Среди лучших эффективных аналитиков – корпорация Marriott International. За последние 20 лет она сделала настоящую науку из системы для определения оптимальной цены номера (а ведь это ключевой аналитический процесс в гостиничном бизнесе, именуемый также управлением выручкой). Сегодня Marriott International готова к гораздо большему. За счет программы Total Hotel Optimization компания распространила свои методы количественного анализа и на конференц-залы и системы кейтеринга. Необходимый инструментарий доступен через Интернет владельцам отелей и специалистам по управлению прибылью. Были разработаны системы, позволяющие оптимизировать предложения для постоянных клиентов и оценить вероятность того, что они уйдут к конкурентам. Благодаря этому менеджеры по прибылям на местах получили возможность в условиях форс-мажора действовать вопреки рекомендациям системы (например, когда в Хьюстон потянулись пострадавшие от урагана «Катрина»). Компании даже удалось создать модель возможной прибыли, способную подсчитывать фактическую выручку как процент от теоретического оптимального уровня, и, когда аналитика и управление прибылями были внедрены по всей корпорации Marriott, этот показатель вырос с 83 до 91 %. Арендодатели и франчайзи поняли: если нужно выжать максимум из имеющегося, помогут методы Marriott. Разумеется, такие корпорации, как Marriott, действуют иначе, чем традиционные компании. Разница видна клиентам во всем; эту же разницу ощущают день за днем сотрудники и поставщики. В нашем исследовании мы выделили три ключевых отличия успешных аналитиков.

Широкое применение моделирования и оптимизации

Простую описательную статистику по тому или иному аспекту своего бизнеса, например средней зарплате или среднему объему заказа, смогут составить в любой компании. Но супераналитики простой статистикой не удовлетворяются. Посредством прогнозного моделирования они выявляют клиентов наиболее прибыльных, наиболее перспективных и наиболее склонных вскоре отказаться от услуг компании. Такие организации собирают данные, полученные по внутренним каналам и из сторонних источников (в последнем случае они анализируют информацию тщательнее своих менее скрупулезных конкурентов), – и в итоге оказываются способны всесторонне понять клиентов. Они оптимизируют цепочки поставок, что позволяет определить вред от возможных непредвиденных препятствий, подобрать альтернативы и обеспечить поставки, невзирая на затруднения. Они устанавливают индивидуальные цены, чтобы с каждой сделки получать максимум прибыли. Они создают сложные модели того, как их текущие расходы соотносятся с эффективностью работы с финансами.

Супераналитики также измеряют посредством сложных экспериментов общее влияние стратегий вмешательства и на основании результатов совершенствуют дальнейшие тесты.

К примеру, компания Capital One ежегодно проводит более 30 000 экспериментов с разными показателями процентных ставок, мер поощрения, параметров адресных рассылок и другими переменными. Цель этой работы – максимально увеличить вероятность того, что потенциальные клиенты станут брать кредитные карты, и того, что кредиты будут возвращены Capital One.

Progressive проводит аналогичные эксперименты с находящимися в общем доступе данными индустрии страхования. Компания выделяет небольшие группы, или ячейки, клиентов: например, мотоциклисты в возрасте от 30 лет с высшим образованием и кредитной историей выше определенного уровня, никогда не попадавшие в аварии. Для каждой ячейки компания выполняет регрессивный анализ, чтобы выявить факторы, ближе всего связанные с потенциальными рисками от этой ячейки. Затем для каждой из них назначается своя цена – с тем чтобы компания получала прибыль от разных групп клиентов, – а с помощью программных средств моделирования проверяются финансовые перспективы этих предположений. Такой подход позволяет Progressive страховать клиентов из традиционных групп высокого риска с прибылью для себя. Другие страховые компании сразу отказываются от рискованных клиентов, не утруждая себя работой с данными (хотя даже традиционные страховые компании, такие как Allstate, уже начинают внедрять аналитику на уровне стратегии).

Корпоративный подход

Супераналитики понимают, что большинство функций бизнеса – даже те, которые традиционно зависят не от цифр, а от человеческого фактора, такие как маркетинг, – можно усовершенствовать, применяя сложные количественные методы. Эти организации выгодно используют не одно, а несколько приложений, улучшающих работу разных подразделений. Иногда такие приложения даже предлагают использовать клиентам и поставщикам.

