Революция в аналитике. Как в эпоху Big Data улучшить ваш бизнес с помощью операционной аналитики
Шрифт:
Мультинациональная корпорация, с которой я сотрудничаю, имеет в каждой стране отдельное торговое подразделение. Как и следовало ожидать, эти подразделения значительно различаются между собой по уровню зрелости и успешности использования аналитики. Недавно компания собралась внедрить новый аналитический процесс, направленный на поддержку торговых команд, но по прошлому опыту она знала, что может столкнуться с серьезным сопротивлением. Чтобы свести к минимуму это сопротивление, мои клиенты отобрали в группу тестирования пару региональных менеджеров, которые уже имели достаточный опыт использования аналитики и были готовы пробовать новые методы. Внедрение процесса в ограниченном масштабе прошло успешно, а региональные менеджеры из группы тестирования полностью поддержали новый аналитический процесс.
Чтобы обеспечить поддержку новому аналитическому процессу, протестируйте его на группе ранних последователей, которые готовы первыми опробовать все новшества. Если ранние последователи добьются успеха, они смогут повлиять на тех, кто более склонен к сопротивлению.
Далее мои клиенты сделали очень сильный ход. Раз в году региональные менеджеры со всего мира собираются на общей встрече в рамках процесса годового планирования, чтобы обсудить результаты деятельности за предыдущий год. На очередном собрании ранние последователи рассказали об успехах, которых они достигли при помощи нового аналитического процесса. Эти пользующиеся авторитетом руководители выступили перед своими коллегами в защиту аналитики и подтвердили, что она действует на практике, а не только в теории. Влияние группы тестирования было использовано в полной мере. Как следствие, мои клиенты сумели заручиться поддержкой большинства других региональных менеджеров в пользу развертывания нового аналитического процесса в глобальном масштабе.
Люди всегда готовы следовать за лидером, который добился успеха, поскольку они хотят повторить это достижение. Внедрение операционной аналитики и, что важнее, ее признание можно облегчить, если начать с адресного пилотного проекта подобно вышеописанному. Ключевые влиятельные фигуры, когда настанет их черед включиться в процесс, будут способны увлечь своим примером других коллег.
Подготовьте маркетинговую кампанию
Как говорилось в восьмой главе, для того чтобы заручиться поддержкой нового аналитического процесса, необходимо провести маркетинговую и PR-кампанию. Необходимость и ценность аналитики должны быть объяснены широкому кругу влиятельных лиц. Акцент следует делать на безопасности использования операционной аналитики и на ее способности улучшить результаты деятельности.
В рамках существующей в аналитической команде культуры должна получить приоритет и признание такая «легковесная», не связанная с аналитикой деятельность, как маркетинг. Руководитель аналитической команды обязан убедиться в том, что его команда понимает необходимость маркетинга и считает его неотъемлемой частью своей работы. Для этого нужно ответить на следующие вопросы:
• На кого в организации необходимо оказать влияние?
• Какое позиционирование поможет убедить этих людей?
• Какие имеются факты для того, чтобы убедить каждого сотрудника?
• Кто способен изложить суть дела каждому заинтересованному лицу?
• Каких возражений можно ожидать и как их можно преодолеть?
Для того чтобы перетянуть на свою сторону всех заинтересованных лиц, могут потребоваться значительные усилия, вот почему так важно уделять внимание маркетингу как части культуры аналитической команды. Не менее важно на уровне общекорпоративной культуры внушить руководству, что ему следует прислушиваться к предложениям аналитической команды и выделять время на их вдумчивую оценку.
Один из моих самых любимых примеров, связанных с маркетингом аналитики и приспособлением ее к нуждам организации, касается действий телекоммуникационных компаний, которые полностью изменили свой подход к принятию решений при обращении клиентов с запросом на закрытие счета {91} . В начале 2000-х гг. компании сотовой связи пришли в восторг от появившейся у них возможности с точностью рассчитать рентабельность каждого абонента. При этом они могли учитывать, например, какой вышкой сотовой связи – с низкой или высокой арендной стоимостью – пользуется абонент. Когда в компанию звонил невыгодный абонент с просьбой закрыть счет, то оператор зачастую не только не пытался остановить его, но даже поощрял уйти к конкурентам. Компании гордились тем, что могут «избавляться» от невыгодных клиентов, и поступали правильно, исходя из имевшихся у них данных.
