Хорошо, если в 25-м году все решения в вашем бизнесе будут приниматься на данных. Но согласитесь, даже если лидеры команды верят в data-driven подход и стараются его применять, это вовсе не значит, что все сотрудники понимают, поддерживают и используют его в своей ежедневной работе.

Почему вообще нужно принимать решения на данных?
Данные дают прозрачность, объективность и помогают видеть реальную картину бизнеса. Но внедрение data-driven подхода — это стратегическая трансформация, которая сталкивается с серьезными барьерами.

Основные барьеры внедрения data-driven управления
1️⃣ Низкая вовлеченность первых лиц. Проекты часто начинаются на уровне отдельных функций и не масштабируются на весь бизнес из-за отсутствия поддержки собственников и CEO. Делегирование таких задач только ИТ-департаменту приводит к ограниченным результатам.
📌 Что делать:
Обучать собственников принципам data-driven управления.
Организовывать референс-визиты в компании с успешными кейсами.
Привлекать сотрудников с опытом работы в data-driven среде.
2️⃣ Конфликт интересов между владельцами и менеджментом. Менеджеры боятся прозрачности и возможных санкций за ошибки, тогда как владельцы хотят объективных данных для контроля и анализа.
📌 Что делать:
Создавать независимую аналитическую функцию под управлением CEO.
Формировать культуру, где ошибки — это точки роста, а не поводы для наказания.
3️⃣ Низкий уровень data и digital literacy. Недостаток навыков работы с данными и аналитическими инструментами часто приводит к завышенным ожиданиям и разочарованию.
📌 Что делать:
Обучать сотрудников основам аналитики и работы с данными.
Формировать реалистичные ожидания от внедрения систем.
4️⃣ Нежелание заниматься процессами и данными. Качественные данные требуют оцифровки процессов, своевременного ввода и контроля, что редко становится приоритетом менеджеров.
📌 Что делать:
Мотивировать сотрудников работать с данными, минимизируя ручной ввод.
Внедрять системный контроль качества данных.
5️⃣ Разные приоритеты бизнеса и ИТ. ИТ стремится к сложным инфраструктурам, а бизнес хочет быстрых результатов.
📌 Что делать:
Балансировать между масштабом внедрения и скоростью.
Наладить кросс-функциональное взаимодействие между ИТ и бизнесом.
6️⃣ Несогласованность метрик и показателей. Разные подходы к расчету метрик порождают хаос и мешают автоматизации.
📌 Что делать:
Создать единое дерево метрик и стандарты расчета данных.
Установить правила интерпретации и использования данных.
7️⃣ Игнорирование продуктового подхода в аналитике. Дашборды, созданные без учета реальных потребностей пользователей, остаются невостребованными.
📌 Что делать:
Индивидуализировать аналитические продукты для каждого уровня управления.
Погружаться в задачи пользователей и их процессы.

Как простимулировать ускорение внедрения?

Начните с анализа процессов:
Понимание: Осознают ли сотрудники, как их работа с данными влияет на общий результат?
Укрепление доверия: Могут ли они открыто говорить о проблемах?
Ответственность: Чувствуют ли личную ответственность за качество данных?
Сотрудничество: Понимают ли сотрудники свою роль в улучшении процесса?

Действия лидера: 1️⃣ Дайте сотрудникам цель и контекст: объясните связь их задач с результатами бизнеса. 2️⃣ Интегрируйте работу с данными в повседневные обязанности. 3️⃣ Создайте культуру взаимодействия между отделами. 4️⃣ Поощряйте инициативу и идеи сотрудников. 5️⃣ Устраните барьеры: например, проведите обучение, чтобы снизить ошибки.