Как использовать Data Governance при принятии управленческих решений

Чем активнее компания идет в сторону цифровизации, тем больше данных она использует в своей деятельности. В России растет востребованность Data Governance, как необходимого инструмента для эффективного управления корпоративными данными. Однако при внедрении подобных решений есть много тонкостей, не учитывая которые можно легко обнулить все усилия и затраты. Рассказываем, как избежать типовых ошибок при внедрении таких инициатив и правильно оценить затраты на них, чтобы данные действительно начали работать на рост бизнеса. 

В современном мире данные все чаще становятся одним из ключевых активов организации. Если они не просто бессистемно накапливаются внутри компании, а включаются в целостную стратегию управления корпоративными данными, компания получает в свое распоряжение эффективный инструмент для развития. Благодаря Data Governance компании принимают более обоснованные стратегические решения, улучшают качество продуктов и услуг, а также оптимизируют бизнес-процессы. 

Где искать эффект

Эффекты, которые может дать бизнесу верный подход к управлению данными, выражаются, прежде всего, в повышении скорости и качества принятия управленческих решений. Управление данными дает также ускорение проектирования и разработки цифровых решений в среднем на 10-20%. Кроме того, повышается экономический эффект работы компании за счет раннего запуска продуктов. Благодаря демократизации доступа к данным возможна более быстрая генерация идей, которые также влияют на результаты организации. 

Data Governancе, в первую очередь, дает оптимизационный, косвенный эффект. Если благодаря Data Governancе вы в состоянии быстро предоставить данные бизнес-пользователям по их запросу и если эти данные достоверные, то топ-менеджменту будет проще принимать решения: например, закрыть одно подразделение, открыть другое, начать работу с новым сегментом клиентов, расширить линейку продуктов. Благодаря этому сокращается показатель Time-To-Market (время, затраченное на разработку продукта от начала и до конца), который дает возможность компаниям выиграть в конкурентной борьбе.

Оценка зрелости

В то же время далеко не всем компаниям, которые проявляют интерес к Data Governancе, удается укротить нескончаемый поток данных, который постоянно генерируется внутри организации и за ее пределами. В одном из исследований компания Gartner пришла к неутешительному выводу, что при внедрении процессов управления данными 80% инициатив не приводят к ожидаемым результатам. Еще одна аналитическая компания, IDC, выяснила, что обычная организация затрачивает 80% времени на поиск и подготовку данных. Согласно анализу Harvard Business Review, только у 3% компаний данные соответствуют основным стандартам качества. 

Впрочем, пустить дело на самотек и никак не пытаться управлять данными стоит еще дороже: по сведениям Gartner ежегодно низкое качество данных обходится организациям в среднем в 12,9 млн. долл. Такова, в том числе, цена управленческих ошибок, принятых на основе недостаточно проверенной информации. 

В России множество компаний что-то слышали про модный термин Data Governancе, но мало кто из них знает, с чего следует начинать такие проекты и, самое главное, для чего они им. Поэтому DIS Group разработала дорожную карту развития направления Data Governancе. 

В первую очередь, необходимо оценить уровень зрелости организации с точки зрения текущей ситуации с управлением данными. Дело в том, что потребности «начинающей» компании, в которой еще даже не сформировалось понимания, что данные — это ценный актив, и все попытки сбора данных носят разрозненный и несистемный характер, будут существенно отличаться от потребностей data-driven компаний, где уже сформирована цифровая культура. Поэтому попытки вслепую скопировать практики организаций, которые, возможно, находятся, на более высоком уровне зрелости, чаще всего заканчиваются неудачей. 

Оценить зрелость компании можно на основании пяти ключевых критериев: ценность данных для бизнеса (насколько компания внимательно относится к инициативам в области данных), процессы (метрика охватывает политики, управление данными, качество данных, безопасность и процедуры соответствия), компетенции (насколько высокой квалификацией обладает персонал компании с точки зрения управления данными), архитектура (критерий отражает текущую архитектуру и модель данных, а также планы по их развитию в дальнейшем) и технические средства (какие именно инструменты и решения компания использует для управления данными). Если эти пять направлений развиваются неравномерно, то анализ по этим критериям покажет, что нужно подтянуть в первую очередь.

