Повелители цифр

ВСЕ ЗНАЮТ, ЧТО УБОЙНАЯ СИЛА нынешнего бизнеса — аналитика. Инновационные ИТ-приложения не только перевернули общие представления о способах ведения бизнеса, но и изменили принципы конкурентной борьбы. Побеждает в ней тот, кто вооружился самыми современными информационными технологиями и кто освоил самые передовые методы математического анализа. Компании уже давно применяют приложения, разработанные крупными корпорациями вроде American Airlines (электронные билеты), Otis Elevator (планово-предупредительное техническое обслуживание), American Hospital Supply (онлайновый заказ товаров для больниц). Эти программы не только приносят большие прибыли своим создателям, но и работают на их репутацию — они предоставляют потребителям немыслимые прежде возможности. Кроме того, теперь компании освоили самые изощренные методы оптимизации работы. Технологии из вспомогательного инструмента превратились в грозное оружие. Создавая революционные ИТ-приложения, обычные организации сосредоточиваются на каком-то одном направлении, том, которое сулит им самые яркие победы. Но компании нового поколения действуют иначе. Amazon, Harrah’s, Capital One и Boston Red Sox и др. подвергают комплексному анализу данные о всей своей деятельности. Они устраняют противников с пути, применяя бизнес-аналитику на всех фронтах.

Компании состязаются в анализе не только потому, что хорошо умеют считать и делать выводы из своих расчетов (в современном бизнесе огромное количество данных и средств для их обработки), но и потому, что это стало жизненной необходимостью. Сейчас во многих отраслях одна и та же картина: конкуренты предлагают почти одинаковые продукты и применяют почти одинаковые технологии. Значит, выбиться в лидеры можно только благодаря какому-то особенному умению, а потому, чтобы бить наповал, им нужно овладеть в совершенстве. Компании, которые в борьбе с противниками опираются на анализ рынка, как, впрочем, и все остальные, представляют себе, что нужно потребителю, но им, в отличие от конкурентов, известно, какая цена будет приемлемой для клиентов, сколько и каких именно товаров они купят за свою жизнь и как заставить их купить больше. Как и все остальные, они знают, сколько уходит на зарплату сотрудников и как обстоят дела с текучестью кадров, но еще они могут подсчитать, как работа персонала отразится на итоговых цифрах, а уровень зарплаты — на производительности. Как и другие, они знают, когда на складах не хватает запасов, но, в отличие от конкурентов, умеют прогнозировать сбои в связке «спрос — предложение», сокращать складские запасы и увеличивать долю безупречно выполненных заказов. Они лучшие во всем — отчасти потому, что корпоративное руководство неуклонно проводит единую ИТ-стратегию. Их специалисты-математики (нанятые или «выращенные» из своих сотрудников) пользуются самыми точными данными и самыми современными инструментами оценки. Поэтому они принимают оптимальные решения — крупные и мелкие, каждый день, снова и снова.

Сейчас многие изучают рынок, но мало кому удалось сравниться с ними в мастерстве. Компании, опирающиеся на выводы аналитиков, лидируют в самых разных отраслях: финансах, розничной торговле, туристическом секторе, индустрии развлечений, производстве товаров повседневного спроса и т.д. Аналитика — основное оружие банка Capital One, который, став публичной компанией, ежегодно увеличивает доходность на акцию больше чем на 20%. Благодаря знанию рынка Amazon обогнала все остальные розничные интернет-магазины и получает прибыль, хотя вкладывает огромные средства в развитие и инфраструктуру. Даже в спорте секрет успеха — не стероиды, а статистика: об этом свидетельствуют яркие достижения Boston Red Sox, New England Patriots и Oakland A’s.

В таких организациях виртуозное обращение с информацией зачастую оказывается частью брэнда. Почему попадает в цель реклама Progressive? Не только потому, что компания детально анализирует ставки страховых премий, это делают все ее конкуренты. Но мало кто умеет столь подробно сегментировать рынок и разрабатывать целевые предложения — тут равных Progressive нет. По мере того как Amazon совершенствует свои сервисы, растут ее продажи: компания с каждым днем все лучше разбирается во вкусах и потребностях клиентов, которые, конечно же, чувствуют это. Благодаря бестселлеру Майкла Льюиса «Moneyball: The Art of Winning an Unfair Game», в котором рассказывается о важности статистики для профессионального бейсбола, команда Oakland A’s прославилась не только своими победами, но и умением обрабатывать информацию.

