Эпоха данных
90 % данных, имеющихся сегодня в мире, были созданы за последние два года[4 - Bernard Marr, «How Much Data Do We Create Every Day? The MindBlowing Stats Everyone Should Read,» Forbes, 21.05.2018, https://www.forbes.com/sites/bernardmarr/2018/05/21/how-much-data-do-we-create-every-day-the-mind-blowing-stats-everyone-should-read/#6d11a7d760ba (https://www.forbes.com/sites/bernardmarr/2018/05/21/how-much-data-do-we-create-every-day-the-mind-blowing-stats-everyone-should-read/#6d11a7d760ba).]. Мы производим примерно 2,5 квинтиллиона байт информации ежедневно[5 - Tom Hale, «How Much Data Does the World Generate Every Minute?» IFLScience! 26.07.2017, https://www.iflscience.com/technology/how-much-data-does-the-world-generate-every-minute/ (https://www.iflscience.com/technology/how-much-data-does-the-world-generate-every-minute/); Mikhal Khoso, «How Much Data Is Produced Every Day?» Northeastern University, 13.05.2016, http://www.northeastern.edu/levelblog/2016/05/13/how-much-data-produced-every-day/ (http://www.northeastern.edu/levelblog/2016/05/13/how-much-data-produced-every-day/).]. В 2017 г. компании США потратили на дата-центры 18 миллиардов долларов – это вдвое больше, чем в 2016-м[6 - Rani Molla, «2017 Is Already the Biggest Year Ever for Data Center Investment in the U.S.,» Vox, 28.09.2017, https://www.recode.net/2017/9/28/16374640/2017-biggest-year-data-center-investment-energy-cloud-streaming-internet-traffic (https://www.recode.net/2017/9/28/16374640/2017).]. А в 2020 г., как ожидается, на аналитику данных в мире уйдет 203 миллиарда долларов. Для сравнения, в 2016 г. эта цифра составила 130 миллиардов[7 - Gil Press, «6 Predictions for the $203 Billion Big Data Analytics Market,» Forbes, 20.01.2017, https://www.forbes.com/sites/gilpress/2017/01/20/6-predictions-for-the-203-billion-big-data-analytics-market/#7c0229932083 (https://www.forbes.com/sites/gilpress/2017/01/20/6-predictions-for-the-203-billion-big-data-analytics-market/#7c0229932083).].
И это лишь несколько примеров того, что в паре «таблички – живая история» первые доминируют.
Есть много причин, по которым компании с головой кидаются в использование данных. Не последнюю роль играет появление сложнейших технологий, позволяющих очень быстро обрабатывать информацию и делать из нее выводы. Но есть и другие объяснения:
? данных очень много;
? в отличие от чувств, они не такие запутанные;
? данные точны, чувства неявны;
? данные – универсальный язык, понятный всем и везде;
? как показывает пример Google и Facebook с их мощнейшими предиктивными алгоритмами, использование данных приносит прибыль;
? данные можно очень эффектно визуализировать.
Все это, конечно, не означает, что данные – это плохо. Неправильно было бы считать, что таблички – зло, а история – благо. Обе составляющие жизненно необходимы бизнесу. Более того, именно способность находить баланс между ними выводит компании в лидеры.
Проблема в том, что слишком велик соблазн фокусироваться только на данных, и баланс сразу смещается. Ведь данные помогают обосновать наши решения, просчитать и снизить риски. Благодаря им мы постигаем поведение потребителей и на основе этого разрабатываем наши продукты и услуги. При помощи данных компании выживают и зарабатывают деньги.
Но это заставляет нас ошибочно полагать, будто данные – все, что требуется для успеха. И мы теряем критичные для процветания бизнеса гибкость, вдохновение, нестандартность мышления. Данные должны и могут быть наполнены смыслом, и использовать их нужно с умом. Нам следует прибегать к ним не только чтобы выразить нечто в цифрах, повысить эффективность и производительность. Но и для того, чтобы задуматься над другими, общечеловеческими вопросами. Что результаты опроса сотрудников говорят об их морали и готовности оставаться в компании еще длительное время? Какие модели поведения поставщиков выявляют применяемые нами алгоритмы и как эти модели связаны с текущими проблемами и вспыхивающими время от времени конфликтами?