91
Эта тема также обсуждается в моей книге «Укрощение больших данных» (Bill Franks, Taming the Big Data Tidal Wave, Hoboken, NJ: John Wiley & Sons, 2012).
Однако со временем компании обнаружили, что совокупное влияние абонента важнее его непосредственной рентабельности. Они принялись изучать, с кем взаимодействовал каждый абонент, и выяснили, что невыгодный абонент мог взаимодействовать с очень прибыльными абонентами, которые, в свою очередь, взаимодействуют с массой других очень прибыльных абонентов. Кроме того, анализ социальных сетей показал, что, когда один человек из сообщества закрывает свой счет, вероятность ухода других членов сообщества от этого же оператора возрастает. А переход к другому оператору сразу нескольких человек резко повышает вероятность ухода за ними и всех остальных.
Сегодня большинство операторов сотовой связи оценивают совокупное влияние абонента. Если компанию собирается покинуть невыгодный абонент, представляющий очень прибыльное сообщество, она, возможно, предпочтет потерять деньги, чтобы не потерять сообщество. Таким образом, акцент сместился с индивидуальной рентабельности на сетевую.
Теперь давайте осмыслим этот пример в контексте данной главы. Представьте себе, что некто в телекоммуникационной компании первым предложил использовать анализ социальных сетей для того, чтобы не просто улучшить, а полностью изменить подход к принятию решений при обращении клиентов с запросом на закрытие счета. Представьте себе, что он предложил компании потерять еще больше денег на и без того уже невыгодном абоненте. Можно держать пари, что обсуждение этой идеи не только не выльется в решение о ее немедленной реализации, но и, скорее всего, предложившего ее специалиста-аналитика воспримут как ненормального.
Для того чтобы люди поддержали новую идею, бросающую вызов статус-кво, их необходимо убедить в ее полезности. Будьте готовы потратить много времени и сил на продвижение новой идеи и разъяснение ее для всех заинтересованных лиц. Без этого многие аналитические идеи никогда не будут внедрены и восприняты, а их потенциал останется нереализованным.
Но человек продолжил продвигать свою идею, приводя доказательства и разъясняя бизнес-кейс, пока, в конце концов, не убедил кого-то из руководства провести тестирование. Начальный тест дал хорошие результаты, и постепенно этот процесс был внедрен по всей компании. Вероятно, точно такая же картина постепенного преодоления сопротивления наблюдалась и в других компаниях, первыми принявших новый подход. После того как эта аналитическая концепция доказала свою эффективность и результаты были преданы огласке, другие операторы связи быстро присоединились к лидерам. Сегодня применение анализа социальных сетей для оценки абонента является общепринятой практикой бизнес-аналитики, но так было не всегда. Если бы не готовность специалистов-аналитиков осуществить масштабную маркетинговую кампанию, чтобы привлечь внимание к казавшейся безумной идее, ее ни за что бы не приняли.
Другой пример связан с анализом данных из социальных сетей. Легко забыть, что в 2014 г. большинству платформ социальных медиа не исполнилось даже и 10 лет. Традиционно организации использовали строгий научный формат опросных исследований и очень тщательно отобранные фокусные группы, которые обеспечивали надежную, управляемую обратную связь касательно маркетинговых инициатив, продуктов и имиджа бренда.
Теперь представьте, что некто первым предложил использовать данные из социальных сетей в качестве дополнения к опросным исследованиям и фокусным группам, а также в качестве способа узнать, как люди воспринимают компанию. Комментарии в социальных сетях исходят от случайных людей со всего мира, и обычно невозможно узнать, кто эти люди, каков их демографический профиль и имеют ли они вообще какое-либо отношение к компании. Но если выборка из социальных сетей может быть ужасающе пристрастной, то можно ли по таким данным определить тренды?