Почему многие проекты в сфере бизнес-аналитики обречены на провал

Максим Астахов
Максим Астахов

Руководитель коммерческого офиса компании Intersoft Lab

Расскажите друзьям
Вероника Елкина

Максим Астахов, руководитель коммерческого офиса компании Intersoft Lab, рассказывает, почему многие проекты по построению систем бизнес-аналитики не оправдывают возложенных на них надежд, и как с этим бороться.

История развития аналитических инструментов и приложений ведет свое начало с 80-х годов прошлого века. Последние два десятка лет — в период реально массового присутствия этого ПО на отечественном рынке — прослеживается своего рода эффект маятника: внимание потребителей смещается то в сторону средств бизнес-анализа (Business Intelligence, BI), то к приложениям для бизнес-аналитики (Business Analytics, BA). Так, в начале 2000-х популярность стремительно набирали инструменты бизнес-анализа, результатом консолидации рынка в 2003-2005 годы стали BI-платформы, объединившие средства для построения хранилищ данных, их анализа и подготовки отчетов.

Первая волна BI-проектов оказалась «сырой» и потерпела фиаско. Потом настал черед BA-приложений, но их «взлет» остановил финансовый кризис 2008 года. Затем тема самообслуживания в аналитике возродила интерес к BI, который, увы, разбился о сложность «повзрослевших» и набравших сложность инструментальных платформ.

Сегодня в фокусе вновь данные и бизнес-аналитика, позволяющая извлекать из них полезную информацию для разных категорий потребителей. Наряду с традиционными BA-приложениями для планирования и бюджетирования, управления прибыльностью, рисками, подготовки аналитической, управленческой и финансовой отчетности востребованы прикладные интеллектуальные алгоритмы анализа данных. Вместе с тем количество провалов при внедрении аналитических технологий все эти годы практически не сокращается.

picФото: Bethany Legg / Unsplash

Наступает эпоха аналитики

Тема данных и аналитики очень популярна. СМИ изобилуют красочными рассказами о возможностях, которые сулят «наука о данных» (машинное обучение, глубокое обучение) и ее венец — искусственный интеллект (ИИ).

Ажиотаж вокруг них имеет веские материальные основания. Например, по прогнозу McKinsey Global Institute, потенциальная польза от применения идей ИИ может составить около $3,5-5,8 триллионов ежегодно. Совместное использование ИИ и традиционных аналитических технологий способно дать прирост в экономической эффективности на 62%: в туризме — на 128%, в ритейле — на 87%, в сельском хозяйстве — на 55%, в банках — на 50%, в телекоммуникациях - 44%, в страховании — на 38%.

В подтверждение — немного «отрезвляющей» статистики. Полтора года назад консалтинговая фирма KPMG опросила свыше тысячи генеральных директоров. Выяснилось, что более половины из них не уверены в отчетных данных, на основании которых принимают решения.

Почему мы заговорили о хранилище данных

Система бизнес-аналитики — это «два в одном»: аналитические приложения опираются на корпоративное хранилище данных (далее — ХД), или как его еще образно называют «единый источник правды». В идеале ХД служит источником выверенной информации, на основании которого решаются самые разные задачи в области бизнес-аналитики: планирование, бюджетирование и прогнозирование, управление доходностью, и готовится разнообразная отчетность: аналитическая, управленческая, МСФО, для органов надзора.

Но это в идеале. По данным аналитиков Gartner, еще в 2005 году более 50% проектов построения ХД считались неудачными. На сегодняшний момент ситуация мало изменилась — по оценке экспертов из McKinsey, только 20% банков, с которыми они работали, сумели построить ХД. Статистика в отечественном финансовом секторе не менее печальная — по нашим оценкам 38% проектов построения ХД, о которых на протяжении последних 15 лет громко заявляли банки и поставщики ПО, потерпели сокрушительный провал; и это без учета ситуации в кредитных организациях, прекративших свое существование в результате отзыва лицензий.

Несмотря на кажущуюся заурядность ХД, модным нынче технологиям без них просто не обойтись. В финансовой отрасли, например, консультанты EY прогнозируют применение программ-роботов для выполнения регуляторного анализа отчетных данных. Подготовка этих данных перед отправкой в регуляторные органы – прямое назначение ХД.

picФото: rawpixel / Unsplash

Как не завалить проект внедрения аналитической системы

Понятно, что печальную статистику нужно улучшать, если мы хотим попасть в светлое цифровое будущее.