Что же объединяет компании, которые считают умение анализировать рынок своим конкурентным преимуществом? Чтобы понять это, мы с коллегами по Центру практических знаний колледжа Бэбсона исследовали 32 организации, делающие ставку на количественный анализ. Одиннадцать из них мы отнесли к категории 100-процентных «аналитиков». Это значит, что все свои инициативы эти компании обязательно подвергают статистическому анализу и руководство управляет аналитической деятельностью всего предприятия, а не отдельных подразделений.

В статье я расскажу о специфике и приемах этих магов статистики, а еще о том, как должны измениться компании, которые хотят бороться за место под солнцем с помощью цифр. Конечно, для необходимых преобразований нужно вложить немало средств в ИТ, собрать большой массив данных и выработать общекорпоративную аналитическую стратегию. Не менее важное условие — твердое желание руководства изменить мировоззрение и стиль работы сотрудников, а также методы управления, чтобы, как говорит гендиректор Harrah’s Гэри Лавмэн, «знать, а не предполагать».

Портрет стопроцентного «аналитика»

Одна из ведущих компаний, которые развивают бизнес на основе исследований аналитиков, — Marriott International. За последние 20 лет свою систему определения оптимальной цены номера (а в гостиничном бизнесе ключ к успеху — грамотное ценообразование) корпорация отточила до совершенства. Но она не останавливается на достигнутом. С помощью общей программы оптимизации в Marriott теперь анализируют данные о загрузке конференц-залов и ресторанов ее отелей — менеджеры и владельцы гостиниц получают все необходимые для этого инструменты через интернет. Есть у компании и другие программы. Они, например, позволяют составить лучшее предложение для постоянных клиентов и оценить вероятность их ухода к конкурентам. В случае непредвиденных или чрезвычайных обстоятельств (такая ситуация, например, сложилась в Хьюстоне, когда туда бежали жители Нового Орлеана, затопленного ураганом Катрина) менеджеры по доходам каждого отдельного отеля могут самостоятельно повышать или снижать цены по сравнению с оптимальной, рассчитанной в центре. У компании есть даже модель, которая показывает, сколько бы выручил каждый конкретный отель, если бы устанавливал рекомендованную цену, скажем, при наплыве постояльцев или в мертвый сезон. После того как в Marriott прижилась система анализа и управления доходами, соотношение фактического дохода с тем, который отель получил бы, назначив цену, рекомендованную центральным офисом, выросло с 83% до 91%. Арендодатели поняли: хочешь выжать из своих активов как можно больше — учись у Marriott.

Очевидно, что компании вроде Marriott работают иначе, чем их традиционные конкуренты, и это чувствуют все — и клиенты, и сотрудники, и поставщики. Наше исследование выявило две основные черты компаний, умеющих анализировать информацию.

Моделирование и оптимизация. Основные статистические данные, связанные с разными аспектами своей деятельности, — о среднем доходе на одного сотрудника, среднем объеме заказа и т.д., — собирают все. Но компании, которые просчитывают и анализируют каждый свой шаг, этим не ограничиваются. С помощью прогностических моделей они выявляют не только самых прибыльных клиентов, но и потребителей с самым высоким потенциалом прибыльности, а также вероятных «перебежчиков». Данные, собранные в самой компании и за ее пределами, они изучают тщательнее, чем менее искушенные в математике конкуренты и получают целостное представление о потребителях. Они оптимизируют свою систему закупок и потому могут предотвратить любой сбой, заранее подготовив запасные варианты и предусмотрев самый надежный маршрут движения груза. Они в режиме реального времени корректируют цены, чтобы максимально заработать на каждой сделке. Они создают комплексные модели, в которых учитывается зависимость финансовых показателей от эксплуатационных расходов. Они проводят множество сложных экспериментов и подробно оценивают общий эффект каждого из них, а затем благодаря полученным результатам совершенствуют свои методы анализа, добавляя новые критерии и показатели. К примеру, Capital One экспериментирует с процентными ставками, стимулами, прямой почтовой рассылкой и т.д.; ежегодно банк осуществляет более 30 тысяч таких инициатив. Все это делается с одной целью — максимально повысить вероятность того, что потенциальный клиент захочет получить кредитную карточку и принесет компании доход.

