Библиотека управления

Потенциал больших данных для финансовой сферы

По материалам CIMA, CGMA® Бюро переводов «Прима Виста»

Обзор ситуации

Сегодня одним из ключевых направлений для корпоративных лидеров становится работа с данными. Практически девять из десяти (87 %) финансовых специалистов, опрошенных в ходе настоящего исследования, полагают, что именно данные обладают потенциалом изменения самого подхода к ведению бизнеса. Другие исследования показали, что чуть больше половины (51 %) корпоративных лидеров относят большие данные и аналитику к первой десятке корпоративных приоритетов. Все это говорит о том, что после революции последних десятилетий бизнес вступает в эпоху, когда данные становятся движущей силой.

Объем и разнообразие данных, доступных для анализа, растут в геометрической прогрессии. Между тем появляются все более мощные технологии, позволяющие управлять усложненными данными и выполнять аналитику более высокого уровня. Источников данных сегодня великое множество — это и записи кол-центров, и внешние каналы, и машинные данные, и социальные сети, и многое другое. Эти связанные между собой потоки (обозначаемые, как правило, общим термином «большие данные») в современных организациях комбинируются в целях открытия новых источников уникальной информации и прибыли.

Чтобы воспользоваться результатами, которые дает работа с данными, компаниям придется решить целый ряд задач, поскольку неизбежно возникает потребность в новых навыках, инструментах и ином образе мышления. Так что же несет с собой эпоха господства данных для лидеров бизнеса и, в частности, для финансистов? Какие выгоды дадут новые подходы к анализу данных? И какова здесь роль специалистов по управленческому учету? Это лишь некоторые из основных вопросов, которые освещаются в настоящем отчете. Выводы сделаны по результатам всестороннего анкетирования, опроса более 2000 финансовых директоров и сотрудников финансовых служб, а также на основе комплексного изучения документарных материалов.

Данные становятся главным бизнес-активом.

Компании всех размеров и направлений деятельности уже обращают данные в реальную ценность многими доступными способами. Охвачены все отрасли: это и социальные сети, и интернет-компании, и фирмы, производящие продукты питания и напитки, и сети фастфуда, и банки, и промышленники, и отели, и многие другие. Научные исследования выявляют методы роста производительности за счет принятия решений, в основе которых лежат данные. С этим согласны опрошенные финансисты, которые, опираясь на данные, ожидают получить более высокую эффективность и повышение КПЭ.

В попытках заставить данные работать на коммерческую выгоду компании сталкиваются с необходимостью роста квалификации.

В большинстве компаний всемерная адаптация к эре власти данных в бизнесе остается текущей задачей. Среди опрошенных финансистов 86 % выразили мнение, что организации испытывают трудности в стремлении делать ценные аналитические выводы из имеющихся данных, и не в последнюю очередь это связано с такими проблемами, как, например, разрозненность данных, их качество или способность работать с незнакомыми данными нефинансового характера. Чтобы помочь организациям справляться с трудностями, индустрия программного обеспечения продолжает заниматься разработкой инструментов и приложений, которые призваны облегчить процесс извлечения ценных аналитических выводов из данных. Однако это по-прежнему остается сложной задачей, поскольку, прежде чем выбрать то или иное техническое решение, организация должна определиться с тем, каким образом она предполагает использовать данные для улучшения своей работы.

Специалисты финансовой сферы имеют все возможности для того, чтобы помочь обернуть данные в коммерческие идеи и ценности.

Более 90 % респондентов считают, что финансисты играют существенную роль в организациях, когда речь идет о получении выгод от проектов, построенных на работе с данными. Но с конкретизацией этой роли чаще всего возникают затруднения. Передовые методы анализа данных часто требуют квалификации уровня ученой степени (например, кандидата наук) в области обработки и анализа данных, что является редкостью для финансовых работников. Но в чем действительно они могут способствовать повышению ценности — это в применении своих знаний на стыке финансов и хозяйственной деятельности, чтобы перевести аналитические выводы в коммерческое русло, используя, например, такие инструменты, как планирование, бюджетирование, прогнозирование и управление производственными показателями. «Наша работа не в том, чтобы спуститься до самого нижнего уровня данных, а в том, чтобы знать, как агрегировать результаты для последующего получения на их основе содержательного, ценного и глубокого отчета», — утверждает Джеймс Милн, старший финансовый директор финансовой службы глобальных операций Yahoo!

Задача развития потенциала данных придает как никогда высокую степень важности финансово-деловому партнерству внутри организации.

Чтобы по-настоящему раскрыть возможности больших данных, специалистам по управленческому учету необходимо более тесно сотрудничать с тремя группами ключевых заинтересованных сторон: коллегами из сферы ИТ, которые собирают большую часть данных; учеными в области обработки данных, которые способны оперировать передовыми методами анализа данных; и, наконец, бизнес-лидерами, которые могут обеспечить трансформацию новых идей в конкретные действия. Это потребует от финансистов широкого спектра управленческих навыков: открытой коммуникации, умения вести за собой и оказывать влияние, стратегического понимания бизнеса — всего, что имеет большое значение для роли бизнес-партнера, которую, в понимании многих организаций, должны играть финансовые специалисты.

Достижение нового понимания данных для малых и средних компаний так же ценно и перспективно, как и для крупных.

Преимущества при выстраивании бизнеса, более ориентированного на обработку данных, получит любая компания, вне зависимости от ее размера. Небольшие предприятия имеют меньше ресурсов для реализации соответствующих проектов, но и зависимость от устаревших ИТ-методов у них ниже, чем у их более крупных конкурентов. Кроме того, мелким легче двигаться вперед: они могут подключать простые в использовании приложения и услуги передачи данных, число которых день ото дня растет и которые позволяют извлекать выгоду из данных при минимальных затратах и рисках. А ключ к успеху как для малых, так и для крупных компаний — в изначальной выработке четких целей для проектов данных. Только после этого следует подбирать инструменты и сервисы, наиболее подходящие под конкретные цели.

Работая с данными, финансисты получают новые возможности карьерного роста.

Эра всевластия данных предоставляет специалистам по управленческому учету прекрасную возможность развития навыков и получения новых знаний. И действительно,85 % респондентов считают, что повышение собственной квалификации для работы с большими данными делает более вероятными карьерный рост и востребованность на рынке труда. Некоторые специалисты, несомненно, будут искать пути улучшения своих аналитических навыков, но именно способность играть центральную роль при трансформации потенциала данных в реальные экономические показатели станет импульсом для тех, кто стремится занять в организации стратегические позиции.

Представленные задачи достаточно серьезны, и для их решения финансисты должны обрести профессиональные навыки в ранее незнакомых для себя областях. Впрочем, специалисты по управленческому учету однажды уже доказали свою способность адаптироваться к меняющимся требованиям, в частности развив в себе новые способности и взяв на себя новые роли, когда этого потребовала постиндустриальная эпоха. Сегодня от специалистов по управленческому учету ожидают подобного эволюционного шага, освоения новых навыков и нового мышления. Это выдвинет их на передовые позиции в деле обращения данных на пользу коммерческих выгод.

Более 90 % сертифицированных CGMA специалистов по управленческому учету подчеркивают существенную роль финансистов на пути бизнеса к получению выгод через использование данных.

Пять качеств финансовых руководителей, ориентированных на работу с данными

Руководители финансовых служб, ориентированных на обработку данных, имеют, как правило, некоторые общие черты, а именно:

  1. Способность определять, какие точки данных полезны для понимания того, что является движущим фактором для бизнеса. Финансовые руководители, ориентированные на работу с данными, имеют понимание фундаментальных движущих факторов и количественных показателей организации, и применяют эти знания как базовый элемент при оценке новых, менее структурированных источников данных.
  2. Ясное представление о том, что больше всего волнует заказчиков и как это отслеживать. Также они имеют четкое понимание, почему заказчики выбирают их продукты и услуги, как завоевать таких заказчиков и что помогает их удерживать.
  3. Способность воспринимать новые формы данных и проявлять креативность, включая их в процесс принятия бизнес-решений. Помимо чисто финансовых и корпоративных данных финансовый руководитель, ориентированный на работу с данными, должен быть восприимчив к их новым видам и источникам, которые могут быть неожиданными и нетрадиционными как для него, так и для его команды1.
  4. Умение спокойно воспринимать неопределенность, в том числе осознавать, что большие данные могут и не привести к окончательному ответу. Знакомясь с новыми и, в некоторых случаях, мало проверенными источниками данных, компании начинают применять аналитические методы, которые могут и не обеспечить определенность, ожидаемую финансистами. Финансовые руководители должны принимать и внедрять новые методы и стратегии, которые способствуют совершенствованию процесса принятия решений в мире, преисполненном данных2.
  5. Умение исследовать новые способы интерпретации данных для более качественного информирования руководства. Финансовые руководители, ориентированные на работу с данными, также отлично и быстро распознают нужные результаты, часто находя новые способы визуальной передачи наиболее важных моментов и обеспечения уверенного коммерческого восприятия и сильного импульса.

