Революция в аналитике. Как в эпоху Big Data улучшить ваш бизнес с помощью операционной аналитики

Одна из причин, почему люди не любят начинать с малого, вызвана так называемым эффектом якорения, о котором я впервые узнал из книги Дэна Ариели «Предсказуемая иррациональность»{40} (Predictably Irrational)[3]. Чтобы проиллюстрировать эту концепцию, приведу следующий пример. Представьте себе комнату, полную людей. Я вывожу половину из них в холл и сообщаю им, что сегодня собираюсь пригласить на обед 10 человек, после чего возвращаю их в комнату. Затем вывожу в холл другую половину и говорю им, что сегодня после обеда поеду в аэропорт, где помимо меня будет находиться еще 10 000 человек. Когда все возвращаются в комнату, я ставлю на стол банку с леденцами и прошу присутствующих угадать их количество. Вот здесь и начинается самое интересное.

Те, кто услышал от меня цифру 10, называют в среднем более низкие цифры, чем те, кто услышал от меня цифру 10 000. Это никак не связано с реальным количеством леденцов в банке. Причина в том, что сознание людей «заякорилось» на услышанной ими цифре 10 или 10 000. В результате люди из первой группы начинают с цифры 10 и постепенно движутся в сторону увеличения, пока не придут к тому числу, которое кажется им соответствующим количеству леденцов в банке. А люди из второй группы начинают с 10 000 и движутся в сторону уменьшения. Такой психологический трюк разыгрывает с нами наше сознание.

То же самое происходит с большими данными и операционной аналитикой. Эти термины звучат устрашающе. Наш разум сосредоточивается на большой, сложной, масштабной аналитике. В результате, когда мы задумываемся о том, с чего начать, наш разум склонен выбирать очень сложные и очень трудные пути. Мы стремимся сразу же достичь конечного состояния, вместо того чтобы сосредоточиться на первых шагах, которые приведут к этому состоянию.

Здесь крайне важно видеть перспективу. Нам не нужны все данные за все годы эксплуатации по каждому элементу оборудования, чтобы определить возможности предупредительного техобслуживания. Что нам нужно, так это достаточное количество данных за достаточный период времени по достаточному количеству элементов оборудования, чтобы выявить шаблоны и оценить общую амплитуду этих возможностей. Вместо того чтобы начинать с масштабного проекта, начните с пилотного или проверьте концепцию на подмножестве данных. Это позволит вам доказать, что идея жизнеспособна и может принести доход. Одновременно выстраивайте окончательный бизнес-кейс по мере того, как будете узнавать о действиях, которые нужны для создания окончательного операционного процесса, и о проблемах с данными и процессом, которые придется принять во внимание. Все это поможет вам разработать грамотное инвестиционное предложение. Используйте результаты пилотного проекта для обоснования более крупных инвестиций. Только не позволяйте своему разуму попасть в ловушку якорения на чем-то очень масштабном.

Смиритесь с некоторой неопределенностью

При вступлении в новые области, такие как большие данные и операционная аналитика, вам придется столкнуться с гораздо большим количеством неведомого, чем при развитии бизнес-кейса. Кроме того, при реализации новой инициативы в масштабах операционной аналитики вам придется опираться на множество предположений. Они включают как очевидные, например насколько хорошо будет работать аналитика или насколько точными будут данные, так и менее очевидные, например насколько эффективно результаты аналитики будут внедрены в деятельность организации и восприняты ею. Скажем, если степень сопротивления на уровне корпоративной культуры окажется выше или ниже, чем вы предполагали, это может значительно сказаться на конечном воздействии операционной аналитики.

Вспомните, как в первой главе мы обсуждали пример использования сложной аналитики с целью оптимизации ежедневных маршрутов для водителей. Если водители примут эти изменения и скорректируют свои привычные маршруты, чтобы экономить несколько миль ежедневно, то отдача будет весомой. Но если водители станут сопротивляться и выполнять лишь небольшую часть рекомендаций, то отдача будет гораздо меньше возможной. Заметьте, что отсутствие воздействия никак не связано с мощностью, точностью и потенциалом собственно аналитического процесса. Просто водители решили не пользоваться рекомендациями. Это уже вопрос соблюдения корпоративной культуры. Подробнее мы обсудим его в девятой главе.