Progressive в своих экспериментах использует данные, которые может получить любая страховая компания. Например, она делит потребителей на небольшие группы: скажем, мотоциклисты от 30 лет с высшим образованием и с определенным кредитным баллом, которые ни разу не попадали в аварию. Данные по каждой группе компания подвергает регрессионному анализу и выясняет, какими факторами в первую очередь объясняются приносимые ею убытки. Затем организация устанавливает для каждой группы индивидуальную, гарантирующую прибыль цену и с помощью специальных программ оценивает возможную финансовую отдачу.

Благодаря всем этим мерам Progressive преуспевает, хотя и работает в традиционно высокорисковых секторах. Другие страховщики предпочитают не иметь дела с «неблагонадежными» клиентами — им не хочется перелопачивать огромный массив данных (правда, даже конкуренты, работающие по старинке, например Allstate, уже видят плюсы анализа).

Целостный подход. Компании, полагающиеся на выводы аналитиков, понимают, что работу большинства служб и отделов (даже маркетинга, в деятельности которого больше искусства, нежели науки) можно усовершенствовать, если применять современные методы количественного анализа. Причем они знают, что с помощью одной, даже самой совершенной ИТ-системы прочного положения не завоевать — важно обеспечить успех на всех направлениях бизнеса, а для этого нужно множество программ (иногда ими также могут пользоваться потребители и поставщики).

Не так давно ряды «передовиков» статистического анализа пополнились за счет компании UPS, специализирующейся на доставке грузов и посылок. Хотя она всегда славилась своими аналитическими процедурами, еще до недавнего времени они применялись к узкому кругу данных. Сейчас компания отслеживает движение грузов, оценивает вероятность оттока клиентов и выявляет источники сбоев, опираясь на данные статистического анализа. Подразделение UPS Customer Intelligence Group, например, именно так выявляет закономерности спроса и основные претензии к компании и довольно точно прогнозирует, сколько клиентов могут перейти к конкурентам. Если анализ указывает на потенциального «перебежчика», то сотрудник торгового отдела звонит ему и предлагает решение его проблем. Подобные меры резко сокращают отток клиентов. UPS пока нельзя причислить к стопроцентным «аналитикам», но она явно движется в нужном направлении.

Для всей своей разнообразной аналитической деятельности компании часто подбирают общее «родовое» название. Например, у Capital One это «информационная стратегия», а у Barclays Bank — «система управления отношениями с клиентами на основе информации». Но общим названием дело не ограничивается: у аналитических исследований общее руководство, технологии и инструменты. В традиционных компаниях сбором и обработкой информации обычно занимаются все подразделения по отдельности: их аналитические отделы сами выбирают инструменты, контролируют данные и обучают сотрудников. Но этот путь ведет к хаосу. Во-первых, при такой постановке дела в одной организации неизбежно появляется несколько версий таблиц и баз данных, приспособленных для нужд конкретных пользователей, а значит, и множество вариантов ключевых показателей. Во-вторых, исследования показывают, что примерно в 20—40% электронных таблиц есть ошибки, поэтому, чем больше их циркулирует в компании, тем больше появляется новых погрешностей и несоответствий. И наоборот, в компаниях, которые грамотно обращаются с информацией, есть централизованные группы специалистов: они управляют важнейшими данными и другими ресурсами и, устраняя любого рода препятствия вроде несовпадающих форматов, определений и стандартов, помогают разрозненным частям организации легко обмениваться информацией. Скажем, Procter & Gamble недавно создала межфункциональную аналитическую группу. В нее вошло около ста экспертов из разных сфер: производства, снабжения, продаж, маркетинга и т.д. И хотя эти специалисты работают в разных подразделениях, группа подчиняется единому руководству. Теперь P&G может бросить свои отборные интеллектуальные силы на решение самых важных вопросов. Так, например, эксперты по продажам и рынкам предоставляют данные о конъюнктуре роста существующих рынков специалистам, которые создают корпоративные сети сбыта. Эксперты-снабженцы, в свою очередь, применяют накопленный опыт в новых для них областях вроде конкурентной разведки.

