Data Governance — это совокупность процессов, политик, стандартов и метрик, которые обеспечивают эффективное и безопасное управление данными в организации. Самые распространенные инструменты Data Governance — каталоги данных и бизнес-глоссарии. Представьте себе библиотеку, где все книги аккуратно расставлены по полкам и каждая имеет карточку с описанием. Каталог данных выполняет похожую функцию, только для данных. Основная цель каталога данных — помочь пользователям найти нужные данные и понять, что эти данные собой представляют. В нем содержится информация о том, какие сведения есть в организации, где они находятся, кто их создал, какие правила и стандарты к ним применяются. А вот уже понимать то, что написано в книгах этой библиотеки, помогает бизнес-глоссарий. Его можно сравнить со словарем, который объясняет значения и термины, используемые в компании. В результате использования этих инструментов все сотрудники говорят на одном языке и понимают его единственно принятым образом.

Многие компании сталкиваются с проблемой перегруженности данными, когда огромные объемы информации накапливаются, но не приносят пользы. Если данные представлены в виде многостраничных, сложно читаемых таблиц, то принимать правильные решения становится практически невозможно. Кроме того, собирать и анализировать данные вручную — слишком долгий и затратный процесс.

И тогда на помощь приходят системы Business Intelligence, или бизнес-аналитики. Они объединяют данные в единую платформу, где информация становится доступной и легко интерпретируемой. BI-система автоматизирует бо́льшую часть работы: собирает, анализирует и преобразовывает информацию в понятные дашборды, графики и отчеты, где легко и наглядно прослеживается взаимосвязь между различными данными. Пользователь может видеть закономерности, строить прогнозы и делиться результатами анализа. В результате компании превращают разрозненные данные в ценные инсайты, что упрощает руководителям процесс принятия эффективных и взвешенных решений, которые строятся на фактах, и позволяет быстрее реагировать на вызовы рынка.

Несмотря на активное развитие работы с данными, российские компании только сейчас осознали необходимость повышения их качества. Упомянутое выше исследование показало, что основными целями, связанными с управлением данными в 2024 году, являются следующие экономические показатели:

• сокращение издержек и повышение эффективности;
• улучшение удовлетворенности клиентов;
• увеличение продаж и рост бизнеса.

При этом важно, что рынок продуктов успел накопить экспертизу и практики и предлагает проверенные решения. Многие российские организации внедряют инструменты Data Governance и BI, которые в итоге позволяют преодолеть хаос в мире данных: сократить издержки, улучшить удовлетворенность клиентов и увеличить продажи.