Перевод статьи на тему «Вред от автоматизации отчетов». Автор перевода: Авинаш Кошик.
3 сентября 2018
Хватит автоматизировать отчеты!
Авинаш пишет полезные статьи для аналитиков, которые помогают разобраться в цифровом безумии. А я делаю переводы самых интересных из них. Сегодня перевел статью про вред автоматизации отчетов.
Все ваши попытки автоматизировать отчетность закончатся провалом.
Если так, то почему вы тратите столько времени и денег на эту задачу?
Давайте сделаем шаг назад и посмотрим на это внимательнее.
Вы верите в пользу данных.
- Ваш персональный опыт анализа данных показывает, что вы способны находить способ практического применения ваших моделей сегментации, нетиповых отчетов или статистических моделей.
- В вашей компании есть куча маркетологов, HR-специалистов и топ-менеджеров, которые принимают существенные бизнес-решения.
- В вашей компании не очень много аналитиков (их нигде не бывает много).
- Ваша компания испытывает потребность в данных, созданных в том числе вашим личными рабочими успехами. При этом вы приняли утверждение, что решения, основанные на данных — это умно.
Ваше решение: решения на основе данных — кайф. Давайте-ка организуем доставку данных до этих ребят, которые принимают решения. Отсюда рождается план огромного проекта по автоматизации отчетности и дашбордов в компании.
Ура! Победа! Мир во всем мире :)
Кроме…: (
Получатели первого набора автоматизированных отчетов и дашбордов начинают просить больше отчетов и модификации существующих. Вскоре еще больше людей в компании узнает, что новые отчеты делаются со скоростью пирожков из печки, и аналитический отдел захлестывает поток запросов по отчетности. Это раздувает эго отдела до нового уровня (честно, почему бы и нет — они стали новыми рок-звездами в компании). Нанимается еще больше людей закрывать потребность в отчетах и делать еще более детальные дашборды. И потом еще больше людей, отчетов и автоматизации, и еще…
Часть вас чувствует себя на пике силы, создавая культуру принятия решений на основе данных. Другая часть чувствует пустоту внутри, когда при посещении очередной встречи топ-менеджмента выясняется, что реально решения принимаются по-прежнему на «чуйке», или все ориентируются на мнение самого главного в корпоративной иерархии (HiPPO-driven).
Та часть «я», которая чувствует пустоту, подталкивает вас еще раз прочитать мою книгу десятилетней давности «Веб-аналитика: один час в день». Вы читаете про мой мысленный эксперимент про выключение случайных 50% автоматических отчетов с целью проверить, кто вам позвонит по этой проблеме (моя гипотеза — никто).
Никто не звонит.
Теперь ощущение пустоты полностью захватывает ваше внутреннее «я».
Как же может быть так, что поток бесценных данных, льющихся в компанию, как манна небесная, влияет только местами на небольшие тактические решения, а все стратегические решения принимаются не на основе данных?
Есть три больших недостатка, которые не может устранить автоматизация.
1. Предполагать, что получатель ваших отчетов имеет навыки работы с данными
В любой компании есть ошеломляющая нехватка компетенций по работе с данными. Даже вы, аналитик, глядя на прекрасно составленную таблицу или великолепно отрисованный график, не всегда можете сказать, о чем идет речь. Даже вы иногда забываете проверить статистическую значимость, когда оцениваете разницу в три пункта на шкале из ста. Даже вам бывает сложно, глядя на шесть разных блоков данных, найти в них общие точки, чтобы понять, о чем в этих блоках идет речь.
Как вы можете ожидать, что маркетолог, никогда не обучавшийся работе с данными, сможет делать то же самое? Или подумайте о своем директоре по маркетингу, у которого ошеломляющий список обязанностей: как он сможет разбирать ваши данные?
Большинство людей, получающих ваши автоматизированные отчеты, не имеют навыков аналитика, чтобы копнуть немного глубже: найти правильные сегменты, понимать предвзятости и допущения в данных. Так почему же вы ожидаете, что они смогут понять хоть что-то из очень узкого фрагмента данных, который находится в вашем отчете?
Никогда не исходите из того, что получатель отчетов — человек, обладающий аналитическими навыками. Если предположите такое — фундаментальные расхождения в ожиданиях начнутся прямо сразу.
Это совсем не значит, что получатель отчета никогда не знает, что с ним делать. Иногда знает, и это невероятно приятный бонус к работе.
2. Предполагать, что получатель ваших отчетов обладает навыками бизнес-аналитика
В самый лучший, светлый и солнечный день, по прямому указанию Тора и Кришны, в самых идеальных условиях, максимум, что может сделать ваш график, слайд, таблица — это ответить на вопрос: «Почему вас это должно заботить»?
В нашем мире мы называем это «инсайт».
Эй, слушайте: мы посмотрели данные, провели глубокий анализ наших ключевых сегментов клиентов, разобрали их поведение с помощью поощрений (предложений, социальных постов, геотаргетинга), и, положив результат на онлайн и офлайн-продажи, обнаружили, что стимулы X и M, приводят к Y-результатам Z раз.
Потрясающие.
Что теперь?
Даже если ваш автоматический отчет был таким же идеально точным и полным, как и в предыдущем абзаце, то кто в компании должен ответить на вопрос: «Что компания должна делать с этим знанием?»
Это гигантская дыра во всей истории с автоматизацией: никто не убедился, что получатели отчетов — это те люди, которые обладают навыками понимания бизнес-стратегии, умеют погружаться в детали и определять, какие действия компании следует предпринять.
Бездействие = темная сторона в мире данных.
Вот вам быстрый контрольный список:
- Посмотрите на самый важный отчет или панель, которую вы автоматизировали.
