Марк Твен как-то сказал: «Прошлое не повторяется, оно рифмуется». События будущего произойдут в новых и уникальных обстоятельствах, но все же они тоже следуют знакомым из прошлого схемам. Ныне специалисты по анализу данных способны предсказать все: вспышки тех или иных заболеваний, уровень смертности и даже восстания.
Неудивительно, что компании пытаются расслышать рифмы и разглядеть повторяющиеся схемы продаж и с этой целью анализируют накопленные данные, ищут лучших специалистов и требуют от менеджеров все больше количественных параметров.
Однако ориентированный на людей высокочувствительный подход по определению не поддается масштабированию. Рынки слишком динамичны, изменения почти незаметны, человек их зачастую не успевает улавливать.
Взять, к примеру, компанию, торгующую электронными приборами. Традиционно она вела успешную торговлю с партнерами, ценившими качество продукции и своевременные поставки. Но со временем конкуренция нарастает, а в мире все большим спросом пользуется «зеленая» продукция. Образ идеального клиента понемногу меняется, но при «ручной» оценке рынка этот сдвиг остается незамеченным. Зато самые небольшие изменения могут быть пойманы алгоритмами, которые постоянно мониторят исторические циклы продаж в данной компании и сопоставляют внутренние данные с внешними источниками, то есть с записями в соцсетях и с газетными статьями, где анализируются эти тенденции. Выявляется определенная корреляция. Эта информационная база слишком велика и не структурирована, человеку отслеживать все эти минимальные изменения в режиме реального времени попросту не под силу.
Немногие компании могут позволить себе роскошь нанять специалиста по данным такой высокой квалификации, чтобы он смог работать со столь изощренными алгоритмами, да еще и штат помощников, которые будут эффективно анализировать все эти массивные результаты. Но и потребности в таких специалистах ныне стало меньше. Для анализа данных уже не нужно столько специалистов, потому что создано множество автоматических инструментов, которые и анализируют тысячи и десятки тысяч событий (и моя компания, SalesPredict, в числе лучших по отрасли). Эти изощренные инструменты практически не требуют человеческого участия и затрат времени на интеграцию. И эта модель почти мгновенно корректируется вместе с динамикой событий, позволяя точнее предсказывать будущее.
Современные автоматизированные алгоритмы умеют выделять паттерны и помогают разобраться в тенденциях, например:
- Возможно, претензии к вашей продукции предъявляют главным образом те компании-клиенты, которые за последние три месяца не пользовались теми или иными ее конкретными преимуществами?
- Не оказалось ли, что те наводки, которые привели в этом месяце к сделкам, в основном происходят от средних по размеру, но быстрорастущих компаний, которые по ключевым словам сравнивают вашу продукцию с продукцией конкурента?
Но, когда меняется бизнес, меняются и ответы. Требуется все большая автоматизация, чтобы проследить эти изменения и предоставить руководителю в режиме реального времени практически осуществимые рекомендации.
В ближайшие годы многие компании, особенно, я думаю, из B2B-сектора, будут все шире использовать в своем бизнесе прогностику. Но больше всего пользы из такого рода аналитики извлекут те, кто научится применять автоматические алгоритмы — более быстрые и точные, чем анализ данных вручную, и к тому же эти алгоритмы легче адаптировать к ситуации и масштабировать.
Когда-то на бирже торговали аналитики. Теперь все больше автоматических систем обучаются алгоритмам, на основе которых должны приниматься решения. Стало трудно конкурировать, не располагая такими алгоритмами. В ближайшие годы очень немногие компании смогут себе позволить не принимать решения, основанные на работе таких систем, которые автоматически исследуют и обрабатывают данные и дают подсказки. Эти системы должны применяться не только в производственном отделе, но и в маркетинге, продажах, обслуживании клиентов. Конкурентоспособность компании все более зависит от способности уследить за огромными количествами быстро меняющейся информации.
Читайте по теме:
