Почему бизнесу страшно смотреть на собственные данные
Данные помогают бизнесу находить потери на миллионы рублей, экономить время сотрудников и принимать более точные решения. Однако сами по себе таблицы, дашборды и искусственный интеллект успеха не гарантируют. Если у компании нет понятной цели, качественной исходной информации и ответственного за результат, аналитическая система рискует остаться дорогой витриной.
Цифра, которой можно доверять
Бизнес собирает данные ради двух ресурсов — денег и времени, считает директор по цифровой трансформации ГК «Синтека» Андрей Волков. Аналитика должна показывать, где компания выбивается из сроков, недополучает выручку или несёт лишние расходы. «Первое — это деньги, второе — время. Никто не хочет терять ни то, ни другое», — объяснил он. Однако одного сбора недостаточно: разные отделы нередко по-разному рассчитывают один и тот же показатель. Каждую неделю на совещаниях маркетинг, телемаркетинг и отделы продаж называют разные цифры лидов и конверсий. Собственник требует единой цифры, которой можно доверять. После этого подразделения должны договориться о методике: понять причины расхождений, найт компромисс и вывести метрику, которой поверят все. Иначе аналитика создаёт споры вместо решений.
Технический директор компании «Формат кода» Борис Кириллов выделил три задачи аналитики: диагноз состояния компании, прогнозы развития и аномалий, а также поддержка принятия решений. Он подчеркнул, что решения можно принимать на основе интуиции или количественных показателей, но бессистемный сбор данных превращает их в «болотце», которое ни к чему хорошему не приводит.
В медицине необходимые системы появились давно, отметила собственник группы компаний «Альбатрос», врач-дерматолог Наталия Дмитриева. Клиники используют телефонию, CRM и медицинские информационные системы. Проблема — в нежелании собственников изучать цифры. «Собственнику бизнеса смотреть на них страшно, потому что цифры никогда не врут», — считает она. Для оценки клинике достаточно четырёх показателей: загрузка, средний чек, возвращаемость пациентов и процент перенаправления внутри лечения. Сложность не в получении цифр, а в их принятии.
Директор внедрения цифровых сервисов ГК «А101» Татьяна Файнблит отметила, что на первый план выходит скорость получения достоверной информации. Руководителю нужен готовый ответ на конкретный запрос — быстро, в понятной форме и с высокой степенью достоверности. Ценность современной аналитики — не только в объёме данных, но и в скорости превращения их в корректный и применимый вывод.
Сколько стоит аналитика
Стоимость системы зависит от масштаба бизнеса, количества источников и требований к инфраструктуре. Борис Кириллов пояснил, что полный стек включает источники (CRM, ERP), сбор и преобразование данных, хранилища, BI-инструменты, системы ИИ и иногда цифровые двойники. Решения существуют для всех — от малого бизнеса до крупных компаний. «Если у компании несколько терабайт информации, это одна история. Если речь идёт об огромном массиве и требовании размещать всё только на собственных серверах, бюджет будет совсем другим», — рассказал он. Однако даже крупные вложения не помогут без качества исходной информации: данные без контроля не несут ценности.
Наталия Дмитриева рекомендует начинать не с дорогой платформы, а с обычной таблицы. Она постепенно формирует привычку анализировать. Основой цифровой инфраструктуры клиники стала медицинская информационная система, вокруг которой появились дополнительные сервисы. «Самое дорогое — не купить программы, а научить людей ими пользоваться: работать с таблицей, полноценно использовать систему, анализировать данные, делать выводы и передавать собственнику правильные цифры».
Андрей Волков отметил, что работающая аналитика не обязательно начинается с огромных затрат. Можно купить готовое отраслевое решение: стоимость начинается от 150 тысяч рублей в год и доходит до 600 тысяч, включая техподдержку. Но на стороне заказчика всё равно нужен аналитик — «кто-то должен разобраться в дашбордах, быть точкой входа». Его зарплата около 200 тысяч рублей в месяц, что даёт суммарно примерно 2,5 миллиона в год. Однако решение быстро окупается: одним дашбордом по арматуре можно за три месяца отбить миллион. Другой путь — начать с бесплатных или недорогих BI-инструментов. Волков предупредил, что внедрение лучше начинать с одной конкретной задачи, чтобы быстро получить эффект и вернуть вложенные деньги.
