Александр Бараков: «BI-команда должна создавать аналитическую “тягу” в бизнесе» | Бизнес-школа Laba (Лаба)
Журнал

Поиск

Александр Бараков: «BI-команда должна создавать аналитическую “тягу” в бизнесе»

Ex-Head of BI в Luxoft — о прогрессе в business intelligence.

cover-bi-612e1aab63428431223086.jpg

Решения Self-Service BI доступны бизнесу более 15 лет, но до сих пор лишь около 15% бизнес-пользователей применяют их самостоятельно. 

У Александра Баракова — 10-летний опыт в сфере Business Intelligence. На позиции Head of BI в Luxoft он управлял корпоративным BI-проектом (со старта до масштаба 2000+ пользователей, 600+ отчетов). Принимал участие в развитии BI-проектов компаний в разных индустриях (Магнит, Альфа-Банк, Concept Club, QIWI, Deutsche bank, IHS Markit и др.).

Нам Александр рассказал о развитии Self-Service BI-систем. А также о решениях, которые соответствуют амбициям продвинутых BI-команд: приносить бизнесу практическую пользу и покрывать его информационные потребности.

Интервью ориентировано на профессионалов: Heads of BI, BI Project Leads, Senior BI Business Analysts и IT-директоров. 

— Системы BI начали массово распространяться в середине нулевых. Какой сейчас статус у этих технологий?

Очевидно, мы говорим о популярных сейчас платформах нового типа, начиная с Qlik, Tableau и подобных. Когда появились первые прорывные решения Self-Service BI (SSBI), их продавали IT-директорам, чтобы те справлялись с проблемой перегрузки от бизнес-запросов на данные. 

Системы быстро разворачивались, но понадобилось время, прежде чем часть бизнес-функций приняли эти инструменты и стали пытаться ими пользоваться. 

Большинство сотрудников по разным причинам продолжали применять свои инструменты или оставались в очереди на reporting factory от центральной BI-команды. Слоган вендоров «любой сотрудник сможет быстро создать отчет и получить actionable insights» был преувеличением.

— То есть Self-Service BI как направление аналитики не оправдывает надежд?

Нет, все-таки нельзя отрицать прорыв: скорость и доступность аналитики выросла, эффект bottleneck в виде IT стал меньше. Демократизация доступа к BI повысила бизнесу настроение. 

Но при этом вскрылось много факторов, которые сдерживают полноценный Self-Service, и компании постепенно начали их осмыслять. Самая очевидная проблема — непрозрачность источников информации для SS-пользователей (их наличие, доступность, качество и понятность данных).  

Другая сложность — governance вокруг самой среды Self-Service. Создание BI community — это комплексная и сложная задача на стыке с социальными практиками. IT-ориентированная команда BI-проекта пытается быть тренерами, консультантами и администраторами, но порой ей не хватает работающих подходов и компетенций. 

В итоге часто системы завалены отчетами с неровным качеством, непрозрачной логикой и актуальностью, без четких фреймворков сертификации контента. Эффект «единой версии правды» не достигнут, усугубляются проблемы с безопасностью данных. 

Кроме того, общее для всех проектов препятствие — равнодушие, нехватка мотивации и нужных скилов у бизнес-пользователей.

Хотите получать дайджест статей?

Одно письмо с лучшими материалами за неделю. Подписывайтесь, чтобы ничего не упустить.
 
Спасибо за вашу подписку!

— Как компании управляют «хаосом» в Self-Service BI и нехваткой качественных данных? 

Как и везде, бороться с хаосом помогает регулирование. Self-Service развивается, как ни странно, через жесткую иерархию и ролевую модель с BI-администраторами, BI-champions и Data stewards. Я советую определить BI-champions в бизнес-линиях, обучить их и делегировать им часть контролирующей и консалтинговой функции.

Сохраняйте баланс между стандартизацией, контролем и простотой, нативностью доступа для пользователя. Например, предложите стандарт архивации непопулярных отчетов и сразу отдайте автоматизацию мониторинга трафика авторам отчетов. 

Управление качеством данных — тема суперглобальная. Прогресс для BI связан с медленным, но верным централизованным внедрением metadata-тулов, глоссариев, data-каталогов, практик сертификации источников и прочих элементов data governance. Как и в случае с отчетами, быстрый результат дает разграничение: нужно отделить валидные и актуальные источники от заброшенных и устаревших. И проводить аудит источников, например, каждый квартал.

— А проблема равнодушия и нехватки навыков у бизнес-пользователя — как ее решают организации?

Глупо рассчитывать, что 100% менеджеров и аналитиков будут пользоваться SSBI. В BI-проектах важно идентифицировать и разграничивать аудитории, которым предлагается определенный функционал и инструменты. 

Casual users бессмысленно агитировать к разработке. Их важнее обучать продвинутому взаимодействию с готовыми отчетами, сохранению кастомизаций, созданию выгрузок, подписок, алертов и повышать их аналитическую грамотность. 

Power users, которые занимаются аналитикой по своей специализации, логично давать инструменты для Self-Service ETL и продвинутой BI-разработки. 

Исходя из моего опыта, только 15% потенциальной аудитории Self-Service BI сейчас реально вовлечены в самостоятельную работу. Сдвигать этот порог можно:

  • Долгосрочно — адаптация data literacy как корпоративного стандарта. Термин data literacy в 2021 — один из самых популярных в индустрии, он означает грамотность работы с данными. Многие компании начали учить этим навыкам всех менеджеров и рассматривать как требование к каждому кандидату в бизнес-функции. 
  • Среднесрочно. Здесь много мер: от сертификации контента для повышения доверия — до вовлечения через «корпоративную BI-движуху». Аналитическое Self-Service сообщество постепенно удается развивать через активный user support, массовые мероприятия, аналитические марафоны и т. д. 

