В принятии бизнес-решений и выборе правильной стратегии для компаний большую роль играет управление данными. «Ведомости» изучили, почему не только аналитикам и дата-инженерам, но и топ-менеджменту стоит уделить внимание работе с данными и как сервисы облачного провайдера помогают запускать data-проекты (проекты по работе с данными) дешевле и быстрее.
Главный заказчик дата-проектов – бизнес
Несмотря на то что разработкой и реализацией дата-проектов занимаются команды департаментов данных или дата-офиса, ключевыми заказчиками быстрого доступа к данным выступают, как правило, топ-менеджеры или команды продукта/маркетинга, показывает опыт Yandex Cloud. Оперативный доступ к данным позволяет бизнесу применять на практике подход data-driven (бизнес-подход, базирующийся на управлении данными) и принимать решения на основе точных и достоверных данных, находить новые возможности на рынке и быстро их реализовывать, отталкиваясь от данных и прогнозных моделей.
Поэтому вовлечение представителей бизнеса важно как на этапе формулирования целей и задач будущего data-проекта, так и на этапе принятия решения о целесообразности его внедрения.
Так, например, директор экономики и финансов одной крупной российской металлургической компании инициировал внедрение BI-инструментов (решение для визуализации данных), чтобы исключить человеческий фактор при составлении отчетов в Excel-формате. А финансовый директор крупной сети ресторанов за счет BI собрал разрозненную информацию по точкам продаж из 1С-отчетов в едином месте, чтобы гибко управлять данными и строить прогнозы.
BI-инструменты позволяют сделать отчетность с нуля за несколько минут без специальной подготовки, при этом делая процесс создания отчётности более простым и прозрачным.
Но чтобы бизнес мог иметь быстрый доступ к полным и достоверным данным через BI-инструменты, требуется проделать огромную работу, связанную с организацией сбора данных из различных источников, их загрузкой и трансформацией и последующим хранением и обработкой. Зачастую для этого развертывают корпоративное хранилище данных, из которого впоследствии данные визуализируются в BI-инструментах.
Как подход data-driven может помочь бизнесу развиваться
Несколько примеров того, как управление данными позволяет развивать бизнес.
Анализ чеков. Ритейлеры используют информацию из чеков (данные по популярности отдельных продуктов и категорий, информацию о способах оплаты, данные по загрузке касс) для анализа лояльности покупателей и планирования маркетинговых акций.
Кредитный конвейер. Технология уже внедрена в большинстве крупных финансовых организаций и не является ноу-хау. Конвейеры позволяют полностью автоматизировать процесс принятия решений по всем видам кредитов и создавать достаточно сложные логические цепочки, чтобы повышать уровень одобрения кредитов при минимизации рисков.
Так, финтех-компания «Рево Технологии», действующая под брендом «Мокка» («Рево Технологии» (ООО), чтобы оптимизировать бизнес-процессы, решила снизить потери через управление рисками. Для этого команда «Мокка» создала в Yandex Cloud платформу, которая на основе данных, получаемых в том числе из внешних источников, определяет вероятность дефолта клиента. За год компания повысила показатель ROI (возврат инвестиций) с 3% до 4,5%. Время с несоблюдением SLA (обещание по скорости реакции на обращение клиента) уменьшилось в 6 раз, а время восстановления после сбоя сократилось с 24 до 4 часов.
Удержание клиентов. Одна из основных целей телеком-операторов ‒ удержание лояльных клиентов и повышение доходности с одного абонентского аккаунта. Вне зависимости от используемых методов работы с данными большинство кейсов сводится к простому принципу: выявить паттерны поведения пользователей и предоставить подходящий продукт или услугу своевременно.
Цифровизация процессов. За счет подхода data-driven промышленные компании настраивают процессы в производственных цехах. Например, обрабатывают данные, собранные с помощью датчиков интернета вещей, и получают информацию о том, какие детали или механизмы нуждаются в ремонте.
В качестве примера также можно привести компанию «Норникель», которая внедряет новые ИТ-системы и цифровизирует производство высокими темпами. В частности, компания реализует три проекта: «Горно-геологическая информационная система», «АСУ «Горное планирование» и «Диспетчеризация подземных горных работ».
