Как успешно работать с большими данными | Большие Идеи

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

Как успешно работать с
большими данными

Проекты с большими данными предполагают использование новых технологий, новых путей развития, а это неизменно сопряжено с риском.

Автор: Томас Дейвенпорт

Как успешно работать с большими данными

читайте также

Как устроено лидерство у насекомых и млекопитающих?

Вячеслав Дубынин

Выгорание сотрудников — вина работодателя

Эрик Гартон

Почему презентации не всегда срабатывают

Нэнси Дуарте

Как оценивать эмоциональный интеллект при кадровых решениях

Клаудио Фернандес-Араос

В разговорах с менеджерами постоянно обнаруживаются одни и те же заблуждения насчет работы с большими данными. Люди не понимают, от чего зависит успех подобных проектов. Чтобы разобраться с этим и показать, как такого рода инициативы могут принести успех, я решил перечислить основные принципы, которые выяснил при взаимодействии с компаниями, сумевшими удачно реализовать проекты с применением метода больших данных.

Технология: самое распространенное заблуждение, встречающееся во множестве организаций, — будто проекты с большими данными привязаны к определенным технологиям, таким как Hadoop, Python, Pig, Hive и т. д. Конечно, это полезные инструменты и порой они очень пригождаются при обработке больших данных. Однако, если вы управляете не стартапом, у вас, скорее всего, имеются в компании унаследованные технологии и навыки, которые вполне подойдут для этой работы. В недавнем исследовании, посвященном большим данным и платформам «исследования данных», таким как Aster от Teradata, я убедился, что компании могут составлять приложения для обработки больших данных на существующих языках, например, SQL. Я также выяснил, что компании, имеющие инфраструктуру по хранению огромных массивов информации, быстрее получают отдачу от проектов с большими данными, чем те, которые таких хранилищ не имеют. Существующие аналитические инструменты — SAS, SPSS, R — также могут пригодиться при работе с большими данными.

Люди: можно не только использовать унаследованные технологии, но и обойтись без найма новых сотрудников. В крупных компаниях, которые я опрашивал о работе с большими данными, мне отвечали, что они не приглашают к себе докторов наук, а вместо этого составляют команды из людей, имеющих опыт работы с вычислениями или соответствующий деловой опыт. Некоторых членов команды приходится учить технологиям работы с большими данными, например Hadoop, и языкам программирования. Но от недостатка специалистов по работе именно с большими данными никто не страдает.

Умелое управление изменениями: управление изменениями служит ключом к успеху любого проекта. И хотя порой думают, будто в работе с большими данными на первый план выходят технические проблемы, а не кадровые, на самом деле это далеко не всегда так. Многие проекты с большими данными включают в себя «предписывающий анализ», то есть алгоритмы или автоматизированные системы, которые указывают персоналу, работающему с клиентами, как исполнять свои обязанности. Руководители фирм, которые используют большие данные для этих целей (например, корпорация UPS разработала проект ORION для регулирования в реальном времени маршрутов доставки; Schneider National анализирует сообщения датчиков о количестве топлива в баках и GPS, чтобы вовремя указать водителям на необходимость дозаправиться). Они упорно повторяют, что при этом наиболее важно умелое управление изменениями. В обоих примерах водителям пришлось поменять свой подход к работе, и, если бы при этом они не получали точных и достоверных инструкций, они могли бы просто пренебречь новыми указаниями.

Четкая бизнес-задача: существует расхожее мнение, будто работа с большими данными в целом сводится к просеиванию множества цифр в поисках интересных корреляций. Да, такая работа делается, но процеживание само по себе оставалось бы бессмысленной процедурой, если бы организация не пыталась решить конкретную задачу. Например, телефонные компании, в том числе T-Mobile и Vodafone, с помощью технологий больших данных просеивают информацию о клиентах и работе сети. Это была бы изнурительная и бесплодная работа, если бы не ставилась конкретная задача: предотвратить текучку клиентов. А поставив такую задачу, австралийский филиал Vodafone смог за считанные недели устранить основные причины недовольства и ухода клиентов к конкурентам.

Хороший менеджмент. Нужна ли поддержка начальства? Непременно. Должен ли руководитель проекта поддерживать взаимопонимание со всеми заинтересованными сторонами? Разумеется. Это ведь очевидно, пусть даже технические сложности работы с большими данными (и склонность тех, кто с ними работает, изъясняться технически) затрудняют налаживание диалога с начальством и другими сторонами.

Конечно, помимо умения управлять проектами и всех вышеперечисленных факторов, понадобится и капелька удачи. Проекты с большими данными предполагают использование новых технологий, новых путей развития, а это неизменно сопряжено с риском. Занимаясь углубленным исследованием данных, ища смысл в больших данных, время от времени вы будете получать отрицательный результат, и это прекрасно, если только вы готовы считать отрицательный результат полезным для общего дела. Пока что проекты с большими данными принадлежат больше к сфере исследований и разработок, чем массового производства. Но те организации, которые готовы сочетать традиционные формы управления проектами с теми приемами работы с большими данными, которые я постарался описать, имеют больше шансов на успех в долгосрочной перспективе.

Читайте по теме: