По оценке Gartner, больше половины проектов в области бизнес-аналитики (Business Intelligence, BI) не окупается и не достигает поставленных целей. Почему так получается? Опыт моей работы показывает несколько основных причин столь частых неудач. Каждая из этих причин заслуживает отдельного детального рассмотрения, но сейчас давайте рассмотрим их вкратце.
1. Модели данных чрезмерно сложны. Бизнес-системы сложны сами по себе. И они оказываются еще сложнее, если поставить целью использование разнородных данных для поиска корреляций, составления отчетов, разработки аналитических алгоритмов, визуализации данных и так далее. Чтобы понять суть формализованной информации, накапливающейся в вашей компании, надо знать, в каком контексте она формируется, надо детально понимать операционную модель бизнеса и особенности взаимодействия пользователей с информационной системой. Работу по составлению адекватной компьютерной модели невозможно выполнить дешево — например, силами одного специалиста в течение нескольких недель.
2. Данные обычно бывают «грязными»: неполными, неточными, неверно отформатированными. Эта проблема вызвана не компьютерами, а людьми. Хранилища данных выполняют свою функцию безупречно: данным ничто не угрожает, они остаются «чистыми». Но это только до тех пор, пока к ним не прикоснулся первый человек. В каждом аналитическом проекте возникнет проблема «грязных» данных. Их может быть больше или меньше, но они будут встречаться практически повсеместно, раздражая сотрудников и тормозя работу.
3. Инструменты бизнес-аналитики доступны только большим компаниям. Наиболее удобные и качественные СУБД, системы визуализации и другие специализированные программы, мощные серверы, дисковые массивы и прочая инфраструктура — все это стоит дорого.
4. Специализированное ПО может плохо восприниматься сотрудниками. Пусть внешне все выглядит отлично: приобретены компьютеры и новейшие программы, сотрудники прошли курс обучения работе с ними, есть все предпосылки для систематизированного сбора данных и их успешного анализа. Проходит полгода, но никаких ощутимых результатов не появляется. Почему? Программы для бизнес-аналитики часто оказывают удручающее воздействие на сотрудников, не понимающих сути своей работы с ними. Поэтому об этих программах попросту забывают или используют их от случая к случаю.
5. На основе неверно интерпретированных данных можно принять неверные решения. Перед каждым отделом компании стоят свои локальные задачи. У разных отделов могут быть разные интересы, они могут воспринимать одну и ту же информацию с противоположных позиций и по-разному ее интерпретировать. Есть ли у каждого отдела вашей компании (и тем более у каждого сотрудника) достаточная заинтересованность в успехе общего дела? Действуют ли все по полностью согласованному плану? Достаточно ли понятны всем цели работы по сбору и анализу данных? Неверное решение одного сотрудника, по-своему воспринявшего какую-то информацию, может нанести ущерб всей компании.
6. Реализация проектов в сфере бизнес-аналитики требует много времени. Чтобы типичный проект окупился, он должен продолжаться в течение 18 – 24 месяцев — только в этом случае можно рассчитывать на получение значимых результатов. Это слишком долго. За полтора-два года энтузиазм сотрудников может пропасть, а проект — тихо угаснуть. Кроме того, рынок за это время может существенно измениться, поэтому полученные результаты окажутся неактуальными. Впрочем, в последнее время появились инструменты и методы, частично снимающие эту проблему.
7. Трудно правильно выбрать инструментарий с нужными функциями. Внимательно изучите составляемые Gartner «волшебные квадранты» производителей BI-инструментов за последние три года. Какую тенденцию вы видите? Как она может повлиять на ваш проект?
Можно ли гарантировать успех BI-проекта, если устранить все перечисленные причины неудач, решив соответствующие проблемы? К сожалению, нет. Аналитические проекты часто терпят крах из-за отсутствия у менеджмента общей «информационной культуры», недостаточной квалификации IT-специалистов компании, отсутствия мотивации… Этот список можно продолжить.
Автор — Эндрю Борн (Andrew Bourne), специалист по бизнес-аналитике Trax Technologies, директор PredictiveIT Inc.
