В то время как многие компании одержимы идеей превращения данных в ценность, мы считаем, что они тратят слишком много времени на "данные" и недостаточно времени на "людей".
Однако правильная работа с людьми - это не только наем лучших специалистов (хотя это, конечно, важно). По нашему опыту, компании упускают из виду два важнейших момента: 1) определение тех ролей, которые им действительно нужны, и 2) формирование менталитета "обслуживания клиентов" в своем передовом аналитическом бюро.
Правильная команда
Таланты в области больших данных - это критически важный вопрос. По данным McKinsey Global Institute, к 2018 году только в США может возникнуть нехватка от 140 000 до 190 000 человек с глубокими аналитическими навыками. Однако компаниям необходимо заранее потратить время на определение тех ролей, которые нужны им для того, чтобы обеспечить работу машины Больших Данных, а не спешить набирать спортсменов-математиков. Хотя у разных компаний разные потребности в кадрах, вот пять важных ролей, которыми необходимо укомплектовать ваше передовое аналитическое бюро:
1. Гигиенисты данных следят за тем, чтобы данные, поступающие в систему, были чистыми и точными и оставались таковыми на протяжении всего жизненного цикла данных. Например, одинаковы ли регистрируемые значения времени? Один набор данных может измерять календарные дни в году (365), другой - рабочие дни в году (260), третий - часы в году (8765). Все значения должны быть одинаковыми, чтобы можно было проводить сравнение. Или старые поля данных были заполнены новыми типами данных, но под старыми названиями полей? Если это не будет учтено в базе данных, новые данные о продукте могут перекрыть старые данные о продукте, что приведет к бессмысленному результату. Очистка данных начинается с самого начала, когда данные только собираются, и в ней участвуют все члены команды, которые хоть как-то касаются данных.
2. Исследователи данных просеивают горы данных, чтобы найти те, которые вам действительно нужны. Это может стать серьезной задачей, поскольку очень многие данные никогда не предназначались для аналитического использования и, следовательно, не хранились и не были организованы таким образом, чтобы к ним можно было легко получить доступ. Данные кассовых аппаратов - прекрасный пример. Их первоначальная функция заключалась в том, чтобы позволить компаниям отслеживать выручку, а не предсказывать, какой товар данный клиент купит следующим.
3. Архитекторы бизнес-решений собирают найденные данные вместе и организуют их таким образом, чтобы они были готовы к анализу. Они структурируют данные, чтобы обеспечить возможность их полезного запроса в соответствующие сроки всеми пользователями. Например, доступ к некоторым данным должен быть поминутным или почасовым, поэтому данные должны обновляться каждую минуту или час.
4. Специалисты по анализу данных берут эти упорядоченные данные и создают сложные аналитические модели, которые, например, помогают прогнозировать поведение клиентов и позволяют проводить расширенную сегментацию клиентов и оптимизировать ценообразование. Они обеспечивают частое обновление каждой модели, чтобы она дольше сохраняла свою актуальность.
5. Эксперты по кампаниям превращают модели в результаты. Они досконально знают технические системы, обеспечивающие проведение конкретных маркетинговых кампаний, например, какие клиенты должны получить то или иное сообщение. Они используют полученные с помощью моделей данные для определения приоритетов каналов и последовательности кампаний - например, на основе анализа исторического поведения определенного сегмента наиболее эффективным будет сначала отправить электронное письмо, а через 48 часов после этого - прямую рассылку.
Важно составить схему движения данных в команде Big Data и убедиться, что все данные, передаваемые между людьми и машинами, имеют четких владельцев. Такая схема гарантирует, что каждый человек, выполняющий определенную роль, будет нести ответственность за полное предоставление данных, а не только за выполнение своих индивидуальных задач.
Развитие культуры обслуживания клиентов
Создание продукта или услуги, которыми никто не пользуется, деморализует, поэтому на вашу команду ложится бремя демонстрации того, как ее модели могут принести пользу внутренним владельцам бизнеса. Для этого необходимо воспринимать владельцев бизнеса как клиентов. Как вам скажет любой хороший ритейлер, чтобы быть успешным, нужно понимать своих клиентов. Проводите с ними регулярные встречи, чтобы понять их потребности и получить обратную связь о работе моделей команды. Всегда спрашивайте себя: "Кому в компании помогут мои аналитические данные?" и "Согласны ли они с тем, что вы помогли им добиться успеха?"
Мы также видим, как инициативы по внедрению Больших Данных терпят неудачу, потому что внутренние клиенты не доверяют команде и не доверяют моделям. Доверие начинается с прозрачности. Будьте полностью открыты в том, кто над чем работает. Предоставляйте оценки реалистичных сроков завершения работы. Четко определяйте компромиссы при выборе моделей, чтобы ваши внутренние клиенты принимали взвешенное решение и получали лучший конечный продукт.
Чтобы обеспечить принятие культуры бюро услуг, измеряйте личную эффективность успехами в бизнесе, а не только объемом или скоростью, как это часто бывает. Отслеживайте, сколько новых моделей было использовано внутренними клиентами для достижения новых результатов. Некоторые компании разработали критерии премирования для членов своих команд по работе с большими данными на основе того, насколько быстро и широко модель была принята внутренними клиентами, а не на основе того, насколько инновационной была модель. Такой подход позволяет избежать классической словесной войны: "Я создал блестящую модель. Не моя вина, что никто ее не использует!". Он также пресекает проблему создания аналитики ради нее самой, а не ради влияния на бизнес.
Для создания успешной команды аналитиков требуются как правильные люди, так и правильная культура. Когда речь идет о Больших Данных, ваши команды должны тратить меньше времени на их обработку и больше - на их обслуживание.
Об авторе
Мэтт Арикер - главный операционный директор аналитического центра McKinsey по потребительскому маркетингу. Тим Макгуайр и Йеско Перри - директора McKinsey, обслуживающие клиентов по вопросам больших данных, продвинутой аналитики и управления жизненным циклом клиента.
- Hbr.org
Поделиться