Компания UPS олицетворяет собой переход от целевой аналитики к аналитике комплексной. Хотя она славится пристальным вниманием к технологическим исследованиям и организации производства, до недавнего времени ее возможности были слишком узки. Сегодня UPS развивает свой статистический потенциал, чтобы отслеживать перемещение грузов, прогнозировать решения людей и влиять на эти решения – оценивая вероятность оттока клиентов и выявляя источники проблем. Подразделение клиентской статистики UPS, например, способно точно предсказать вероятность ухода клиента на основании того, как обычно идет работа с ним и какие он выдвигает претензии. Если данные наводят на мысль о потенциальном отказе от услуг компании, менеджер по продажам связывается с клиентом, чтобы обсудить и решить проблему. Это позволяет значительно сократить число потерянных клиентов. Такого рода деятельность UPS все еще недостаточно масштабна, чтобы компанию можно было считать полноценным супераналитиком, но движется она именно в этом направлении. Супераналитики считают всю подобную деятельность во всех областях единым конструктом, общей инициативой, часто выделенной в отдельную категорию, например, в Capital One это «информационная стратегия», а в Barclay's Bank – «работа с клиентами на основании информации». Деятельность в рамках этих программ проходит не только под общим названием, но и под общим руководством с применением общих технологий и инструментария.

В традиционных компаниях business intelligence (этим термином в индустрии ИТ обозначают процессы и программы аналитики и отчетности), как правило, ведется на уровне подразделения; специалисты по цифровым данным сами выбирают инструменты, сами контролируют хранилища информации и сами обучают людей. Но это приводит только к хаосу. Во-первых, распространение созданных пользователями электронных таблиц и баз данных неизбежно приводит к расхождениям в ключевых показателях эффективности внутри организации. Кроме того, доказано, что от 20 до 40 % таких электронных таблиц содержат ошибки; чем больше их циркулирует внутри компании, тем плодороднее становится почва для новых ошибок. Супераналитики же, напротив, формируют централизованные группы, чтобы важные данные и другие ресурсы находились под надежным контролем, а разные подразделения организации могли легко обмениваться ими, не сталкиваясь с препятствиями в виде несоответствующих друг другу форматов, определений или стандартов.

Некоторые супераналитики применяют такой же комплексный подход не только к технологиям, но и к кадрам. К примеру, в Procter & Gamble недавно разработали своего рода «группу сверханалитики», в которую вошло более 100 специалистов из разных отделов: производства, поставок, продаж, изучения клиентуры и маркетинга. Хотя в основном аналитики работают в рамках своих подразделений, эта группа находится под централизованным управлением. Такая консолидация позволила P&G использовать для решения важнейших задач все доступные ей знания. Например, аналитики по продажам и маркетингу сообщают о возможностях роста на имеющихся рынках коллегам, занимающимся планированием корпоративных сетей поставок. Аналитики же по поставкам, в свою очередь, используют собственные знания, принимая решения в таких новых областях, как конкурентная разведка.

Благодаря этой группе P&G гораздо четче контролирует процессы принятия решений внутри компании на основании статистики. Раньше аналитики P&G по выявлению слабых мест помогали оптимизировать бизнес-процессы и экономили деньги, но, поскольку все они принадлежали к разным подразделениям, многие менеджеры даже не знали, какие услуги те могут предложить и насколько эффективно способны работать. Теперь руководство использует в своих проектах обширнейшую базу опыта компании. При этом мастерское обращение с цифрами стало одной из визитных карточек P&G в глазах инвесторов, прессы и общественности.

Приверженность руководства

Внедрение аналитики в масштабах всей компании влечет за собой перемены в корпоративной культуре, бизнес-процессах, поведении и навыках многих сотрудников. Возглавлять этот процесс, как и любые другие значительные изменения, должны представители топ-менеджмента – сторонники количественного подхода, – в идеале – глава компании. Нам действительно удалось найти несколько генеральных директоров, в последние годы руководивших процессом перехода к широкому использованию аналитики. Среди них – Лавмен из Harrah's, Джефф Безос из Amazon и Рич Фербенк из Capital One. До ухода из Sara Lee Bakery Group генеральный директор компании Барри Берача держал на рабочем столе табличку, резюмирующую его личную и корпоративную философию: «В Бога верим, от остальных требуем данных». Нам приходилось видеть компании, где один-единственный менеджер направления или подразделения пытался внедрить аналитику по всей организации, и кое-кому даже удавалось достичь некоторого успеха. Но все же этим сотрудникам не хватало влияния, широты зрения и кросс-функциональных полномочий, для того чтобы сколько-нибудь значимо изменить корпоративную культуру.