Предлагаем чек-лист рецептов, на что обратить внимание, чтобы не завалить проект внедрения ХД и автоматизации на основе различных задач бизнес-аналитики. Предложенные ниже рекомендации опираются на опыт работы компании автора в финансовом секторе. Несомненно, существуют отраслевые нюансы, но в целом его можно перенести и на другие отрасли. Финансовую вертикаль принято считать одной из наиболее продвинутых в освоении ИТ, поэтому будет интересно, услышать комментарии экспертов из других отраслей.

Помните: что посеешь, то и пожнешь

Наиболее часто в зарубежной прессе пишут о низком качестве исходных данных — GIGO (сокр. от англ. garbage in – garbage out) или по-русски «что посеешь, то и пожнешь» – как о главном препятствии к успешному внедрению ХД. В российской практике сложности с качеством данных также имеют место, но, по опыту, скорее могут привести к затягиванию проекта и перерасходу бюджета, чем к краху.

Для признания проекта неудачным это, строго говоря, недостаточно веские причины. Тем не менее, вот совет, как победить проблемы с качеством данных.

Нужно исходить из того, получение надлежащего качества данных не является разовой задачей и решать ее следует комплексно. Поэтому целесообразно построить собственную экспертизу в управлении данными — в дополнение к модулям контроля и обогащения данных, поставляемым в составе ХД, запросить у поставщика постановку технологии по обеспечению качества данных, а внутри организации создать специальное подразделение — службу качества данных, которое будет следить за ее исполнением. По такому пути, например, пошел при создании ХД Банк «Санкт-Петербург», что, по оценке его представителей, позволило существенно снизить количество ошибок в данных (в одном только кредитном портфеле в 15 раз), повысить доверие к данным, а вместе с ним и качество управленческих решений.

Не ставьте пятое колесо в телегу

Если инициатива по построению ХД не подкреплена объективными бизнес-потребностями, такой проект обречен. Подобная ситуация может возникнуть, например, если при решении о его создании реалии бизнеса пытаются подогнать под чужой опыт, который на самом деле успешен при многих прочих отличных условиях. Например, внедрение ХД не оправдано, если объем данных невелик и вполне может обрабатываться с помощью привычных электронных таблиц. В итоге ХД станет дорогим колесом от иномарки, но пятым и в телеге.

Рекомендация построить ХД может присутствовать и в высокоуровневой ИТ-стратегии, предписанной именитыми консультантами. Старт такого проекта в отрыве от интересов конечных потребителей чреват тем, что ИТ-служба организует наполнение ХД данными, не ориентируясь на решение конкретных прикладных задач. Такой процесс без результата очевидно не оправдает вложенных в него денег, финансирование прекратится и проект будет заморожен.

picФото: rawpixel / Unsplash

Совет здесь может быть только один — не начинайте проект, если он не опирается на реальные бизнес-потребности. Инструментальная платформа ХД в отрыве от приложений для бизнес-аналитики не принесет большой пользы. В идеале на входе в проект сделайте прогноз качественных и количественных выгод от решения реальных прикладных задач и окупаемости. Например, исходя и своего проектного опыта мы прогнозируем, что на каждом цикле подготовки управленческой отчетности на основе ХД экономия от автоматизации может достигать одного миллиона рублей.

Среди наиболее часто встречающихся целей внедрения бизнес-аналитики в банках можно назвать обеспечение доверия к данным, повышение точности и гранулярности управленческой отчетности, сокращение трудоемкости и сроков ее подготовки, автоматизация методик аллокаций расходов, трансфертного управления ресурсами и функционально-стоимостного анализа, переход к самостоятельному расчету произвольных аналитических показателей.

Так, в московском Новикомбанке после внедрения системы управления эффективностью отчетность по финансовому результату готовится с учетом трансфертной стоимости ресурсов и разнесения накладных расходов по подразделениям, точкам продаж и клиентам. Казахстанский Банк «ЦентрКредит» добился адекватной обоснованной оценки результативности бизнес-направлений, себестоимости банковских продуктов и рентабельности клиентов и клиентских сегментов.

С помощью информационно-аналитической системы банк перешел на ежедневный режим подготовки управленческой отчетности, существенно сократив сроки расчета финансового плана и управленческого баланса. После внедрения сервиса самообслуживания в бизнес-аналитике Банк Казани централизировал в одном подразделении подготовку управленческой аналитики для всех служб и сотрудников. Используя для подготовки отчетности единое корпоративное ХД, в банке обеспечили согласованность показателей эффективности, применяемых для контроля различных бизнес-направлений на всех уровнях управления.