Благодаря деятельности этой группы остальные сотрудники компании убедились в эффективности решений, принятых на основании аналитических данных. Аналитики P&G и раньше принимали самое деятельное участие в работе по совершенствованию бизнес-процессов и снижению издержек, но поскольку они трудились в разных подразделениях, руководители часто не замечали их вклада в общее дело и не могли оценить его реальную значимость. Теперь эти же руководители могут использовать обширные наработки компании в собственных проектах. И, рассказывая о себе инвесторам, прессе и общественности, представители P&G всегда с гордостью подчеркивают умение компании виртуозно анализировать информацию, которое стало чем-то вроде ее фирменного знака.

Поддержка топ-менеджмента. Чтобы приучить всю компанию всегда и во всем полагаться на тщательный анализ, нужно изменить культуру, процедуры, навыки сотрудников и их отношение к работе. Любая крупная реформа потерпит фиаско, если высокое начальство не будет искренне в ней заинтересовано. Самые высокие шансы на успех у тех преобразований, за которыми стоит сам генеральный директор. Выяснив, что последние несколько лет аналитический подход внедряли Гэри Лавмэн (Harrah's), Джефф Безос (Amazon) и Рич Фэрбанк (Capital One), мы стали наблюдать за их работой. У бывшего гендиректора Sara Lee Bakery Group Барри Берачи на столе стояла такая табличка: «Верим в Бога. Полагаемся на цифры». Этими словами он выразил кредо — свое и своей компании. Но там, где укоренить аналитический принцип работы пытался руководитель более низкого ранга — какого-нибудь одного подразделения или отдельной службы, эта затея всегда заканчивалась неудачей. Чтобы изменить сложившиеся порядки и привычки, таким энтузиастам не хватало авторитета и власти. Как правило, они на все смотрят со своей колокольни, им не хватает целостного видения.

Гендиректор, который хочет внедрить в своей организации аналитический подход, должен не только высоко ценить, но и понимать его. Даже если руководитель никогда не изучал статистику, ему необходимо знать азы количественных методов, чтобы видеть их плюсы и минусы, понимать, какие факторы они могут учитывать, а какие — нет. Если гендиректор хочет постичь премудрости новых методов, ему стоит прибегнуть к помощи специалиста-аналитика, известного своей квалификацией и знанием отрасли. Самое главное — найти профессионала, который умеет простым языком объяснять сложные вещи и который никогда не будет подтасовывать данные, — об этом нам говорили все главы компаний, обращавшиеся к таким специалистам. Наставниками нескольких наших собеседников были высоколобые аналитики — университетские профессора, консультанты, выпускники Массачусетского технологического института и т.д. Выбор консультанта в большинстве случаев был продиктован исключительно личными предпочтениями.

Конечно, не всегда и не во всем нужно отталкиваться от цифр. Чтобы решать, например, кадровые вопросы, обычно достаточно здравого смысла, такта и интуиции. Тем не менее все чаще организации, нанимая новых сотрудников, полагаются на статистические данные (см. врезку «От статистики — к победе»). Однако, исследования показывают, что человек быстро и удивительно точно может оценить собеседника, просто понаблюдав за его поведением. Поэтому руководителям, верящим во всесильность аналитики, важно чувствовать, когда доверять цифрам, а когда — своей интуиции.

Источник силы

Компании вроде Harrah's, Amazon или Capital One — вовсе не фабрики по переработке данных. Конечно, для решения многочисленных деловых задач у них есть специальные программы, а полученные с помощью компьютера сведения они используют и «в чистом виде», и с довольно сложными поправками. При этом они постоянно ищут верные ориентиры, не жалеют сил на укрепление корпоративной культуры и поиск лучших профессионалов, понимая, что без признания значимости математических методов не будет толку от собранных данных. Получается, что своей силой они обязаны прежде всего сотрудникам, стратегии и информационным технологиям.