В девелопменте цифровые технологии сопровождают проект от проектирования до эксплуатации, отметила Татьяна Файнблит. Наиболее заметный эффект — во взаимодействии с клиентами и автоматизации внутренних процессов. Онлайн-шоурумы, конфигураторы, CRM и чат-боты ускоряют обработку обращений и сокращают путь от первого контакта до сделки. В компании в качестве мастер-системы используется 1С как CRM, интегрированная с другими решениями. Файнблит считает, что полноценную аналитику можно внедрить без большого IT-бюджета, если уже сформированы качественные исходные данные. Подготовка данных и обучение сотрудников требуют больше организационных усилий, чем покупка инструмента.
Искусственный интеллект: помощник, а не замена
Способен ли ИИ заменить аналитика с зарплатой 200 тысяч рублей в месяц? Андрей Волков считает, что нейросеть скорее помогает, чем заменяет. «Искусственный интеллект способен найти аномалии, агрегировать информацию, работать с большим массивом данных. Но он не соединит самостоятельно разные источники и не договорится с пятью отделами, каждый из которых по-своему рассчитывает одну метрику». Аналитик должен обладать коммуникативными навыками: выслушать позиции отделов, структурировать, собрать участников и утвердить единую методику. Как ИИ решит такую задачу, пока непонятно.
Однако ИИ уже упрощает работу с готовой аналитикой. В «Синтеке» используется около ста дашбордов. Настроили ИИ, который знает содержание отчетов и по запросу руководителя в чате выдаёт готовый ответ или строит график на основе 12 миллионов строк. Волков пока не готов полностью доверять такому ответу: нейросеть может забыть применить фильтр или ошибочно посчитать аномалией осознанное бизнес-решение. Поэтому ИИ — ассистент, а не самостоятельный аналитик.
Борис Кириллов добавил, что ИИ наиболее эффективен там, где есть повторяющиеся закономерности и исторические данные: прогнозирование, поиск аномалий, контроль качества, ускорение миграции между системами. Вероятностная природа ИИ не гарантирует 100% достоверности. При этом возрастает нагрузка на того, кто формулирует задание и проверяет результат.
В медицине ИИ ускоряет работу, снимает напряжение с линейных сотрудников и генерирует контент. Наталия Дмитриева рассказала, что ролики, созданные ИИ, иногда получают в социальных сетях в десятки раз больше просмотров, чем креативы дизайнера. ИИ помогает искать аномалии в загрузке клиники и маршрутах пациентов, проверять клинические рекомендации. Но заменить врача он не может: «В голове врача есть алгоритм общения с пациентом, страхи предлагать лечение или говорить о деньгах. Подключить к этому алгоритму ИИ практически невозможно».
В девелопменте ИИ применяется для динамического ценообразования и формирования смет, ранее требовавших ручного труда. Татьяна Файнблит отметила, что ИИ-инструменты также используются для визуализации проектов на этапе предпродаж — дешевле и быстрее создают цифровые прогулки по будущим районам. Ценность ИИ определяется тем, насколько эффективно он решает конкретную задачу.
Купить — ещё не значит внедрить
Одна из главных ошибок бизнеса, по мнению Наталии Дмитриевой, — считать покупку программы внедрением. Она сама совершала эту ошибку: купила систему, заплатила деньги и решила, что всё работает. Но не научила сотрудников пользоваться. «Это напоминает дорогой фитнес-браслет: человек надевает его, лежит на диване и ждёт, что с ним что-то произойдёт». До начала цифрового проекта нужно определить ответственного. На любом этапе будет сопротивление, часть сотрудников может отвалиться. Без изменения мышления и привычки работать с данными результат не появится, только потраченный бюджет.