Руководители, решившие внедрять методы аналитики, должны хорошо понимать и высоко ценить их. Не обязательно иметь опыт работы со статистикой, но важно знать теоретические основы различных количественных методов, чтобы сознавать присущие им ограничения – какие факторы учитываются, а какие нет. Если руководитель испытывает затруднения с количественными методами, он обращается к экспертам, разбирающимся в его бизнесе и понимающим, как в нем можно задействовать аналитику. Мы пообщались с несколькими топ-менеджерами, воспользовавшимися услугами таких консультантов, и все они отметили, как важно найти человека, способного объяснить все простым языком и при этом достаточно надежного, не склонного заниматься подтасовками. Некоторые из наших собеседников окружили себя высокопрофессиональными аналитиками: профессорами, консультантами, выпускниками MIT и пр., – но это скорее была личная инициатива, а не вынужденная мера.

Даешь статистику!

Аналитика против чутья  – вот любимая тема политических комментаторов в контексте двух последних выборов президента США. Обсуждается она и в профессиональном спорте благодаря нескольким популярным книгам и громким спортивным победам. На сегодняшний день преимущество, похоже, за аналитикой.

Примечательно, что статистика активно применяется для выбора спортсменов. В бестселлере Майкла Льюиса «Moneyball» много внимания уделено ее использованию для выбора игроков в команду «Окленд Эйс», способную выигрывать даже в трудных условиях. Команда «Нью-Ингленд Пэтриотс», также уделяющая статистике самое пристальное внимание, выиграла три из последних четырех Суперкубков, а по расходам на персонал она стоит на 24‑м месте в лиге. «Бостон Ред Сокс» практикует «саберметрику», то есть использует статистику в бейсболе, для чего менеджеры компании даже привлекли Билла Джеймса, знаменитого бейсбольного аналитика, который и принес известность этому термину.

В европейском футболе стратегия также играет важную роль. Итальянский «Милан» использует модели прогнозирования от собственного центра лабораторных исследований, чтобы предотвращать травмы, анализируя физиологические, ортопедические и психологические данные из многих источников. Перспективная английская команда «Болтон Уондерерс» известна тем, что ее руководство оценивает эффективность игроков на основании подробных данных.

Тем не менее спортивные менеджеры, подобно руководителям бизнеса, редко делают ставку только на факты или только на интуицию. Например, менеджер команды «Сент-Луис Кардиналс» Тони Ла-Русса блестяще сочетает аналитические методы и чутье, решая, когда заменить игрока в очереди отбивающих или нанять специального человека для поднятия боевого духа. Базз Биссинджер описывает это в своей новой книге «Три августовские ночи» (Three Nights in August): «Ла-Русса ценил ту информацию, которую получал от компьютеров. Он разбирался в строчках и колонках цифр. Но знал он и то, что в мире бейсбола цифры – это далеко не всё, а порой они способны и заморочить голову. Он понимал, что количественно оценить желания невозможно. Цифры же точно сообщали ему то, что нужно было знать, – цифры плюс двадцатичетырехлетний опыт управленца».

В последней фразе – вся соль. Изучает ли руководитель чью-то служебную характеристику или подмечает нюансы мимики сотрудника – всесторонне оценить данные ему позволяет только собственный опыт.

Конечно, не все решения должны основываться на аналитике – по крайней мере не полностью. В частности, в кадровых вопросах нередко помогают чутье и слухи. Все больше компаний принимают решения в отношении работы с персоналом, руководствуясь данными статистического анализа (см. врезку «Даешь статистику!»), однако исследования показывают, что люди и сами способны быстро и на удивление точно оценивать личность и характер кандидата на основании простых наблюдений. Соответственно, апологетам аналитики придется выбирать: прислушиваться к цифрам или к собственной интуиции.

