Девелоперская компания DOGMA разработала и внедрила комплексную систему управления продуктовой разработкой, создав с нуля продуктовый офис. В качестве инструментов послужили Jira и Confluence, Microsoft Power BI, Miro. Ключевой целью был перевод разработки из режима реагирования на запросы в режим управления продуктами на основе данных и стратегии. Результатом стал трехкратный рост оборота по цифровым продуктам, сокращение издержек и ускорение вывода продуктов на рынок в 10 раз. О реализации проекта рассказывает Кирилл Поляков, директор департамента цифровых продуктов DOGMA и номинант на премию BI Award.

- Как в компании пришли к реализации этого проекта? Почему он стал необходим?

В компании DOGMA, входящей в топ-4 девелоперов РФ по объемам текущего строительства, мы столкнулись с критическим вызовом: как в период кризиса, который ощутили на себе все девелоперы, показывать стабильные финансовые и строительные результаты. Ответом стала масштабная цифровая трансформация всех ключевых бизнес юнитов компании. И, в частности, она затронула процессы цифровой продуктовой разработки, которые были не готовы к такой скорости, еще и в условии сокращения затрат. Многие команды работали по своим собственным правилам, что приводило к долгим срокам разработки, частыми доработкам и, как следствие, к высоким затратам.

Было несколько ключевых проблем. Первая из них – отсутствие прозрачности и управляемости. Руководство не всегда понимало, над чем именно работают команды, какой экономический эффект это принесет и когда ждать результат. Процесс от формирования бизнес-требований до реализации был «черным ящиком».

Вторая проблема – низкая скорость и эффективность (Time-to-Market). Вывод любой новой функциональности занимал недели и месяцы, из-за чего компания теряла конкурентные преимущества и не могла оперативно реагировать на запросы рынка. Требовалось сократить стоимость разработки. Мы выявили, что часть бюджета уходила на переделки и исправление ошибок, а не на создание новой ценности. Наконец, отсутствие data-driven-культуры: решения о развитии продуктов принимались на основе интуиции, а не данных о поведении клиентов и юнит-экономике, что вело к высоким рискам и неэффективным вложениям.

Конечно, эти проблемы относились не ко всем продуктовым командам. Но мы решили, что если в самых востребованных процессах будет бизнес-эффект, то этот подход необходимо масштабировать. К реализации этого проекта мы пришли осознанно, понимая, что без цифровой трансформации и внедрения единых правил игры компания не сможет масштабироваться и сохранить лидерство на рынке. Проект был необходим для выживания и роста в условиях сокращения господдержки с льготными ипотеками.

- Насколько эта задача важна для компании?

Данная задача была признана стратегически важной для бизнеса и находится в числе моих годовых KPI. Цифровые продукты и сервисы стали ключевым каналом монетизации и основным инструментом взаимодействия с клиентами. Без наведения порядка в их разработке и внедрения управляемого, предсказуемого процесса, компания получит неконтролируемый рост издержек, потерю скорости разработки и, в конечном итоге, — с утратой конкурентных позиций.

- Что представляла собой аналитическая система до реализации проекта?

До реализации проекта аналитической системы как таковой не существовало. В цифровых продуктах сбор данных был эпизодическим, ручным и несистематизированным. Отчеты строились вручную в Excel, занимали много времени и могли содержать противоречивые данные. Отсутствовал «единый источник истины» — не было единой платформы с актуальными метриками, что делало невозможным оперативное и объективное принятие решений. Цифровая разработка велась без опоры на аналитику.

- Какой подход был выбран?

Мы решили создать с нуля операционную модель продуктовой разработки (Product Operating Model), которая объединила в единый организм процессы, стратегию, данные и людей. Подход сочетает в себе реинжиниринг бизнес-процессов, внедрение лучших методологий (Agile, Lean, Jobs-To-Be-Done) и активное строительство data-driven-культуры.

- Что является целью проекта?

Глобальная цель проекта — провести глубокую цифровую трансформацию, переведя компанию из режима «реагирования на запросы» в режим «проактивного управления продуктами на основе данных и стратегии».

Конкретные цели: резко увеличить скорость вывода цифровых продуктов на рынок (Time-to-Market), повысить предсказуемость и прозрачность всех процессов разработки, снизить затраты на разработку за счет исключения ошибок и переделок, внедрить культуру принятия решений на основе данных, а не интуиции. В целом, требовалось создать масштабируемую систему для быстрого запуска новых цифровых продуктов.

- Какие требования предъявлялись к создаваемому решению?