В компании, полагающейся не только на данные, но задумывающейся и о смыслах, корпоративные политики и программы не должны быть основаны на цифрах и могут даже вступать с ними в противоречие. Например, статистика требует от компании сократить персонал на 10 %, чтобы сохранить показатели прибыли. Но такой шаг деморализует сотрудников. Более сознательным решением будет снизить другие расходы, но сохранить рабочие места и позитивный настрой в коллективе.
Конечно, это очень простой пример. Но он хорошо показывает необходимость в равной степени ориентироваться и на математику, и на здравый смысл. Чтобы этому научиться, для начала рассмотрим, что мы понимаем под математикой и смыслом, в чем их различие и когда они нужны.
Типы данных: математика и смыслы
Если говорить простым языком, математика в нашем случае – это все данные, проходящие через компанию, а смысл – неосязаемые чувства и представления, связанные с людьми, продуктами, услугами и самими организациями. Чуть усложняя, поясним: математика в этом контексте имеет различные формы – это и алгоритмы, и искусственный интеллект, и данные из социальных сетей, и т. д. Смысл тоже может быть представлен очень по-разному – от миссии компании до значимости бренда и того, как сами сотрудники видят свою компанию.
Организации всегда пользовались данными – проводили опросы, устраивали фокус-группы, верстали бюджеты. Но благодаря скачку в развитии технологий теперь данные просто повсюду. Ниже приведем примеры, поясняющие, почему данные называют «новой нефтью» и почему они столь ценны для бизнеса любого типа.
? Результаты аналитики управляют поведением потребителей. В 70 % случаев подписчики Netflix выбирают контент для просмотра, руководствуясь рекомендациями платформы. Треть всех покупок на Amazon формируется на основе подсказок о том, что еще выбирали покупатели, просматривавшие те же товары, что и вы[8 - Venus Tamturk, «The ROI of Recommendation Engines,» CMSC Media, 10.04.2018, https://www.cms-connected.com/News-Archive/April-2018/The-ROI-of-Recommendation-Engines (https://www.cms-connected.com/News-Archive/April-2018/The-ROI-of-Recommendation-Engines).]. Аналитика данных открывает небывалые возможности – от повышения результативности маркетинга до разработки идей новых продуктов.
? Аналитика дает толчок непрерывному совершенствованию. Компании могут сравнивать текущие ключевые показатели со своими прежними результатами, а также с цифрами конкурентов и таким образом получать систему контрольных значений и разрабатывать планы по улучшению работы. Также, используя результаты аналитики, компания может на вопросы сотрудников или партнеров давать конкретные ответы, основанные на объективных данных.
? Данные обеспечивают конкурентное преимущество. Сейчас разница между качеством продукции разных производителей все уменьшается. Клиенты сравнивают цены, что заставляет компании идти на снижение маржинальности. Данные же приносят новые конкурентные преимущества и способы монетизации. Три из пяти самых дорогостоящих компаний Америки (Amazon, Facebook, Alphabet/Google) обязаны своим успехом тому, что благодаря огромным массивам данных могут быстро и с небольшими затратами предлагать пользователям персонализированные сервисы[9 - Elvis Picardo, «10 of the World’s Top Companies Are American,» Investopedia, 30.05. 2019, https://www.investopedia.com/articles/active-trading/111115/why-all-worlds-top-10-companies-are-american.asp (https://www.investopedia.com/articles/active-trading/111115/why-all-worlds-top-10-companies-are-american.asp).]. Благодаря данным компании при небольших затратах могут повышать качество и скорость работы.
Теперь поговорим о смыслах. Они менее осязаемы, чем цифры, но не менее важны для успеха компании. Ниже приведем примеры явлений из данной категории и вопросы, с ними связанные.
? Репутация бренда. Наш продукт дешевый или качественный? Надежный или нет? Бренд вызывает доверие и лояльность или воспринимается как утилитарный?
? Мнение клиентов о сервисе компании. Клиенты считают сотрудников обслуживающих подразделений дружелюбными и отзывчивыми или же холодными и нудными? Ваши продавцы и специалисты сервисных служб работают над выстраиванием долговременных отношений с клиентами или же отношения возникают и поддерживаются только в момент обращения клиента?
? Миссия и ценности компании. Компания известна своей последовательной системой убеждений и принципов либо считается аморальной и переменчивой? Способствует ли организация тому, чтобы ее окружение, отрасль и наш мир в целом становились лучше, или заботится только о личной выгоде?
