Хаос, голые коленки и мечта о кнопке "сделать хорошо"

На недавней встрече английского клуба мы обсуждали роль аналитики в компании. Девчонки скептически отнеслись к тому, что аналитика может делаться «на коленке».

Я уверена, что многие из вас встречали термин «data-driven компания» — это компания, которая принимает решения исключительно на основе данных, проверяемых фактов, метрик и экспериментов на всех уровнях.

Но компании такими «не рождаются», они такими становятся, проходя определённые этапы зрелости работы с данными.

Этап 1: Хаос (кстати, смотрели сериал «Каос»?)
«Данные? Какие данные? Ты данные брал? Я нет!»

Решения принимаются на основе опыта и интуиции. Отчёты делаются в Excel — причём руками. Каждый отдел (а то и каждый человек) считает по-своему: что-то учитывая, что-то опуская.

Отсюда — ошибки, споры о цифрах, упущенные возможности и клиенты.

Пример из жизни: у нас часто были проблемы с данными по браку от поставщиков. Отдел учёта заполнял таблицы по своей логике, упуская важные детали. Менеджеры по закупкам постоянно их «теребили», требуя дополнить данные. Всё собиралось вручную через переписку по почте.

Этап 2: Оперативный
Появляются первые «серьёзные» инструменты визуализации и работы с данными. Формируются регулярные отчёты и KPI.
Создаются базовые дашборды, которые обновляются ежедневно. Заинтересованные лица наконец видят факты в реальном времени.

Фокус на вопросе «Что произошло?». Рутина автоматизируется, Excel по почте отправляют реже (но это не точно!)

Этап 3: Диагностический
Начинается настоящая аналитика. Фокус смещается с мониторинга на исследование: «Почему?»

Аналитик раскрывается во всей красе: ad-hoc анализ, когорты, сегментация, драйверы метрик, узкие места, точки роста.

Пример: вырос отток клиентов. Выяснили — реклама работает как надо, а логистика не успевает: доставка в регионы занимает 10–12 дней против 1–2 дней в столице.

Этап 4: Предиктивный
На этом этапе происходит магия: данные смотрят в будущее. Используются модели машинного обучения, прогноз метрик, сценарии «что если» и проводятся регулярные эксперименты.

Этап 5: Data-driven
А этот этап что-то из области фантастики: данные диктуют действия. Self-service аналитика — сотрудники сами строят отчёты и дашборды.

Пример: маркетолог видит в дашборде, что стоимость привлечения клиента выросла на 20%. Не бежит к аналитикам, а сам фильтрует по каналам, смотрит конверсию, меняет креативы и метрика нормализуется.

Думаю, что на этом этапе сотрудникам нужны аналитическое мышление и навыки, чтобы докапываться до истины самостоятельно.

Как это часто бывает, нет компании, застрявшей на одном этапе: отделы денег (продажи, финансы) обычно впереди, остальные отстают. Но, судя по новостям, ИИ внедряют все!

💬 Я работала в компании, где перешли от хаоса к оперативному этапу. А до какой ступеньки добралась ваша организация?

#аналитик_и_визуализация
#аналитик_изучает_bi