В конце прошлого года эксперты Gartner выпустили очередной отчет, в котором выделили 12 важнейших трендов развития. И поскольку коллеги из издания СберПро попросили меня прокомментировать эти тенденции (их обзорный материал можно почитать тут), я просто не мог не обратить внимание на общую тенденцию, которая объединяет значительную часть из перечисленных технологий — нарастающую потребность в data-driven подходах. Об этом и поговорим в сегодняшнем посте.

Gartner каждый год публикует свои исследования, основываясь на различных опросах, собственной оценке зрелости различных технологий и других факторах. И каждый раз подобный отчет бывает интересен не только “новинками”, которые должны порадовать нас в ближайшем будущем.

По моему мнению, исследования Gartner стоит интерпретировать исключительно как визионерский взгляд в будущее. Это не прогноз, который точно произойдет. Это скорее указатель: “Если вы не хотите “проспать” что-то важное, смотрите сюда”. Если провести анализ трендов Gartner, навскидку кажется, что 80% из всего “предсказанного” пока так и не стало частью нашей жизни и тихо исчезло из трендов после пары лет «хайпа». Но то, что все-таки вошло в обиход, действительно изменило нашу жизнь. 

История с Self Service Data Preparation

Взять хотя бы квадрант технологий в сфере BI. Лет 5 назад все (и в том числе Gartner) начали говорить о Self Service Data Preparation как о «серебряной пуле», которая позволит решить проблему сложной выгрузки данных для аналитики, передав ее в руки бизнеса, а не IT. В BI-платформах появлялись разные сервисы и инструменты, призванные упростить выгрузку и трансформацию данных. Вендоры говорили о демократизации ETL процессов.

Но несмотря на это, если изучить свежие данные опросов организаций, можно констатировать, что восприятие перспективности тренда Self Service Data Preparation сегодня становится все ниже и ниже. Почему? На мой взгляд, потому что никому так и не удалось создать инструмент, с помощью которого бизнес-пользователь смог бы (и захотел) решить свои вопросы загрузки данных без привлечения ИТ-специалистов.

И это только один пример. Но, с другой стороны, под каждым трендом Gartner есть какая-то очень важная боль. Да, предлагаемое решение может и не выстрелить вовсе.  Неизменным остается то, что Gartner в своих прогнозах подсвечивает перспективные решения для тех “болей”, с которыми мы сталкиваемся сегодня.

Тренды Gartner

1. Дата-фабрики / Data Fabric.

2. Сетки кибербезопасности / cybersecurity mesh.

3. Конфиденциальные вычисления.

4. Облачные платформы cloud-native.

5. Композитные приложения.

6. ИИ для принятия решений / Decision Intelligence.

7. Гиперавтоматизация.

8. ИИ-инжениринг.

9. Распределенные предприятия.

10. Объединение опыта / total experience.

11. Автономные системы.

12. Генеративный ИИ / Generative AI.

Что касается прогноза на 2022 год, примечательно, что 4 из 12 названных трендов связаны с данными. Добавляя к этому еще пару технологий, имеющих отношение к облакам и искусственному интеллекту, мы получаем очень интересную картину: половина из перспективных направлений так или иначе подразумевает развитие технологий Big Data, а также аналитики, построенной на их основе.

Data-Driven Management и Decision Intelligence

Одно из самых удивительных открытий этого отчета состоит в том, что Decision Intelligence попал в число технологических трендов. Ведь сама концепция в общем-то не является напрямую технологической. Определение Decision Intelligence звучит примерно так: широкий набор приемов и техник, которые позволяют оптимизировать качество управленческих решений. И под техниками подразумеваются не только технологии — тут речь идет, скорее, о синтезе управленческих и технологических наработок.