? Восприятие компании сотрудниками. Считают ли сотрудники, что компания дает им возможность учиться и расти или же только эксплуатирует их навыки и труд? Чувствуют ли они, что получают справедливое вознаграждение, или считают, что компания на них экономит? Считают ли они себя вовлеченными, видят ли себя частью организации или же изолированными наемными работниками?
? Истинное значение данных. Помимо того, что лежит на поверхности, о чем еще говорят все эти факты и цифры? Да, прибыль в июне выросла на 12 %, но в чем причина? Это случайность или тренд, на который нужно обратить внимание? Сработала новая рекламная кампания или программа премирования продавцов?
И это лишь некоторые примеры. Смысловая часть уравнения может принимать множество форм. Это и то, как руководители общаются с подчиненными. Например, проявляют ли уважение и эмпатию? И то, как генеральный директор выступает перед отраслевыми аналитиками. И то, как рассчитываются и выплачиваются премии. Смысл может проявиться и при всестороннем анализе больших данных (Big Data) – когда цифры изучают, обсуждают и дают им толкование несколько разных специалистов. Ранее мы говорили про «таблички» и «живую историю». Смысл – составная часть истории, которую рассказывает организация.
Близорукость, вызванная данными
Как говорил Марк Твен, существует ложь, наглая ложь и статистика[10 - Mark Twain, Chapters from My Autobiography (n. p.: CreateSpace, 2017), 122.]. Возможно, в этом утверждении есть забавное преувеличение для достижения большего эффекта. Но организации допускают серьезную ошибку, чрезмерно увлекаясь цифрами. И некоторые компании уже поняли это на собственном горьком опыте.
В 2012 г. Adobe отказалась от ежегодных отчетов о результатах работы персонала. По сути, компания пользовалась специальными формами с целью сбора статистических данных для оценки достижений и улучшений по массе различных параметров. Старший вице-президент Adobe по кадрам и офисам Донна Моррис сравнила сбор этой отчетности с ежегодными посещениями стоматолога. Вместо отчетов компания внедрила менее формальные, основанные на межличностном общении способы диагностики, а именно – личные встречи начальников и подчиненных, на которых результаты работы обсуждаются совместно и в более непринужденной обстановке[11 - Jack Makhlouf, «Your Annual Performance Reviews Are Hurting You (Just Ask Adobe),» ELM Learning, 21.09.2016, https://elmlearning.com/annual-performance-reviews/ (https://elmlearning.com/annual-performance-reviews/).].
Боб Низ, автор статьи «Как избыток данных снижает продуктивность и качество принятия решений» (How Too Much Data Can Hurt Out Productivity and Decision-Making), вышедшей в Fast Company, пишет: «Глубокое погружение в данные о том, кто покупает ваш виджет, бессмысленно, если не приводит к тому, чтобы ваши продавцы фокусировались на правильной аудитории и не тратили время на тех, кто никогда ничего у вас не купит»[12 - Bob Nease, «How Too Much Data Can Hurt Our Productivity and DecisionMaking,» Fast Company, 16.06.2016, https://www.fastcompany.com/3060945/how-too-much-data-can-hurt-our-productivity-and-decision-making (https://www.fastcompany.com/3060945/how-too-much-data-can-hurt-our-productivity-and-decision-making).]. Низ отмечает, что люди непредсказуемы. И то, что вы собрали кучу классных данных по конкретной выборке, вовсе не означает, что вам удастся ими воспользоваться. Вы можете установить, что данная аудитория любит синий цвет. При этом, если вы начнете использовать синий в оформлении упаковки, это может и отпугнуть потребителей. Почему? Просто потому, что люди не машины. Их поведение спонтанно, противоречиво и порой не укладывается в схемы.
В 2016 г. McKinsey&Company провели опрос топ-менеджеров ведущих компаний на тему использования больших данных и аналитики. Один из респондентов – директор по управлению рисками American Express Аш Гупта – дал очень интересный ответ: «В первую очередь нам пришлось поработать над повышением качества данных. Данных у нас очень много, и порой мы не пользовались ими и не задумывались об их качестве, как должны бы»[13 - «How Companies Are Using Big Data and Analytics,» McKinsey & Company, 01.04.2016, https://www.mckinsey.com/business-functions/mckinsey-analytics/our-insights/how-companies-are-using-big-data-and-analytics (https://www.mckinsey.com/business-functions/mckinsey-analytics/our-insights/how-companies-are-using-big-data-and-analytics).].
Итак, о чем нас предупреждают эти примеры?
? Взаимодействие, выстроенное на основе цифр, может быть намного менее эффективным, чем взаимодействие, в центре которого человек.
