Данные решают. Как управлять данными, чтобы создавать ценность для бизнеса - Светлана Бова

• Повышение уровня автоматизации и качества данных в процессе ценообразования продуктов, например risk-based pricing в розничном банковском бизнесе и др.

3. Маркетинговые кейсы

• Рост эффективности коммуникаций с клиентами за счет сбора данных и построения моделей склонности к покупке выбранного типа продукта.

• Повышение качества персонализации предложений за счет данных базового и расширенного профилей клиента после внедрения MDM-системы и др.

4. Кейсы в области управления персоналом

• Разметка базы данных действующих и ушедших сотрудников для построения моделей прогнозирования успешности прохождения испытательного срока.

• Внедрение ранжирования сотрудников по степени вовлеченности для снижения ротации персонала в отделе продаж.

• Разметка данных входящих резюме для построения ИИ-агента по отбору резюме для передачи в отдел персонала и др.

5. Кейсы, связанные с взаимодействием с внешней средой

Дата-партнерства:

• создание дата-продуктов для продажи на рынок в части скор-баллов на основании кредитной истории;

• покупка скоринга телеком-операторов;

• подключение данных социальных сетей;

• продажа данных о поисковых запросах;

• обмен данными о транзакционной активности клиента внутри компаний группы и др.

Регулятор:

• создание единой платформы согласий на обработку персональных данных и рекламные рассылки с возможностью сохранения версии согласия, подписанного клиентом, оперативного отражения информации о его отзыве для снижения регуляторных штрафов и повышения лояльности клиентов и др.;

• повышение качества данных для актуализации размера регуляторных резервов и нормативов, рассчитанных по положениям Банка России, и др.

Оценка бизнес-кейса невозможна без проактивного участия бизнес-заказчика аналитики данных, а также его обещания получить заявленные эффекты. Этот пункт часто становится причиной неуспешности программы управления данными. К любому топ-менеджеру непросто найти подход, а к руководителю бизнес-подразделения (основного, кто зарабатывает деньги для компании) — особенно. Здесь CDO необходимо проявить лидерские качества, навыки ведения переговоров и управления ожиданиями, эмпатию, понимание основ финансового анализа и оценки и хотя бы поверхностное знание предметной области, в которой реализуется бизнес-кейс.

Оценка каждого бизнес-кейса — непростая и творческая задача. В любой оценке всегда существенную роль играет профессиональное суждение оценщика. Практически любую оценку можно оспорить[67], поэтому диапазоны прогноза по прибыли у разных профессионалов могут различаться в разы. Это еще одна значимая сложность при согласовании целесообразности запуска программы управления данными. Например, попробуйте доказать главе маркетингового отдела вашей компании, что после дедубликации клиентских данных конверсия маркетинговых предложений повысится в 3–5 раз. Какие бы аргументы вы ни приводили и на каких прогнозах и опросах ни основывали свое суждение, цифра 3–5 может легко снизиться.

Но на этом сложности не заканчиваются: при сопоставлении доходной и расходной частей программы управления данными также важен учет временной стоимости денег. Ведь инвестиции в модернизацию платформы данных, изменение ее архитектуры и создание описания данных требуются здесь и сейчас и в большом объеме. А рост доходной части происходит постепенно, часто после полноценного перехода на модернизированную платформу данных (в среднем не ранее чем через три года со старта проекта), и может продолжаться пять — семь лет при условии постоянной актуализации дата-продуктов с учетом требований рынка и клиентов. Об этом мы подробно говорили в главе 6: ожидание мгновенных результатов может загубить программу управления данными на корню, не дать древу дата-трансформации вырасти.

При этом снижение расходов на создание дата-продуктов (метрики 1 и 2) зависит от их планового количества: чем больше их будет, тем выше эффекты от программы управления данными. И здесь результат программы и успех CDO в реализации заявленных эффектов сильно зависит от планов бизнеса и отдела моделирования.

Это даже более актуально для дополнительных доходов от дата-продуктов. Убедиться в реалистичности прогноза по дополнительному доходу от функции управления данными можно лишь с момента внедрения инструментов DG (напомним, что существенные инвестиции от бизнеса нужны уже сейчас). А еще в момент оценки прибыли в прогнозе и по факту ее получения необходима поддержка бизнес-подразделений, которые могут посчитать, что дополнительная прибыль и продажи — результат работы исключительно бизнеса, и новые подходы к управлению данными здесь ни при чем.

Есть еще один дискуссионный аргумент, связанный со стратегическим риском. Существует риск, что компании, не внедрившие подходы по управлению данными, не выживут в мире будущего. Это еще одна ставка, которую нужно сделать бизнесу и в которой, как и во всех решениях в бизнесе, можно ошибиться.

На наш взгляд, учитывая тренды на ИИ-зацию экономики, интернет вещей, экосистемность бигтехов и других традиционных игроков, уход многих бизнесов в онлайн, переход к триггерной аналитике и предсказанию следующего наиболее вероятного действия клиента, так называемого next best action, лежащего в ядре продуктов будущего, ставка на работу с данными сыграет. Более того, она уже сыграла у бигтехов — Netflix, Google, «Яндекса» и др.

СЧИТАЕМ ROI

Теперь, наконец, мы готовы посчитать ROI программы управления данными:

• в числителе мысленно соберем метрики 1 и 2 и их производные, включая рассчитанные бизнес-кейсы, продисконтированные к сегодняшнему дню, и умножим на вероятность реализации стратегического риска;

• в знаменателе соберем затратные метрики 3–5, включая многомиллиардные затраты на модернизацию платформы данных, изменение ее архитектуры, ужесточение практик производственного процесса в ИТ.

Формула выше может дать лишь верхнеуровневое представление о том, как на практике считается технико-экономическое обоснование программы управления данными. При этом выкладки по бизнес-обоснованию могут занимать десятки, а иногда и сотни слайдов для руководства[68].

Это уравнение сравнивает два параметра: сколько мы потеряем, если ничего не делать (с поправкой на то, что беда может и не случиться), и сколько заплатим, чтобы беда не случилась никогда.

Числитель — цена нашего бездействия. Дисконтированные убытки от неверных решений, упущенные контракты, штрафы регуляторов, репутационные потери, умноженные на вероятность того, что все это действительно произойдет. В хорошие времена кажется, что вероятность мала. Но в плохие — когда рынки падают, регуляторы ужесточают контроль, а конкуренты уходят вперед — она ползет вверх.

Знаменатель — стоимость порядка. Деньги на новую платформу, перестройку архитектуры, людей, которые будут следить за качеством, обучение сотрудников. Это огромные цифры, от которых у финансового директора дергается глаз. Но у них есть важное свойство: они конечны и предсказуемы. Вы платите один раз (или равными долями) и знаете за что.

Окно внимания топ-менеджмента

Представьте, что вы заходите в лифт вместе с председателем совета директоров вашей компании. У вас есть время, пока лифт поднимается с первого до двадцатого этажа, — примерно минута, чтобы объяснить ему, почему компании нужно инвестировать несколько десятков миллионов долларов в непонятную для него «платформу данных» и роль CDO.

Вы начинаете: «Видите ли, речь о трансформации сырых данных в стратегический актив через внедрение скоординированных процессов, каталога данных и Lineage. Для этого требуются большие вложения в ближайшее