Михаэль Хагстром: «Большой проблемой является получение необходимых для аналитики знаний, формирование соответствующей системы обучения»Экономический кризис заставляет организации более внимательно относиться к своему потенциалу, формируя благоприятные условия для интенсивного роста. Сложность и разнообразие решаемых задач заставляет компании все чаще обращаться к анализу данных. Однако эффективность анализа во многом зависит от подготовки персонала, его умения использовать междисциплинарные знания.

Между тем, как отмечалось на прошедшей в конце июня в Берлине конференции SAS The Premier Business Leadership Series, только треть предприятий видит в рецессии время для инноваций и настоящих преобразований. Как подчеркнул генеральный директор SAS Джим Гуднайт, для решения проблем бизнеса базовых технологий часто недостаточно; истинное понимание своего потенциала возникает только после внедрения зарекомендовавших себя аналитических решений для поддержки основанного на фактах механизма принятия решений и оптимизации бизнес-процессов.

Исполнительный вице-президент SAS Михаэль Хагстром в беседе с журналистом «Директора информационной службы» поделился своими мыслями об актуальных проблемах бизнес-аналитики.

Кризис повысил спрос на бизнес-аналитику. Изменилась ли структура этого спроса, какие аналитические процедуры стали более популярными и почему?

Десять лет назад аналитика применялась в основном не для изменения, а для поддержки существующих бизнес-процессов. В наши дни аналитика активно используется для оптимизации бизнес-процессов, а вот роль ERP в этих изменениях постепенно сходит на нет.

Кризис выявил несколько ярко выраженных тенденций. Одна из них отражает изменение потребностей внутри организаций. Здесь очевиден переход от традиционной отчетности о клиентах к более глубокому анализу сложившейся ситуации, в частности к изучению социологических сведений о потребителях своей продукции.

Другая тенденция связана с необходимостью преобразований. Скажем, банку может потребоваться изменить подход к управлению рисками. Вместо cкоринга каждой бизнес-единицы клиента по отдельности, в банке намерены использовать интегральный подход, согласованно сводя данные по всем департаментам с целью объединить различные виды рисков — кредитный, рыночный, а иногда и операционный. В дальнейшем у банка может возникнуть необходимость комбинировать данные по рискам с данными по клиентам и рыночным продажам, что позволит индивидуализировать рисковые ожидания.

Еще один пример, иллюстрирующий необходимость изменений. В обрабатывающей промышленности для повышения качества всегда использовались ERP-системы. Сейчас же предприятия отрасли обращаются к аналитике, чтобы понять, как улучшить качество сборки, как повлияют изменения на величину издержек, на планирование спроса, определение необходимых ресурсов и т. д.

Все шире применяются инструменты анализа социальных сетей. Чтобы повлиять на предпочтения массовых потребителей, компании используют аналитику для выявления «лидеров мнений», которые оказывают существенное воздействие на общественное сознание.

Глобализация требует учета национальных особенностей в организации бизнеса. Нередко компании работают в странах с различным уровнем экономического развития. Зависит ли структура спроса на аналитику от зрелости экономики?

В развивающейся экономике компании стремятся продавать больше потребительских товаров. Это требует традиционной отчетности, анализа и интеграции данных. Если же посмотреть на более развитые рынки, то их участники используют цифровую информацию для получения более сложных конкурентных преимуществ; они в большей степени ищут механизмы организации соревнования с конкурентами.

Со времени образования SAS в мировой экономике произошли глобальные изменения. Как при этом менялась стратегия и структура бизнеса компании?

Наша миссия не изменилась. Бизнес-цели также почти не изменились, поскольку они связаны с решением комплексных бизнес-проблем, большинство из которых сохранило свою актуальность. Изменилась стратегия компании. Мы очень сильно сфокусировали свое внимание на возможностях инструментария, на технологиях. Мы начали создавать вертикальные индустриально-ориентированные решения. Компания фактически стала поставщиком решений. Одновременно мы двинулись вверх по цепочке формирования ценности, в область формирования знаний. Скажем, если мы продаем банку знания относительно рисков, то должны предлагать ему множество альтернативных путей решения его проблем, например, по управлению рисками. Но и меняя свою стратегию, мы очень заботимся о том, чтобы находиться в рамках наших основных компетенций. Понимание клиента, управление рисками, управление данными — вот три ключевые области нашей компетенции.

Качество анализа во многом определяется качеством данных. Как обеспечить качество данных и защитить механизм принятия решений от влияния ошибок?

Это очень актуальный вопрос, особенно с учетом роста значимости социальных сетей. Анализируя содержащиеся в них сведения, вы можете просмотреть десятки тысяч страниц. Как обнаружить среди них те, что не имеют отношения к интересующему вас вопросу, и гарантировать, что их влияние не заставит вас принять неправильное решение? В какой-то мере здесь поможет возможность создания более изощренных аналитических моделей и использования развитых приложений. Однако важнейшую роль в том, насколько вы сумеете защитить обработку данных от ошибок, играет характер подготовки вашего персонала, область вашей компетенции. Доступность аналитических средств порождает большую проблему. Если вы искусны в математике, то сделаете ее основным инструментом аналитики; если же вы хороший инженер, то, возможно, не сделаете, поскольку не любите теорию вероятностей. А раз так, если перед вами стоит инженерная проблема, то вам не придет в голову задуматься о вероятностном решении — вы будете размышлять о технической стороне вопроса. Проиллюстрирую это следующим примером. Компания Shell приобрела у Siemens газовые турбины по цене примерно 10 млн долл. за штуку. Основой системы управления этих турбин являются датчики, разработанные, насколько мне известно, в Японии. Время от времени эти датчики выходят из строя, что иногда приводит к поломке турбины. Несколько лет попыток полностью устранить эту проблему техническими средствами не дали результата. Было потрачено около 20 млн долл., прежде чем создатели турбины попробовали поискать альтернативные пути решения возникшей задачи, а затем, поняв, что наилучшим подходом будет попытаться с высокой вероятностью предсказывать выход из строя датчика, внедрили соответствующую систему.

Как правильно организовать анализ данных в компании? Что лучше — создать специализированный отдел или максимально приблизить аналитику к точкам принятия решений?

Думаю, оба подхода в определенной степени полезны. Наличие специализированного подразделения важно, поскольку подобные структуры имеют дело со сложными комплексными задачами. Но, безусловно, существует потребность и в самообслуживании. Необходимо стремиться к тому, чтобы 80% потребностей в аналитике можно было удовлетворить за счет самообслуживания.