? Люди не всегда поступают так, как предсказывают результаты анализа данных.
? Качество данных бывает разное. И если оно невысоко (либо вы в нем не уверены), ваши решения будут выстроены на очень слабом основании.
Данные продолжат завоевывать мир, несмотря на свои недостатки
Вероятнее всего, мы все чаще будем иметь дело с данными. Поэтому чрезвычайно важно постоянно напоминать себе об обратной стороне использования данных. Есть несколько причин, по которым данные продолжат завоевывать мир.
? Доступность. Сейчас данные можно получить в режиме реального времени и в более детализированном и унифицированном виде, чем когда-либо прежде. Чем проще достать информацию, например, через демографические профили пользователей сайтов или списки друзей и подписчиков в соцсетях, тем вероятнее компании захотят ею воспользоваться для получения прибыли.
? Удобство хранения и использования. Сейчас можно отследить и записать, что делает на сайте каждый посетитель в каждый момент времени, а затем связать эту информацию с другими данными об этом пользователе. Невысокие затраты на хранение при огромных возможностях разных видов вычислений обеспечивают компаниям способы зарабатывать на этих данных и черпать в них новые идеи. Мы размышляем так: у нас есть данные, мы можем вертеть их так и эдак, значит, мы должны ими воспользоваться.
? Инструмент для руководителей. Практически в каждой компании имеется набор метрик, наподобие терминалов Bloomberg, для руководителей разных уровней. Данные – это хребет, на котором держится бизнес и который влияет на все важные решения и заявления. Почитание цифр руководством ведет к тому, что все уровни организации принимают ту же модель поведения.
? Эпоха искусственного интеллекта. Подобно тому как человек учится на своем опыте, все более мощные компьютеры производят огромные массивы данных, учатся в процессе их обработки и становятся все умнее. Заложенные в программу алгоритмы предлагают решения, основанные на анализе данных и позволяющие получить прибыль. И компании при принятии решений все чаще полагаются на компьютерные алгоритмы, а не на человеческий мозг.
Как человеку извлечь смысл из данных: принцип шести «П»[14 - В оригинале – метод шести I (interpret – переводить, трактовать, involve – вовлекать, interconnect – устанавливать взаимосвязь, imagine – воображать, iterate – предпринимать еще одну попытку, проводить итерацию, investigate – расследовать, выяснять). – Прим. пер.]
За годы работы я понял, что наилучший способ постигнуть смыслы, стоящие за цифрами, и извлечь прорывные идеи из данных – это придерживаться принципа, который я назвал «принцип шести “П”»: перевести, пригласить, провести параллель, помечтать, повторить, поискать в прошлом.
ПЕРЕВЕСТИ С ЯЗЫКА ДАННЫХ. Не останавливайтесь на тех фактах и цифрах, которые лежат на поверхности. Иногда, конечно, они являются именно тем, чем кажутся. Но порой могут загнать в ловушку. Поэтому, особенно если имеете дело с неоднозначными данными, посмотрите на них с разных сторон. Выдвигайте гипотезы, ищите закономерности и аномалии, предложите альтернативные трактовки полученной информации. На этом шаге вы переводите язык цифр на язык смыслов и можете понять, какая история кроется за данными.
ПРИГЛАСИТЬ РАЗНЫХ УЧАСТНИКОВ. Аналитики, конечно, ключевые участники, но расширьте рабочую группу, занимающуюся анализом данных. Вовлекая специалистов с различными навыками и точками зрения, вы, скорее всего, получите расширенную трактовку данных. Например, аналитики скажут: «Количество подписчиков нашего сайта выросло за месяц на 15 %». Маркетологи добавят: «Возможно, причина в невероятно успешной программе выдачи лицензии на наш бренд другой компании, которая началась в прошлом месяце». Специалисты отдела кадров отметят: «Каждый раз с ростом числа подписчиков сайта мы начинаем получать больше резюме от соискателей». О важности изучения мнений разных сторон говорят примеры таких скандальных реклам, как фото модели в черном свитере Gucci, напоминающем пародию на внешность афроамериканцев, или ролик Pepsi с Кендалл Дженнер, нацеленный на непонятно какую аудиторию[15 - Thomas Hobbs, «Pepsi’s Ad Failure Shows the Importance of Diversity and Market Research,» Marketing Week, 07.04.2017, https://www.marketingweek.com/2017/04/07/pepsi-scandal-prove-lack-diversity-house-work-flawed/?ct_5ce866d3b5495=5ce866d3b5496 (https://www.marketingweek.com/2017/04/07/pepsi-scandal-prove-lack-diversity-house-work-flawed/?ct_5ce866d3b5495=5ce866d3b5496).].