Эпоха бизнеса, движимого данными

Правила бизнеса продолжают меняться под влиянием технологий. Сделав ставку на компьютеризацию рабочих мест, которая началась в конце 1980-х годов и продолжается по сей день, компании в настоящий момент пришли к эпохе господства цифровых технологий в бизнесе. Повсеместное внедрение систем планирования ресурсов предприятия, электронных точек продаж, электронной коммерции и прочих интернет-систем привело к тому, что все больше организационных данных собирается и обрабатывается в цифровом виде.

Начиная с нулевых годов нашего столетия, бизнес получил возможность использовать в своих целях новые объемы данных, которые по сей день демонстрируют экспоненциальный прирост. Здесь и развитие социальных сетей, и распространение все более вездесущих мобильных устройств, облачных сервисов, а также применение огромного количества датчиков, которые привязывают физические объекты к Интернету вещей.

Эти данные представляют собой смесь структурированных внутренних и, как правило, неструктурированных внешних данных, состоящих из голосовых записей, информации о ценах, изображений, сообщений в социальных сетях, сведений о географическом положении и многих других. Как показывает агентство Economist Intelligence Unit, в настоящее время по меньшей мере шесть из десяти компаний используют в своих целях данные контакт-центров, в том числе записи разговоров, сообщения, которыми обменивается персонал, синдицированные данные третьих лиц, например о погоде, или рыночная информация, а также данные госорганов3. Чуть более половины таких компаний собирают еще данные, генерируемые компьютерными средствами. Так называемые большие данные дополняют бухгалтерскую и коммерческую информацию, которую хранит и обрабатывает компания. Хотя исследователи данных и ИТ-специалисты дают свои определения термина «большие данные», в настоящем отчете он используется для краткого обозначения массивного увеличения объема данных, используемых сегодня в целях аккумулирования новых идей и понимания эффективности деятельности, возможностей и рисков (см. «Определяемые большие данные»).

Когда начинается обсуждение последних тенденций в сфере больших данных, внимание в основном уделяют новым формам неструктурированных данных. Специалистам по управленческому учету, безусловно, необходимо знать о том, как развивается ситуация в этой области. При этом нужно понимать, что большинство современных организаций стоят буквально у непочатого края работы со своими внутренними структурированными данными, которые хранятся в системах управления предприятиями. Несмотря на значимость обеих областей, специалистам по управленческому учету, скорее, имеет смысл взяться в первую очередь за корпоративные данные.

По сообщению McKinsey & Company, прирост объема больших данных вызовет новую волну «инноваций, конкуренции и производительности» в деловой среде4. Как выразились два видных деятеля науки, «использование больших данных позволяет принимать решения на основании не интуиции, а фактических данных. По этой причине они способны совершить революцию в сфере менеджмента»5.

Рис. 1. Определяемые большие данные

  1. Финансовые данные: стандартные финансовые показатели, хорошо отслеживаемые и понятные.
  2. Корпоративные данные: то же самое плюс более широкие операционные и транзакционные данные, которые можно использовать для подкрепления аналитических выводов и в целях прогнозирования.
  3. Большие данные: то же самое плюс новые виды внутренних и внешних данных, значительная часть которых не структурирована, но определенная часть может привести к новому пониманию эффективности деятельности, возможностей и рисков.

Одна из компаний, которая реализует эту тенденцию на практике, — Procter & Gamble (P&G). Все более глубокое и комплексное оцифровывание ими данных позволяет говорить о наличии у компании «источника конкурентного преимущества». Это помогает улучшить все — от инновационных продуктов, анализа в реальном времени комментариев клиентов в социальных сетях до использования отслеживания изменений данных в целях оптимизации планирования магазинов розничной торговли6. Опыт P&G подтверждается широкими исследованиями. Исследования, проведенные в Школе менеджмента им. Слоуна показывают, что компании, принимающие решения на основании использования данных, получают 5—6%-ное повышение производительности7.

Эти примеры демонстрируют, что возможности, которые несут с собой большие данные, достаточно существенны. И на этом фоне ИТ-разработчики предлагают все расширяющееся множество инструментов для обработки больших данных, начиная от новых аналитических приложений и исполнительных панелей и заканчивая системами прогнозного анализа (см. Терминологический словарь). Согласно циклу зрелости технологий Gartner, большие данные находятся на пике ожиданий8. Кривая зрелости технологий графически представляет стадии, через которые проходит технологическое новшество в процессе становления. Суть в том, что сначала срабатывает так называемый технологический триггер: возникает инновация, о ней все начинаю говорить, ожидания раздуваются выше истинного потенциала, за «пиком чрезмерных ожиданий» логично приходит разочарование. Позже, как правило, в течение пяти — десяти лет, когда технология проходит практическую обкатку у пользователей и те получают осязаемые результаты, становится ясен реальный ее потенциал. Это показывает, что, прежде чем будет достигнуто полное понимание значения технологий больших данных, неминуем период разочарования.

Прогресс в технологиях наряду с более простыми и доступными инструментами анализа и визуализации данных открывает возможности для использования данных компаниями самых разных весовых категорий. Однако большинству из них предстоит хорошенько потрудиться, чтобы приспособиться к ситуации, когда управляющая роль в бизнесе отводится данным. Согласно одному из отчетов, каждая четвертая компания до сих пор не задействовала большую часть своих организационных данных, а 53 % считают, что они используют только половину своих значимых данных9.

Все больше внимания уделяется новым аналитическим методам и техническим средствам, цель которых — извлечение из данных новых идей. При этом лишь немногие компании обладают дополнительными навыками, необходимыми для перевода извлеченных идей в коммерческое русло. Это как раз тот момент, когда специалисты по управленческому учету могут заявить о себе.

Далее мы подробнее рассмотрим способность финансистов вносить существенный вклад в общее дело команды, работающей над новыми инициативами в сфере анализа данных. Передовые аналитические методы извлечения данных, необходимые для выявления новых корреляций и выработки алгоритмов прогнозирования поведения, — это сфера деятельности исследователей данных. Но роль, которую играют специалисты по управленческому учету в формировании финансовой отчетности, а также в процессах бюджетирования, прогнозирования и управления производственными показателями, делает необходимым их контакт с каждой гранью бизнеса.

Такого рода участие в информационном наполнении позволяет специалистам по управленческому учету прекрасно разбираться в самом бизнесе. Таким образом, они могут играть важную роль в обращении идей, полученных в результате анализа, в ощутимый коммерческий результат.

Терминологический словарь10

Последние технологические разработки меняют способы управления данными и их анализа в ведущих компаниях. Специалисты по управленческому учету должны владеть представленной ниже терминологией.

Data analytics, Анализ данных, средства анализа данных

Средства анализа данных — передовые формы анализа, которые могут быть использованы для изучения больших объемов данных и передачи идей. Они могут использоваться для выявления корреляций и выработки алгоритмов в целях прогнозирования поведения. Средства анализа структурированных или корпоративных данных хорошо известны. Они используются многими компаниями и организациями как помощь при принятии качественных бизнес-решений, а также при тестировании и проверках моделей и теорий. В настоящее время от средств анализа данных ожидают больших подвижек в отношении работы с неструктурированными данными.

Cloud computing, Облачные вычисления, облачная обработка данных

Под облачными вычислениями понимают предоставление различных сервисов, таких как программные приложения, платформы разработки, серверы, обрабатывающие мощности и хранение данных на удаленных серверах через Интернет (в отличие от локальных серверов). Как правило, за пользование облачным сервисом взимается плата, а серверные программы и инфраструктура управляются сторонним поставщиком.

Dashboards, Информационные панели

Информационные панели — пользовательский интерфейс, который организует и представляет корпоративную информацию удобочитаемым и понятным образом. Панель может использоваться для объединения ряда данных и КПЭ, как правило, визуально, для того чтобы руководители могли контролировать эффективность бизнеса.