Во-первых, комплексность: охват всех этапов — от генерации идеи до анализа результатов. Не точечное исправление проблем, а движение от ключевого процесса или Customer Journey Map к конкретным шагам. Во-вторых, масштабируемость – возможность легко добавлять новые команды и продукты, иметь гибкость при смене бизнес-курса. Кроме того, важна практичность и простота внедрения. Решение не должно было быть чрезмерно бюрократизированным. Нужна ориентация на бизнес-результат, а не на процессы ради процессов. Наконец, гибкость и адаптивность – возможность быстрой корректировки под меняющиеся условия рынка. Компетенции после внедрения останутся внутри (минимальный консалтинг и аутстаф).

- Как и по каким критериям выбиралась платформа для реализации?

Платформы выбирались по таким критериям, как распространенность на рынке (простота найма специалистов), интегрируемость в существующий технологический стек, гибкость и стоимость владения.

В результате решение было реализовано на компонентах, которые знакомы практически всем. Jira и Confluence были выбраны как ядро для управления задачами и документации благодаря своей мощной функциональности, гибкости и глубокой интеграции друг с другом. Здесь живут все процессы разработки, функциональная матрица и база знаний. Microsoft Power BI был выбран как корпоративный стандарт для визуализации данных из-за глубокой интеграции с другими продуктами Microsoft, мощному механизму обработки данных и удобству создания интерактивных дашбордов для руководства. Для технических дашбордов используется Grafana. Miro была выбрана как лучшая площадка для совместной удаленной работы над стратегией, дизайном и проведением воркшопов благодаря интуитивному интерфейсу и богатому набору инструментов. На начальном этапе использовался простой и доступный Google Sheets для быстрого прототипирования процессов сбора метрик и схем приоритизации.

- Что представляет собой созданное решение?

Это целостный фреймворк управления цифровой продуктовой разработкой. Он включает в себя пять ключевых элементов. Процессы и стандарты – целевой сквозной процесс от идеи до приемки со стандартами постановки задач, описания требований, регламентами встреч и приемки. Стратегический модуль – методология описания продукта, включая видение, стратегию, юнит-экономику, анализ рынка и дорожные карты. Функциональная матрица выступает как «единый источник истины» по всем возможностям продукта. Система работы с данными – фреймворк сбора и анализа более 1,5 тыс. продуктовых и процессных метрик, включая North Star Metric. Библиотека из более чем 30 интерактивных дашбордов в Power BI для визуализации данных и принятия решений.

Создана организационная структура: с нуля собрана и обучена команда продуктовых менеджеров и бизнес-аналитиков – 20 человек, работающих по единым правилам. Разработана система развития компетенций. В нее входит централизованная база знаний для онбординга и работы продуктовой команды, а также система мотивации команд, привязанная к достижению продуктовых целей.

- Какие данные охватывает созданная платформа?

Платформа охватывает все этапы жизненного цикла продукта. Это ключевые метрики бизнеса, KPI и числовые цели бизнес-стримов – например, стройка, коммерческий блок, HR. Сюда же относятся стратегические данные: юнит-экономика, данные о конкурентах и рынке, целевые показатели. Охвачены и данные о процессе разработки – скорость работы команд, время выполнения, количество ошибок, объем доработок. Используются продуктовые метрики – данные о поведении пользователей (конверсии, глубина просмотра, отказы), финансовые показатели продуктов, показатели удовлетворенности (NPS, CSAT). Важны и операционные данные: статусы задач, нагрузка на команды, результаты приемочного тестирования.

- Что было сложнее всего? Где возникали основные проблемы?

Самое сложное – преодоление сопротивления изменениям и слом сложившихся годами процессов. Люди привыкли работать по-старому и не хотели менять привычные процессы, опасаясь увеличения нагрузки и прозрачности. Внутри компании требовалось создать культуру работы в цифровой трансформации и работе в продуктовом подходе с бизнес-аналитикой в каждой задаче.

Можно выделить несколько проблемных областей. Первая – нежелание делиться данными. Некоторые подразделения воспринимали данные как инструмент контроля, а не помощи. Кроме того, данные из Excel воспринимались за истину, переход на систему-источник считался избыточным. Вторая проблема – консерватизм команд. Разработчики и бизнес-пользователи с недоверием относились к новым регламентам и стандартам, видя в них избыточную бюрократию. Третий проблемный момент – «унаследованный» легаси. Приведение в порядок накопленных за годы разрозненных данных и процессов потребовало значительных усилий.

Мы боролись с этим явлением не принуждением, а методами мягкого внедрения и просвещения. Очень важно вовлечение в процесс. Мы не спускали регламенты сверху, а привлекали лидеров мнений из разных команд к их совместному созданию. Кстати, некоторые лидеры получили повышение и приглашение в команду «цифры».

Демонстрация «быстрых побед» также сильно влияет на мотивацию. Мы наглядно показывали, как новые инструменты экономят время самих сотрудников – например, автоматический отчет вместо рутинного выгрузки из пяти систем.