ПРОВЕСТИ ПАРАЛЛЕЛЬ С ДРУГИМИ СОБЫТИЯМИ И ЗАКОНОМЕРНОСТЯМИ ИНОГО УРОВНЯ. Связаны ли как-то данные с новыми зарождающимися тенденциями, серьезно влияющими на вашу отрасль? Имеет ли отношение найденная вами информация к новому продукту, который выводит на рынок ваш конкурент? Проведение таких параллелей помогает вам сделать еще один шаг вперед на пути к пониманию данных. И определить, например, будут ли цифры, которые вы видите, иметь какое-либо значение в долгосрочной перспективе или они важны только сейчас. Свидетельствуют ли они о завершении или начале тренда.
ПОМЕЧТАТЬ, ЧТОБЫ НАЙТИ РЕШЕНИЕ. Очень часто мы позволяем цифрам ограничить полет нашей мысли: «Мы не можем выходить на новый рынок, как собирались, потому что, по отчетам, наблюдается снижение продаж соответствующих товаров». Не позволяйте данным вас остановить. Вместо этого ищите решения. Если цифры показывают, что сейчас такой продукт плохо торгуется на выбранном вами потенциальном рынке, не говорит ли это также и о том, что конкуренция скоро снизится и рынок по-прежнему останется привлекательным?
ПОВТОРИТЕ ИТЕРАЦИЮ. Одни данные могут привести к появлению других данных. Не можете ли вы провести дополнительные исследования на основе собранных данных, которые принесут более интересные факты и цифры? Не найдете ли вы новых способов собрать обратную связь, которая откроет вам новые перспективы и поможет понять неожиданные, сбивающие с толку или слишком многообещающие результаты других исследований?
ПОИЩИТЕ В ПРОШЛОМ ДРУГИХ ЛЮДЕЙ. В каждой компании работают сотни, а то и тысячи людей, которые могут натолкнуть вас на стоящую идею по трактовке или использованию данных, потому что когда-то в прошлом – в вашей или другой организации – у них уже был схожий опыт, подходящий под вашу ситуацию. Может, кто-то работал в компании, пережившей всплеск посещений странички в соцсети благодаря ставшей вирусной рекламе Суперкубка. И теперь этот сотрудник может реплицировать свой опыт на ваши данные в подобной ситуации. Если найти таких сотрудников и задать им правильные вопросы, вас могут озарить такие идеи, которые иначе никогда не пришли бы вам в голову.
Не забывайте: за фактами и цифрами всегда кроется какая-то история. Но прочесть эту историю вы сможете, только найдя способы выловить глубинные смыслы, стоящие за данными.
В центре политики использования данных должен быть человек
Компании должны не только более глубоко изучать данные, но и разрабатывать политики и процедуры для процессов анализа. Увлечение данными не было бы столь вредоносным, если бы бизнес следовал базовым правилам защиты от чрезмерной зависимости от цифр. Если люди будут фильтровать факты, цифры и иные данные, то смыслы, стоящие за ними, вернутся в поле зрения компаний естественным образом.
Предлагаю следующие способы фильтрации.
ОПРЕДЕЛИТЕ, КАКИЕ ДАННЫЕ НУЖНЫ, И ИГНОРИРУЙТЕ ВСЕ ОСТАЛЬНОЕ. Это простой, но очень эффективный шаг, который компании игнорируют из боязни упустить что-нибудь стоящее. Вам точно нужны пять финансовых отчетов, содержащих, по сути, одну и ту же информацию? Действительно ли требуется прогонять один набор данных через три фильтра? Правда ли оценка сервиса должна проводиться еженедельно, а не ежемесячно? Даже если что-то будет упущено, следуя этому принципу, вы освободите время на обсуждения и размышления, не связанные с аналитикой данных. Вот как можно описать ситуацию, в которую вы не попадете, если ограничите поток данных (да простит меня Сэмюэль Кольридж за вольное переосмысление его поэзии):
Всюду, всюду данные,
В них я утону.
Всюду, всюду данные,
Где силы взять уму?