Data mining, Извлечение данных

Набор методов, используемых для просеивания очень больших объемов данных. Извлечение данных предполагает применение методов искусственного интеллекта и передовых статистических инструментов (например, кластерный анализ и регрессии) для выявления тенденций, закономерностей и отношений.

Data scientist, Специалист по обработке данных

Специалист по обработке данных — тот, кто выполняет статистический анализ данных и извлекает информацию из больших объемов данных, как правило, с целью выявления тенденций, показателей и других необходимых сведений, используя в работе передовые методы моделирования, статистики, анализа и математические методы.

Data visualization, Визуализация данных

Визуализация данных — общий термин, используемый для описания технологии, которая позволяет руководителям наблюдать тенденции и комбинации данных. Инструменты визуализации зачастую не ограничиваются стандартными диаграммами и графиками Excel, а используют интуитивно более понятные средства в виде циферблатов, датчиков, географических карт, графиков временных рядов, тепловых карт и пр. Программные средства визуализации позволяют вычленять комбинации данных, тенденции, корреляции, которые иначе могли бы быть пропущены.

Hadoop, платформа Apache Hadoop

Hadoop — разработанный на Java набор утилит, библиотек, поддерживающих обработку больших массивов данных в распределенной вычислительной среде. Этот проект с открытым исходным кодом, находящийся под управлением Apache Software Foundation, обычно используется для обработки огромных объемов данных с охватом тысяч серверов.

In-memory processing, Обработка данных в оперативной памяти

Обработка данных в оперативной памяти позволяет анализировать большие массивы данных значительно быстрее, чем раньше. Местом обработки является системная память, а не традиционный жесткий диск.

Internet of things, Интернет вещей

Интернет вещей — концепция вычислительной сети физических объектов, которые подключены к Интернету, за счет чего от них исходит информация или предупредительные сигналы. Подключаясь и контролируя станки, транспортные средства, оборудование, инвентарь и многое другое, организации получают в распоряжение новый источник огромного объема информации буквально о каждой грани своего бизнеса.

MapReduce

MapReduce — среда разработки программного обеспечения, позволяющего разработчикам писать программы для параллельных вычислений очень больших наборов данных в распределенных кластерах процессоров или автономных компьютеров.

Metadata, Метаданные

Метаданные — данные, которые описывают другие данные. Представляют собой ценную ссылку, которая позволяет организовать и локализовать определенные типы данных. Пример метаданных простого документа: метаданные о дате создания документа, о дате его изменения и о файле. Метаданные также используется для изображений, видео, электронных таблиц и веб-страниц.

OLAP

OLAP (англ.: online analytical processing — аналитическая обработка в реальном времени) — категория программных средств анализа данных, хранящихся в базах данных. Инструменты OLAP позволяют пользователям анализировать различные параметры многомерных данных. Например, с их помощью можно наблюдать временные ряды и анализ трендов.

Predictive analytics, Прогностическая аналитика

Прогностическая аналитика — отрасль интеллектуального анализа данных (извлечения данных), занимающаяся прогнозированием вероятностей. Используются измеряемые переменные, чтобы спрогнозировать поведение человека либо организации. Прогностическая аналитика эффективно использует корпоративные знания организации, применяя сложные методы анализа корпоративных данных. В бизнесе прогностическая аналитика часто служит для получения сведений о поведении клиентов и выработки предложений по оптимальному распределению ресурсов для получения максимальной отдачи.

Social media, Социальные сети, Соцмедиа

Социальные сети — общее обозначение программных средств и платформ, которые позволяют группам генерировать контент и участвовать в коммуникации в одноранговых сетях. Яркие примеры таких платформ: Facebook и Twitter.

Unstructured data, Неструктурированные данные

Это данные, которые не имеют заранее определенной структуры и, как следствие, не могут легко храниться в стандартных реляционных базах данных. В качестве примеров можно привести электронную почту, текстовые документы, изображения, видео, записи кол-центров.

Использование данных в целях конкурентного преимущества

При подготовке настоящего отчета мы опросили более 2000 финансовых директоров и финансовых специалистов. У них есть ясные представления о потенциале больших объемов данных: почти девять из десяти (87 %) отметили, что в течение следующих десяти лет большие данные изменят саму модель ведения бизнеса.

На базовом уровне компании все чаще будут принимать решения на основании анализа данных — при выработке стратегий, для решения отдельных оперативных вопросов, улучшения общих производственных показателей. Помимо этого, часть предприятий найдут способы превратить данные в новый источник дохода или даже выстроят вокруг данных свои бизнес-модели.

Решать вопрос о том, как следует измениться, чтобы максимально использовать потенциал данных, придется не только организациям, но и их финансовым службам. Примерно восемь из десяти (84 %) опрошенных финансистов полагают, что большие данные и аналитика потребуют от них изменения алгоритма работы уже в ближайшие пять лет. Например, компании все чаще будут обращаться к своим финансовым службам с запросами прогноза эффективности в обозримом периоде, вместо того чтобы просто требовать данные бухгалтерского учета, которые обычно носят ретроспективный характер. При этом сегодня почти каждый третий (32 %) считает, что его организация не имеет навыков, необходимых для использования новых и растущих объемов данных. Это согласуется с прогнозами экспертов о грядущем дефиците специалистов с глубокими аналитическими навыками.

Но однажды специалисты по управленческому учету уже доказали свою способность адаптироваться к изменяющимся условиям. Сто лет назад, руководству нужна была более полная информация о затратах и процессах, поскольку с наступлением эпохи индустриализации изменилась бизнес-модель. Именно в тех условиях и зародился профессиональный управленческий учет. Сегодня новым источником идей становятся большие данные, а это означает, что процесс принятия решений в очередной раз необходимо совершенствовать. Те специалисты по управленческому учету, которые окажутся способными использовать обширные возможности, заложенные в больших данных, станут играть важную роль в процессе переформатирования бизнес-моделей.

Межотраслевые возможности

С увеличением объема доступных для обработки данных у компаний любой формы организации вне зависимости от размера возникает масса возможностей. В качестве примера недавний опрос агентства Economist Intelligence Unit, проведенный среди топ-менеджеров, показал тесную взаимосвязь между ростом доходов и стратегическим использованием данных11. Кроме того, результаты крупного исследования McKinsey продемонстрировали, что в каждом из изученных секторов процесс создания существенной ценности идет гораздо лучше, если используются данные12. Помимо этих примеров, имеется растущий перечень компаний, которые извлекают из данных экономическую выгоду. Подробно они представлены на рис. 2, где можно наблюдать все разнообразие открывающихся возможностей.

Эти и другие примеры дают понять, что компании используют данные совершенно по-разному: большинство — для улучшения операционных показателей, но есть и те, что превращают данные в элемент своей ключевой компетенции, создавая на их основе совершенно новые продукты и услуги. В зависимости от основных задач целенаправленность исследования данных также варьируется. Некоторые компании сегодня концентрируются прежде всего на анализе структурированных данных, уже попавших в систему управления предприятием, и, очевидно, имеют возможность дальнейшего продвижения. Но, даже ограничиваясь лишь структурированными данными, компании могут восполнить пробелы, прибегнув к помощи внешних поставщиков данных, таких как, например, Experian, Dun & Bradstreet. А к услугам уже искушенных и опытных исследователей данных есть воистину непаханое поле для работы с большими данными.

Несмотря на то что большинство примеров из открытых источников относятся к крупным компаниям, небольшие тоже вовлечены в процесс. Некоторые большие организации даже создают сервисы по передаче данных, чтобы оказывать более мелким компаниям в цепочке поставок аналитические услуги. Например, P&G в настоящее время помогает небольшим ретейлерам анализировать, как улучшить эффективность работы их торговых точек13. Это говорит о том, что использование данных полезно с точки зрения как операционных преимуществ, так и новых возможностей для бизнеса.

Таблица ниже дает представление о том, как самые разные компании используют данные, чтобы получить операционные или стратегические преимущества. Представленная классификация не претендует на исключительную точность. Даются иллюстрирующие примеры, охватывающие все четыре сектора.

