Можно ли верить вашим данным? | Большие Идеи

・ Операционное управление
Статья, опубликованная в журнале «Гарвард Бизнес Ревью Россия»

Можно ли верить
вашим данным?

Дело не в технологиях, а в управлении.

Автор: Редман Томас

Можно ли верить вашим данным?

читайте также

Хотите научиться думать?

Мариэтта Чудакова

Китайский ответ: как бизнес КНР действовал во время эпидемии

Кевин Вайтакер,  Ларс Фесте,  Мартин Ривз,  Синтия Чен,  Филипп Карлссон-Шлезак

«Хватит ныть!»: чего нельзя говорить коллегам в трудной ситуации

Дебора Грейсон Ригель

Лидеры в халатах: почему из врачей получаются хорошие менеджеры

Агнес Бейкер,  Аманда Гудолл,  Джеймс Столлер

Перспективный руководитель, отвечающий за определенный вид продукции, готовя для дирекции важную презентацию, по ходу дела замечает нестыковку в данных о доле рынка, предоставленных отделом маркетинга. Он просит заместителя проверить цифры. Порывшись хорошенько, тот находит ошибку и вносит поправки. Слава богу, вовремя. Презентация проходит на ура, наш топ-менеджер на радостях выписывает заму премию. И говорит: «Знаешь, надо бы впредь всегда перепроверять цифры». Никому и в голову не приходит сообщить маркетологам об ошибке, а уж тем более вместе с ними докопаться до ее истоков, чтобы на будущее исключить такие накладки.

Подобное я наблюдал не раз. В телекоммуникационной компании отдел техобслуживания исправляет ошибки в адресах, введенных отделом обслуживания клиентов. В банке специалисты по кредитным рискам принимают решения на основе не всегда точной информации о заемщиках, а врачи — лечат пациентов, располагая неполными клиническими данными. Проблема качества данных есть у всех, всегда, в любой отрасли, на любом уровне.

Не только наш руководитель, большинство людей в своей работе постоянно имеют дело с недостоверной информацией и либо как-то изворачиваются, либо исправляют ее. Это дорогого стоит. Согласно исследованиям, специалисты до 50% рабочего времени тратят на сбор информации, выявление и исправление ошибок, поиск надежных источников, по которым можно было бы перепроверить данные.

А представьте себе последствия так и невыловленных ошибок. Неточный лабораторный анализ может привести к смерти пациента, плохо сформулированная техническая спецификация продукции — к миллионным издержкам ­производства, недобросовестный финансовый отчет — к неудаче самых продуманных инвестиций. Репутационные последствия подобных ошибок трудно переоценить — вспомним, какая буря поднялась в конце 2012 года из-за несовершенства сервиса Apple Maps.

Если руководители перестают доверять данным, то, принимая решения и управляя компаниями, начинают полагаться только на интуицию. В частности поэтому они часто отвергают выводы анализа «больших данных», которые противоречат тому, что им подсказывает чутье.

Выражение «мусор на входе, мусор на выходе» появилось полвека назад, а проблема качества информации так и не решена. И дело не в более совершенной технологии. Нужно, чтобы люди, которые собирают и обрабатывают информацию, более тесно взаимодействовали с теми, кто будет ею пользоваться, и думали, к чему может привести неточность в данных. Нужно также возложить ответственность за качество данных на руководителей, для которых очень важна достоверность и полнота информации, а не на «айтишников», не имеющих отношения к производственным процессам, «поставляющим» эти данные.

Свяжите поставщиков и потребителей информации

С точки зрения качества информации важны два момента: ее создания и использования. Качество информации закладывается в момент создания. Но оно не особо нас интересует, пока мы не начнем работать с данными. Если информация кажется сомнительной, люди обычно либо обходятся без нее, либо сами корректируют ее.

Но героически исправлять чужие ошибки — не выход. Куда полезнее объединять поставщиков данных с клиентами-пользователями, чтобы они сообща искали причины дефектов и думали, как гарантировать надежность информации. Вспомним нашего руководителя. Он не сообщил маркетологам об их ошибке, а сам ее исправил и тем самым оказал медвежью услугу всем, кто пользуется той же недоброкачественной информацией. К тому же он взялся корректировать цифры, не будучи специалистом по данным.

Полезно любое взаимодействие сторон. Много раз на встречах поставщиков и пользователей информации я слышал: «Мы не знали, что эти данные кому-нибудь понадобятся, потому особо ими не занимались. Теперь мы понимаем их важность и постараемся сделать все в лучшем виде». Довести до сведения создателей информации, как будут работать с ней другие, — самый простой и надежный способ повысить качество.

Больше всего обнадеживает то, что проблему качества информации чаще всего можно решить без больших инвестиций в новые технологии или переналадку производственных процессов (см. врезку «Как в данные вкрадываются ошибки»). Конечно, точные показатели, автоматизированный контроль и методы производственных концепций вроде «шести сигм» — дело хорошее, особенно когда речь идет о сложных проблемах, но первый решительный шаг заключается в том, чтобы просто свести вместе поставщиков и пользователей информации — и пусть они поговорят.

Уделяйте внимание качеству данных

Если компанию не устраивает качество данных, с которыми она работает, то, как правило, она затевает масштабную «чистку» информации. Однако куда полезнее было бы обратить внимание на то, как собираются и обрабатываются данные, выявить и устранить основные причины ошибок. После завершения ревизии иногда, возможно, и нужно будет корректировать информацию, но делать это постоянно уже не придется.