МАРКИРУЙТЕ НЕКАЧЕСТВЕННЫЕ ДАННЫЕ. С увеличением общего количества данных растет и объем данных искаженных, устаревших и ошибочных. Если систематически не выявлять подозрительные и вводящие в заблуждение факты и цифры, компании будут строить свои стратегии на неточной информации. Как известно, что на входе, то и на выходе.
НЕ ИСПОЛЬЗУЙТЕ ДАННЫЕ КАК КОСТЫЛЬ. Уверен, вы в курсе, что менеджеры ссылаются на данные отчетов для обоснования своих решений. Даже если это плохое решение, руководитель скажет: «Цифры вынуждают нас так поступить». Не позволяйте людям прикрываться данными, иначе все только так и будут делать, потому что такова человеческая природа. Цифры – это информация к размышлению, но не единственная основа для принятия каждого решения. Приучайте сотрудников к тому, что их решения должны быть подкреплены как цифрами, так и множеством иных способов: результатами обсуждений, мозговых штурмов, прошлым опытом, анализом различных альтернатив и т. д.
ЗАДАВАЙТЕ ВОПРОСЫ К ЦИФРАМ, НО НЕ ПОДГОНЯЙТЕ ВОПРОСЫ ПОД ЦИФРЫ. Почувствуйте разницу, и вы не станете уделять внимание тому, что не важно. Например, компания фокусируется на том, как сократить длительность звонка в службу поддержки, чтобы снизить затраты и повысить производительность. Эта инициатива продиктована тем, что, по статистике, снижение длительности звонка на 30 секунд дает 10 % экономии издержек и 5 % роста производительности (цифры выдуманные – просто как пример). И из этой статистики вытекает вопрос: а мы можем снизить расходы и повысить производительность? А может, этот вопрос некорректен? Возможно, на самом деле стоит спросить себя, как повысить удовлетворенность клиентов? Ведь регламентированное сокращение времени звонков может разозлить звонящих и негативно повлиять на мнение клиентов. То есть вопросы нужно ставить, не привязываясь к имеющимся цифрам.
ИЗМЕРЯЙТЕ С УМОМ. Не следует проводить измерения каждого аспекта деятельности вашего персонала просто потому, что вы технически это можете. Часто у сотрудников складывается впечатление, будто каждый их чих, каждое нажатие клавиши записывается и оценивается. Подход «Большой Брат все видит» контрпродуктивен. Он может повысить эффективность труда, но ненадолго. Людям нужно свободное пространство для риска, а иногда и для ошибок. Если им кажется, что каждый шаг отслеживается и измеряется, мотивация падает. Разумеется, какие-то измерения нужны. Но если оценивать и анализировать все подряд, реакция коллектива будет негативной.
Самое интересное еще впереди!
Считать использование данных какой-то особой характеристикой организаций неправильно. Компаниям сложно добиться процветания, если в основе их работы не лежит анализ данных. Да что там процветание! В эпоху алгоритмов наличие стратегии управления данными – условие выживания. И мы еще в самом начале пути. В ближайшие месяцы и годы данные станут играть все большую роль. Главное, чтобы стратегия работы с данными не становилась единственной стратегией организации. И чтобы усилия сотрудников не были направлены лишь на поиск оптимальных алгоритмов. Мы не должны забывать вторую часть уравнения.
Я каждый год бываю на Международной выставке потребительской электроники (Consumer Electronics Show). В 2018 г. мое внимание привлекли три тенденции, которые будут способствовать распространению подходов, основанных на данных.
1. Технологии, связанные с основными чувствами человека. Благодаря искусственному интеллекту и встроенным чипам, все более широкий спектр устройств учится предвосхищать наши потребности. Автомобили умеют не только ездить без участия водителя, но и предотвращать аварии. Медицинские системы могут посылать аварийные сообщения или вызывать скорую помощь. Экраны с технологией 4K OLED выводят наш зрительский опыт на новый уровень. А беспроводные мобильные и вполне доступные (стоимостью от 200 до 400 долларов) системы виртуальной реальности производства Google/Lenovo или Facebook/Xiaomi погружают нас в новые миры и дают испытать небывалый эффект присутствия.