— Задачу «единой версии правды» все-таки можно решить?

С этой проблемой изначально нельзя справиться через Self-Service BI. 

Мой опыт показывает, что кросс-ролевая унифицированная отчетность и отчеты для топ-менеджмента должны разрабатываться централизованно. Для этого нужны специальные процессы: учет требований разных подразделений и кросс-чеки, высокое качество данных и визуализации, разработка модели кросс-ролевого доступа в отчете и т. д. 

— Как с учетом всех этих факторов трансформируется цель BI-проекта?

Цель BI-проекта — не в разработке отчетов и даже не в помощи другим. От BI-команды сейчас требуются амбиции, чтобы взять на себя больше, чем просто поддержка системы и пользователей, обучение и report factory. Нужен фокус на анализ и покрытие информационных потребностей компании, всех ключевых ролей менеджмента, а также на движение в этом направлении с помощью Self-Service BI и централизованной report factory. 

Для этого BI-команда должна создавать аналитическую «тягу» в бизнесе: 

  • драйвить разработку массовых кросс-ролевых отчетов
  • промотировать и внедрять их в процессы
  • развивать governed Self-Service — и при этом быть «санитаром BI-леса отчетов»
  • наращивать аналитическую экспертизу (копить базу успешных аналитических решений и историю фейлов)

— Как меняются процессы управления аналитикой? 

В BI проник и прижился agile, развиваются инструменты автоматизации рутинных внутренних процессов BI (например, для выдачи доступов и мониторинга серверов). 

Инновация нашей команды в Luxoft — создание аналитических рабочих мест: пресетов готовых отчетов по основным информационным потребностям ключевых менеджеров.

Рекомендуем почитать:

amazon.book-60215f153c452011758092.jpg

«В компаниях, которые переживают кризис, проще внедрять инновации»

Читать

Другой тренд — усиление защиты персональных данных — привел к тому, что многие BI-проекты переделывают систему управления правами. Задача осложняется риском навредить как раз самообслуживанию в области работы с данными. 

Выделю еще одну тенденцию — уменьшение изолированности BI-функции, партнерство центрального BI и xOps-команд. В моем опыте тесное сотрудничество с SalesOps, HROps, DevOps дает синергию вокруг сложных аналитических задач. Например, так создавались крутые адаптивные отчеты и запускались совместные проекты, которые сильно улучшали качество данных. 

— Как интерпретировать данные из ВI-отчетов и превращать их в бизнес-решения? 

Есть несколько практик, цель которых — помочь бизнесу быстрее понять, о чем говорят его дашборды.

Data storytelling — техники интерпретации и визуализации анализа данных. 

Insight management — фокусировка на том, чтобы доставить пользователю готовые идеи относительно данных, которые требуют его реакции. 

Оба направления успешно реализуются с помощью BI-решений и отдельными инструментами (рассылки алертов, корпоративные чат-боты). Такие решения, как правило, развиваются централизованно и даются бизнесу по каналам Self-Service. Здесь заложены большие резервы, многие компании по-прежнему в начале пути.

В трендах BI также Augmented Intelligence, инструменты расширенной аналитики: ML-модель обучается, а затем рекомендует пользователю инсайты и бизнес-решения без традиционной работы аналитика. Уже есть отдельные решения — например, корпоративные цифровые помощники. 

Вендоры создают встроенные сервисы Natural Language Processing, но на них давят те же факторы — качество данных, низкий уровень data-грамотности, как следствие — недоверие к инструментам. Потенциал влияния Augmented Intelligence на бизнес в ближайшие годы еще предстоит оценить. 

— По каким критериям оценивать уже работающий ВI-проект? 

Замерять эффективность важно — главное, чтобы было что замерять и были сформулированы цели.

Есть множество групп метрик, я выделяю такие: 

  • Операционные: количество просмотров по ролям, число уникальных пользователей, количество релизов новых отчетов, удовлетворенность пользователей и др.
  • Индивидуальные: например, скорость реакции на запрос, аккуратность ведения Jira.
  • Проектные: процент вовлеченных в BI, процент вовлеченных в Self-Service по ролям и др.

Весь бизнес-контент в удобном формате. Интервью, кейсы, лайфхаки корп. мира — в нашем телеграм-канале. Присоединяйтесь!

— Какие ошибки в управлении ВI-проектом приводят к провалу? 

Проблем немало. Например, пассивность BI-лидеров, неготовность расширять взгляд на бизнес за пределы IT-горизонта. Это часто выражается в иллюзии о ценности BI-проекта для компании и в инертности. Сейчас динамично меняется ландшафт технологий, происходит активная демократизация AI, расширяется тулсет работы с данными, совершенствуется прикладной data governance. BI-команды в выгодной позиции, чтобы предлагать и адаптировать новые инструменты для потребностей бизнеса, в том числе — в рамках модели Self-Service. 

Моя общая рекомендация: нужно хотя бы два раза в год проводить воркшоп, где собирается расширенный состав экспертов и представители бизнес-заказчиков. И вместе обновлять стратегию и тактику в области BI, анализируя потребности компании, а также свой прогресс.

И речь не о документе для руководства, а о конкретных инициативах и решениях команды по процессам, ролям, операционной эффективности. Это инструмент не только целеполагания, но и профессиональной мотивации команды.

Хотите получать дайджест статей?

Одно письмо с лучшими материалами за неделю. Подписывайтесь, чтобы ничего не упустить.
Спасибо за подписку!
Курс по теме:
"Стратегический рекрутмент"
HR и рекрутинг
ведет Оксана Огневая
23 сентября 26 октября
Оксана Огневая