Бизнес, имеющий тысячи клиентов, сегодня вряд ли может обходиться без аналитических решений. Перед компаниями, где эта величина на много порядков больше, могут вставать еще более сложные качественно задачи в сфере бизнес-аналитики. Сегодня мы обсуждаем возможности решения подобных задач с директором по информационным технологиям компании «МегаФон» Константином Юновым.
Intelligent Enterprise: «МегаФон», наверное, можно считать розничной компанией в том смысле, что она имеет огромное количество индивидуальных клиентов. Помимо этого, каждый из них персонифицирован целым рядом характеристик. В подобных компаниях к технологиям Business Intelligence обычно прикован особый интерес. Как обстоят дела у вас?
Константин Юнов: Аналитические задачи у нас действительно разнообразны, и весьма значительное их число так или иначе сгруппировано вокруг проблем анализа клиентской базы. Количество абонентов растет, хотя это уже давно не основной фактор, стимулирующий развитие бизнес-аналитики. Важнее, что и услуги связи становятся более разнообразными, и каналов взаимодействия с клиентами также становится больше. Сейчас наш абонент может не только разговаривать и посылать SMS‑сообщения, но и выходить в Интернет, посещать там вполне определенные ресурсы, обращаться в наш контакт-центр, покупать в наших салонах определенные модели телефонов и т. д. На основе обработки статистики одних только звонков можно сделать немало очень полезных выводов о нашем абоненте и получить много другой информации о нем. Поэтому формирование поведенческих моделей клиентов, их анализ становятся очень актуальной задачей. Особенность ее в том, что по мере качественного развития рынка (я имею в виду и технологии связи, и организационные модели бизнеса, и принципы, на которых строится взаимодействие с клиентом), по сути, эта же задача будет вставать перед нами в несколько усложненной форме еще не один раз. Поэтому в обозримой перспективе решать ее придется постоянно.
Под решением, в свою очередь, я понимаю адекватную сегментацию клиентской базы, известные задачи cross-selling и up-selling, позволяющие предлагать нашему клиенту необходимые именно ему услуги, а также еще ряд специфических для сотового оператора задач. В качестве одной из них, решение которой практически невозможно без мощных инструментов бизнес-анализа, можно назвать задачу определения так называемых центров общения. Дело в том, что некоторые абоненты, сами имея весьма скромный трафик, являются как бы инициаторами общения других пользователей сотовой сети. И если, к примеру, уходят они, то вместе с ними нас покидает целая группа активных абонентов. Вычислить таких людей без помощи аналитических инструментов практически невозможно. Иными словами, уже настало время все более активно работать с абонентской базой, выявляя различные и порой очень тонкие закономерности их поведения, и все в меньшей степени рассчитывать на бизнес-результат, получаемый за счет подключения новых абонентов.
Какие инструменты вы используйте для этого?
Прежде всего, конечно, необходимо иметь централизованное хранилище информации, без которого ко многим аналитическим задачам трудно даже подступиться. Соответственно мы для себя уже принципиально решили этот вопрос. Необходимо также организовать процесс оперативного обновления этих данных. Опять‑таки ссылаясь на нашу практику, могу сказать, что у нас время их обновления составляет три-четыре часа, что соответствует мировым стандартам. В данном случае имеется в виду, что вся вновь поступившая информация по всей стране (прежде всего из биллинговых систем) становится доступна. Далее нужны инструменты обработки этой информации, и тут уже возникает ряд вопросов о том, какую стратегию их развития следует принять.
Дело том, что на рынке, в том числе и на российском, существует довольно большое количество программных систем, которые призваны решать самые различные задачи работы с клиентской базой компаний нашей отрасли, хотя и не только нашей. Некоторые из них стоят дорого, некоторые дешевле, но дело даже не в этом. Проблем в том, что, используя их массово, мы рискуем превратить аналитическую поддержку нашего бизнеса в своего рода черный ящик. Поэтому я сторонник подхода, согласно которому нужно везде, где это практически достижимо и целесообразно, формировать собственные алгоритмы обработки данных, а затем собственными же силами реализовывать их в информационных системах. Делаем мы эту работу в тесном взаимодействии с конкретным функциональным заказчиком из числа подразделений «МегаФона». Может быть, не во всех случаях удается действовать именно таким образом, используя свои разработки, но тем не менее общий принцип таков. В этом случае инструмент аналитической работы становится понятнее и прозрачнее, его легче развивать.