Супераналитики – это не просто фабрики по перестановке цифр. Разумеется, для решения бизнес-задач они используют и технологии, причем совмещая «грубую силу» и тонкие подходы. Но такие компании направляют усилия и на то, чтобы верно определить приоритеты, создать нужную культуру и привлечь тех людей, которые смогут наиболее эффективно работать с данными. В конечном итоге силу компаниям дают как люди и стратегии, так и информационные технологии.

Верные приоритеты

Хотя супераналитики поощряют принятие универсальных объективных решений, им все же приходится думать, к чему стоит прилагать ресурсоемкие усилия. Обычно выбирают несколько направлений или проектов, поддерживающих одну и ту же генеральную стратегию. Например, в Harrah's посредством аналитики стремились в основном повысить лояльность клиентов и качество обслуживания, а также усовершенствовать смежные сферы: ценообразование и рекламу. Компания UPS сместила фокус внимания с логистики на клиентов, чтобы оказывать услуги на высочайшем уровне. Такой комплексный подход характерен для супераналитиков, однако топ-менеджеры, с которыми мы общались, предупреждали об опасности чрезмерной «размытости» инициатив и утраты четкого видения бизнес-цели, стоящей за каждой из них.

На что вы можете рассчитывать

Супераналитики искусно пользуются методами статистики и моделирования, чтобы оптимизировать самые разные виды деятельности. Вот несколько популярных примеров.

Еще один фактор, который следует учесть при распределении ресурсов, – насколько те или иные функции поддаются глубокому анализу. У аналитической деятельности может быть не менее семи общих целей, а в некоторых отраслях есть еще и свои нюансы (см. врезку «На что вы можете рассчитывать»). Статистические модели и алгоритмы, манящие перспективой прорывов в эффективности работы, порой бывают необычайно привлекательны. Например, в маркетинге всегда трудно давать количественную оценку, так он основан на психологии. Но теперь производители потребительских товаров могут оптимизировать свои маркетинговые исследования посредством теории многомерной полезности – она помогает понять и предсказать поведение и решения покупателей. Аналогичным образом индустрия рекламы использует эконометрику – совокупность статистических приемов, позволяющих измерить долговременную эффективность различных видов рекламы и рекламных акций.

Самые профессиональные аналитики не просто измеряют собственные показатели, но и помогают в аналогичной работе клиентам и поставщикам. Например, в Walmart настаивают, чтобы поставщики использовали корпоративную систему Retail Link, позволяющую отслеживать перемещение продукции по магазину, планировать рекламные акции и выкладки, а также сокращать дефицит. E.&J. Gallo предоставляет дистрибьюторам данные и анализ цен и затрат розничных продавцов, чтобы дать возможность рассчитать побутылочную рентабельность каждого из 95 сортов вина, производимого компанией. Дистрибьюторы же, в свою очередь, посредством этой информации помогают розничным сетям оптимизировать выбор товаров, убеждая их отводить больше места продукции Gallo. Procter & Gamble предоставляет данные и аналитику своим розничным клиентам в рамках программы Joint Value Creation, а также поставщикам, что повышает качество обратной связи и сокращает расходы. Корпорация Owens & Minor, которая специализируется на оборудовании для больниц, предлагает аналогичные дополнительные услуги, позволяя клиентам и поставщикам контролировать и оценивать данные о закупках и продажах, отслеживать популярные схемы выдачи заказов и в итоге – искать возможности консолидации, а также переводить покупки без договоров на групповые договоры, охватывающие в том числе продукцию, распространяемую Owens & Minor и ее конкурентами. Например, Owens & Minor может показать топ-менеджерам сетевых медицинских учреждений, как много денег те сэкономили бы, консолидируя покупки для нескольких больниц, а также помочь им наглядно оценить эффект повышения частоты поставок и хранения материальных запасов.