Избегайте иллюзорных обещаний

Каждый программный продукт имеет четко очерченные рамки применения и соответствующую архитектуру. Архитектура ХД ориентирована на быстрое извлечение информации из массива собранных данных, расчет показателей и представление полезной информации в виде отчетов.

Агрессивный маркетинг и продажи — на кону контракт с шестью нулями — подчас приводят к тому, что заказчики приобретают для создания аналитических систем программные платформы, архитектурно далекие от ХД. Так, под лозунгом «два в одном» в комплекте с основной учетной системой может поставляться псевдо ХД, которое на поверку оказывается копией АБС. При такой конфигурации клон АБС искусственно освобождается от обработки транзакций, но это не меняет его архитектуру — она по-прежнему не оптимизирована для решения аналитических задач, как минимум, не позволяет быстро получать ответы на произвольные запросы к данным, что является ключевым требованием к инструментам бизнес-аналитики.

picФото: rawpixel / Unsplash

На практике нередки случаи, когда ХД пытаются строить с помощью инструментов интеграции данных. Такое хранилище является промежуточным оперативным складом данных, лишенным отраслевой модели и обязательного для «правильного» ХД набора функциональности: системы контроля качества данных, управления метаданными, бизнес-логики. Жизнь такого ХД скоротечна — подготовка более-менее сложного нового отчета потребует реинжиниринга и индивидуальной разработки, то есть фактически финансирования и реализации нового проекта с нуля.

Чтобы не стать жертвой иллюзорных обещаний, стоит взять в штат ИТ-архитектора с успешным опытом создания ХД и, полагаясь на его экспертизу, выбирать ПО. Дополнительным подспорьем будет референс-визит к действующим заказчикам поставщика, у которых эксплуатируется ХД для поддержки нескольких прикладных задач. Например, в группе «СМП Банк» решение тендерного комитета о выборе поставщика ХД основывалось на результатах референс-визитов сразу в несколько банков. Более того, старту основного проекта предшествовал пилотный этап, в ходе которого в головном банке группы были опробованы основные механизмы ПО для создания ХД и автоматизации управленческой и аналитической отчетности.

Откажитесь от бесплатного сыра

Наконец, последняя причина — отсутствие адекватного финансирования либо полное его отсутствие. Несмотря на то что без бюджета и проекта быть не может, поставщик может предложить начать внедрение ХД даже бесплатно, чтобы «зайти» в банк, через голову конкурентов, но в последствии, так и не получив «должного» вознаграждения, «бросить» его. Другой случай – когда в условиях урезания всего ИТ-бюджета средства на развитие уже созданного ХД перестают выделяться, со временем ХД «деградирует» и в конце концов перестает использоваться.

Чтобы не оказаться в «хранилищеловке», заказчику следует выбирать открытое и документированное ПО, в ходе внедрения обучить работе с ним собственных специалистов и даже разделить с вендором часть работ по внедрению, чтобы проверить свои навыки в деле. Это позволит, с одной стороны, оптимизировать бюджет проекта, с другой, застрахует от проблем в случае наступления «трудных времен».

Например, в упомянутой выше группе «СМП Банк» после построения ХД в головном банке работы по загрузке в ХД данных бухгалтерского учета других участников группы — Мособлбанка и Финанс Бизнес Банка — взяли на себя банковские специалисты. В Новикомбанке бизнес-сопровождение управленческой модели в системе расчета финансового результата полностью осуществляется силами финансового управления.

Имея компетенции во внедрении и сопровождении ПО, банк сможет в какой-то период самостоятельно развивать ХД без сопровождения поставщиком. И все же следует помнить, что любое ПО рано или поздно устаревает, и совсем без инвестиций в его развитие не обойтись.


Материалы по теме:

Малому бизнесу сложно выжить без аналитики. И вот почему

«Даже лучшие бизнес-аналитики и маркетологи могут выдать только гипотезу. Поэтому появился agile»

Кто ты в анализе данных? Десять ролей в команде дата-аналитиков

Почему так много дата-сайентистов бросают свою работу


Актуальные материалы — в Telegram-канале @Rusbase

Нашли опечатку? Выделите текст и нажмите Ctrl + Enter


Комментарии

Зарегистрируйтесь, чтобы оставлять комментарии и получить доступ к Pipeline — социальной сети, соединяющей стартапы и инвесторов.
#EdCrunch
1 октября 2018
Ещё события


Telegram канал @rusbase