Data-driven по-русски: суверенитет и культура работы с данными

Российским организациям, взявшим курс на импортозамещение информационных и цифровых технологий, придется обеспечить независимое развитие корпоративной культуры принятия решений на основе данных.

После ухода западных вендоров российские организации вынуждены не только обеспечивать импортозамещение внутри своих ИТ-ландшафтов, но и перестраивать свою корпоративную культуру. И речь не столько о том, чтобы приспособиться к отечественным продуктам и технологиям, сколько о том, чтобы жить своим умом, не воспринимать рекомендации и прогнозы западных аналитиков как истину в последней инстанции и добиваться новых успехов в бизнесе благодаря разумному применению цифровых и ИТ-инноваций в конкретной компании. Широкий разговор об этом пойдет на ближайшем форуме Data&AI 2024.

Предложенная западной ИТ-индустрией концепция управления бизнесом на основе данных (data-driven) исходит из того, что, опираясь на качественные данные и полученные на их основе выводы, руководители могут принимать более эффективные решения, что в конечном итоге благоприятно отражается на ключевых бизнес-показателях и результатах. Так эта концепция выглядит в теории. Тем, кто ее реализует на практике, приходится сталкиваться с множеством нюансов, в том числе связанных с местными традициями и особенностями.

Константин Шабалин, владелец продукта в департаменте аналитических решений ГК «КОРУС Консалтинг», отмечает несколько существенных различий между западным и российским стилями работы с данными и информацией.

По мнению Елены Александровой, директора по продуктам GoodsForecast, корни различий в подходах к работе с данными следует искать в исторически сложившихся способах управления и особенностях организационной культуры. Например, в России решения часто принимаются централизованно, при этом информация достаточно закрыта, ею не принято делиться, в том числе из соображений безопасности. Кроме того, качество имеющихся данных нередко вызывает сомнения, отсюда и определенное недоверие к ним со стороны бизнеса, и высокий риск ошибок в работе механизмов ИИ при решении задач прогнозирования и сценарного анализа. Впрочем, проблемы с качеством накопленных данных есть и во многих международных организациях.

Олег Гиацинтов, технический директор DIS Group, считает нецелесообразным делить корпоративную культуру на «западную» и «не западную»: «В мире сложился определенный “золотой стандарт” подходов к бизнесу, управлению, цифровой трансформации и управлению данными как частью этой трансформации. Этот стандарт формировался усилиями компаний из разных стран и континентов. Что-то, конечно, привнесли и российские специалисты и предприниматели. В разных странах наблюдается разный процент компаний, следующих этому стандарту, их доля зависит от множества факторов».

Кроме того, добавляет Гиацинтов, российский бизнес в целом — явление намного более молодое, чем бизнес в Европе и США: «Существует определенный путь перехода к культуре data-driven, и на то, чтобы его пройти, нужно время. В России руководители и собственники по привычке принимают решения на основе интуиции. При этом рядовой менеджмент не вполне осознает ценность данных и важность принятия решений на их основе, да и не так много тех, кто знают, как правильно работать с данными. На преодоление всех этих препятствий нужно время».

Впрочем, Ольга Ведерникова, генеральный директор Epsilon Metrics, обращает внимание на исследования международных консалтинговых компаний, которые показывают, что корпоративная культура в разных странах имеет заметные различия. «Даже внутри одной компании часто можно встретить различия в культуре — среди руководителей разных подразделений, представителей разных функциональных областей, команд или коллегиальных органов, — отмечает она. — Поэтому я и мои коллеги рекомендуем в первую очередь учитывать культуру, сложившуюся внутри организации».

Оценивая свой опыт работы в российском представительстве международной компании, Анна Овчинникова, бизнес-консультант CleverData, вспоминает, что внедрение подхода data-driven не встречало сопротивления со стороны соотечественников, основные отличия от западной практики касались доступности данных клиентов: «Из-за действующего регулирования в области защиты данных, а также внутренних политик по сбору данных западные компании не могли, например, реализовать персонализацию маркетинга в той мере, в которой это могли делать мы в российском представительстве. Также западные филиалы не могли строить полноценные модели машинного обучения, поскольку для них требуется большой объем структурированных данных. Возможности для эффективной реализации подхода data-driven в маркетинге имелись именно в России».

