Об эксперте: Евгений Гончаров — CEO компании ОТР Интеграция, ГК ОТР. Эксперт в области аналитики данных, бизнес-аналитики (BI), Big Data, построения хранилищ данных (Data Lake) и систем визуализации данных.
В последние годы компании столкнулись с резким ростом количества данных, которые используются в ежедневной работе: информация поступает из десятков систем, сервисов и внутренних приложений. При этом требования к скорости работы с этой информацией растут — сотрудникам и руководителям все чаще нужны не просто отчеты, а возможность быстро разобраться в ситуации и найти нужные ответы.
Действовать «по отчетам» больше не получится
Еще пять лет назад процесс подготовки отчетности и принятия решений на ее основе выглядел так: финансовый блок днями сводил цифры из разных систем, упаковывал их в презентацию, и лишь после этого руководитель видел, что происходит в компании. Сегодня, пока сотрудники вручную выгружают информацию и сверяют таблицы, реальная картина уже успевает измениться. Конкурент скорректировал ценовую политику, на складе образовался дефицит позиций, в то время как в сводке за прошлый месяц все выглядит стабильно.
При этом объем корпоративной информации растет экспоненциально. В крупной российской компании сегодня приходится работать с 300−1500 системами-источниками, средний бизнес оперирует 30−150: от нескольких контуров 1С и платформы управления взаимоотношениями с клиентами (CRM) до рекламных кабинетов и внешних интерфейсов (API). Ни один руководитель физически не способен переработать такой поток, опираясь на десятки файлов и тысячи строк в таблицах.
Поэтому меняется сам подход к работе. Важнее не собрать итоговую сводку, а вовремя увидеть отклонение и понять, что требует вмешательства. Фокус смещается от анализа прошлого к контролю за тем, что происходит «здесь и сейчас».
Дашборд как интерфейс между бизнесом и данными
Долгое время системы бизнес-аналитики (BI) воспринимались, скорее, как средство красивой визуализации: графики для презентаций, диаграммы для совета директоров. Однако роль этих инструментов кардинально изменилась.
Современные аналитические платформы перестали быть уделом ИТ-специалистов. Они превратились в мост между сотрудниками, сложной инфраструктурой — хранилищами, озерами, едиными пространствами корпоративной информации — и руководителем, которому не нужно знать язык структурированных запросов (SQL), чтобы получить ответ на свой вопрос. Директору по продажам достаточно открыть панель мониторинга, чтобы увидеть, где падает выручка или возникают сбои в цепочке поставок.
После ухода с российского рынка Tableau, PowerBI и Qlik отечественная экосистема совершила серьезный рывок: компании активно используют решения с открытым исходным кодом (Apache Superset, Metabase) и платформы (DataLens, Visiology). Аналитика встраивается в корпоративные порталы и интерфейсы учетных систем, становясь частью ежедневного рабочего места.
Поэтому значимость таких систем продолжает расти по мере увеличения объемов корпоративной информации. Когнитивные возможности человека не масштабируются, а вот платформа аналитики способна обнаружить аномалию среди миллионов строк транзакций и показать ее на одном экране. Главная задача панели мониторинга сегодня не в том, чтобы вывести больше цифр, а в том, чтобы помочь быстрее принять правильное решение.
Роль аналитики и BI
Главная ценность аналитических систем измеряется не красотой графиков, а конкретными сэкономленными часами и рублями. На практике цифры выглядят следующим образом.
Когда данные хранятся в разных системах и таблицах, специалисты тратят до 80% времени только на поиск, очистку и сверку информации из разрозненных источников. На выявление закономерностей остается лишь пятая часть рабочего дня. Например, если в компании десять аналитиков, которые суммарно получают 3 млн рублей в месяц, около 2,4 млн ежемесячно уходит на ручное перекладывание цифр из одной таблицы в другую — порядка 29 млн рублей за год.
Руководители среднего звена теряют от 3 до 5 часов в неделю на «охоту за цифрами»: сверку отчетов, уточнение у коллег, поиск актуальных версий файлов. Если таких сотрудников 100, за год набегает 15−25 тысяч часов потерянного рабочего времени.
Внедрение BI-платформы поверх единого пространства корпоративной информации меняет картину. Отчетность, которая раньше требовала 3−5 дней ручного сведения, формируется на 70−90% быстрее. Меняется и пропорция работы аналитика: 80% усилий направляется на поиск закономерностей и построение моделей, а рутинная подготовка занимает оставшиеся 20%.
При этом руководители, вместо того чтобы через несколько недель получать отчет о том, что уже произошло, могут быстрее увидеть проблему и разобраться в ее причинах. Новые отчеты и необходимые данные можно подготовить за несколько дней вместо нескольких недель. В результате решения принимаются на 30−50% быстрее.
Искусственный интеллект меняет подход к управлению
Развитие искусственного интеллекта поднимает планку требований к корпоративной информации. Появляются решения на основе ИИ (AI-driven BI), которые могут сами находить необычные изменения в показателях, помогать прогнозировать их дальнейшее изменение и отвечать на вопросы сотрудников по данным компании.
Следующий этап — платформы, которые не просто визуализируют показатели, а помогают понять причины отклонений, прогнозируют развитие ситуации и обращают внимание на потенциальные проблемы до того, как они станут критичными. ИИ-ассистенты уже умеют находить ответ в пространстве корпоративных данных на лету: сотрудник задает вопрос голосом или текстом, а система генерирует выводы за секунды.
Однако все эти инструменты работают только тогда, когда наведен порядок в исходных данных. Любая модель машинного обучения, большая языковая модель (LLM) или предиктивная система действует по принципу «мусор на входе — мусор на выходе». Если источники противоречат друг другу и у них нет единого контекста, ИИ начинает «галлюцинировать» — генерировать ошибочные рекомендации. Немало ИТ-проектов не дошли до промышленной эксплуатации именно по этой причине: в них вкладываются десятки миллионов, система выдает недостоверные выводы, и проект замораживается.
Когда новый инструмент не решает старые проблемы
Часто цифровая трансформация начинается с закупки нового программного продукта: туда переносят старые, некорректные витрины из ушедших зарубежных систем на отечественную платформу и получают «автоматизированный хаос». Проблема здесь не в инструменте, а в организации работы с информацией.
Часто эта проблема проявляется тогда, когда разные сотрудники работают с версиями одних и тех же данных. Если источники информации противоречат друг другу, а каждый департамент продолжает вести собственные таблицы, даже самое передовое решение не повысит качество управления. Команды по-прежнему будут спорить не о стратегии, а о том, чей файл содержит правильную цифру выручки: финансы считают по отгрузке, коммерческий блок — по оплате, маркетинг — по лидам.
Поэтому внедрение аналитики должно начинаться не с выбора платформы, а с пересмотра культуры работы с данными. Необходимо сформировать единое пространство, определить ответственных владельцев информационных активов, выстроить систему управления качеством (Data Governance) и отказаться от дублирующих источников. Нужен единый каталог по всем контурам, бизнес-глоссарий, где «активный клиент» означает одно и то же для каждого подразделения, и сквозная прослеживаемость от первичного источника до итогового отчета.
Только после этого имеет смысл выбирать конкретный инструмент визуализации. Иначе новая система просто покажет старые ошибки на красивом экране. А если руководитель хотя бы раз увидит расхождение в цифрах, он перестанет доверять системе и вернется к привычным таблицам и интуитивному управлению. В итоге та же работа продолжится в ручном формате, только теперь рядом с Excel появится еще одна система.
Источник новости: hi-tech.mail.ru