Рис. 2. Четыре основных вида использования данных14

Компания Сектор Действия по использованию данных Полученные преимущества
Anheuser-Busch Напитки Отслеживание корпоративных и больших данных, охватывающих розничные точки и разные модели продаж с целью точного позиционирования пивных брендов, мерчандайзинга в отдельных магазинах и районах Повышение качества мерчандайзинга в магазинах в целях роста продаж
Sears Розничная торговля Создана служба анализа расширенных данных, чтобы сократить время разработки промоакции с восьми недель до одной и одновременно повысить эффективность кампаний, которые стали носить гораздо более целенаправленный характер. Извлечение огромных объемов данных о клиентах, продукции и рекламных данных. Улучшение показателей продаж и эффективности маркетинговой деятельности
ABN AMRO Розничные банковские услуги Исследование целого ряда новых источников данных с целью лучшего понимания клиентов и моделей продаж банка, например более точное сегментирование потенциально выгодных клиентов и создание для них персональных предложений. Повышение качества обслуживания клиентов и эффективности продаж
Tesco Розничная торговля Обработка транзакционных данных ККМ, привязанных к картам лояльности клиентов, для лучшего понимания закономерностей совершения покупок. Более целенаправленные предложения, например подгузники и пиво новоиспеченным родителям — ввиду того, что с рождением ребенка они не смогут часто посещать пабы. Улучшение показателей продаж и эффективности маркетинговой деятельности
McDonald's Фастфуд Анализ больших объемов данных с целью комплексной оптимизации — от выбора блюд из меню, заторов на выдаче заказов до уровня запасов и комплектации кадров. Например, можно ускорить продвижение очереди, прогнозируя вероятные заказы. Повышение общей операционной эффективности
InterContinental Hotel Group Гостиничный бизнес Создание платформы данных, которая использует широкий круг внутренних и внешних данных для улучшения качества операционной отчетности и обслуживания клиентов, прогнозирование моделей покупок гостей, упреждающее выявление рыночных тенденций, что помогает лучше направлять инвестиции. Повышение операционной эффективности и качества принимаемых стратегических решений
EMI Music Медиа и развлечения Использование больших данных при отборе перспективных артистов, задействование различных источников данных, например о скачивании в Интернете, упоминание на телевидении и радио, объемы пиратского копирования и т. д. Использование полученных данных для поиска новых имен с гарантированными суперхитами. Улучшение показателей продаж, эффективности маркетинговой деятельности и принятия стратегических решений
Oakland Athletics Профессиональный бейсбол История показана в художественном фильме Moneyball, когда испытывающая трудности бейсбольная команда использует аналитические данные, чтобы найти ценных игроков по низкой цене и улучшить положение команды в лиге Улучшение качества стратегических решений
Aimia Программа лояльности В партнерстве с Yahoo! предлагают клиентам баллы лояльности в обмен на рекламный контент, содержание которого определяется в привязке к истории поиска; контент становится гораздо более целенаправленным, появляется совершенно новое бизнес-предложение. Создание новых продуктов и услуг на базе данных
Xerox Управление документами и печать документов Создание в городах сервисов по обработке и передаче данных на базе уже существующих печатных сервисов и сервисов по управлению документами. Например, разработка динамической системы ценообразования для парковки в Лос-Анджелесе на базе существующих сервисов по печати талонов, позволяющей диверсифицировать бизнес. Создание новых продуктов и услуг на базе данных

Большие данные — малый бизнес

Большие данные и аналитика — это многочисленные возможности также и для малых и средних предприятий (МСП). Более мелкие компании, как правило, располагают ограниченными ресурсами и более скромным бюджетом, однако у них все же есть кое-какие преимущества: часто более гибкая ИТ-инфраструктура, которая испытывает меньше проблем, связанных с использованием устаревших систем или разрозненных баз данных, и способность быстро приспособиться к новым методам работы.

Результаты исследования показывают, что, несмотря на склонность небольших компаний полагаться при принятии решений скорее на интуицию, чем на данные, они все же понимают возможности, которые несут большие данные, и маловероятно, что их будет сдерживать фактор цены. В эту эпоху господства данных малые и средние предприятия, игнорирующие ценность данных при принятии решений, рискуют проиграть тем, кто использует данные для улучшения производственных показателей и извлекает из данных новые идеи.

Используя специализированное программное обеспечение или сервисы, малые и средние предприятия могут объединять свои корпоративные данные с внешними данными и таким образом обнаруживать новые идеи. Несмотря на то что традиционные инструменты, предлагаемые крупными поставщиками, могут быть не по карману многим МСП, для анализа данных им вполне подходят онлайн- и облачные сервисы, среди которых и Google Analytics, и Kaggle, и Swipely. Эти инструменты дают МСП доступ к мощным средствам, которые помогут им осмыслить эффективность их деятельности с новых позиций. Крупные производители также разрабатывают аналитические платформы для компаний среднего бизнеса, в том числе облачные приложения.

Это может начинаться на самых базовых уровнях: когда в свое время оператору парков развлечений Morey's Piers (США) потребовалось сопоставить популярность различных аттракционов, там просто собирали билеты в мешки и взвешивали их15. «Это было весьма бесхитростное и прямое решение», — отмечает финансовый директор фирмы Джим Блейк, дипломированный бухгалтер, имеющий статус CGMA. Сегодня же электронные считывающие устройства собирают точные сведения о посещении аттракционов, на основании которых можно сделать вывод о популярности аттракциона либо о необходимости выведения его из эксплуатации. Чтобы закрепить результат и двигаться дальше, Блейк привлек фирму, специализирующуюся на анализе внешних данных, с целью проведения более глубокого анализа продаж билетов через Интернет и определения самых продаваемых аттракционов. «Размышляя о том, куда нам двигаться, я думаю стратегически, — объясняет Блейк. — Речь здесь не идет о ближайшей перспективе, на неделю. Мне нужен прогноз на три, четыре, пять лет с настоящего момента».

Сеть магазинов спортивных товаров для женщин Sweaty Betty (Великобритания) привлекла для детального изучения своих клиентов компанию Experian, чьи специалисты проанализировали необходимые геодемографические данные и представили рекомендации по месторасположению новых торговых точек16.

Недалеко от Бостона находится ресторан Farmstead Table, в нем подают блюда, приготовленные из местных продуктов. Ресторан привлек для анализа своих посетителей и транзакций компанию Swipely, чтобы найти решения, которые позволили бы удивлять и привлекать гостей каким-то новым, изящным способом17. Например, выяснив в ходе анализа, что часть постоянных клиентов всегда заказывают свежевыловленного лосося, ресторан стал заранее сообщать им о поступлении рыбы нового улова. В результате повысились продажи, как и лояльность.

Некоторые малые предприятия даже разрабатывают новые услуги по передаче данных на базе этих программных средств. Один из таких примеров — агентство Powerhouse Factories, оказывающее услуги по созданию брендов18. Они взяли инструменты по обработке данных от аналитической платформы Tableau, исключили привязку к Excel и добавили средство визуализации, которое помогает клиентам в самых разных видах применения. Используя его, можно, например, понять, как задержки при обслуживании на кассе влияют на общие показатели. Платформа помогла упростить процесс взаимодействия с клиентами, поскольку все данные стали размещаться в одном месте, доступном для каждого. При этом обеспечивается единое и последовательное представление необходимой корпоративной информации.

Более предприимчивые МСП пользуются даже ресурсами, которыми обладают передовые исследователи данных, не имея ни бюджета, ни технических возможностей разместить такие ресурсы19. Так, в Jetpac (это компания-разработчик мобильного приложения, которое составляет путеводители из общедоступных фотографий пользователей) решили разработать алгоритм автоматизации процесса поиска лучших фотографий20. Они обратились к платформе Kaggle, которая сопоставила относящиеся к данным запросы с ведущими исследователями данных со всего мира. Через три недели — и всего за 5000 долларов — задача была решена. Гораздо дешевле и быстрее, чем если бы Jetpac делали все самостоятельно.

В конечном итоге такие инструменты расширяют спектр доступных для МСП возможностей в применении к анализу данных. Необходимо подчеркнуть, что использование инструментов анализа данных не накладывает на МСП неподъемных финансовых обязательств перед поставщиками ИТ-услуг.

Кейс. Секреты успеха от DUNNHUMBY

Dunnhumby, ведущая компания по изучению потребителей и потребительского поведения, использует передовые средства анализа данных, чтобы помочь своим заказчикам понять собственных покупателей. Компания заявила о себе в середине 1990-х годов, проведя анализ поведения постоянных покупателей Tesco — крупнейшей британской сети супермаркетов. Для рассмотрения клиентской базы ретейлера с совершенно новых позиций были использованы данные карт Tesco Clubcard.