По мнению ее коллеги Сергея Фокина, владельца продукта в компании CleverData, на культуру работы с данными сильно влияет доступность тех или иных инструментов. Тем не менее, есть несколько принципов реализации подхода data-driven: во-первых, нужно осознавать необходимость инвестиций в хранение, обработку и анализ данных, во-вторых, принимать решения, опираясь на данные, и, в-третьих, обязательно оценивать эффективность этих решений.

Наши эксперты единодушны: западная культура работы с данными, безусловно, приносит свои плоды, но ее слепое копирование пользу не принесет. Чтобы бизнес получил дивиденды от data-driven, нужно культивировать те элементы корпоративной культуры, которые способны обеспечить желаемый результат, при этом не противоречат сложившейся бизнес-практике.

«В Европе и США крупный бизнес, как правило, управляется намного большим числом лиц и структур. Например, у корпорации может быть несколько сотен миноритариев и ни одного контролирующего акционера. В такой ситуации подход data-driven является наиболее очевидным способом принятия решений. В России контроль часто сосредоточен в одних руках. Это проводит к тому, что менеджеры либо вообще не хотят “оцифровывать” ключевые показатели бизнеса, либо не принимают их в расчет, основываясь исключительно на своем опыте, — отмечает Гиацинтов. — У каждого из этих подходов есть свои сильные и слабые стороны. Тем не менее, считаю, что российскому менеджменту стоит больше доверять данным».

Сергей Литвинов, руководитель центра компетенций больших данных и искусственного интеллекта ГК ЛАНИТ, считает, что отечественным организациям следует сконцентрироваться на наиболее продуктивных методах и практиках: «В российских компаниях довольно много специфики, и точное воспроизведение западной культуры работы с данными может быть непродуктивно. Брать хорошие идеи и адаптировать их под нашу реальность ― вот самый удачный, на мой взгляд, подход».

По мнению Александровой, следует внедрять, адаптировать и интегрировать отдельные элементы известных в мире практик и культуры работы с данными — те, которые могут быть эффективно внедрены в сложившуюся в России корпоративную среду. Яркими примерами могут служить «Сбер» и «Газпром нефть», активно внедряющие машинное обучение в различные направления своего бизнеса.

Шабалин рекомендует внедрять именно те элементы западной культуры, которые показали хороший результат, при этом учитывать тонкости: «В некоторых случаях вероятность неудачи будет велика — например, по статистике, только 10% ИИ-проектов успешны. Но избавляться от работавшей над ИИ-проектом команды только из-за того, что она не получила желаемый результат, нельзя, потому что при работе с ИИ отрицательный результат — тоже важный результат. Кроме того, компания, которая избавляется от команды ИИ-проекта только потому, что его результат не устроил бизнес, обречена на то, чтобы оставаться в арьергарде гонки за ценные кадры».

Ведерникова перечисляет целый ряд элементов западной культуры работы с данными, которые было бы полезно развивать в российских организациях. В частности, она советует рассматривать данные как стратегический актив, обеспечивать их доступность, качество и добиваться демократизации аналитических инструментов, выбирая те, в которых развиты возможности самостоятельной (Self-Service) работы с данными и встроенной аналитики. Кроме того, она рекомендует работать над устранением факторов, препятствующих обмену данными между подразделениями, и интеграции данных из различных источников. Получать новую ценную информацию и обеспечивать доступ к внешним источникам данных позволяет развитие культуры открытости и обмена знаниями как внутри компании, так и с внешними сообществами. Взращивание культуры непрерывного обучения и развития не только среди аналитиков данных, но и среди руководителей обеспечивает актуальность их знаний и компетенций.

За предыдущие годы российские организации не только заимствовали западный опыт и культуру работы с данными, но и реализовали собственные идеи и подходы.

«В России формируется своя уникальная культура работы с данными и ИИ, — считает Александрова. — Особенно ценными ее элементами являются высокая степень адаптации к постоянно изменяющимся внутренним и внешним условиям, глубокое понимание локального контекста и специфики бизнеса, а также способность быстро находить нестандартные решения в условиях ограниченных ресурсов».