Приоритеты. Компаниям, которые стараются принимать решения, опираясь на статистические данные, важно понять, на что стоит тратить силы. Обычно они выбирают несколько направлений, соответствующих общей стратегии. К примеру, у Harrah's это повышение лояльности потребителей, обслуживание, ценообразование и стимулирование продаж — сюда компания в основном и бросила свою аналитическую мощь. Для UPS главное — совершенствовать качество услуг, а потому к своим приоритетам она относит теперь не только логистику, но и взаимодействие с клиентами. Хотя многогранные стратегии — один из отличительных признаков таких компаний, многие руководители говорили нам, что пытаться объять необъятное опасно: за множеством разных инициатив легко потерять из виду основную цель.

Компании важно также определить, в какой степени поддаются анализу те или иные виды деятельности (обычно их семь, но в каждой отрасли может быть меньше или больше — см. врезку «Что можно рассчитать»). Особенно соблазнительно применить статистические модели и алгоритмы к тем из них, которые с наибольшей вероятностью резко повысят производительность организации. К примеру, всегда было трудно применять аналитические методы в маркетинге — тут очень многое зависит от психологии. Однако сейчас маркетологи компаний — производителей товаров повседневного спроса освоили теорию многомерной полезности (она помогает им анализировать и предсказывать потребительское поведение). Рекламные агентства также начинают постигать основы эконометрики и уже оценивают эффект рекламных акций не «на глазок», а с помощью статистических приемов. Самые опытные компании не только анализируют свои показатели, но и помогают делать это клиентам и поставщикам. К примеру, Wal-Mart советует поставщикам отслеживать движение товара по складам, планировать рекламные акции, размещать продукты в магазине, а также контролировать запасы с помощью системы Retail Link. Винодельческая компания E.&J. Gallo анализирует издержки и цены розничных торговых сетей и передает эти данные своим дистрибуторам, чтобы они могли рассчитать прибыльность продажи каждого из 95 выпускаемых компанией сортов вина. Дистрибуторы, в свою очередь, помогают розничным магазинам оптимизировать ассортимент и с помощью цифр убеждают их выделять в торговых залах дополнительные полки для продукции Gallo. Procter & Gamble предлагает данные расчетов и выводы своих аналитиков розничным магазинам (в соответствии с условиями программы «Совместное создание стоимости») и поставщикам — теперь они могут быстрее реагировать на изменение спроса и предложения и оперативно снижать издержки. Поставщик лекарственных препаратов, медицинских и хирургических инструментов Owens & Minor таким же образом помогает клиентам и поставщикам отслеживать их закупки, анализировать данные о закупках с точки зрения их возможной консолидации и делать групповые заказы на товары, распространяемые Owens & Minor и ее конкурентами. Скажем, представители компании объясняют руководителям больницы, сколько они сэкономят на консолидированных закупках, или показывают сравнительные преимущества частых поставок и увеличения складских запасов.

Культура. В компаниях, руководители которых, как и Барри Берача из Sara Lee Bakery Group, доверяют только цифрам, сотрудников учат собирать, проверять и анализировать информацию. И они знают, что так же оценивают их работу: оклады, премии и социальные льготы — все соответствует жестким критериям, и отдел персонала строго следит за этим. К примеру, Harrah's резко изменила принципы материального поощрения. Если раньше руководство компании окружало отеческой заботой каждого, кто прослужил в ней некое количество лет, то теперь победил прагматичный подход: работу сотрудников оценивают на основании тщательно собранных данных — финансовых показателей и результатов обслуживания клиентов. Подают пример подчиненным и топ-менеджеры: они всячески подчеркивают свой интерес и доверие к данным и анализу. В Sara Lee Bakery Group про почти маниакальное пристрастие ее руководителя Барри Берачи к точности ходили легенды: этот «цифроман» постоянно требовал, чтобы любую идею сотрудники подтверждали цифрами.

Понятно, что там, где процветает аналитическая культура, требование всегда и во всем полагаться на точные данные может препятствовать новаторству, раскрепощению предпринимательского духа. Здесь не доверяют мечтаниям и озарениям и чаще всего не утверждают проекты, разработанные «по наитию». Здесь и в научно-исследовательской работе принято опираться на неопровержимые данные. В Yahoo, Progressive и Capital One, прежде чем внедрить новую процедуру или запустить новый продукт, проводят испытания. Этот принцип, обычный в точных науках, компании применяют даже к работе с персоналом и обслуживанию клиентов. Кадровики, например, иногда составляют список личных и деловых качеств менеджеров, а затем проверяют их в разных ситуациях. Потом данные о работе менеджеров сопоставляют с информацией об их личностных качествах и определяют, какими чертами должен обладать руководитель того или иного проекта.

