Переход к системному управлению на основе данных (Data-Driven) — это, конечно, серьезный бизнес-проект, важным направлением которого является выстраивание технологической поддержки принятия решений. Какие инструменты помогут поддержать управление на основе данных на разных уровнях принятия решений в организации и какой набор позволит реализовать подход Data-Driven во всей его полноте? Дать развернутые ответы на эти вопросы мы попросили экспертов, которые примут участие в конференции BItech.

Резюме статьи

Основная тема: статья посвящена анализу инструментария, необходимого для построения системы управления бизнесом на основе данных (Data-Driven). Рассматриваются технологические решения для разных уровней принятия решений в организации.

Подробности:

  • Базовый технологический стек
  • Трехуровневая структура инструментов: стратегический, тактический и операционный уровни
  • Важные технологические тренды
  • Ключевые требования к технологической экосистеме

Полный цикл поддержки управления на всех уровнях

Ряд экспертов обращают внимание на важность поддержки всего цикла принятия управленческих решений, причем на всех уровнях.

Юлия Офицерова: «Для поддержки системного управления Data-Driven нужен комплекс инструментов, охватывающий все уровни работы с данными»

«Для поддержки системного управления Data-Driven нужен комплекс инструментов, охватывающий все уровни работы с данными — от сбора и обработки до анализа и визуализации, — отмечает Юлия Офицерова, руководитель группы BI в компании «Омега». — Ключевую роль в этом играет единая BI-платформа, обеспечивающая доступ к данным из источников в режиме “единого окна”, визуализацию в виде дашбордов и отчетов, инструменты для самостоятельной работы бизнес-пользователей с данными (self-service), прогнозную аналитику для поддержки принятия решений, поддержку управления метриками и интеграцию с процессами Data Governance, а также возможность мониторинга показателей и настройки оповещений об отклонениях. Платформа OmegaBI соответствует данным требованиям и предоставляет полный набор инструментов для построения сквозной аналитики, формируя основу для перехода к предиктивной аналитике — естественному этапу развития подхода Data-Driven».

Ярослава Устименко: «Только наличие полного цикла превращает аналитику из функции контроля в инструмент непрерывного совершенствования организации»

Ярослава Устименко, руководитель BI-разработки в компании «ВсеИнструменты.ру», выделяет три ключевых класса инструментов: «В первую очередь это средства оперативной отчетности и мониторинга для оценки текущего состояния, выявления отклонений от целевых параметров и прозрачности метрик в реальном времени. Также нужны средства предиктивной аналитики и сценарного моделирования для формирования гипотез, оценки рисков и формирования обоснованных решений. Наконец, потребуется бумага с ручкой или реестр иных управленческих решений для фиксации контекста, допущений и логики ключевых решений. Такой набор позволяет сопоставлять ожидаемые и фактические результаты и затем корректировать подход к принятию решений. Только наличие полного цикла, охватывающего решение, фиксацию обоснования, измерение результата и калибровку подхода, превращает аналитику из функции контроля в инструмент непрерывного совершенствования организации».

Петр Емельянов: «Для реализации подхода Data-Driven нужны специализированные инструменты»

По мнению Петра Емельянова, директора по исследованиям и разработкам компании «Убик» (входит в Группу Arenadata) для реализации подхода Data-Driven нужны специализированные инструменты: «На операционном уровне необходима “горячая” аналитика — ее обеспечивают встроенные средства бизнес-аналитики, триггеры, уведомления, операционные дашборды с NRT-данными. На тактическом уровне управления требуются BI-платформы с низкими начальными требованиями к пользователям, позволяющие строить произвольные отчеты и менять уровень детализации, а также инструменты для обеспечения качества и прослеживаемости данных — они нужны для повышения доверия к ним и их прозрачности. На стратегическом уровне управления полезны агрегированные дашборды с ключевыми метриками, предиктивная аналитика и сценарное моделирование. И для всех уровней нужны каталог данных и согласованный слой метрик и определений».