Гиацинтов хотя и не считает возможным говорить о каком-то уникальном, чисто российском пути в области работы с данными, тем не менее, рекомендует тщательно присмотреться к отечественному опыту: «Создается много действительно самобытных решений для управления данными, и эти решения способны конкурировать на мировом уровне».

«Последние годы встречал множество умных людей, которые находят бюджеты под свои идеи и их реализовывают. Однако наш рынок продуктов data-driven еще не такой большой, решения только развиваются», ― продолжает Литвинов.

По наблюдениям Фокина, наличие в России относительно большого количества квалифицированных разработчиков в сочетании с дефицитом специалистов по анализу и обработке данных в сочетании с традиционно локальным (не облачным) хранением и обработкой данных привели к широкому распространению команд, занимающихся глубокой интеграцией и кастомизацией конвейеров данных. Среди факторов, замедляющих развитие культуры data-driven, Фокин отмечает непринятие этого подхода в малом бизнесе, попытки собирать все без разбора доступные данные без ясного понимания того, как их затем использовать, и слишком узкое понимание возможностей машинного обучения и его пользы для бизнеса.

Целый ряд факторов, способствующих расширению работы с данными и развитию культуры data-driven, выделяет Ведерникова. В их числе — традиционно высокий уровень специалистов в области технических, математических и компьютерных дисциплин, прагматизм и нацеленность на результат, сильное сообщество разработчиков, активно обменивающихся опытом и знаниями. Санкционные ограничения стимулируют поиск и разработку оригинальных технологий, заметно отличающихся от продукции западных вендоров. Поддержка ИТ-отрасли в целом и, в частности, ИИ-стартапов в сочетании с развитием технопарков и акселераторов создает хорошие условия для роста технологических компаний, а их устойчивость к изменениям и быстрая адаптация позволяет находить нестандартные решения при работе с данными.

Особо отмечает прагматизм российских заказчиков Шабалин: «В западной культуре бизнес пробует продукт и, если не получает результата, то обычно от него отказывается. В России принят иной подход: компании тщательно прорабатывают “механизм”, чтобы к началу работ было понятно, каким образом решение поможет заработать деньги. И это часто оказывается полезно».

«Мы ожидаем, что по культуре работы с данными и качеству решений российский бизнес в ближайшие два-три года может выйти на уровень мировых стандартов, а затем и превзойти их, — делится прогнозами Гиацинтов. — Мы ожидаем быстрого роста числа и качества решений, использующих нейросети для решения задач, связанных со сбором, обработкой данных и созданием на их базе продвинутой аналитики. В ближайшие годы такие решения могут стать источниками ключевых конкурентных преимуществ».

Александрова также прогнозирует быстрое расширение применения ИИ: «Можно ожидать, что российские организации будут углублять специализированные знания в области работы с данными и формировать на базе искусственного интеллекта решения для узких отраслевых задач — разумеется, вместе с усилением внимания к безопасности и конфиденциальности данных».

Рост интереса к решениям в области Data Governance, в частности, к каталогам данных, бизнес-глоссариям и системам отслеживания «родословной» данных (data lineage) наблюдает Шабалин. «Правда, ценность таких решений для бизнеса не всегда понятна пользователям, хотя и очевидна ИТ-директорам», — добавляет он.

Ведерникова соглашается с коллегами, особо выделяя среди перспективных направлений развитие навыков работы с данными среди сотрудников. Для этого потребуются инвестиции в обучение и повышение их квалификации в области аналитики данных и машинного обучения. Среди других важных направлений — развитие партнерских отношений с ведущими технологическими компаниями, стартапами и университетами с целью совместной разработки инновационных решений, а также использование открытых данных.

Фокин прогнозирует появление новых сообществ для обмена опытом использования отечественных продуктов и продвижения культуры data-driven. «Развитие навыков и компетенций в сочетании с пониманием сути подхода являются залогом успешной культуры работы с данными», — поясняет он.

Судя по всему, российские организации в силу своего прагматизма не ищут какой-то особый путь, а стремятся выработать такие подходы работы с данными и взращивают ту культуру data-driven, которые будут максимально полезны для решения вполне конкретных задач и достижения целей бизнеса.