Тем не менее появление такого тренда — не совпадение. Учитывая, что Visiology помогает управлять бизнесом на основе данных, мы отслеживаем на себе эту тенденцию. Как успех чисто технологических компаний, так и примеры цифровой трансформации финансовых, логистических, торговых компаний (думаю, всем понятно, о ком идет речь), полностью меняющие конкурентный расклад в целых отраслях, сейчас не дают покоя каждому прогрессивному руководителю. 

Конечно, каждый хотел бы принимать “data-driven” решения на базе интеллектуального анализа качественных и актуальных данных. Казалось бы, вот – Decision Intelligence, покупай и побеждай. Но под красивым названием скрывается большая боль — множество технологий анализа данных уже внедрено, а вот использовать их для достижения реальной выгоды до сих пор удается далеко не всем. Почему? Наш опыт говорит о том, что ограничитель – не технологии, причём как в России, так и во всем мире: в большинстве организаций изменения оргструктуры, культуры, компетенций и управленческих практик попросту не успевают за технологическим развитием. 

Акцент на работе с данными

Современные аналитические технологии позволяют обработать любой набор данных (структурированных или неструктурированных), найти ответ на любые запросы. Казалось бы, чего еще желать? Но результаты внедрения очень часто не устраивают бизнес-пользователей, заказчиков проекта.

Это можно понять исходя из ответа на поисковый запрос: “Как посчитать возврат инвестиций от внедрения BI”? Прочитав первые пару десятков ответов, вы легко придете к выводу, что никакого вразумительного ответа нет, потому что сам проект по внедрению ПО на самом деле и не приносит никакой выгоды. Польза появляется, когда на базе собранных данных начинают приниматься более качественные управленческие решения. И эта польза огромна, потому что цена и эффект такой оптимизации ограничены только масштабом деятельности организации. Представьте, что вам нужно принять решение об инвестициях в десятки миллиардов рублей в строительство нового завода. Сколько вы будете готовы заплатить за данные о факторах, влияющих на спрос на его продукцию? А что, если вам нужно принять решение о внедрении реформы в системе здравоохранения, влияющей на жизни миллионов людей – как убедиться, что предпосылки для реформы оценены правильно?

Но для того, чтобы в организации появились новые практики управления, просто софта будет недостаточно!!!

Успешные кейсы реализации проектов управления процессами на основе данных сопровождаются изменениями в бизнес-моделях, в культуре организации. Очень во многих структурах раньше было не принято пользоваться данными, но практика постепенно врастает в бизнес-процессы. При переходе в новое качество в организациях появляются новые компетенции, причем их наращивают специально — обучают существующих сотрудников или приглашают уже имеющих опыт специалистов. Причем кадровая проблема сейчас – одна из основных. С одной стороны, для ускорения процессов внедрения изменений хочется привлечь опытных специалистов, с другой, их просто-напросто на всех не хватает. Поэтому основную ставку сегодня все равно приходится делать на обучение.

В этих новых процессах технологии составляют примерно пятую часть, не больше. И когда Gartner говорит про Decision Intelligence, аналитики констатируют, что технологический подход не работает. Для достижения успеха нужно что-то новое. И тут я полностью согласен — реальная картина российского рынка подтверждает наблюдения аналитиков.

Решения проблемы

Интересно, что тематика принятия решений — совсем не новая. Она хорошо исследована, в том числе на уровне математики (методы оптимизации, теория игр, теория принятия решений). Много работ на эту тему провели в плоскости экономики — макро и микроэкономические модели построены на базе теорий рационального принятия решений. Еще больше исследований находятся в сфере поведенческой психологии (которые показывают, что человек в общем-то не очень рационально принимает решения и подвержен большому количеству когнитивных искажений).

Что же нового может предложить Gartner? Я изучил эти материалы, и не нашел никаких конкретных предложений. Если я ошибаюсь и что-то упустил, напишите, пожалуйста. Похоже, на сегодня речь идет только о декларации наличия проблемы. Но и это уже хорошо: признание проблемы — уже половина решения. И нам, участникам отрасли аналитики, нужно подумать, что мы можем предложить для выхода из сложившейся ситуации.