Правильная культура

Культура – понятие многообразное, аналитика же – суровая дисциплина. Тем не менее супераналитики должны внедрить по всей компании культуру уважения к измерениям, тестированию и оценке количественных данных. Сотрудникам предписывают принимать решения на основе реальных фактов – и те знают, что их эффективность оценивается так же. Кадровые компании из числа супераналитиков скрупулезно применяют систему количественных показателей для расчета выплат и гонораров. Например, в Harrah's имел место важный переход от патерналистской системы поощрений, базирующейся на авторитете сотрудников, к системе, основанной на тщательной оценке совокупной эффективности по результатам финансовой деятельности и уровня обслуживания клиентов. Топ-менеджмент также постоянно подает пример, стремясь работать исключительно с надежными фактами. Среди таких руководителей – Берача из Sara Lee Bakery Group, которого сотрудники прозвали «информационной ищейкой», потому что каждое предположение или гипотезу он требовал подкреплять данными. Неудивительно, что в аналитической культуре порой возникает противоречие между стремлением к инновациям, коммерческими соображениями – и необходимостью основываться на имеющихся данных. Некоторые компании меньше упирают на туманные перспективы развития, когда проектировщики или инженеры готовы идти за тем, у кого горят глаза. В таких компаниях исследования и разработки, как и прочие направления, подчиняются строгому регулированию. В Yahoo, Progressive и Capital One изменения в технологиях или продукции сначала тестируются на небольшом участке, а после положительного результата внедряются на уровне компании. Такой подход, весьма распространенный в академических и коммерческих дисциплинах (в том числе в инженерии, управлении качеством, психологии), применим и к большинству бизнес-процессов корпорации, даже таких, на первый взгляд, неочевидных, как работа с кадрами или клиентами. Например, в сфере кадров можно создавать психологические и лидерские профили менеджеров и испытывать их в различных ситуациях, а после этого – сравнивать данные об эффективности работы сотрудников с их индивидуальными характеристиками, тем самым определяя, какие черты личности наиболее полезны, когда нужно, скажем, вовремя завершить отставший от графика проект или помочь освоиться новой группе.

Однако бывают случаи, когда решение что-то изменить или попробовать нужно принять очень быстро и времени на подробный анализ нет (либо не было возможности собрать информацию заранее). Например, несмотря на то что директор Amazon Джефф Безос решительно предпочитает проводить количественную оценку реакций пользователей, перед тем как внедрять новые функции, он не мог испытать предложенную компанией опцию поиска внутри книги, не проверив ее на достаточном количестве файлов (по меньшей мере на 120 000). К тому же разрабатывать такую функцию было дорого, а это повышало риск. Так что в данном случае Безос положился на интуицию и сказал «да». И все сработало.

Правильные люди

Супераналитики нанимают соответствующих сотрудников – и, как и все компании, чье богатство составляют таланты, стремятся быть лучшими. Когда Amazon потребовался новый руководитель сети глобальных поставок, компания наняла Ган Юя, профессора теории управления и предпринимателя в сфере ИТ, одного из ведущих мировых экспертов по аналитике оптимизации. Бизнес-модель Amazon предполагает, что компания управляет постоянным потоком новых продуктов, поставщиков, клиентов и акций, а также привозит заказы к конкретным датам. С момента прихода в компанию Ган Юй и его сотрудники занялись разработкой и формированием сложных систем поставок, чтобы оптимизировать эти процессы. Оказалось, этот человек умеет не только жонглировать фразами типа «нестационарные стохастические процессы», но и доступно объяснять начальству суть новых методов.

Авторитетные супераналитики, такие как Capital One, силами огромного множества специалистов проводят количественные эксперименты, а получив результаты – формируют новые предложения по кредитным картам и другим финансовым услугам. Для этого нужен специалист с особыми навыками – о чем и сказано в описании типичной вакансии аналитика в Capital One:

«Развитые способности к решению концептуальных задач и количественному анализу… Опыт работы с количественным анализом в сфере инженерии, финансов, консалтинга и/или других областях либо соответствующее образование. Способность быстро осваивать программные приложения. Опыт работы с моделями в Excel. Предпочтительно, но не обязательно наличие квалификационной степени (например, МВА). Желательно знание методологии управления проектами, инструментов оптимизации процессов (Lean, Six Sigma) либо статистики».

Другие компании тоже нанимают таких людей, но у супераналитиков их гораздо больше. Прямо сейчас Capital One ищет втрое больше аналитиков, чем производственного персонала, – а для банка это редкость. «Мы прежде всего компания аналитиков, – заявил один из руководителей корпорации. – Они – наши главные люди».