Определенная проблема скрыта еще и в менталитете пользователей. Если даже взять наиболее продвинутых из них и хотя бы намекнуть им о существовании в программной системе некой «волшебной кнопки», нажав которую, можно получить результат, они интуитивно будут искать именно ее. Но машина никогда не заменит человека полностью, что всем нам хорошо известно. Таким образом, программный «черный ящик» чреват не только тем, что выводы системы далеко не всегда понятны, но и тем, что она в известной степени может деформировать культуру принятия решений в компании. Стоит сказать и об инструментах подготовки данных (например, их очистки), а также о средствах, формирующих интерфейс пользователя, который для аналитических систем, как известно, играет значительную роль.
Соответственно в решении различных задач класса Business Intelligence мы используем довольно широкий спектр продуктов различных производителей. Среди них продукты компаний Oracle, SAP, SAS, Informatica. Сейчас также ведем переговоры с компанией Teradata. Не исключено, что в дальнейшем мы будем использовать иные решения.
Спектр продуктов у вас действительно широк уже на сегодняшний день. В связи с этим возникает очень часто обсуждаемая дилемма: стоит ли ориентироваться на решения одного или максимум двух поставщиков, или использовать множество систем по принципу «лучшие в своем классе». Обычно эту дилемму обсуждают применительно к ERP‑системам, но в контексте разговора о системах бизнес-аналитики, она, очевидно, тоже актуальна…
Здесь, я считаю, аналитические системы обладают определенным своеобразием и отличаются от всех остальных продуктов, имеющих отношение к автоматизации бизнеса. Если мы говорим о ERP‑системах или, в общем случае, о транзакционных продуктах автоматизации бизнес-процессов предприятия, то тут, безусловно, необходима унификация. С ней проще и эффективнее. А вот с бизнес-аналитикой все немного не так. Прежде чем объяснить это, давайте оттолкнемся от одной цифры, которую на сегодня можно считать волне достоверной. Мировая практика показывает, что в результате применения систем класса Business Intelligence можно получить эффект в 3,5% от всем известного финансового показателя EBITDA.
Теперь снова вернемся к содержательной стороне. Говоря несколько упрощенно, аналитических систем много не бывает. Как мы уже подчеркивали, бизнес-аналитика — это весьма разнообразный класс задач, а рынок предложения, хотя в основном и ассоциирован с небольшим количеством вендоров, уже сложился и хорошо сегментирован. Одно это говорит о том, что в случае необходимости решать действительно масштабные и сложные аналитические задачи вполне целесообразно использовать решения от разных производителей. А вышеназванный показатель 3,5% свидетельствует, что некоторое повышение по сравнению с минимально возможным расхода ресурсов на внедрение, который в данном случае действительно не исключено, с лихвой может быть покрыто получаемой выгодой.
Например, функционал некоторых продуктов пересекается, в результате чего компания, по крайней мере на каком‑то временном этапе, может решать разными инструментами очень схожие между собой задачи. В строгом смысле слова эту ситуацию действительно можно назвать неоптимальной. Но это не более чем некоторые временные издержки подхода, а отнюдь не неправильный и уж точно не опасный для ИТ-поддержки бизнеса сценарий. Тем более что со временем вполне может произойти некий естественный отбор, и архитектура информационной поддержки придет к более правильной конфигурации, предусматривающей тем не менее использование целого спектра продуктов.
Пожалуй, мне возразят, что ориентироваться на такой подход проникновения аналитических систем в бизнес могут позволить себе только крупные компании с большими оборотами и ИТ-бюджетами. Отчасти это справедливо, но все же я уверен, что так действовать, развивая у себя направление Business Intelligence, могли бы многие компании.
На какие группы пользователей нацелена бизнес-аналитика в «МегаФоне»? Есть распространенное мнение, что она прежде всего должна быть ориентирована на топ-менеджеров компании, хотя очевидно, что этим инструментом может эффективно пользоваться и руководитель среднего звена. В основе классификации применения Business Intelligence может лежать и то, какие функциональные подразделения используют эти средства в своей работе…
Создание разного рода информационных панелей для высшего руководства сейчас стало своего рода модной темой, и поэтому может создаваться впечатление, что это главное направление. Естественно, нашему руководству тоже нужна своего рода информационная квинтэссенция по той или иной интересующей их теме. Поэтому и в нашей компании те же небезызвестные дэшборды, позволяющие выводить на экран оперативную информацию, будут создаваться в самом ближайшем будущем. Но по большому счету это только определенная часть работы по внедрению технологий Business Intelligence в профессиональную культуру компании. Высший менеджмент, кстати сказать, мы рассматриваем прежде всего как внешнего заказчика.