В компании, с которой сотрудничают многие ведущие мировые бренды, считают, что сегодня малые предприятия также в состоянии извлечь пользу из качественного анализа данных. Но, прежде чем начинать какой-либо аналитический проект, компании должны получить представление о том, какие информационные активы уже имеются в их распоряжении. «Нужно начинать с ваших собственных данных, — говорит исполнительный директор по глобальным данным Мэтью Кейлок. — Покупать информацию о потребителях у третьих лиц имеет смысл, когда вы ищете потенциальных заказчиков, это может детализировать ваши собственные наработки, но не будет полезно для выстраивания собственной системы».

По этой причине Кейлок рекомендует изначально оценить, какие источники данных уже есть в наличии (например, контактные данные покупателей, информация об оргструктуре, история контактов, в том числе история покупки продуктов и услуг, и т. д). Также важно попробовать найти тех, кто владеет данными внутри организации, и изучить, каким образом через обмен источниками данных можно достичь быстрых результатов.

«Компаниям нужно не только стараться максимально использовать свои источники данных и создавать ценность именно на их основе, но и передавать знания о покупателях по всей товарно-сбытовой цепочке», — советует Кейлок. Компании должны сегментировать своих покупателей и проводить регулярную переоценку таких данных, чтобы понимать тенденции и закономерности клиентской базы. Это нужно, например, для выявления моментов снижения покупательского интереса и поиска соответствующих коррекционных мер, а также для поощрения желательного поведения. «По мере упорядочения данных получаемые из них идеи, как правило, ставят под сомнение уже сложившиеся корпоративные нормы, и вы узнаете многое из того, чего до этого не знали», — добавляет Кейлок.

И, наконец, Кейлок рекомендует компаниям воплощать аналитические проекты поэтапно и выстраивать реализацию последующих этапов с учетом результатов предыдущих, то есть закреплять успех. Он замечает, что «масштабный проект по анализу данных, после реализации которого ожидается получение какой-либо ценности — это всегда высоко рискованное мероприятие!».

В чем потенциал данных для финансовой сферы

Финансовые специалисты приходят к более полному пониманию новых возможностей, которые можно получить, анализируя данные. Когда им задавали вопрос, где, по их мнению, организация могла бы получить наибольшую выгоду от улучшения качества данных и более качественной аналитики, самый популярный ответ относился непосредственно к итоговым показателям организации: максимальная выгода заключается в обретении способности определять возможности сокращения издержек или повышения эффективности.

Это согласуется с результатами других исследований. К примеру, по оценке McKinsey & Company, если использовать большие данные для управления эффективностью, годовая экономия только в секторе здравоохранения США достигнет 300 млрд долларов21.

Помимо этого, финансовые специалисты также видят явные возможности для извлечения выгоды вследствие разработки и мониторинга новых или усовершенствованных КПЭ. Например, финансовая служба компании Unilever создала информационную панель данных, которая использует весьма разнообразный набор источников — от социальных сетей до маркетинговых агентств, чтобы сформировать комплекс ключевых показателей, которые будут актуальны в глобальном масштабе, последовательны и практически осуществимы и которые можно задействовать при составлении отчета о финансовых результатах и в работе с денежными потоками22. Артур Тан, старший директор по бизнес-планированию Worldwide Studios (группа разработчиков видеоигр для Sony PlayStation) сообщает, что изучение новых источников данных помогло компании разработать более действенные показатели игровой эффективности — от среднего за день количества геймеров и коэффициентов удержания до процентов монетизации. «Вероятнее всего, вы не сможет извлечь такие результаты из своих финансовых систем, используя традиционные источники данных. Большие данные — вот, что вам необходимо», — поясняет он.

По мнению финансистов, на третьем месте после определения возможностей и разработки КПЭ стоит польза от применения данных для прогнозирования на основе движущих факторов или базирование финансовых прогнозов на операционных факторах (см. рис. 3). Такое прогнозирование требует исключительно качественных и актуальных данных23, что объясняет, почему многие респонденты видят в этом столь явную потенциальную выгоду.

Рис. 3. Первая пятерка направлений бизнеса, которые могли бы выиграть от более высокого качества данных и более совершенной аналитики

Но на этом преимущества не заканчиваются. Выгода еще и в том, что можно повысить отдачу от принятия решений и стратегического планирования. Вот как объясняет это Джеймс Милн, старший финансовый директор финансовой службы глобальных операций Yahoo!: «Вместо того чтобы полагаться на некогда традиционные ежемесячные отчеты, теперь мы в первую очередь смотрим на ежедневные показатели, которые говорят нам о том, как наши пользователи ведут себя в самых разных аспектах. Это позволяет нам быть более гибкими в принятии решений».

Вооружившись знаниями, полученными в результате анализа данных, компании могут улучшить основные процессы и скорректировать бизнес-модели. Часто это приводит к серьезной экономии средств или к новым возможностям для бизнеса. В United Parcel Service использовали анализ и оптимизацию маршрутов доставки и режимов вождения и, как следствие, в 2011 году сократили потребление топлива на 8,4 миллиона галлонов25. Другой пример: в Visa проанализировали транзакционные данные наряду с целым рядом новых источников информации, таких как геолокация, и им удалось снизить годовые убытки от мошенничества на миллиарды долларов26.

Конечно, данные можно обратить в доход. В Sony Games данные по продажам и игровому процессу теперь используются для стимулирования продаж, способствуя более глубокому пониманию игрового опыта геймеров (см. CASE STUDY «Использование данных с целью повышения прибыльности игр в Sony»). Один из самых ярких примеров этого — Rolls-Royce, где получили миллиарды долларов прибыли от обслуживания, благодаря тому, что стали продавать не просто реактивные двигатели, а летные часы27.

Теперь мы в первую очередь смотрим на ежедневные показатели, которые говорят нам о том, как ведут себя наши пользователи... Это позволяет нам быть более гибкими в принятии решений.

James Miln, Yahoo!

Кейс. Использование данных с целью повышения прибыльности игр в SONY

Sony PlayStation — это крупнейший мировой бренд. Многие из выпущенных для этой платформы игр подолгу остаются бестселлерами. Это жизненно важно для бизнеса, потому что консоли продаются с минимальной наценкой, а основная прибыль поступает от игр. Игры — лидеры продаж приносят высокую прибыль, отсюда следует, что бизнесу чрезвычайно важно определить, что же станет бестселлером. Это ключевой вызов для Артура Тана, который контролирует показатели и отвечает за финансовое планирование и результаты интеллектуального анализа данных со стороны подразделения Sony, обеспечивающего разработку новых игр.

И если разработчики продуктов под маркой Sony используют данные для повышения уровня игр, то основная задача Тана — использовать данные для улучшения показателей бизнеса в целом. Это начинается с элементарных КПЭ — от прибылей и убытков по каждой игре и до общего объема продаж и скачиваний. Помимо этого, в Sony стали исследовать дополнительные данные: сколько времени люди тратят на игры, как часто они вводят учетные данные, что они делают в игре — это лишь несколько примеров.

Определив тенденции в целых комплексах поведенческих данных, компания вводит новые параметры и изменения в настройках, чтобы игра стала более привлекательной, либо пересматривает ценовую модель, чтобы повысить спрос. Один из последних примеров: данные показали, что продукт не принесет ожидаемой пользовательской конверсии при значительных расходах, и на основании данных было принято решение свернуть проект, в результате чего были сэкономлены значительные средства.


Предстоящие вызовы

Стремительный рост масштабов данных, которыми сегодня располагают предприятия, ведет и к расширению спектра идей, которые могут быть генерированы с использованием разнообразных аналитических методов. Необходим анализ самого широкого диапазона — от базовой отчетности и вплоть до прогностической аналитики (см. рис. 4).

Рис. 4. Различные уровни анализа данных

Кроме того, по мере разработки дополнительных инструментов и сервисов ширится диапазон доступных видов анализа. Консалтинговые компании предлагают аналитические услуги в таких сферах, как оборотный капитал, клиентские базы, управление персоналом, маркетинг, профилактическое обслуживание активов, эффективность работы предприятия, современное планирование, противодействие мошенничеству, анализ рисков и многое другое.