Юлий Гольдберг: «Одними инструментами переход к концепции бизнеса Data-Driven не обеспечивается, другие аспекты не менее важны, а иногда и более значимы»

Юлий Гольдберг, руководитель направления в GlowByte, среди конкретных инструментов, которые обеспечат постоянный удобный доступ пользователей к актуальным данным для мониторинга, анализа и принятия решений, упоминает хранилище данных, систему обеспечения качества данных в источниках (в том числе в КХД) вместе со средствами его автоматизации, инструменты управления каталогом данных и бизнес-глоссарием, MDM-систему (по меньшей мере, справочник клиентов и справочник продуктов), систему ведения НСИ и решение для бизнес-аналитики, содержащее, в частности, LLM-модели для ответов на запросы. «Впрочем, одними инструментами переход к концепции бизнеса Data-Driven не обеспечивается, другие аспекты не менее важны, а иногда и более значимы», — добавляет Гольдберг.

Нужна многоуровневая экосистема

Дмитрий Кириличев: «Поддержка управления на основе данных требует создания многоуровневой экосистемы»

«Поддержка управления на основе данных требует создания многоуровневой экосистемы, где каждый инструмент соответствует специфике решений на своем уровне, — уверен Дмитрий Кириличев, руководитель программы проектов Performance Management, НЛМК. — Для стратегического контура необходимы агрегированные панели мониторинга с фокусом на ключевые показатели эффективности и возможностью быстрого выявления отклонений, для среднего звена — интерактивные аналитические среды с функциями детализации, сценарного моделирования и план-фактного анализа, а для операционного уровня — автоматизированные отчетные модули и средства контроля качества поступающей информации. Связующим звеном всей архитектуры выступает единый корпоративный портал или база знаний, где централизованно хранятся методологии расчетов, глоссарии, регламенты работы с показателями и учебные материалы».

Кирилл Кузнецов: «Стек инструментов должен соответствовать уровню принятия решений и зрелости пользователей»

Кирилл Кузнецов, генеральный директор Modus, продолжает: «Инструментальный стек должен соответствовать уровню принятия решений и зрелости пользователей. На стратегическом уровне полезны аналитическая панель руководителя, инструменты интегрированного финансового планирования, управленческая отчетность. На тактическом — средства Self-Service BI, OLAP-кубы, встроенная в ERP и CRM аналитика. На операционном — мобильные дашборды, средства оповещений о выходе за пороговые значения, аналитика, встроенная в операционные системы. Аналитикам и специалистам по данным нужны SQL-инструменты и интеграция LLM с корпоративными платформами данных».

Артур Хамидуллин: «Инструментарий должен быть выстроен как многослойная экосистема»

По мнению Артура Хамидуллина, директора отраслевой экспертизы «Форсайт», важно понимать: универсального инструмента, который одинаково эффективно работал на разных уровнях управления, не существует: «Инструментарий должен быть выстроен как многослойная экосистема, работающая на основе данных из единого источника и подчиняющаяся общим правилам управления. На операционном уровне важна возможность самостоятельно исследовать данные. Основа для этого — модель данных, позволяющая подключать пользовательские источники, не нарушая при этом целостности корпоративного хранилища. Над моделью надстраиваются инфо-панели для визуализации состояния процессов. Но главное — это возможность многомерного анализа данных “на лету”. Для быстрой адаптации и расширения аналитики под меняющиеся задачи нужны конструкторы Low-Code/No-code. Менеджерам звена в первую очередь нужна управленческая отчетность, интегрированная с процессами план-фактного анализа. Также необходимы системы планирования и бюджетирования подразделений. Важно при этом реализовать детализацию KPI, а также управление себестоимостью. Фактически нужен полноценный контур управления эффективностью (CPM), позволяющий в числе прочего моделировать последствия возможных решений. Наконец, на уровне топ-менеджмента и принятия стратегических решений требуются инструменты, ориентированных на агрегирование, прогнозирование и быструю оценку долгосрочных последствий. Здесь центральное место занимают контрольные башни KPI, оперативно отслеживающие десятки ключевых показателей с возможностью их немедленной детализации и визуализации. Кроме того, необходимы сценарное моделирование и, конечно, консолидированная отчетность, органично встроенная в общую аналитическую платформу. Критически важно, чтобы все эти инструменты работали на базе единой архитектуры: общее КХД, единая семантика показателей, сквозная безопасность и пр. Только тогда мы получим целостную экосистему управления на основе данных».