2. Наступление и экспансия. Любые технологии и отрасли всегда в какой-то момент выходят за рамки своего изначального периметра. Вот несколько примеров из сферы искусственного интеллекта и передачи голоса. Samsung и LG используют в интерфейсах новых моделей телевизоров наработки Amazon и Google. И улучшенное качество изображения они приписывают не доработкам аппаратной части, а приложениям с использованием искусственного интеллекта. Автомобили способны ездить без водителей благодаря встроенным искусственному интеллекту и голосовым системам, включая новый персонализированный голосовой интерфейс Mercedes[16 - Andrе Burton, «MBUX Voice Assistant: It Understands You Perfectly,» The Daimler-Blog, 28.12.2018, https://blog.daimler.com/en/2018/12/28/mbux-voice-assistant-hey-mercedes/ (https://blog.daimler.com/en/2018/12/28/mbux-voice-assistant-hey-mercedes/).]. Может, вы не заметили, но в эту гонку вступил и уже обогнал всех Китай. Каждый третий стенд на выставке – китайский. Некоторые даже называют ее «Китайской выставкой потребительской электроники». Китайцы завоевывают позиции в искусственном интеллекте, интернете вещей и других и еще не раз удивят нас.
3. Усиление и ускорение. Мир сейчас наблюдает квантовый скачок в развитии технологий. Новые микросхемы Qualcomm и других производителей позволят мобильникам работать по 20 и более часов без подзарядки. Необходимость заряжать аккумулятор была основным ограничением в использовании телефонов. Теперь батарейка будет держать заряд дольше, а с появлением беспроводных зарядных устройств следующего поколения сам процесс станет протекать быстрее. И уже тогда нам демонстрировали технологию 5G, которая передает данные в тысячу раз быстрее, чем 4G и LTE.
Такие мероприятия, как Выставка потребительской электроники, прямо или косвенно влияют на все организации. Компании будут биться за новые способы улучшить клиентский опыт при помощи более передовых технологий. Бизнес будет прибегать к технологиям для конкурентной борьбы и защиты собственных территорий, поскольку традиционные границы между компаниями и категориями товаров стираются. Организации будут купаться в потоках данных от систем, фиксирующих деятельность человека в лучших традициях фантастических романов.
Что представляют собой смыслы в действии
Как говорилось ранее, компании могут восстановить баланс между математикой и смыслом, вводя такие политики работы с данными, которые позволяют людям эффективно использовать свои творческие способности и рождать новые идеи. Есть и другие способы вернуть смысл в построенные вокруг цифр мыслительные процессы, преобладающие в компаниях. Например, организация может направить свои процессы и процедуры на то, чтобы поощрять креативность, эмпатию, лояльность и выстраивание отношений.
Costco давно имеет репутацию компании, в которой на первом месте – сотрудники. Она не только предлагает зарплаты выше рыночных, но идет и на другие необычные меры, чтобы соответствовать требованиям сотрудников всех уровней. Например, совместители тоже получают медицинскую страховку – это весьма затратное для компании удовольствие. Здесь также поощряют тех, кто готов мыслить на перспективу. Текучка среди проработавших больше года составляет всего около 5 %. Менеджеры Costco наделены беспрецедентными полномочиями принятия решений внутри своих подразделений, и никакие процедуры и политики не сковывают их инициативу. В результате руководители проявляют креативность и проводят преобразования, которые приветствуются рядовыми сотрудниками.
Costco – крайне успешная компания, но ее операционная маржа составляет всего 3 %. Для сравнения, у Walmart – 6 %. Расходы на оплату труда – 70 % всего бюджета, это очень высокий показатель. Если руководствоваться только этими цифрами, может показаться, что Costco далека от процветания. Однако основатель Джим Синегал давно уже пришел к выводу, что, наделив сотрудников свободой в проявлении сильных сторон и предложив соответствующие их потребностям условия и оплату труда, он обеспечит высокий уровень удовлетворенности клиентов[17 - Abhijeet Pratap, «An Analysis of Costco’s Organizational Culture and Human Resource Management,» Notesmatic, 08.10.2018, https://notesmatic.com/2017/08/an-analysis-of-costcos-organizational-culture-and-human-resource-management/ (https://notesmatic.com/2017/08/an-analysis-of-costcos-organizational-culture-and-human-resource-management/).].