Учитывая размах возможностей, организациям следует начинать с определения ключевых вопросов, ответы на которые им действительно необходимы. В частности, прежде чем углубляться в мир неструктурированного анализа данных, следует в полной мере понять свою бизнес-модель и иметь представление о собственных нематериальных активах, а также о структуре, качестве и источниках данных. Джо Пеппард, профессор Европейской школы менеджмента и технологий, отмечает: «Предприятия могут использовать данные двумя способами: либо в качестве подспорья в принятии решений, либо в качестве источника новых знаний для себя. Открытие новых знаний, как правило, начинается с постановки вопросов о данных, и зачастую это приводит к тому, что мы обнаруживаем нечто "неизвестное незнаемое". Таким образом, первостепенное значение имеет и качество наших запросов, и качество используемых данных. О необходимости некоторых решений организации могут узнать, анализируя отчеты и данные информационных панелей, которые еще ранее были определены как вспомогательные средства. Обычно они создаются методами интеллектуального анализа данных и программных генераторов отчетов. О необходимости других решений можно узнать лишь в процессе обнаружения знаний».

Предприятия могут использовать данные двумя способами: либо в качестве подспорья в принятии решений, либо в качестве источника новых знаний.

Джо Пеппард, профессор, European school of Management and Technology

После вычленения проблемы организации должны идентифицировать данные, необходимые для ответа на поставленные ими вопросы. Серьезной самостоятельной задачей является приведение данных к виду, который позволит проводить анализ. В нашем исследовании наиболее слабым звеном, препятствующим агрегации данных, 62 % респондентов уверенно назвали разрозненность корпоративных данных.

Рис. 5. Где вашей организации недостает навыков, чтобы ухватить и извлечь ценную информацию из данных?

Еще одной проблемой является качество данных. Почти половина финансистов именно в этом видят слабость своих организаций. Кроме того, около двух третей считают, что для того, чтобы качественно информировать ответственных за принятие решений лиц и обеспечить лучшую производительность, сначала следует добиться более высокой точности и достоверности данных. Здесь важно не переусердствовать и найти правильный баланс, так как бухгалтеры склонны преувеличивать значимость целостности данных, поскольку рассматривают ситуацию через призму официальных отчетов. А при исследовании данных необходимо скорее найти модели или взаимосвязи, которые позволят понять направленность, чем выдержать предельную точность.

Сопутствующей задачей при обращении с такой чувствительной материей, как данные, является обеспечение специалистами по управленческому учету защиты данных и соблюдение стандартов управления. Это отдельная важная тема, выходящая за рамки настоящего отчета, однако совершенно очевидно, что все более глубокое погружение в океан данных требует от специалистов по управленческому учету знаний о потенциальных рисках и осведомленности в этических вопросах, возникающих при обращении с конфиденциальной информацией.

Ярослав Чрупек, менеджер по глобальным данным в British American Tobacco, отмечает, что для максимальной отдачи от инвестиций в технологии обработки больших данных решающее значение имеют надежность информационной инфраструктуры организации и процедуры по контролю соответствия нормам и правилам. «Инвестиции в аналитику больших данных могут быть значительными в сравнении с аналогичными расходами на построение надежной системы управления информацией, что гарантирует надлежащее управление стандартами, имеющими отношение к данным, и постоянное повышение квалификации соответствующих групп специалистов в области использования аналитических инструментов и средств интеллектуального анализа данных».

Кейс. Связь финансов и ИТ в компании BRITISH AMERICAN TOBACCO

Один из крупнейших в мире производителей сигарет, компания British American Tobacco (BAT) весьма заинтересована в получении преимуществ, которые дают стратегии, выстроенные с учетом анализа данных. Ярослав Чрупек — менеджер по глобальным данным в BAT, в чьи обязанности входит наблюдение за данными и контроль управления процессов с позиции как информационных технологий, так и финансов. «В British American Tobacco есть специалисты, которые прекрасно разбираются в финансовых вопросах и обладают знаниями и опытом в сфере ИТ. Такое сочетание позволяет им понимать, что конкретно необходимо бизнесу и каковы перспективы достижения этого при помощи данных».

BAT добилась значительного прогресса за счет внедрения единой платформы данных, которая позволила изменить операционную модель компании и обрести высокую операционную гибкость. Например, теперь усовершенствование новой интегрированной системы в целях соответствия меняющимся потребностям бизнеса стало намного проще и дешевле, чем раньше, когда это делалось на нескольких платформах.

По словам Чрупека, данные могут стать бесценным инструментом, с помощью которого специалисты по управленческому учету достигнут одной из своих главных целей — максимально обширного и глубокого понимания бизнеса, в котором они работают. При этом он советует финансовым службам сфокусироваться на изучении потенциала данных, которыми уже располагает организация, прежде чем принимать решение об инвестировании значительных средств в новейшие инструменты анализа больших данных. «Мощности для работы с большими данными довольно дорого обходятся, а использовать их могут только специалисты по работе с реальными данными. Такой же большой эффект можно получить, используя другие базовые средства, например инструменты интеллектуального анализа, которые сможет применять каждый средний пользователь в организации», — заключает Чрупек.

Обращение идеи в импульс развития

Наше исследование показывает, что финансисты уже сотрудничают с другими службами в деле извлечения из данных ценности и идей. Многие отмечают, что в некоторых областях финансовые службы уже берут на себя ведущую роль. Часто задачи распределяются между несколькими внутренними командами.

Например, по словам Гвинет Джиттингс, вице-президента по глобальной сегментной и управленческой отчетности American Express, анализом корпоративных данных занимаются и финансовая, и другие службы. Специалисты по управленческому учету компании активно участвуют в анализе процессов и производительности, целью чего является как повышение эффективности внутри организации, так и улучшение результатов бизнес-активности, а специалисты по бухгалтерской отчетности больше заняты анализом результатов и разбивкой данных на конкретные компоненты. Прогностический анализ, который выполняют многие группы поддержки финансовых решений, также находится в зоне ответственности специализированных отделов и специалистов по обработке данных, не состоящих в финансовых службах.

Это не единичный пример. Среди опрошенных 37 % — единственная самая большая группа — сообщили, что в их компаниях финансовые службы играют ведущую роль во всех мероприятиях по анализу данных, когда это связанно с финансами, и вспомогательную — если анализ данных необходим для чего-то другого. Это согласуется с сообщениями опрошенных о том, что при достаточно небольшом вкладе финансистов в рамках углубленной аналитики они выходят на первые роли, когда речь заходит о преобразовании полученных в результате анализа идей в ощутимый коммерческий результат. Фактически внимание почти каждого четвертого (23 %) преимущественно сосредоточено на представлении отчетности по данным о производительности, а аналитический компонент отводится другим службам. Несмотря на разные подходы, опрошенные эксперты в целом согласились, что для результативного участия в процессе освоения данных финансовым службам просто необходимо быть частью команды внутри организации, в которую входят специалисты разных служб.

Рис. 6. Какую роль в извлечении идей из данных в вашей организации играет финансовая служба?

У финансистов есть все возможности поставить правильные вопросы на самых первых этапах проектов по анализу данных, с другой стороны, они могут обеспечить использование «добытых» идей при принятии решений и превращения их в фактор, влияющий на эффективность бизнеса. В сущности, они могут выполнять функцию моста между специалистами-аналитиками, которые проводят анализ основных данных, советом директоров и топ-менеджментом, которым необходимо иметь в распоряжении конкретные идеи, извлеченные из данных. Как выразился Джеймс Милн, старший директор финансовой службы глобальных операций Yahoo!,«финансовая служба — связующее звено между данными и финансовыми результатами использования этих данных». Кроме того, это дает финансовым службам ключевую возможность играть более активную роль при выявлении новых возможностей для бизнеса.

Партнерство — вот что исключительно важно

Повышение роли специалистов по управленческому учету в извлечении коммерческой ценности из данных предполагает, что им необходимо более тесное сотрудничество с тремя группами заинтересованных сторон. Во-первых, жизненно важен плотный контакт с ИТ-специалистами, поскольку без них не обойтись при сборе и извлечении данных из внутренних ИТ-систем. Во-вторых, сегодня многие компании привлекают для работы профессиональных специалистов по обработке данных, которым, в свою очередь, необходима помощь финансистов при формулировании правильных запросов, а также интерпретации идей и закономерностей, вытекающих из аналитического процесса. И, наконец, финансисты должны иметь тесные связи с руководителями структурных подразделений организации, чтобы обеспечить сбор и интерпретацию данных по всем правилам и гарантировать таким образом последовательное представление данных, необходимое для использования их при принятии бизнес-решений.

