Пятница | Сентябрь | 21 | 2018
Домой / Экономика / Почему многие проекты в сфере бизнес-аналитики обречены на провал

Почему многие проекты в сфере бизнес-аналитики обречены на провал

История развития аналитических инструментов и приложений ведет свое начало с 80-х годов прошлого века. Последние два десятка лет — в период реально массового присутствия этого ПО на отечественном рынке — прослеживается своего рода эффект маятника: внимание потребителей смещается то в сторону средств бизнес-анализа (Business Intelligence, BI), то к приложениям для бизнес-аналитики (Business Analytics, BA). Так, в начале 2000-х популярность стремительно набирали инструменты бизнес-анализа, результатом консолидации рынка в 2003-2005 годы стали BI-платформы, объединившие средства для построения хранилищ данных, их анализа и подготовки отчетов.

Первая волна BI-проектов оказалась «сырой» и потерпела фиаско. Потом настал черед BA-приложений, но их «взлет» остановил финансовый кризис 2008 года. Затем тема самообслуживания в аналитике возродила интерес к BI, который, увы, разбился о сложность «повзрослевших» и набравших сложность инструментальных платформ.

Сегодня в фокусе вновь данные и бизнес-аналитика, позволяющая извлекать из них полезную информацию для разных категорий потребителей. Наряду с традиционными BA-приложениями для планирования и бюджетирования, управления прибыльностью, рисками, подготовки аналитической, управленческой и финансовой отчетности востребованы прикладные интеллектуальные алгоритмы анализа данных. Вместе с тем количество провалов при внедрении аналитических технологий все эти годы практически не сокращается.

Фото: Bethany Legg / Unsplash

Наступает эпоха аналитики

Тема данных и аналитики очень популярна. СМИ изобилуют красочными рассказами о возможностях, которые сулят «наука о данных» (машинное обучение, глубокое обучение) и ее венец — искусственный интеллект (ИИ).

Ажиотаж вокруг них имеет веские материальные основания. Например, по прогнозу McKinsey Global Institute, потенциальная польза от применения идей ИИ может составить около $3,5-5,8 триллионов ежегодно. Совместное использование ИИ и традиционных аналитических технологий способно дать прирост в экономической эффективности на 62%: в туризме — на 128%, в ритейле — на 87%, в сельском хозяйстве — на 55%, в банках — на 50%, в телекоммуникациях — 44%, в страховании — на 38%.

В подтверждение — немного «отрезвляющей» статистики. Полтора года назад консалтинговая фирма KPMG опросила свыше тысячи генеральных директоров. Выяснилось, что более половины из них не уверены в отчетных данных, на основании которых принимают решения.

Почему мы заговорили о хранилище данных

Система бизнес-аналитики — это «два в одном»: аналитические приложения опираются на корпоративное хранилище данных (далее — ХД), или как его еще образно называют «единый источник правды». В идеале ХД служит источником выверенной информации, на основании которого решаются самые разные задачи в области бизнес-аналитики: планирование, бюджетирование и прогнозирование, управление доходностью, и готовится разнообразная отчетность: аналитическая, управленческая, МСФО, для органов надзора.

Но это в идеале. По данным аналитиков Gartner, еще в 2005 году более 50% проектов построения ХД считались неудачными. На сегодняшний момент ситуация мало изменилась — по оценке экспертов из McKinsey, только 20% банков, с которыми они работали, сумели построить ХД. Статистика в отечественном финансовом секторе не менее печальная — по нашим оценкам 38% проектов построения ХД, о которых на протяжении последних 15 лет громко заявляли банки и поставщики ПО, потерпели сокрушительный провал; и это без учета ситуации в кредитных организациях, прекративших свое существование в результате отзыва лицензий.

Несмотря на кажущуюся заурядность ХД, модным нынче технологиям без них просто не обойтись. В финансовой отрасли, например, консультанты EY прогнозируют применение программ-роботов для выполнения регуляторного анализа отчетных данных. Подготовка этих данных перед отправкой в регуляторные органы – прямое назначение ХД.

picФото: rawpixel / Unsplash

Как не завалить проект внедрения аналитической системы

Понятно, что печальную статистику нужно улучшать, если мы хотим попасть в светлое цифровое будущее.