Что касается других внутренних потребителей, то я бы вообще не делил их по уровням менеджмента на высший, средний и т. д. Скорее имеет место функциональное разделение. Активными пользователями аналитических приложений у нас являются коммерсанты и прежде всего маркетологи. Можно говорить и о специалистах технического управления, которым нужны, скажем, показатели доходности базовых станций. Разумеется, речь также идет о специалистах по борьбе с фродом, без которых наш бизнес вряд ли может обойтись. Некая специфическая аналитика необходима им, по сути, на ежедневной основе. От нас, в свою очередь, этим специалистам прежде всего нужны качественные первичные данные. Ну и конечно, системами Business Intelligence пользуются финансисты.
Хочу подчеркнуть, что во многих из этих подразделений должны существовать специально обученные люди. Скажем, среди маркетологов нужны специалисты, которые будут заниматься целевыми маркетинговыми компаниями и при этом использовать функции бизнес-аналитика вполне определенным образом. Пока таких людей мало, однако их необходимо готовить, хотя подготовка — мероприятие затратное, но все равно необходимое. Еще раз подчеркнем, искать продукт с «волшебной кнопкой» смысла никакого нет.
В аналитике существует проблема исходных данных, поскольку очень часто приходится говорить об использовании данных из различных источников. И кроме того, часто бывает необходимо тщательно контролировать их качество, потому что аналитические приложения весьма чувствительны к этому параметру. Что вы можете сказать по этому поводу?
Да такая проблема есть, и в нашем едином хранилище, о котором я упоминал, должны лежать точные и непротиворечивые данные. Причем они должны попадать туда сразу, потому что в некоторых случаях они могут использоваться фактически в качестве информации реального времени. Вопрос о качестве данных важен, хотя тут многое зависит от источника, который мы подключаем к анализу. Сейчас мы чаще всего используем данные биллинга.
Они, как известно, снимаются в полностью автоматизированном режиме. Приложения, которые управляют биллингом, давно доказали свою надежность, поэтому их качество как первичных данных не вызывает сомнения. Другое дело, что мы должны готовить их к анализу, чтобы, скажем, провести гарантированно корректное сравнение каких-то получаемых в результате обработки информации единиц. То есть, условно говоря, мы должны сравнивать яблоки с яблоками, а не с апельсинами. Это уже, как правило, вопрос их корректности не с технической, а с содержательной точки зрения. Многое тут завязано, например, на построенные нами поведенческие модели. И соответственно тут мы работаем в очень тесном контакте с бизнес-подразделениями.
В последующем мы, конечно, будем подключать иные источники данных, так или иначе имеющих отношение к поведению наших заказчиков. У нас, в частности, существует отдельный план в отношении подключения различных источников к хранилищу. В обозримой перспективе там окажутся данные из используемой с прошлого года в нашем ритейловом бизнесе системы, построенной на базе SAP for Retail. По получаемым из нее данным тоже можно анализировать поведение наших существующих и потенциальных абонентов. При этом могут встать новые задачи контроля качества, в данном случае контроля первичных данных не в последнюю очередь. Их нам тоже предстоит решить.
Насколько аналитический инструмент, которым вы пользуетесь, следует стандартизировать? Ведь, с одной стороны, часто унификация способов работы с информацией повышает эффективность работы. С другой стороны — если мы говорим о тех же поведенческих моделях, они могут претерпевать изменение от региона к региону…
Действительно, различия существуют. Если, скажем, в южных областях нашей страны люди почти всегда позволяют себе длительные вступления к основной теме разговора, то, скажем, столичные студенты без всяких лишних слов могут успеть передать друг другу то же количество информации куда быстрее, чем за минуту. Соответственно могут существенно различаться поведенческие модели, а вместе с этим и методы использования информационных систем. Поэтому региональные инициативы мы просто обязаны поддерживать и поддерживаем. Вместе с тем мы считаем, что существует определенный набор федеральных инициатив, которые мы считаем необходимым внедрять во всех регионах нашего присутствия. И при этом мы каждый раз обязательно стремимся понять, не конфликтуют ли данные федеральные инициативы с региональными.
Но что в обязательном порядке должно быть единым и абсолютно инвариантным относительно методов анализа информации в любом регионе, так это исходные данные. Именно поэтому мы построили и продолжаем развивать централизованное хранилище информации.