Джеймс Милн из Yahoo! подчеркивает роль, которую должна играть здесь финансовая служба: «Грамотные финансовые специалисты задают правильные вопросы о бизнесе». По крайней мере они могут проконтролировать, чтобы анализ данных проводился в соответствии с потребностями бизнеса. Как выразился Ярослав Чрупек из BAT, «скорее всего, выделить информацию, которая необходима именно для бизнеса, будет более трудной задачей для ИТ-специалиста, а не для того, кто занимается финансами в организации». Зачастую финансисты становятся частью группы, которая занимается основными данными, что является основой сочетания разнообразных навыков и, значит, залогом надежного анализа.

В рамках таких отношений финансисты могут обеспечивать контроль качества, чтобы гарантировать правильное использование и интерпретацию данных более широкой группой. «Сегодня организации рассчитывают, что финансовые структуры создадут вокруг информации атмосферу строгости и доверия, — говорит Дэвид Экссон, управляющий директор по управленческому консультированию Accenture. — От них ждут качественной проверки и аналитической целостности. Например, в процессе работы с данными организации получили много корреляций, но весьма разрозненного характера. Нам нужно понять, что на самом деле имеет смысл, и установить причинно-следственные связи. Специалистам по управленческому учету необходимо проверить данные и понять, какие из них важны».

Во-вторых, финансовая служба должна более тесно контактировать с руководителями структурных подразделений и брать на себя инициативу в деле преобразования идей в ощутимые результаты — при включении их в КПЭ, отчетность и бюджеты, с тем чтобы они стали вполне реальны и осуществимы практически. Известный специалист по повышению эффективности бизнеса Бернард Марр считает: «Не нужно превращать финансовых специалистов в исследователей данных. Их присутствие необходимо, чтобы помочь вам интерпретировать данные. Они также могут побудить организацию искать другие наборы данных, которые позволят-таки ответить на важные для бизнеса вопросы».

Это наиболее ценный вклад, которые они могут привнести, однако сегодня совсем немного компаний внедрили у себя подобный порядок. «Финансовые службы, безусловно, играют стратегическую роль при трансформации идей в цифры, которые представляются руководству», — уверены Дэвид Гире и Малколм Уилкинсон из аналитической лаборатории Deloitte. Как показано далее, еще один немаловажный фактор — способность финансовых структур находить новые способы сообщения и визуализации корпоративных данных.

Рис. 7. Каким образом специалисты по управленческому учету связывают бизнес и анализ данных

Но, чтобы добиться успеха на этом поприще, им требуется умение ориентироваться в стратегических вопросах и понимание механизмов функционирования организации. «Специалисты по управленческому учету должны быть достаточно проницательны, чтобы охватить ситуацию целиком и критически оценить представленные результаты. Но это возможно, только если они понимают бизнес-модель и динамику рынка», — считает Ярослав Чрупек из BAT.

Сегодня организации рассчитывают на то, что команды финансистов создадут вокруг информации атмосферу строгости и доверия.

Дэвид Экссон, Accenture

Кейс. Еще больше сближая финансы с бизнесом в YAHOO!

Многие компании сектора высоких технологий становятся первыми, кто внедряет у себя методы работы, которые впоследствии распространяются и на весь деловой мир. Так, финансовая служба Yahoo! уже давно четкое представляет данные, которые получает посредством своих ключевых продуктов, таких как Yahoo! Mail, и которые дают объективное понимание того, что же является движущей силой получения прибыли. По мнению Джеймса Милна, старшего финансового директора, возглавляющего службу глобальных финансовых операций Yahoo!, для компании это жизненно необходимо. «В финансовом подразделении должны понимать, кто наши пользователи, чем они занимаются и что делает их привлекательными для рекламодателей. Мы тесно сотрудничаем с группами по обработке данных — даже на уровне элементарных дефиниций типа «что такое пользователь» и «что значит придавать пользователю ценность».

Такой подход становится еще более важным по мере того, как оцифровывается все больше информации. Значительное влияние на продукты Yahoo! оказывают модели отношений между брендами и пользователями в социальных сетях. «Еще совсем недавно мы опирались на ежемесячные отчеты. Теперь мы находимся в ситуации, когда в режиме реального времени нам доступно данных больше, чем когда-либо. Это означает, что мы способны ускоряться», — говорит Милн.


Сделать данные жизнеспособными: коммуникация и визуализация

Финансовая служба играет ключевую роль на этапе преобразования идей, полученных в результате анализа, в реальный коммерческий результат. Однако для этого необходимы коммуникационные навыки и умение преподнести информацию. Это представляет определенные проблемы: 63 % респондентов отметили, что им сложно быть убедительными при передаче своего видения результатов данных.

Ключевым моментом является способность умело обращаться с данными и доходчиво представлять их аудитории. Начать можно с навыка проникновения в суть и создания перекрестных ссылок уже существующих данных, таких как показатели выручки или расходов в отчете о прибылях и убытках. «Финансистам традиционно отведена роль анализа данных, которые уже заранее определены и выведены, но в современном мире этого уже не достаточно», — подчеркивает Мартин Фицпатрик, вице-президент компании QlikTech по финансам, Азиатско-Тихоокеанский и Австралийский регион (QlikTech — разработчик программной платформы интеллектуального анализа данных QlikView).

Специалисты финансовой сферы также проявляют все больше интереса к возможности представления результатов своей работы с использованием методов визуализации данных. В настоящее время существует целый ряд техник, которые позволяют представлять данные более наглядным способом, и это реальная польза при работе с массивными базовыми наборами данных. Уверенно применяя такие инструменты, финансисты смогут более результативно участвовать в процессе трансформации идей, полученных в результате анализа, в коммерческий результат.

Визуализация может быть достаточно простой, например графическое изображение ключевых бизнес-показателей на цифровой карте вместо скучных длинных списков. Таким образом, реципиент получает моментальную и мощную визуальную отсылку к проблемным точкам. Как отмечает специалист по повышению эффективности бизнеса Бернард Марр, «финансисты должны понимать, что большинство людей ненавидят цифры — наша коммуникация всегда строилась на историях и картинках».

Поиск лучших способов представления и визуализации данных имеет большое значение для любого бизнеса, но особенно полезным он будет для небольших организаций, многие из которых не могут позволить себе содержать специальные ресурсы, например штатных бизнес-аналитиков, целенаправленно занимающихся оценкой комплекса данных. Отвечая на вопрос, на что более всего полагается организация при принятии стратегических решений — на интуицию и опыт или на данные и анализ, — 65 % респондентов из МСП ответили, что на первое. В крупных организациях на интуицию и опыт полагаются 47 %, что тоже немало.

Кейс. Инструменты GOOGLE для МСП

Анализируя большие объемы корпоративных данных, компания Google значительно повысила свой доход, и не в последнюю очередь за счет определения для себя новых прибыльных ниш, таких как МСП. Прежде в центре внимания Google были крупные рекламодатели с большими рекламными бюджетами. Но, по словам Рэя Мерфи, руководителя службы продаж аналитических и системных решений для глобального привлечения МСП в Google, они уже прекрасно разбирались в том, каковы движущие факторы для крупного бизнеса и гораздо меньше понимали рекламодателей из сектора МСП.

Благодаря аналитике в Google смогли ответить на целый ряд вопросов в отношении таких предприятий. Например, была поставлена задача оценить, что именно побуждает рекламодателей из МСП вкладывать больше средств в рекламу. Успешное постижение этого дало компании существенный годовой рост, к тому же это направление деятельности стало одним из наиболее быстро развивающихся в компании. Анализ данных также позволил оптимизировать внутреннюю эффективность: например, здесь полагали, что ключевым фактором, влияющим на оборот, генерируемый службами продаж, является трудовой стаж их сотрудников, но фактически оказалось, что более молодое поколение делало больше продаж, и это позволило компании провести оптимизацию кадрового состава.

Эта ситуация показывает, как финансовая служба может извлечь коммерческий эффект из данных. «Во многих компаниях специалисты по управленческому учету уже приносят значительную ценность, добавляя ценное содержание в такие сферы, как отчетность и бизнес-планирование, — объясняет Мерфи. — К настоящему времени финансовые специалисты уже выросли до уровня, когда они помогают организации определять области возможного высокого роста. Теперь они уделяют больше времени представлению стратегического видения, решению проблем и направлению специалистов по продажам в нужную сторону».

Будущее специалистов по управленческому учету

Большие данные поднимают вопрос о роли финансовой службы в будущем. Возможно, бухгалтеры сойдут с дистанции как специалисты, занимающиеся формированием финансовой отчетности по прошлым результатам. Но, как вариант, они могут воспользоваться шансом, чтобы стать экспертами по большим данным — источником информации для принятия решений, и таким образом изменить саму модель бизнеса.