Опыт должен быть у руководителя

Тут я хочу поделиться наблюдением, которое сильно повлияло на меня лично и на стратегию развития нашей компании. Конечно же, за многие годы мы участвовали как в успешных проектах, так и не очень успешных, да что там говорить, были и откровенно провальные. И мы постоянно анализировали, старались найти тот самый “недостающий элемент”, без которого в проекте возникают проблемы. И статистика реальных внедрений показала довольно очевидный факт, что шансы на успех радикально возрастают именно тогда, когда у бизнес-заказчика, руководителя, спонсора проекта есть не только горячая заинтересованность, но и набор сформированных компетенций и опыта по управлению на основе данных или Data-driven Management.

Но увы, многие руководители сталкиваются с проблемой — еще два года назад даже в ведущих программах Executive Education не уделялось сколь-нибудь значимого внимания направлению управления на основе данных, Data-driven Management. И те, кто получал классическое образование, несмотря на большой опыт, экспертизу, эрудицию и готовность учиться дальше, испытывают недостаток этих компетенций. А сегодня именно они становятся ключевыми требованиями — наравне с умением управлять людьми, выстраивать стратегии, вести сторителлинг, воплощать маркетинг и так далее. Думаю, лет через 5 экспертиза в сфере Data-driven Management станет must-have компетенцией для карьерного роста любого руководителя.

Что делать в этой ситуации? Можно прокачаться по современным образовательным программам, которые сосредоточены не на технологиях как таковых (в том числе и BI), а именно на искусстве принимать решения. “Зачем это бизнесу?” “Как это поможет обойти конкурентов?” “Как достичь поставленных KPI?”.

Дисциплину Data-driven Management включают сейчас в свои учебные планы все топовые бизнес-школы. Для этого есть несколько программ подготовки CDTO в РАНХиГС, Школе управления Сколково, Университете Иннополис. Это программы по цифровой информации, в которых есть блок по принятию решений на основе данных. Пока речь идет только про один блок, и лично мне бы хотелось видеть его расширенным, выделенным в отдельную программу. Кстати, именно так поступили в Школе управления Сколково, где появилась новая программа Master in Management Analytics. Еще интересное наблюдение – в новой версии программы Skolkovo MBA целых два модуля посвящены исключительно управлению на основе данных. И я уверен, это только начало формирования необходимой базы для Data-driven Management.

Хочу также отметить очень интересный курс BI-стратегии от Александра Баракова. Я постоянно мониторю все образовательные инициативы в нашей области, и этот курс действительно отличается глубиной проработки. Он качественно систематизирует большой опыт по правильному внедрению аналитики в крупных компаниях.

Учитывая, что среди наших клиентов достаточно много желающих “прокачаться” именно в сфере Data-driven Management (просто потому что они хотят получить максимальную отдачу от BI-проектов), мы также запустили свой курс по этой теме. И хотя мы еще не делали по нему какого-то активного маркетинга и рекламы, он оказался на удивление востребованным. Может быть, потому что найти качественные тренинги по Data-driven Management для руководителей сейчас довольно сложно, основная масса нацелена на специалистов по работе с данными, аналитиков и инженеров. Весь прошлый год мы проводили этот курс в закрытых корпоративных форматах, а в ближайшее время откроем открытый набор, причем часть мест уже оказалась забронированной еще до публичного объявления. Пока развиваем это направление своими силами, но не исключено, что в будущем мы объединимся с каким-нибудь университетом или школой. Сейчас активно думаем над форматами, как еще можно сделать такую образовательную инициативу действительно полезной людям, поэтому будем очень благодарны за любую обратную связь, критику, идеи и пожелания.

Ну а тем, кто уже встал на нелегкий путь внедрения управления на основе данных, хочу пожелать успехов и чтобы поставленные измеримые цели (они же у вас зафиксированы, правда? :) ) были достигнуты, а бизнес-результаты оказались выше ожиданий!