- Определяет ли он, какие действия необходимо предпринять на основе данных в этом отчете?
- Да? Ликуйте. Нет? Плачьте.
3. Предполагать, что получатель ваших отчетов обладает развитым эмоциональным интеллектом
В идеальном мире, когда мы стараемся повлиять с помощью данных на решение, мы пытаемся сопроводить наши рекомендации четкими и конкретными действиями. Даже в этом случае офисная «политика» может убить наши попытки. Например, неправильный человек, получивший неправильные рекомендации, или эгоистичный лидер могут все испортить. Так же как и нехватка контекста, который может направить ход принятия решения в нужную сторону.
Это совсем неполный список ловушек, который вас ждет, когда вы попытаетесь сориентироваться в психологии принятия решений.
Один из хороших способов преодоления таких ловушек — связать конкретное действие с точно рассчитанным воздействием на бизнес.
Мы нашли инсайт Х из анализа Y, который рекомендует действие Z. Если мы предпримем эти действия, мы добавим 12 млн выручки, заплатив 1,7 млн долларов.
БУМ!
Офисная политика курит бамбук в сторонке.
Даже неправильный человек, получивший такое, направит это знание правильным людям. Лидер, любящий рисковать, скорее всего тоже будет доволен, и т. п.
Существуют и другие стратегии, которые вы тоже можете использовать.
Но! Если вы, как аналитик, сфокусировались только на сваливании данных в отчеты и дашборды, то кто займется всеми этими критически важными вещами про психологию принятия решений?
Отсутствие бизнес-аналитики, навыков работы с данными и эмоционального интеллекта в совокупности с вашими усилиями по автоматизации отчетов создают лишь вихрь бесполезности.
Это знание вряд ли заполнит пустоту в вашем сердце от отсутствия реальной пользы в автоматизации отчетности, но я искренне надеюсь, что оно хотя бы объяснит, почему эта пустота существует.
Как не провалить к черту автоматизацию отчетов
Тем не менее, автоматизировать отчетность, которая служит аналитику, может быть полезным.
Фокус на аналитиках, как на потребителях автоматизации гарантирует, что цель автоматизации — избавить людей, умеющих работать с данными, от рутины и упростить им поиск начальных точек для анализа.
Если вы примените несколько простых правил к автоматизации, то ваши стартовые точки для начала анализа тоже могут стать умными.
- Получателем автоматизированных отчетов является толковый аналитик.Это решает проблему навыков работы с данными. Такой аналитик возьмет стартовые точки для анализа из отчетности, отвечающие на вопрос «почему меня это должно заботить», и погрузится в анализ и бизнес-контекст, чтобы найти ответ на вопрос «что мы должны делать».
- Способный аналитик (самостоятельно, либо убеждая соответствующих лидеров) определяет четкий список действий, которые необходимо предпринять. Это решает проблему номер два — навыки бизнес-анализа.Аналитик предпримет эти действия, используя простые прогностические модели, чтобы определить влияние каждого принятого решения на бизнес.Это влияние будет выражаться не в большем количестве кликов или большем количестве шагов в магазине или какой-то аналогичной глупости. Влияние на бизнес будет измеряться количественными целями покупок, конверсий, дохода или прибыли.
- Толковый аналитик теперь получает ценную информацию: конкретные действия и явно описанное влияние их на бизнес, и отправляет такой «автоматический отчет» по электронной почте в список рассылки топ-менеджмента.И вот это самый секси-момент всей истории. Автоматизированный отчет на ручном приводе приводит к принятию решений.Это единственный способ добиться успеха благодаря автоматизации. Он требует, чтобы вы наняли разных аналитиков (аналитические ниндзя) и сократили автоматоров (производящих отчеты со скоростью белочки в колесе).Это приведет к тому, что вы перераспределите затраты на инструменты и платформы автоматизации в пользу умных людей. Это изменит культуру, привычный ритм работы и процессы в компании.Будет много боли. Культура не изменится за одну ночь даже под самым суровым давлением реальности.Но.Это действительно единственный путь.
Авинаш, блин! Ты точно уверен, что я не могу автоматизировать эти три проблемы?
Да. По крайней мере сейчас.
Меня очень воодушевляют технологии машинного обучения — Machine learning, ML и их последствия для аналитики и маркетинга. Эта технология позволяет находить инсайты со скоростью и в масштабах, недоступных человеку или любой современной системе автоматизации.
Но потребуется некоторое время для того, чтобы мое любимое Машинное Обучение стало действительно могущественным в определении необходимых следующих шагов.
Этот день тоже придет.
Еще больше времени потребуется, чтобы состыковать алгоритмы машинного обучения с платформами, в которых предпринимаются необходимые шаги, разработанные ML — от тонкой «подкрутки» вашей медийной рекламы до изменения логистических цепочек поставок вашей компании, или увольнения сотрудников, которые плохо справляются с работой, или сокращения интервала между взлетами самолетов в аэропортах.
Но этот день тоже придет.
В этот день вы сможете автоматизировать все. В этот момент данные больше не будут использоваться людьми, которые должны их интерпретировать, знать, что делать, и применять правильные психологические стратегии для обеспечения правильных решений.
Когда люди сгинут, усилия по автоматизации данных доставят вам особое удовольствие и радость.
До этого момента, все усилия по автоматизации будут отстойными.
P.S: это не просто буквы, это смысл (поговорка). Как думаете, где смысл в вашем случае автоматизации отчетности? И кто его туда добавляет?
P.P.S: «получеловеческая» автоматизация, которую я описал выше, не так далеко, как вы думаете. Вот пример с прошлой недели: Autonomous data center industrial control.