Но иногда проводить преобразования или испытывать новые технологии и идеи приходится очень быстро и времени на широкий анализ или тщательный сбор данных нет. Хотя гендиректор Amazon Джефф Безос предпочитает точно оценивать реакцию клиентов на каждое нововведение компании, он не смог проверить эффективность созданного компанией сервиса «поиска по тексту книги» — для этого нужно было бы проиндексировать хотя бы 120 тысяч изданий. Разработка сервиса обошлась очень дорого, но Безос доверился чутью, рискнул и не прогадал.

Сотрудники. Компании — приверженцы анализа нанимают на работу сотрудников аналитического склада ума. Как и все организации, успех которых зависит от профессионализма персонала, они не просто ищут способных людей, но отбирают лучших из лучших. Amazon на должность начальника отдела глобальных поставок пригласила Гана Юя — преподавателя теории менеджмента, предпринимателя, занимавшегося программным обеспечением, и одного из самых авторитетных специалистов по проблемам оптимизации аналитической деятельности. Придя в компанию, Ган Юй начал налаживать сложную систему поставок, оптимизируя уже существующие процессы. Он умеет понятно объяснить руководителям Amazon суть новых принципов, хотя его речь пестрит выражениями вроде «нестационарные стохастические процессы».

Такие компании, как, например, Capital One, создают целые аналитические дивизионы — их сотрудники проводят количественные эксперименты, на основании которых разрабатываются новые кредитные карты и другие финансовые предложения. К своим аналитикам Capital One предъявляет особые требования.

Отличные навыки решения концептуальных проблем и проведения количественного анализа… Соответствующее образование или опыт работы в области инженерного, финансового, консалтингового и другого количественного анализа. Способность быстро осваивать программные приложения. Опыт моделирования в Excel. Учеба в магистратуре (например, наличие диплома MBA) — предпочтительно, но не обязательно. Желательно знание методологии управления проектами, средств оптимизации процессов («бережливое производство», «шесть сигм») или статистики. Компании, работающие по старинке, тоже нанимают аналитиков, но обычно в меньшем количестве. В Capital One сейчас аналитиков в три раза больше, чем сотрудников операционных отделов, — такое редко встречается в банках. «Мы — компания аналитиков. У нас это важнейшая должность», — говорит один из руководителей Capital One.

Хорошие аналитики должны уметь просто формулировать сложные идеи, налаживать отношения и тесно сотрудничать с теми, кто принимает решения. Одна компания — производитель товаров повседневного спроса, в аналитическом отделе которой работает 30 человек, старается нанимать не просто «специалистов с ученой степенью». Она ищет людей со знанием математики и статистики, для нее важно, чтобы они умели не только анализировать данные, но и говорить на языке бизнеса, внятно рассказывать о результатах своей работы коллегам и поддерживать связи с внешними специалистами. Вот что сказал нам глава отдела анализа потребительского рынка Wachovia Bank: «Мы хотим, чтобы наши сотрудники стали частью команды, занимающейся бизнесом. Они должны сидеть за столом переговоров, участвовать в обсуждении ключевых вопросов, понимать, какая информация необходима тем, кто отвечает за развитие бизнеса, и рекомендовать те или иные действия деловым партнерам. Наши аналитики не должны существовать отдельно от всей организации, чтобы о них вспоминали лишь в случае каких-то проблем. Общий успех компании будет напрямую связан с их работой, только если они станут полноправными участниками всех происходящих в ней процессов».

Конечно, непросто найти людей, которые обладали бы выдающимися аналитическими способностями, разбирались в бизнесе и умели находить общий язык с представителями других профессий. Производитель программного обеспечения SAS (вместе с Intel он спонсировал наше исследование), зная, что спустя какое-то время ему потребуется специалист по современным бизнес-приложениям (например, по прогнозирующим моделям или рекурсивному делению), начинает искать кандидатов за полтора года до появления вакансии на эту должность.