Мы провели десятки воркшопов, обучая пользователей, и создали исчерпывающую базу знаний, чтобы каждый мог легко освоить новые инструменты. Также внедрили практику проведения демо. Свою роль сыграла и прозрачность целей. Постоянно и на всех уровнях мы объясняли сотрудникам, «зачем» это делаем и какую пользу это принесет лично им и компании в целом.

- Кто является основными пользователями аналитической платформы?

Топ-менеджеры и руководители направлений (их более 15 человек) используют стратегические дашборды для контроля достижения бизнес-целей и принятия решений о цифровых продуктах, коммерческих показателях лидогенерации, продаж, клиентского опыта, HR-функции с текущими сотрудниками и процессом найма и т.д. Продуктовые менеджеры и бизнес-аналитики анализируют эффективность функций, формируют гипотезы и приоритизируют задачи. Команды разработки (более 150 человек) используют дашборды для отслеживания эффективности собственных процессов. Маркетинг и продажи, которых несколько сотен человек, применяют созданные отчеты для анализа поведения клиентов и эффективности каналов привлечения.

- Какие результаты уже достигнуты?

Результаты начали проявляться через шесть месяцев от начала цифровой трансформации. В 10 раз увеличилась скорость вывода коммерчески важного функционала. Достигнута прозрачность: произошел полный переход продуктовой разработке. Руководство получило объективную картинку по всем процессам. Выручка выросла в несколько раз к аналогичному периоду прошлого года.

Произошли существенные изменения в культуре. Мы стали data-driven, внедрен системный подход к работе с данными. Собираются и анализируются более 1,5 тыс. бизнес-метрик. Достигнута оценочная экономия 30% на затратах, связанных с переделками и рефакторингом.

Показательно прямое увеличение выручки. Рост оборота по цифровым продуктам в несколько раз – это прямое финансовое подтверждение того, что продуктовый подход дает эффект, наряду с совместной работой других команд.

- Было ли обнаружено что-то неожиданное?

Да, самым неожиданным и приятным открытием стал высокий ROI от небольших, но быстрых улучшений. Раньше считалось, что значимый результат могут принести только крупные, долгосрочные проекты. Data-driven подход позволил выявлять точечные «узкие места» в пользовательском опыте – например, одна некликабельная кнопка или сложная форма. Их моментальное исправление давало взрывной рост конверсии, что многократно окупало затраты на их реализацию. Это доказало колоссальную силу гипотезного подхода и итеративных улучшений.

- В чем ключевая особенность проекта?

«Фишка» проекта – в его уникальной комплексности и идеальной адаптации под контекст традиционного девелоперского бизнеса. Это не шаблонный подход, мы не внедряли готовый SAFe или LeSS. Мы собрали собственную операционную модель из лучших практик, что делает решение по-настоящему уникальным.

Стоит отметить и глубокую бизнес-интеграцию. Наш фреймворк начинается не с ИТ-задач, а с бизнес-стратегии и экономики, что гарантирует создание именно той ценности, которая нужна бизнесу. Мы связали метрики продукта (успех на рынке) и метрики процесса (эффективность разработки), что дает полную картину здоровья проекта. И мы не просто написали документы, а создали живую, самообучающуюся систему – «продуктовую ДНК» компании, которая тиражирует лучшие практики и компетенции.

Особенно горжусь тем, что нам удалось не просто внедрить инструменты, а коренным образом изменить культуру работы большой и консервативной компании, показав на реальных результатах силу подхода data-driven.

- Какую роль играет проект для бизнеса компании?

Проект сыграл ключевую трансформирующую роль. Он перевел цифровую разработку из периферийной, затратной функции в стратегический драйвер роста бизнеса. Теперь это не просто ИТ-отдел, а полноценный офис цифровой трансформации, который обеспечивает предсказуемость и управляемость инвестиций в цифровые инструменты, непосредственно влияет на выручку через ускорение продаж и создание новых каналов монетизации, повышает удовлетворенность клиентов за счет качественных и удобных сервисов, создает устойчивое конкурентное преимущество на рынке.

- Каковы основные направления развития проекта?

Во-первых, экспансия и масштабирование. Мы распространим отработанную модель на все без исключения цифровые активы и проекты компании. Во-вторых, развитие в сторону ИИ и предиктивной аналитики. Планируем внедрение ML-моделей для прогнозирования трендов, поведения пользователей и автоматического принятия решений по управлению продуктом.

Третье направление – гиперавтоматизация. Мы автоматизируем не только сбор данных, но и рутинные процессы принятия решений. Например, будет автоматическая приоритизация задач на основе прогноза их экономического эффекта. Наконец, создаем единое data-пространство. Важную роль будет играть построение бизнес-аналитики на основе единого озера данных, где продуктовые метрики будут интегрированы с операционными и финансовыми данными компании для получения целостной картины.