Внедрение бизнес-аналитики проваливается в 80% случаев: как это исправить

Системы бизнес-аналитики нужны для того, чтобы сделать проще принятие решений, которые влияют на бизнес-процессы и обосновать принятые решения.

Отчетность и учет не главная цель внедрения бизнеса-аналитики, ведь цель совсем не вести учет как на складе, а использовать большие данные для принятия выгодных для бизнеса решений.

Если вы используете бизнес-аналитику в качестве системы отчетности и учета каких-то данных, это еще не бизнес-аналитика.

Если система аналитики не может быстро без длительного анализа цифр в средствах визуализации ответить на основные вопросы, необходимые для принятия решений конкретным человеком в конкретной ситуации, эта система аналитики не выполняет своей прямой функции, а проект внедрения такой системы частично или полностью провальный для бизнеса.

Для интегратора такой проект может не считаться провальным, а наоборот быть примером успеха, но аналитические фирмы, например Gartner, которые опрашивают именно потребителей, выявляют проблемы с бизнес-результатами внедрения аналитики.

По данным исследований Gartner на 2019 год, не более 20% проектов внедрения аналитики будут иметь бизнес-результат в 2022 году.

Так же за последние годы, процент провала проектов Big-Data и аналитики достигает 85%-87%: Failure rates for analytics, AI, and big data projects = 85% – yikes! | Designing for Analytics (Brian T. O'Neill)

Тенденция не нова: классические Data-Warehouse проекты, которые до появления тубулярно-колонной аналитики часто выступали в роли аналитических проектов, также обладали невысоким процентом успешности в 2000-2010-х, чему есть масса подтверждений и исследований ведущих аналитических компаний.

Есть факторы, без учета которых внедрить эффективную бизнес-аналитику не получится.

1. Возможность использовать максимум пула квалифицированных инженеров, работающих с данными.
2. Использовать современные средства и инструменты бизнес-аналитики.
3. Иметь возможность интеграции дополнительных данных.
4. Обладать своими данными, т.е. при необходимости иметь техническую возможность передачи данных и всего стека аналитики заказчику.

Возможность самостоятельной аналитики на конечном этапе позитивно сказывается на проекте. Это хорошее дополнение к успешному проекту в целом, которым активно пользуется бизнес.

Подытожим, что необходимо для успешного внедрения бизнес-аналитики в компании.

Целью для начала может быть не решение абсолютно всех управленческих задач. Лучше начать с решения небольшой конкретной задачи, например - построить аналитику по продуктам. Задайте вопрос: для принятия каких решений нужна аналитика. Критерием успешности будет то, дает ли этот отчет достаточную и исчерпывающую информацию для принятия решений. Например, из отчета видно, что один из продуктов съедает рекламный бюджет в определенном рекламном канале. Можно подумать, что либо неэффективен этот рекламный канал, либо сам продукт. Но дальше смотрим, что по продукту LTV клиента остается наиболее высоким и ROI держится на приемлемом уровне. Пока ничего непонятно. Но если провалиться на более глубокий уровень, можно понять, что “съеденный” бюджет - это лишь эпизодический слив бюджета в контекстной рекламе, который был остановлен, а в остальном продукт остается наиболее выгодным из всей линейки. Вывод: нужно уделить внимание оптимизации контекстной рекламы продукта. В идеале, такие выводы можно сделать посмотрев на один дашборд, максимум - провалившись на один уровень вглубь, чтобы выяснить что происходит с каждым отдельным каналом рекламы или продуктом.

Не для всех бизнесов аналитика - это необходимость, без нее можно выжить, хотя и нельзя будет двигаться вперед и осваивать новый рынок.

Можно и нужно выбрать отдел в компании который больше всего нуждается в аналитике и готов к ее внедрению и работников, которые будут работать с данными. Чаще всего это наиболее “оцифрованные” отделы: маркетинг и продажи, закупки, логистика.

Особенно этот совет актуален, если раньше в компании не была развита культура данных, не внедрено принятие решений на основе данных. Пилотный проект поможет более точно понять потребности в данных и не тратить больших ресурсов на заранее проигрышное внедрение. Благодаря пилоту можно быстро скорректировать бизнес-требования.

Изменить и перестроить систему аналитики сложно, когда она уже работает. Важно выбирать технологии, которые будут актуальны в ближайшее время, отвечают современным стандартам в скорости обработки данных и объемам обрабатываемых данных.

Понятно, что бизнес-аналитика, это не готовый продукт который работает из коробки. Основные принципы внедрения бизнес-аналитики тесно связаны с культурой DDDM (Data Driven Decision Making), принятием решений на основе данных. Внедрение основных принципов Data Driven в компании поможет максимально эффективно внедрить бизнес-аналитику.

Ориентируйтесь на собственные данные и собственные бизнес-задачи, которые вы собираетесь решать с помощью бизнес-анализа. Помните, что решение которое работает у кого-то из отрасли не обязательно будет также полезно в вашей компании в силу особенностей ваших данных, ваших бизнес-задач, ваших ресурсов. Поэтому погружение в проектирование бизнес-аналитики людей, которые принимают решения на ее основе - абсолютная необходимость. В остальном поможет опытный интегратор.