Финансовой службе предстоит выйти за рамки традиционных показателей бизнеса и увидеть в больших данных коммерческий потенциал. Помимо базовых финансовых и корпоративных данных, с которыми финансисты уже работают, им необходимо заняться нетрадиционными источниками данных, поскольку это принесет более глубокое понимание эффективности коммерческой деятельности организации.

Специалисты по управленческому учету могут извлечь большую пользу из ситуации, когда аналитика больших данных стала занимать важное место в бизнесе, и при этом внести в ее развитие свой вклад. Они уже знают, как работать с данными, как функционирует бизнес изнутри, они располагают всеми возможностями, чтобы помочь преобразовать идеи, полученные в результате анализа, в ощутимый коммерческий результат. Участие специалистов по управленческому учету в разработке продукта повышает доверие к конечному продукту. Успеха добьются те из них, кто адаптируется к работе с большими данными и сделает шаг к активному деловому партнерству с остальными структурами в своих организациях.

Это не означает, что финансистам предписано стать специалистами по работе с техническими данными. Напротив, специалист по управленческому учету сможет быть более полезен в сотрудничестве со специалистом по обработке данных в целях наделения новых данных коммерческим смыслом. Дэвид Бёрджесс и Густаво Пенас из департамента финансовых операций компании Shell видят это так:

«Специалисты по управленческому учету должны знать, какие сегменты данных важны и какие идеи можно из них извлечь. Им необязательно глубоко осмысливать структуры баз данных или самостоятельно выполнять аналитику. Они просто должны разбираться в ее результатах и понимать, какую ценность эти результаты могут иметь для бизнеса».

Для финансовых специалистов переориентация на бизнес, в основе которого лежит работа с данными, имеет далеко идущие последствия. Компаниям необходимо, чтобы их финансовые службы взяли на себя ключевую роль и работали в одной упряжке со специалистами по анализу с целью извлечения из корпоративных данных содержательных коммерческих идей и, главное, чтобы финансисты помогали всей управленческой команде интерпретировать данные и направлять их потенциал на принятие более взвешенных стратегических решений.

Это неизбежно будет наталкивать финансистов на новые, незнакомые им области, а также потребует от них новых навыков и нового образа мышления. Тот, кто успешно преодолеет переход к изменившимся условиям, получит возможность выйти на первые позиции в области, которая в ближайшие годы будет становиться все более важным источником конкурентных преимуществ для компаний самых разных видов и размеров.

Финансовый персонал должен разбираться в результатах аналитики и понимать, какую ценность эти результаты могут иметь для бизнеса

Дэвид Бёрджесс и Густаво Пенас, Shell

Пять шагов к созданию бизнеса, ориентированного на данные

Шаг 1. Убедитесь, что понимаете, какие новые данные имеют отношение к вашей бизнес-модели и конкурентной позиции

  • Составьте бизнес-модель и обозначьте нематериальные активы вашего бизнеса. В частности, определите сегменты основных источников дохода (по клиентам, каналам, продукции), а также расходы на каждый сегмент (например, на логистику, собственно процесс, рекламу и т. д.).
  • Идентифицируйте данные, которые необходимо описать, и осмыслите определяющие факторы источников доходов и расходов.
  • Обдумайте то, что вам нужно понять еще лучше для повышения эффективности бизнеса в целом.

Шаг 2. Оцените, какие начинания в области данных уже реализуются в вашем бизнесе

  • Проверьте, какие платформы по обработке данных и инициативы уже работают в организации, какие данные уже собраны и (или) анализируются.
  • Оцените скорость и уровень, с которыми вы можете выполнять прогноз на основе движущих факторов или расчет параметров эффективности бизнеса. Это вполне возможно при наличии лишь традиционных корпоративных данных, безо всяких средств углубленной аналитики.
  • Изучите, какие внешние источники данных потенциально доступны для рассмотрения.

Шаг 3. Выявите возможности быстрого достижения результатов или незначительной коррекции концептуальных проектов

  • Соберите команду увлеченных квалифицированных специалистов разных направлений (ИT, анализ, финансы, операции), которую поддержит специалист высокого класса по коммерческим вопросам.
  • Работая с небольшим сегментом доступных данных, наглядно покажите, как извлекать идеи и какую ценность это может иметь для бизнеса.

Шаг 4. Реализуйте настоящий проект обработки данных с целью формирования соответствующей стратегии

  • Приступите к выполнению полномасштабного проекта по сбору и анализу данных, примените полученные идеи.
  • Определите совокупность применяемых методов, навыки и структуру, необходимые для успешной реализации стратегии.
  • Составьте экономическое обоснование.

Шаг 5. Используйте эту инициативу как фундамент развития культуры данных

  • Убедитесь в том, что данные рассматриваются как актив бизнеса. Чтобы обеспечить хорошее качество данных внутри организации, необходима совместная, комплексная работа всех подразделений, а также приверженность общему делу всех работников компании.
  • Ставьте под сомнение все, что «само собой разумеется», нормой должно стать доказывание любого мнения. Помогайте проводить комплексную проверку для подтверждения всех связанных требований.
  • Поощряйте инновационные подходы применительно к данным, например, испытание новых источников данных для изучения альтернативных идей.
  • Спокойно относитесь к неудачам: если выясняется, что ранее принятая точка зрения неверна, убедитесь, что у тот, кто эмоционально отстаивал эту позицию, не оказывает сопротивления новой идее.
  • Помните, что данные — это зачастую чувствительный и ценный актив, и в этой связи важно соблюдать конфиденциальность и следовать самым высоким стандартам деловой этики и управления.


1 “Why every finance professional needs a degree in big data”, The Wall Street Journal, 25 July 2013

2 “Data-driven: The new CFO/CIO dynamic”, Deloitte, 2012

3 “The data directive”, Economist Intelligence Unit and Wipro, 2012

4 “Big data: the next frontier for innovation, competition and productivity”, McKinsey & Company, May 2011

5 “Big data: the management revolution”, Erik Brynjolfsson and Andrew McAfee, Harvard Business Review, October 2012

6 “Inside P&G’s digital revolution”, McKinsey Quarterly, November 2011

7 “Strength in numbers: how does data-driven decision-making affect firm performance?”, Erik Brynjolfsson, et al, 22 April 2011

8 Gartner, August 2013

9 “Big data: Harnessing a game changing asset”, Economist Intelligence Unit and SAS, 2011

10 Sources: Techtarget, Search CIO, Businessdictionary.com, McKinsey & Company, Technopedia, The Economist

11 “The data directive”, Economist Intelligence Unit and Wipro, 2012

12 “Big data: the next frontier for innovation, competition and productivity”, McKinsey & Company, May 2011

13 “Inside P&G’s digital revolution”, McKinsey Quarterly, November 2011

14 Sources: Economist Intelligence Unit, Harvard Business Review, New York Times, BigData-Startups

15 “Why more data does not guarantee better business decisions”, CGMA Magazine, 18 April 2013

16 “Sweaty Betty undertakes customer analysis”, Fashion United, May 2011

17 “Small business takes on big data”, Reuters, 4 February 2013

18 Ibid

19 “How Kaggle is changing how we work”, The Atlantic, 12 April 2013

20 “Small business takes on big data”, Reuters, 4 February 2013

21 “Big data: the next frontier for innovation, competition and productivity”, McKinsey & Company, May 2011

22 “Jean-Marc Huet: Unilever CFO”, Financial Management, 17 May 2013

23 “Driver-based forecasting: Is it the right approach for your company?”, Deloitte.com, Last accessed 12 September 2013

24 The AICPA and CIMA conducted the survey from 15 to 27 August 2013, receiving responses from 2,093 CGMA designation holders in over 80 countries.

25 “5 cool ways big data is changing lives”, Forbes, 14 June 2013

26 “Visa says big data identifies billions of dollars in fraud”, Wall Street Journal, July 2013

27 “Britain’s lonely high-flier”, The Economist, 8 Jan 2009

28 “Predictive analytics extending the value of your data warehousing investment”, The Data Warehousing Institute, Wayne W. Eckerson, 2007

29 The AICPA and CIMA conducted the survey from 15 to 27 August 2013, receiving responses from 2,093 CGMA designation holders in over 80 countries.

30 The AICPA and CIMA conducted the survey from 15 to 27 August 2013, receiving responses from 2,093 CGMA designation holders in over 80 countries.

31 “The DNA of the CFO”, EY, 2010

32 “Business partnering: Optimising corporate performance”, Robert Half, 2012