Предлагаем чек-лист рецептов, на что обратить внимание, чтобы не завалить проект внедрения ХД и автоматизации на основе различных задач бизнес-аналитики. Предложенные ниже рекомендации опираются на опыт работы компании автора в финансовом секторе. Несомненно, существуют отраслевые нюансы, но в целом его можно перенести и на другие отрасли. Финансовую вертикаль принято считать одной из наиболее продвинутых в освоении ИТ, поэтому будет интересно, услышать комментарии экспертов из других отраслей.

Помните: что посеешь, то и пожнешь

Наиболее часто в зарубежной прессе пишут о низком качестве исходных данных — GIGO (сокр. от англ. garbage in – garbage out) или по-русски «что посеешь, то и пожнешь» – как о главном препятствии к успешному внедрению ХД. В российской практике сложности с качеством данных также имеют место, но, по опыту, скорее могут привести к затягиванию проекта и перерасходу бюджета, чем к краху.

Для признания проекта неудачным это, строго говоря, недостаточно веские причины. Тем не менее, вот совет, как победить проблемы с качеством данных.

Нужно исходить из того, получение надлежащего качества данных не является разовой задачей и решать ее следует комплексно. Поэтому целесообразно построить собственную экспертизу в управлении данными — в дополнение к модулям контроля и обогащения данных, поставляемым в составе ХД, запросить у поставщика постановку технологии по обеспечению качества данных, а внутри организации создать специальное подразделение — службу качества данных, которое будет следить за ее исполнением. По такому пути, например, пошел при создании ХД Банк «Санкт-Петербург», что, по оценке его представителей, позволило существенно снизить количество ошибок в данных (в одном только кредитном портфеле в 15 раз), повысить доверие к данным, а вместе с ним и качество управленческих решений.

Не ставьте пятое колесо в телегу

Если инициатива по построению ХД не подкреплена объективными бизнес-потребностями, такой проект обречен. Подобная ситуация может возникнуть, например, если при решении о его создании реалии бизнеса пытаются подогнать под чужой опыт, который на самом деле успешен при многих прочих отличных условиях. Например, внедрение ХД не оправдано, если объем данных невелик и вполне может обрабатываться с помощью привычных электронных таблиц. В итоге ХД станет дорогим колесом от иномарки, но пятым и в телеге.

Рекомендация построить ХД может присутствовать и в высокоуровневой ИТ-стратегии, предписанной именитыми консультантами. Старт такого проекта в отрыве от интересов конечных потребителей чреват тем, что ИТ-служба организует наполнение ХД данными, не ориентируясь на решение конкретных прикладных задач. Такой процесс без результата очевидно не оправдает вложенных в него денег, финансирование прекратится и проект будет заморожен.

picФото: rawpixel / Unsplash

Совет здесь может быть только один — не начинайте проект, если он не опирается на реальные бизнес-потребности. Инструментальная платформа ХД в отрыве от приложений для бизнес-аналитики не принесет большой пользы. В идеале на входе в проект сделайте прогноз качественных и количественных выгод от решения реальных прикладных задач и окупаемости. Например, исходя и своего проектного опыта мы прогнозируем, что на каждом цикле подготовки управленческой отчетности на основе ХД экономия от автоматизации может достигать одного миллиона рублей.

Среди наиболее часто встречающихся целей внедрения бизнес-аналитики в банках можно назвать обеспечение доверия к данным, повышение точности и гранулярности управленческой отчетности, сокращение трудоемкости и сроков ее подготовки, автоматизация методик аллокаций расходов, трансфертного управления ресурсами и функционально-стоимостного анализа, переход к самостоятельному расчету произвольных аналитических показателей.

Так, в московском Новикомбанке после внедрения системы управления эффективностью отчетность по финансовому результату готовится с учетом трансфертной стоимости ресурсов и разнесения накладных расходов по подразделениям, точкам продаж и клиентам. Казахстанский Банк «ЦентрКредит» добился адекватной обоснованной оценки результативности бизнес-направлений, себестоимости банковских продуктов и рентабельности клиентов и клиентских сегментов.

С помощью информационно-аналитической системы банк перешел на ежедневный режим подготовки управленческой отчетности, существенно сократив сроки расчета финансового плана и управленческого баланса. После внедрения сервиса самообслуживания в бизнес-аналитике Банк Казани централизировал в одном подразделении подготовку управленческой аналитики для всех служб и сотрудников. Используя для подготовки отчетности единое корпоративное ХД, в банке обеспечили согласованность показателей эффективности, применяемых для контроля различных бизнес-направлений на всех уровнях управления.