Это лишь несколько примеров того, как с помощью анализа данных бизнес улучшает процессы и увеличивает прибыль. В любых data-проектах важна высокая скорость доставки данных: массовая аналитическая система не должна тормозить, падать, предоставлять недостоверные данные. Для этого ИТ-департаменту и бизнесу важно ответственно отнестись к выбору как инфраструктуры под проект, так и архитектуры хранения данных.
Где можно запускать проекты по управлению данными
Запускать собственные проекты по управлению данными можно несколькими способами.
Во-первых, собственная инфраструктура. Массивы данных компаниям сегодня легко накапливать и покупать. Соответственно, меняются и объемы инфраструктуры под проекты, поэтому некоторые компании расширяют собственные ЦОДы. Однако это требует значимых вложений и тщательной проработки рисков, связанных с поставкой оборудования и логистикой. Нужно установить, подключить системы хранения и обработки данных и обеспечить их устойчивую работу. Чтобы всё организовать и настроить, требуются опытные специалисты, которые стоят дорого. При этом наращивание экспертизы внутри команды также требует времени и ресурсов.
Во-вторых, облачные или гибридные решения. Работа с данными в облаках и использование управляемых сервисов помогает отдать часть технологических задач на аутсорс провайдеру. Например, администрирование и настройку оборудования, а также баз данных, организовать перенос хранилища данных в облако несложно, при этом затраты могут показаться идентичными по сравнению с поддержанием собственного ЦОДа. Однако при оплате облачных сервисов важно помнить, что в стоимость услуг провайдера входят не только серверные мощности, а также поддержание нескольких зон доступности, штат специалистов для поддержки сервисов и другие опции. Чтобы диверсифицировать риски и повысить экономическую выгоду при выборе инфраструктуры, все чаще российский бизнес выбирает гибридный подход. Он предполагает, что часть данных компания оставляет на своих серверах, а другую часть, для которой скорость масштабирования и доставки данных критична, ‒ в облаке.
Так, например, у сети гипермаркетов мебели и товаров для дома Hoff есть 2 хранилища данных: основное, которое используется для розницы и онлайна, и облачное хранилище для целей цифрового маркетинга и продуктовой аналитики, рассказывает представитель компании. Облачное хранилище было реализовано на базе сервисов платформы данных Yandex Cloud, что позволило сократить процесс создания аналитического отчёта до 20 минут.
Как эффективно запустить data-проект в облаке: 4 совета
Команда Yandex Cloud сформулировала несколько важных советов для тех, кто решил запустить data-проект в облаке.
Совет №1. Тестируйте сервисы провайдера.
Необязательно переносить в облако всю аналитику сразу. Можно гибко развернуть тестовые среды, провести нагрузочные испытания, а уже после этого мигрировать ИТ-проекты целиком.
Совет №2. Выстраивайте в облаке полный цикл работы с данными.
Это поможет добиться высокой скорости доставки данных. У некоторых облачных провайдеров есть большой список технологий, что позволит подобрать стек под свои задачи. Важно, чтобы это был не просто набор сервисов, а экосистема, где все сервисы интегрированы друг с другом без написания кода.
Совет №3. Оптимизируйте затраты на облако и тестируйте бесплатные инструменты провайдера.
Кроме этого, в портфеле некоторых провайдеров часть сервисов доступна бесплатно. Например, в Yandex Cloud есть готовое BI-решение Yandex DataLens. Он используется для быстрой визуализации данных, создания корпоративных дашбордов, совместной работы с аналитикой внутри команды.
Совет №4. Используйте экспертизу и ресурсы провайдера для своих инженеров.
Некоторые провайдеры делают курсы с учетом опыта собственных разработок инструментов и практических клиентских кейсов. К примеру, Yandex Cloud предоставляет ряд курсов для дата-инженеров и аналитиков и недавно выпустила курс по работе с популярной базой данных ClickHouse, которая представлена на платформе в виде управляемого сервиса. Специалисты могут научиться эффективно обрабатывать потоки данных и выполнять SQL‑запросы (язык структурированных запросов) с помощью сервиса, использовать его для задач Data Science в облаке, настроить резервное копирование и обеспечить отказоустойчивость баз данных.
ОГРН 1187746678580, 119021, г.Москва, ул. Льва Толстого, д. 16, помещ., 528.