Такую работу провели в энергетической корпорации Chevron. Системы, с помощью которых там планировали новые скважины, оценивали стоимость бурения и контролировали соблюдение правил безопасности, соответствовали отраслевым стандартам, но в цифрах то и дело возникали нестыковки. Например, руководители не могли, глядя на данные, сказать, удалось ли при бурении скважины уложиться в смету. В компании начали было анализировать и корректировать самую важную информацию по скважинам, но руководство быстро поняло, что на полную ревизию уйдет лет пять — и что, если все оставить как есть, качество информации, создаваемой на протяжении этих пяти лет, не изменится.

И в подразделении, отвечающем за бурение скважин, выделили группу обработки данных, которую возглавила Никки Чан. Она понимала, что надо смотреть далеко вперед. «Перепроверка данных обходится дорого, — говорит она. — Мы богатая компания, но не настолько…» Ники прежде всего изменила принцип оценки ошибок в новой информации. «Прежде было так: если в записи одно поле заполнено неправильно, а девять — правильно, то такая запись точна лишь на 90%. Но мы не можем пользоваться записью даже с одной ошибкой. Их не должно быть вообще».

Вскоре Чан и ее группа, чтобы уменьшить количество непригодных записей, выработали новый план. «Во-первых, нам хотелось найти несложное решение. А во-вторых — чтобы ошибки исправляли в подразделениях, причем быстро», — говорит Никки. В то же время она считала самым важным докопаться до истинных причин крупных сбоев. «Мне не хотелось никого наказывать за одну-две случайные ошибки, по крайней мере на первых порах».

Каждому подразделению на первый год так сформулировали задачу: все основные данные по 95% новых скважин должны быть точными изначально. На второй — добиться точности по абсолютно всем скважинам. «Для большинства это была хотя и трудная, но решаемая задача», — отмечает Чан. Сейчас ее группа регулярно обновляет показатели. «Все в любой момент могут видеть, как у них обстоят дела. Это важно — если пытаешься что-нибудь усовершенствовать, надо понимать, что получается, а что не очень. И сравнивать себя с коллегами».

Чан сознательно не стала диктовать подразделениям, как им браться за новые задачи. И были сформулированы самые разные принципы. В одном подразделении просто стали ежедневно перепроверять информацию, полученную накануне. В другом метод Lean Six Sigma (гибрид двух концепций — «шести сигм» и «бережливого производства»). В третьем учредили соревнование между бригадами бурильщиков. «Народ в Chevron творческий и азартный, — говорит Чан. — Нужна только цель, которую люди будут уважать, а уж как к ней прийти, они сами придумают».

Жизнь подтвердила правоту этих слов: спустя восемь месяцев после начала программы 13 из 15 подразделений выполнили план первого года и еще два были близки к цели. Результаты впечатляют, хотя ничего сверхъестественного в них нет. Исходя из собственного опыта, могу сказать, что подобных результатов добиваются все компании, которые решают проблему ­качества данных именно таким образом.

Пусть за информацию отвечают руководители

Зачастую поставщики информации организационно никак не связаны с ее потребителями. Скажем, бухгалтерия собирает данные о финансовых показателях за квартал, не думая, как ими будет пользоваться отдел продаж, или отдел обслуживания анализирует жалобы, но не выявляет типичные случаи и закономерности, хотя это могло бы пригодиться менеджерам по виду продукции.

Если проблемы с качеством носят систематический характер, компании поручают их заботам ИТ-отдела. Вроде бы все логично, ведь этот отдел обслуживает всю организацию и оказывается чем-то вроде ее связующего звена. Но чаще всего «айтишники» не слишком продвигаются в решении проблемы качества. Дело в том, как я уже отмечал, что качество информации определяется в процессе ее сбора и анализа, а это, за редкими исключениями, происходит вне их отдела. «Айтишники» могут переговорить с поставщиками и пользователями информации, но не могут изменить неверно выстроенный процесс. В их силах лишь найти и исправить ошибки, а это, как мы уже видели, временная мера.

Кроме того, бизнес-единицам надежная информация нужна как воздух — чтобы улучшать продукцию, принимать грамотные решения. «Айтишники» же ничего особенного не выигрывают, и ошибки в данных им работать не мешают. Это руководителям основных подразделений приходится, если что не так, объясняться с клиентами, во что бы то ни стало выполнять обязательства компании и оправдываться перед акционерами.

Дальновидные компании ответственность за качество информации возлагают не на ИТ-отделы, а на поставщиков информации. ИТ-отделы охотно соглашаются с тем, что «данные должны быть на совести бизнес-единиц». Если компания это понимает, ей удается все согласовать. Лиз Киршер, в прошлом — директор по информации Morningstar, чикагского провайдера данных о паевых инвестиционных фондах и других финансовых рынках, считает: «Заставлять ИТ-отдел отвечать за сбор и обработку данных так же неправильно, как подчинить его отделу НИОКР, Это разные виды деятельности».

Обычно исправить дело с качеством информации больше всего мешают начальники, которые не желают признавать, что предоставляемые ими данные ненадежны, или не знают, как корректировать их. Ситуация меняется лишь после того, как какому-нибудь руководителю (возможно, высшего звена, но скорее среднего) надоедает получать недостоверные данные и он начинает искать выход. Этот руководитель инициирует программу повышения качества информации и, если перечисленные в статье условия соблюдаются, добивается хороших результатов.

Но чаще этот руководитель не стремится пропагандировать свою идею за пределами собственного отдела, да и нужного влияния у него нет. И получается, что в одном или нескольких подразделениях компании информация превосходного качества, у остальных же — так себе.

Чтобы дело сдвинулось с мертвой точки, нужна заинтересованность топ-менеджмента. Лет двадцать назад Джозеф Юрен утверждал в напечатанной в HBR статье «Made in U.S.A.: A Renaissance in Quality», что за качество должны отвечать руководители. Юрен имел в виду производство, но его слова применимы и к информации. Пожалуй, проблема качества данных более сложна и насущна. Пора воззвать к руководителям снова — и погромче.