Избегайте иллюзорных обещаний

Каждый программный продукт имеет четко очерченные рамки применения и соответствующую архитектуру. Архитектура ХД ориентирована на быстрое извлечение информации из массива собранных данных, расчет показателей и представление полезной информации в виде отчетов.

Агрессивный маркетинг и продажи — на кону контракт с шестью нулями — подчас приводят к тому, что заказчики приобретают для создания аналитических систем программные платформы, архитектурно далекие от ХД. Так, под лозунгом «два в одном» в комплекте с основной учетной системой может поставляться псевдо ХД, которое на поверку оказывается копией АБС. При такой конфигурации клон АБС искусственно освобождается от обработки транзакций, но это не меняет его архитектуру — она по-прежнему не оптимизирована для решения аналитических задач, как минимум, не позволяет быстро получать ответы на произвольные запросы к данным, что является ключевым требованием к инструментам бизнес-аналитики.

picФото: rawpixel / Unsplash

На практике нередки случаи, когда ХД пытаются строить с помощью инструментов интеграции данных. Такое хранилище является промежуточным оперативным складом данных, лишенным отраслевой модели и обязательного для «правильного» ХД набора функциональности: системы контроля качества данных, управления метаданными, бизнес-логики. Жизнь такого ХД скоротечна — подготовка более-менее сложного нового отчета потребует реинжиниринга и индивидуальной разработки, то есть фактически финансирования и реализации нового проекта с нуля.

Чтобы не стать жертвой иллюзорных обещаний, стоит взять в штат ИТ-архитектора с успешным опытом создания ХД и, полагаясь на его экспертизу, выбирать ПО. Дополнительным подспорьем будет референс-визит к действующим заказчикам поставщика, у которых эксплуатируется ХД для поддержки нескольких прикладных задач. Например, в группе «СМП Банк» решение тендерного комитета о выборе поставщика ХД основывалось на результатах референс-визитов сразу в несколько банков. Более того, старту основного проекта предшествовал пилотный этап, в ходе которого в головном банке группы были опробованы основные механизмы ПО для создания ХД и автоматизации управленческой и аналитической отчетности.

Откажитесь от бесплатного сыра

Наконец, последняя причина — отсутствие адекватного финансирования либо полное его отсутствие. Несмотря на то что без бюджета и проекта быть не может, поставщик может предложить начать внедрение ХД даже бесплатно, чтобы «зайти» в банк, через голову конкурентов, но в последствии, так и не получив «должного» вознаграждения, «бросить» его. Другой случай – когда в условиях урезания всего ИТ-бюджета средства на развитие уже созданного ХД перестают выделяться, со временем ХД «деградирует» и в конце концов перестает использоваться.

Чтобы не оказаться в «хранилищеловке», заказчику следует выбирать открытое и документированное ПО, в ходе внедрения обучить работе с ним собственных специалистов и даже разделить с вендором часть работ по внедрению, чтобы проверить свои навыки в деле. Это позволит, с одной стороны, оптимизировать бюджет проекта, с другой, застрахует от проблем в случае наступления «трудных времен».

Например, в упомянутой выше группе «СМП Банк» после построения ХД в головном банке работы по загрузке в ХД данных бухгалтерского учета других участников группы — Мособлбанка и Финанс Бизнес Банка — взяли на себя банковские специалисты. В Новикомбанке бизнес-сопровождение управленческой модели в системе расчета финансового результата полностью осуществляется силами финансового управления.

Имея компетенции во внедрении и сопровождении ПО, банк сможет в какой-то период самостоятельно развивать ХД без сопровождения поставщиком. И все же следует помнить, что любое ПО рано или поздно устаревает, и совсем без инвестиций в его развитие не обойтись.


Материалы по теме:

Малому бизнесу сложно выжить без аналитики. И вот почему

«Даже лучшие бизнес-аналитики и маркетологи могут выдать только гипотезу. Поэтому появился agile»

Кто ты в анализе данных? Десять ролей в команде дата-аналитиков

Почему так много дата-сайентистов бросают свою работу


Актуальные материалы — в Telegram-канале @Rusbase


Нашли опечатку? Выделите текст и нажмите Ctrl + Enter



Источник

Проверьте также

Алексей Кручинин: Меня в команде прозвали «мини-бульдозер». Потому что я маленький

Питерские армейцы в четверг в гостях разгромили московское «Динамо» (4:0), и победную точку в этой …

Рейтинг@Mail.ru