Важные аспекты Data-Driven

Выстраивая технологическую «пирамиду» для Data-Driven, важно не упустить из виду ряд важных моментов.

Илья Новосельцев: «Критически важно, чтобы поддерживался не только анализ, но и переход от фактов к действиям»

«Сами по себе инструменты не формируют управление на основе на данных, — подчеркивает Илья Новосельцев, директор по новым разработкам компании «Рубиус». — Важно, какие управленческие сценарии они поддерживают. Данные должны не просто отображаться, а сигнализировать об отклонениях, поэтому нужны системы мониторинга и оповещения. Метрики сами по себе редко дают ответ, поэтому требуется продвинутая фильтрация и сегментация параметров, чтобы исследовать данные в разных разрезах. Критически важно при этом, чтобы система поддерживала не только анализ, но и переход от фактов к действиям. Для этого мы закладываем в дашборды элементы управления: возможность комментировать метрики, фиксировать решения и напрямую связывать их с задачами. При таком подходе дашборды перестают быть витринами и становятся интерфейсом управления, где метрика связана с анализом, решением и действием».

Олег Дмитриев: «Для каждого отчета должен иметься понятный маршрут пользователя»

Согласно наблюдениям Олега Дмитриева, директора аналитического подразделения компании «Открытые бизнес технологии», на первых этапах обычно возникают две крайности: сопротивление пользователей, не желающих менять привычный способ работы, или, напротив, их чрезмерно высокий энтузиазм, вследствие которого аналитическая команда тонет в потоке запросов и начинает плодить десятки, а то и сотни почти одинаковых дашбордов: «Очень важно определить жесткие приоритеты заявок на них: если существующий дашборд закрывает 80% потребностей пользователей, то лучше расширить его на оставшиеся 20%, чем строить новый. Что касается инструментов, то не обойтись, конечно, без современных платформ данных с их широким набором функций. Также нужно развернуть каталог данных, систему уведомлений об отклонениях и инцидентах с ними, средства рассылки отчетов и дерево метрик (KPI-дерево). Важно предоставить возможность видеть взаимосвязь показателей, их иерархию и пороговые значения. Для каждого отчета должен иметься понятный маршрут пользователя: что он смотрит сначала, что после, какие выводы делает на каждом шаге, какое решение принимает в итоге. Наконец, важно развернуть инструменты для нисходящей детализации и иерархического анализа показателей, а также средства прогнозирования и сценарного анализа — они особенно ценны для крупных организаций».

Алексей Алексеев: «Для бизнес-пользователей важно наличие простых и удобных визуальных инструментов»

Как отмечает Алексей Алексеев, руководитель направления бизнес-аналитики фирмы «1С», на уровне всей организации важна интеграция аналитики с учетной системой: «Для бизнес-пользователей важно наличие простых и удобных визуальных инструментов, позволяющих создавать отчеты и анализировать данные без программирования. В экосистеме “1С” эту задачу решает “1С:Аналитика” — полностью визуальный инструмент для построения отчетов и инфографики. Для управленческих решений критична скорость и актуальность данных. Например, в “1С” для этого используется “Дата Акселератор” — отдельная аналитическая СУБД с обработкой данных в оперативной памяти (In-Memory ROLAP), куда данные из учетной системы поступают практически в реальном времени, позволяя анализировать актуальные данные, не нагружая учетную систему. Как показывает практика, “1С:Аналитика” выступает в роли единого интерфейса доступа к данным — от агрегированных показателей до первичных документов, обеспечивая управление на всех уровнях — от операционного контроля до стратегического анализа, давая возможность быстро переходить от цифр к действиям».