Можно сказать, что аналитические навыки в начале 2000-х годов стали так же важны, как умение программировать — в конце 1990-х. Но на американском и европейском рынках труда пока мало кандидатов с хорошим опытом аналитической работы. Некоторые организации ищут профессионалов в Индии, где много таких специалистов. Дистанционное сотрудничество вполне уместно, если речь идет о решении отдельных вопросов. Но расстояние превращается в серьезную помеху, если, например, руководству компании нужны постоянные консультации с профессионалами.

Технологии. Чтобы побеждать конкурентов за счет аналитики, нужно владеть самыми современными информационными технологиями, постоянно совершенствовать их, знать последние статистические алгоритмы и модели принятия решений. Сотрудники аналитического подразделения компании — продавца потребительских товаров даже создали собственный суперкомпьютер: продававшиеся на рынке их не устраивали. Конечно, такие героические усилия требуются редко, но для серьезных исследований нужно создать особые условия.

Информационная стратегия. Компании инвестируют миллионы долларов в программы для обработки данных из всевозможных источников. Системы планирования и управления ресурсами предприятия, взаимоотношениями с клиентами, электронного учета реализации и т.д. позволяют следить за любыми сколько-нибудь значимыми операциями. Но чтобы благодаря этой информации получить весомое конкурентное преимущество, ее нужно стандартизировать, интегрировать и сделать доступной для всех. А на это уходит много времени и сил. К примеру, прежде чем компания сможет основательно проанализировать отдачу от рекламной акции, ей наверняка придется потратить несколько лет на сбор информации о разных рыночных подходах. С помощью DDB Matrix (это подразделение рекламного агентства DDB Worldwide специализируется на оценках эффективности рекламных проектов) Dell за семь лет сформировала базу данных, состоящую из 1,5 млн записей о всей печатной, радио- и телевизионной рекламе. В ней также собраны сведения о продажах Dell во всех городах и весях, охваченных рекламной кампанией. Эта информация позволяет Dell точно «подгонять» свои акции под каждый регион.

Программы управления информацией. Появившиеся в конце 1980-х годов, они включают множество процедур и программных приложений для сбора, анализа и распространения информации, благодаря которым можно повысить эффективность решений. Инструменты управления информацией автоматически извлекают, изменяют и загружают данные (на языке специалистов эта процедура называется технологией ETL — Extract, Transform and Load) для анализа, а затем составляют отчеты, прогнозируют вероятные сбои и протоколируют результаты оценки. Аналитические способности компании превратились в настоящее орудие конкурентной борьбы именно после появления интегрированных пакетов таких инструментов.

Вычислительное оборудование. Возможностей простых компьютеров и серверов недостаточно, чтобы обрабатывать необходимую аналитическим приложениям информацию. Многие компании переходят на 64-битные процессоры, которые быстрее обсчитывают большие объемы информации.

Предстоит долгий путь

Компаниям из самых разных отраслей есть смысл следовать стратегии, формируемой на основе результатов аналитической работы. Практически все организации, которые последовательно придерживаются этого принципа, лидируют в своих отраслях и свой успех объясняют умением хорошо считать. В условиях усиливающейся глобальной конкуренции это умение ценится все выше и выше. Западные компании, которым, скажем, не угнаться за китайскими или индийскими соперниками в сокращении производственных издержек, могли бы упрочить свое положение, оптимизируя бизнес-процессы.

Но организациям, которые делают только первые шаги в аналитике, первых результатов придется ждать несколько лет. Это долгий и тернистый путь. Скажем, подразделение потребительских карт и кредитов Barclays Bank хотело, чтобы новые кредитные карты и другие финансовые продукты банка появлялись на рынке только после соответствующей аналитической проверки. Внедрение новых принципов работы растянулось на пять лет. Компания серьезно реформировала потребительское направление. Многое изменилось в страховании рисков, установлении лимитов кредита, обслуживании клиентов, борьбе с мошенничеством, перекрестных продажах и т.д. Что касается технической стороны дела, то банку пришлось свести воедино сведения о 10 млн держателях Barclaycard, упорядочить эти данные и создать системы более эффективного сбора и анализа информации. Компания провела целую серию небольших экспериментов, чтобы понять, как с минимальными издержками привлекать и удерживать самых выгодных клиентов. Кроме того, пришлось нанять новых сотрудников, умеющих анализировать количественные данные.