В «Синтеке» переход к единой аналитике также сопровождался сопротивлением. Андрей Волков рассказал, что сотрудники сначала говорили, что данные неверные. После разбора выяснялось, что проблема в неверном внесении информации. Директор по развитию потребовал убрать таблицы и доверять дашборду. Постепенно сотрудники поняли, что ручная работа не нужна, и перестроились. За каждой метрикой должны быть закреплены заказчик и ответственный. «Нельзя просто построить красивую витрину данных и ждать результата», — подчеркнул Волков. Один из способов преодолеть сопротивление — автоматизировать операцию, отнимающую много времени. Например, в компании 11 дашбордов рассчитывают зарплаты, что освободило руководителей от пятидневной ручной работы.
Борис Кириллов отметил, что в проектах «Формата кода» аналитики иногда «живут» внутри бизнеса заказчика. Если отдел не заинтересован в результате, начинается сопротивление — вплоть до «маленькой войны». Без ответственного лица система не работает. Даже внутри одной организации подразделения относятся к проекту по-разному: один отдел помогает, другой ставит палки в колёса. Прорыв происходит, когда появляется зримый результат наверху. Иногда приведение данных в порядок занимает пять лет. Любое внедрение без очистки данных бессмысленно.
Татьяна Файнблит добавила, что формирование культуры работы с данными — длительный процесс. Наиболее понятный путь — демонстрировать успешные примеры: рост продаж, оптимизацию затрат. Важна поддержка руководителей. Информация должна быть доступной, запрос к системе — простым. Современные AI-инструменты ускоряют процесс, но финальная верификация решений остаётся за сотрудниками и экспертами.
Дорогая витрина или работающий инструмент
Даже дорогая аналитическая система может не принести результата. Татьяна Файнблит назвала главные причины: неправильная постановка задачи, недостаточная интеграция с бизнес-процессами и другими системами, неумение сотрудников пользоваться результатами. «Даже самая точная система может выдавать результаты, которые сотрудники не умеют правильно понимать и применять». Кроме того, аналитика должна быть оперативной, иначе информация теряет актуальность. Вопрос не в стоимости системы, а в целеполагании, качестве данных, интеграции и компетенциях сотрудников.
В медицине объём автоматизации и использования ИИ будет расти. Наталия Дмитриева прогнозирует, что ИИ подключат к КТ и МРТ, а врачи-рентгенологи будут проверять результаты. Всё, что касается больших массивов аналитической информации, будет развиваться. Клиники уже обязаны передавать данные в государственные информационные системы. С одной стороны, это снизит нагрузку на собственника, с другой — медикам придётся осваивать новые инструменты.
Борис Кириллов отметил, что бизнес переходит от простого накопления информации к осознанному управлению. Ценность данных никуда не девается, рынок будет расти. Но акцент сместился на качество: «Пусть у бизнеса будет хоть триллион записей — сами по себе они не имеют ценности. Она появляется у структурированных, очищенных и управляемых данных». Особенно с учётом внедрения ИИ, которому нужна хорошо подготовленная база.
Андрей Волков подвёл итог: данные не имеют ценности, если компания не понимает, что будет с ними делать. Обязательно нужны заказчик и ответственный. Иначе это дорогая витрина — красивая игрушка, с которой никто не работает, дисциплины нет, решения не принимаются. Иногда клиент покупает готовый набор дашбордов, но не может внедрить из-за отсутствия аналитика внутри. «Бизнес говорит: „Я должен выделить сотрудника. Для чего?“ Пока заказчик не понимает собственную боль, аналитика кажется дополнительным расходом». Но когда он видит, что за три месяца потерял на арматуре 5 миллионов или заказал лишние материалы на десятки миллионов, понимает ценность. Один из контрагентов после такого анализа сказал: «Ведь я мог бы купить машину на эти деньги». Главная проблема — руководитель не всегда готов внимательно посмотреть на собственный бизнес. Иногда заказчик пренебрегает цифрами, иногда боится увидеть правду. Когда появляется чёткая цель и контроль, данные начинают иметь смысл.