Хорошие аналитики должны уметь объяснять сложные понятия простыми словами, а также продуктивно общаться с теми, кто принимает решения. Одна компания, производящая потребительские товары, в штате которой состоит 30 аналитиков, ищет «PhD с человеческим лицом», то есть людей, разбирающихся в математике, статистике и анализе данных и умеющих, помимо того, говорить простым языком бизнеса, укрепляя позиции компании как изнутри, так порой и снаружи. Вот что глава отдела анализа потребительского поведения Wachovia Bank рассказывает о том, какие отношения с другими сотрудниками стараются наладить его подчиненные: «Мы стремимся сделать наших людей частью команды. Мы хотим, чтобы они могли наравне с другими обсуждать ключевые вопросы работы компании, определять, какая информация нужна бизнесменам, и рекомендовать партнерам по бизнесу поступать так или иначе. Мы хотим быть не просто вспомогательным звеном, но и активной, важной частью успеха компании».

Разумеется, специалиста, который поднаторел и в аналитике, и в бизнесе, и в общении, найти нелегко. Когда в компании SAS (это разработчик программного обеспечения и спонсор нашего исследования наряду с Intel) решают, что им потребуется специалист по современным бизнес-программам, таким как прогнозирующее моделирование или рекурсивное секционирование (вид анализа дерева решений, применяемый к очень сложным массивам данных), его начинают искать за полтора года до того, как он должен будет приступить к работе.

Можно сказать, что талант аналитика в начале 2000‑х – это как талант программиста в конце 1990‑х. К сожалению, на американском и европейском рынках труда по-настоящему одаренных аналитиков не так много. Некоторые организации решают эту проблему, заключая контракты с компаниями из Индии (где очень много специалистов по статистике) и других стран. Это хорошая идея в том случае, если иностранные аналитики работают над самостоятельными задачами. Но если от них требуется постоянное обсуждение действий с руководителями бизнеса, расстояние может существенно усложнить работу.

Правильные технологии

Конкурировать в сфере аналитики – значит конкурировать в технологиях. Самые успешные компании не только изучают современные статистические алгоритмы и теорию принятия решений, но и постоянно мониторят и внедряют новинки в области ИТ. В одной компании, производящей потребительские товары, даже построили собственный суперкомпьютер, поскольку пришли к выводу, что имеющиеся на рынке модели им не подойдут. Такие подвиги обычно излишни, но все же для серьезной аналитики вам кое-что понадобится.

Стратегия работы с данными. Компании вкладывают миллионы долларов в системы, собирающие данные из всевозможных источников. Планирование корпоративных ресурсов, управление связями с клиентами, точками продаж и многим другим – все это требует, чтобы ни одна операция и ни одно значимое изменение не проходили незафиксированным. Но, чтобы задействовать получаемые данные с пользой, компании должны быть в состоянии представить их в стандартном формате, интегрировать, разместить в хранилище и обеспечить к ним легкий доступ. И такой информации должно быть много. Случается, что компания несколько лет накапливает данные о разных методах маркетинга, прежде чем проанализировать эффективность рекламной кампании. Dell использовала DDB Matrix, продукт рекламного агентства DDB Worldwide, чтобы за семь лет создать базу данных из полутора миллионов записей о своей рекламе в печати, на радио, сетевом и кабельном телевидении, а также о продажах Dell в каждом регионе, где давали такую рекламу (до и после ее появления). На основании этой информации компания смогла оптимизировать рекламную стратегию для каждого региона и для каждого вида рекламы.

Решения для бизнес-анализа. Термин «бизнес-анализ», впервые появившийся в конце 1980‑х, относится к большой совокупности процессов и программ, предназначенных для сбора, изучения и распространения данных, необходимых для принятия оптимальных решений. Соответствующие инструменты позволяют сотрудникам получать, преобразовывать и загружать данные для анализа (профессионалы называют этот процесс ETL – extract, transform and load), а затем отражать результаты в отчетах, уведомлениях и оценочных листах. Отчасти растущая популярность аналитики связана с появлением такого комплексного инструментария.

Аппаратное обеспечение. Объемы данных, с которыми имеют дело программы аналитики, таковы, что слабые компьютеры и сервера с ними могут и не справиться. Многие компании-супераналитики переходят на 64-битные процессоры и благодаря этому быстро обрабатывают огромные массивы данных.