Супераналитики нанимают соответствующих сотрудников – и, как и все компании, чье богатство составляют таланты, стремятся быть лучшими. Когда Amazon потребовался новый руководитель сети глобальных поставок, компания наняла Ган Юя, профессора теории управления и предпринимателя в сфере ИТ, одного из ведущих мировых экспертов по аналитике оптимизации. Бизнес-модель Amazon предполагает, что компания управляет постоянным потоком новых продуктов, поставщиков, клиентов и акций, а также привозит заказы к конкретным датам. С момента прихода в компанию Ган Юй и его сотрудники занялись разработкой и формированием сложных систем поставок, чтобы оптимизировать эти процессы. Оказалось, этот человек умеет не только жонглировать фразами типа «нестационарные стохастические процессы», но и доступно объяснять начальству суть новых методов.
Авторитетные супераналитики, такие как Capital One, силами огромного множества специалистов проводят количественные эксперименты, а получив результаты – формируют новые предложения по кредитным картам и другим финансовым услугам. Для этого нужен специалист с особыми навыками – о чем и сказано в описании типичной вакансии аналитика в Capital One:
«Развитые способности к решению концептуальных задач и количественному анализу… Опыт работы с количественным анализом в сфере инженерии, финансов, консалтинга и/или других областях либо соответствующее образование. Способность быстро осваивать программные приложения. Опыт работы с моделями в Excel. Предпочтительно, но не обязательно наличие квалификационной степени (например, МВА). Желательно знание методологии управления проектами, инструментов оптимизации процессов (Lean, Six Sigma) либо статистики».
Другие компании тоже нанимают таких людей, но у супераналитиков их гораздо больше. Прямо сейчас Capital One ищет втрое больше аналитиков, чем производственного персонала, – а для банка это редкость. «Мы прежде всего компания аналитиков, – заявил один из руководителей корпорации. – Они – наши главные люди».
Хорошие аналитики должны уметь объяснять сложные понятия простыми словами, а также продуктивно общаться с теми, кто принимает решения. Одна компания, производящая потребительские товары, в штате которой состоит 30 аналитиков, ищет «PhD с человеческим лицом», то есть людей, разбирающихся в математике, статистике и анализе данных и умеющих, помимо того, говорить простым языком бизнеса, укрепляя позиции компании как изнутри, так порой и снаружи. Вот что глава отдела анализа потребительского поведения Wachovia Bank рассказывает о том, какие отношения с другими сотрудниками стараются наладить его подчиненные: «Мы стремимся сделать наших людей частью команды. Мы хотим, чтобы они могли наравне с другими обсуждать ключевые вопросы работы компании, определять, какая информация нужна бизнесменам, и рекомендовать партнерам по бизнесу поступать так или иначе. Мы хотим быть не просто вспомогательным звеном, но и активной, важной частью успеха компании».
Разумеется, специалиста, который поднаторел и в аналитике, и в бизнесе, и в общении, найти нелегко. Когда в компании SAS (это разработчик программного обеспечения и спонсор нашего исследования наряду с Intel) решают, что им потребуется специалист по современным бизнес-программам, таким как прогнозирующее моделирование или рекурсивное секционирование (вид анализа дерева решений, применяемый к очень сложным массивам данных), его начинают искать за полтора года до того, как он должен будет приступить к работе.
Можно сказать, что талант аналитика в начале 2000‑х – это как талант программиста в конце 1990‑х. К сожалению, на американском и европейском рынках труда по-настоящему одаренных аналитиков не так много. Некоторые организации решают эту проблему, заключая контракты с компаниями из Индии (где очень много специалистов по статистике) и других стран. Это хорошая идея в том случае, если иностранные аналитики работают над самостоятельными задачами. Но если от них требуется постоянное обсуждение действий с руководителями бизнеса, расстояние может существенно усложнить работу.
Правильные технологии
Конкурировать в сфере аналитики – значит конкурировать в технологиях. Самые успешные компании не только изучают современные статистические алгоритмы и теорию принятия решений, но и постоянно мониторят и внедряют новинки в области ИТ. В одной компании, производящей потребительские товары, даже построили собственный суперкомпьютер, поскольку пришли к выводу, что имеющиеся на рынке модели им не подойдут. Такие подвиги обычно излишни, но все же для серьезной аналитики вам кое-что понадобится.
Стратегия работы с данными. Компании вкладывают миллионы долларов в системы, собирающие данные из всевозможных источников. Планирование корпоративных ресурсов, управление связями с клиентами, точками продаж и многим другим – все это требует, чтобы ни одна операция и ни одно значимое изменение не проходили незафиксированным. Но, чтобы задействовать получаемые данные с пользой, компании должны быть в состоянии представить их в стандартном формате, интегрировать, разместить в хранилище и обеспечить к ним легкий доступ. И такой информации должно быть много. Случается, что компания несколько лет накапливает данные о разных методах маркетинга, прежде чем проанализировать эффективность рекламной кампании. Dell использовала DDB Matrix, продукт рекламного агентства DDB Worldwide, чтобы за семь лет создать базу данных из полутора миллионов записей о своей рекламе в печати, на радио, сетевом и кабельном телевидении, а также о продажах Dell в каждом регионе, где давали такую рекламу (до и после ее появления). На основании этой информации компания смогла оптимизировать рекламную стратегию для каждого региона и для каждого вида рекламы.
Решения для бизнес-анализа. Термин «бизнес-анализ», впервые появившийся в конце 1980‑х, относится к большой совокупности процессов и программ, предназначенных для сбора, изучения и распространения данных, необходимых для принятия оптимальных решений. Соответствующие инструменты позволяют сотрудникам получать, преобразовывать и загружать данные для анализа (профессионалы называют этот процесс ETL – extract, transform and load), а затем отражать результаты в отчетах, уведомлениях и оценочных листах. Отчасти растущая популярность аналитики связана с появлением такого комплексного инструментария.
Аппаратное обеспечение. Объемы данных, с которыми имеют дело программы аналитики, таковы, что слабые компьютеры и сервера с ними могут и не справиться. Многие компании-супераналитики переходят на 64-битные процессоры и благодаря этому быстро обрабатывают огромные массивы данных.