Если брать ситуацию на 2023 год, то в компаниях в целом уже сформировано понимание, что данные являются ключевым активом. Бизнес все больше ориентируется на данные при принятии решений. Многие компании имеют стратегии управления данными и долгосрочные планы развития как архитектуры, так и ландшафта. Также компании реализуют платформы управления данными, используя как собственные наработки, так и промышленные продукты enterprise-класса. 

От прототипа к тиражированию шаг за шагом

После того, как компания выполнила оценку зрелости, необходимо перейти к следующим этапам дорожной карты: созданию целевой модели и разработке стратегии по управлению данными. На первоначальном этапе очень важно понимать, зачем и кому в компании нужно управление данными. Потому что при отсутствии понимания компания рискует внедрить инструмент, которым будут пользоваться максимум 1-2 специалиста и который не окажет никакого существенного влияния на развитие бизнеса. Компании часто начинают реализовывать Data Governancе, например, с создания бизнес-глоссария или построения data lineage (зависимости данных). Это может дать какую-то галочку к результатам работы CDO, но, если это никак не связано с процессами и не встроено в систему, эта работа будет практически бесполезной.

Правильный подход должен быть следующим: найти одно бизнес-подразделение, работу которого можно существенно ускорить с помощью управления данными, и вместе с ним реализовать один небольшой кейс-прототип. Важно, чтобы задача, которая решается в ходе внедрения прототипа, была бы довольно значимой для компании. Эффект может быть выражен как в снижении затрат на решение проблемы, так и в сокращении сроков. При этом демонстрировать лучше всего подход к решению задачи и результаты, а не программное обеспечение, которое помогает ее реализовать. Обязательно наличие поддержки со стороны руководства для оперативного прохождения любого рода административных барьеров, которые могут не дать развиться инициативе. Кроме того, весь набор задач должен быть решен за 2-3 месяца –затягивание может привести к смене бизнес-фокуса и потере интереса к проекту. 

Если первый прототип оказался успешным, то на его основе нужно выстроить первичные регламенты в области Data Governancе и перейти к тиражированию практики по управлению данными. К работе с системой управления данными можно подключать новые и новые бизнес-подразделения, при этом описание данных компании будет пополняться за счет дополнительных бизнес-кейсов. Постепенно будет расширяться набор проверок качества данных, понадобится внедрить функции поиска и запроса данных, одновременно будут выявляться и неиспользуемые структуры данных. В итоге шаг за шагом компания будет реализовывать новые инициативы Data Governancе. При этом прекрасно понимая, какой эффект получает, какое именно бизнес-подразделение пользуется плодами этой работы. 

Цена вопроса

Когда руководитель компании принимает решение о реализации проекта в сфере управления качеством данных, одни из самых первых вопросов — сколько будет стоить проект, какие проблемы мы решим благодаря этим инвестициям, сколько удастся заработать или сэкономить?

Существует несколько моделей расчетов, которые показывают, насколько оправданы будут для компании вложения в качество данных. Так, если исходить из того, что стоимость некачественных данных для большинства компаний составляет от 15% до 25% от выручки, можно рассчитать на конкретных цифрах, какой процент выручки постоянно упускает организация. Также можно посмотреть, сколько человеко-часов теряет фирма из-за того, что ее сотрудники занимаются поиском достоверных данных и отсевом некачественных — этот показатель может достигать 50% рабочего времени. 

При оценке инвестиций в такие проекты учитывается правило 1:10:100. Так, если затраты на предупреждение инцидентов эквиваленты одной единице работы, то затраты на исправление брака и переделки — уже десять единиц. Если проблему не решить, то последующие убытки и последствия могут достичь ста единиц. Другими словами, выгодно инвестировать в качественные процессы и обучение сотрудников, чтобы избежать ошибок и предотвратить возможные проблемы с клиентами и испорченной репутацией.