Большая часть времени (и затрат) компании, решившей усилить свою аналитическую мощь, уйдет на решение технологических задач: оптимизацию систем, фиксирующих информацию о транзакциях, открытие доступа к данным, выбор и внедрение аналитического программного обеспечения, установку оборудования и т.д. А если раньше компания вообще не собирала информацию (или собирала, но не ту, что нужно), то ей для надежного прогнозирования придется накопить значительный массив данных. «Мы собираем информацию уже лет шесть-семь, но используем ее только последние два-три года, потому что долго учились на ее основании делать правильные выводы», — отметил руководитель отдела анализа данных UPS.

И конечно, компаниям-«аналитикам» нужны новые люди. Когда Гэри Лавмэн стал управляющим, а затем и генеральным директором Harrah's, он нанял группу сведущих в статистике специалистов, чтобы они на основе количественных данных разрабатывали и проводили маркетинговые кампании, в том числе по повышению лояльности потребителей. «Старым» же сотрудникам предстоит пройти специальные курсы и многому научиться: они должны уметь анализировать информацию, систематизировать данные, понимать, каких из них недостает, а какие — дублируются. Один из руководителей Procter & Gamble сказал как-то, что менеджеров нужно дольше держать на одной должности, чтобы они успевали осваивать аналитический принцип работы.

Как говорил Рудольф Вирхов, немецкий ученый (патологоанатом, антрополог и археолог) второй половины XIX века, задача науки — «определить границы постижимого». Компании — приверженцы анализа преследуют похожую цель, хотя и изучают поведение потребителей, перемещение грузов, производительность сотрудников и финансовые показатели. День ото дня научный и технический прогресс дает компаниям возможность все более тщательно контролировать свою деятельность.

ОТ СТАТИСТИКИ — К ПОБЕДЕ

Спор о преимуществах и недостатках аналитического и интуитивного подходов, который политические обозреватели вели в разгар последних двух предвыборных президентских кампаний в США, теперь, благодаря нескольким популярным книгам и ярким победам, начался и в профессиональном спорте. На этот раз, похоже, верх одерживают приверженцы анализа.

Особенно ярко преимущества статистики проявляются при отборе и распределении игроков — об этом в своей книге «Moneyball» Майкл Льюис рассказывает на примере бейсбольной команды Oakland A's, которая добивается успехов, несмотря на свой незначительный бюджет. New England Patriots — тоже полагается на статистику. Эта команда выиграла три из последних четырех Суперкубков по американскому футболу, хотя по уровню гонораров занимает 24-е место в своей лиге. Boston Red Sox даже наняла знаменитого специалиста по бейсбольной статистике Билла Джеймса. Аналитический принцип приживается и в европейском футболе. Итальянский клуб «Милан» применяет прогностические модели, разработанные Миланским научно-исследовательским центром. Эти программы анализируют физиологические, ортопедические и психологические данные игроков, и на основании полученных выводов предотвратить вероятность травм. Руководство подающей надежды британской футбольной команды Bolton Wanderers тоже собирает большой массив данных для оценки своих игроков.

Но тренеры футбольных клубов, как и руководители компаний, редко используют чисто аналитические принципы. Менеджер бейсбольного клуба St. Louis Cardinals Тони ла Русса, решая, в какой последовательности игрокам выходить на поле, доверяет не только цифрам, но и своей интуиции. Вот что пишет об этом Базз Биссингер в недавно опубликованной книге «Three Nights in August»: «Ла Русса анализирует информацию, которую выдает компьютер. Но он знает, что в бейсболе не все зависит от цифр и что чрезмерная любовь к анализу коварна. Он знает, что цифрами страсть не измерить. Но у него есть огромный опыт управления, и поэтому точные данные лишь помогают ему составить полную картину».

Последняя фраза ключевая. Как бы руководитель ни оценивал работу сотрудника — полагаясь на данные анализа или доверяя своей интуиции, — окончательные выводы он делает на основе собственного опыта.