Екатерина Лозовая: «Единая корпоративная терминология — это про единую методологию расчета показателей по аналитическим срезам»

Екатерина Лозовая, директор компании «Терн», продолжает: «Единая корпоративная терминология — это про то, что все говорят на едином языке бизнеса, и про единую методологию расчета показателей по аналитическим срезам. В цифровой платформе “ТЕРН Юниверс” эту задачу решает семантический слой (юниверс), исключающий разночтения показателей. Также платформа обеспечивает гибкое разграничение прав доступа, предоставляя каждому свое аналитическое пространство: топ-менеджменту — дашборды верхнего уровня, аналитикам — инструменты для самостоятельного анализа и проведения глубоких исследований данных».

Денис Смирнов: «Рабочая модель появляется только тогда, когда данные начинают рассматриваться как единый контур, а их извлечение, трансформация, использование и управление ими — как части единого процесса»

По опыту Дениса Смирнова, генерального директора компании «Денвик Аналитика», во многих компаниях слой данных формируется стихийно: скрипты, выгрузки в файлы Excel, точечные интеграции: «Со временем все это превращается в сложно поддерживаемую систему, где любое изменение требует ручного вмешательства. Рабочая модель появляется только тогда, когда данные начинают рассматриваться как единый контур, а их извлечение, трансформация, использование и управление ими — как части единого процесса. Слой извлечения данных обеспечивает их стабильную доставку, слой трансформации и нормализации формирует эталонные витрины и модели данных, а слой управления отвечает за оркестрацию и контроль. По сути, речь идет о переходе от набора инструментов к системному подходу. В индустрии он все чаще реализуется с использованием систем управления данными, охватывающих полный цикл работы с данными и устраняющих разрывы между этапами. В частности, наш продукт Denvic Tools объединяет в себе все этапы подготовки данных в едином управляемом контуре. Это многокомпонентное решение, части которого могут использоваться и как самостоятельные решения, но при комплексном использовании обеспечивают бесшовную интеграцию между всеми этапами».

Алексей Арустамов: «Чем проще инструменты в использовании, тем лучше»

Алексей Арустамов, директор компании Loginom, считает, что хороши все технологии, позволяющие снизить планку требований к квалификации пользователей: No-Code, Low-Code, ИИ и т.д.: «Чем проще инструменты в использовании, тем лучше. Идеальный, наверное, вариант — когда аналитики и ИТ-департамент готовят надежную базу (хранилище данных и мастер-данные), обеспечивают стабильный сбор и загрузку данных, а затем предоставляют как можно большему числу сотрудников инструменты Low-Code/No-Code или ИИ для самостоятельной работы — это лучшее сочетание правильной подготовки данных и активного их применения для принятия решений на всех уровнях».

Игорь Алюшин: «Нынешний год — это год массового внедрения ИИ-агентов для BI»

Игорь Алюшин, исполнительный директор Glarus BI, добавляет: «Нынешний год — это год массового внедрения ИИ-агентов для BI, поэтому ключевыми технологиями становятся средства для общения с BI-системами через LLM и аналитики данных с использованием запросов на естественном языке, автономные ИИ-агенты для рутинного мониторинга и оповещения, ИИ-инструменты для анализа неструктурированных данных (голосовых, фото, видео), средства автоматизации создания пайплайнов обработки данных с помощью ИИ и инструменты мониторинга качества данных с автоматическим исправлением ошибок в данных с применением ИИ».

Таким образом, выстраивание поддержки принятия управленческих решений на различных уровнях иерархии — это тоже непростой проект, требующий активного участия не только ИТ-специалистов, но и бизнеса. Набор инструментов может быть различным, но у них должна быть общая база — платформа данных и сопутствующая ей инфраструктура, а также общий вектор развития — курс на демократизацию аналитики и ее широкое применение в бизнес-процессах.