В 2014 г. в Harvard Business Review вышла статья бывшего директора по персоналу Netflix Патти Маккорд «Как Netflix перезапустил работу с кадрами» (How Netflix Reinvented HR)[18 - Patty McCord, «How Netflix Reinvented HR,» Harvard Business Review, January – February 2014, https://hbr.org/2014/01/how-netflix-reinvented-hr (https://hbr.org/2014/01/how-netflix-reinvented-hr).]. В частности, в ней идет речь о том, как компания решила отказаться от сбора традиционных метрик в управлении персоналом, положилась на здравый смысл и стремление людей поступать правильно. Взять, к примеру, политику предоставления отпусков. При стандартном подходе количество дней ежегодного отпуска ограничено, и нужно подавать официальное заявление. В Netflix же разработали иную систему. Суть ее в том, что каждый сам определяет, сколько ему отдыхать. Это неформальный подход, при котором сотрудники, принимая решение о том, когда пойти в отпуск и как и когда сообщать об этом, руководствуются не установленными жесткими рамками, а здравым смыслом. В то же время есть ряд общих рекомендаций. Например, бухгалтерия не должна планировать отпуска в периоды пиковой нагрузки. Также имеются более четкие правила для операторов колл-центра. Но большинство сотрудников пользуется в этом вопросе большой свободой.
Netflix также в большинстве случаев отменила ограничения, касающиеся оплаты командировок. Как пишет Маккорд, вся политика по командировкам сводится к нескольким словам: «Действуйте в интересах Netflix»[19 - McCord, «How Netflix Reinvented HR.»]. В итоге резко снизились затраты на отчетность о командировочных расходах.
В результате этих и других преобразований сотрудники Netflix чувствуют уважение и доверие к себе со стороны компании. К ним относятся как ко взрослым людям, а не шкодливым детям. И в ответ они хотят отплатить компании тем же и заботятся о ее прибыли и росте. Получив свободу от жестких ограничений и отчетности, вызывающих неприятие у большинства сотрудников, люди наслаждаются возможностью быть собой во благо компании.
Starbucks внедрила систему, поощряющую персонализированный подход при общении бариста и клиентов. Обычно в сфере розничной торговли продавцы взаимодействуют со всеми покупателями одинаково вежливо и дружелюбно, без изюминки. Starbucks собирает обратную связь от клиентов, благодаря чему бариста знают личные предпочтения и особенности посетителей. Один из каналов получения такой информации – программы поощрения. Покупатели получают бонусы за те или иные действия. Например, скидку на любимый напиток после определенного количества заказов. Фирменное приложение передает в компанию данные о клиентах – их любимые напитки, по каким дням они обычно заказывают эти напитки и т. д.[20 - Ali, «Starbucks – Grinding Data,» Digital Initiative, 05.04.2017, https://digit.hbs.org/submission/starbucks-grinding-data/ (https://digit.hbs.org/submission/starbucks-grinding-data/); Michael Boezi, «Starbucks Rewards: An Evolution in Data-Driven Marketing,» Control Mouse Media, 22.03.2018, https://controlmousemedia.com/starbucks-rewards-data-driven-marketing/ (https://controlmousemedia.com/starbucks-rewards-data-driven-marketing/).]
Вооружившись этими знаниями, бариста могут приветствовать посетителей по имени, угадывать, что они закажут и в каком варианте, а также давать комментарий, если заказ отличается от обычного. Если клиент обычно приходит по вторникам и вдруг заглянул в пятницу, бариста может отметить: «Ого, Джо, в пятницу вы к нам еще не заходили. Что-то новенькое в жизни происходит?» Так устанавливается особая связь с потребителями. Компания показывает, что видит в них личности, а не среднестатистических клиентов. Бариста это дает интересный опыт и делает его работу более увлекательной. А посетителям помогает почувствовать себя единственными и неповторимыми. Starbucks использует данные, чтобы получать прибыль, но в центре процессов при этом остается личность.
В январе 2018 г. генеральный директор крупнейшей инвестиционной компании BlackRock Лоуренс Финк пошел на беспрецедентный шаг. Он обратился к главам ведущих организаций, заявив, что для получения поддержки от BlackRock мало быть просто прибыльной компанией. Необходимо сделать что-либо на пользу обществу. Прежде инвесторы наподобие господина Финка заботились только о цифрах. Его обращение показало, что наметились перемены в направлении большей осмысленности деятельности компаний. Финк отметил, что прибыльность по-прежнему остается важнейшим фактором при принятии решения об инвестировании. Однако процветающие организации должны также осознать себя ответственными участниками мирового сообщества[21 - Larry Fink, «Larry Fink’s Chairman’s Letter to Shareholders from BlackRock’s 2018 Annual Report,» BlackRock, 12.01.2018, https://www.blackrock.com/corporate/investor-relations/larry-fink-chairmans-letter (https://www.blackrock.com/corporate/investor-relations/larry-fink-chairmans-letter); Andrew Ross Sorkin, «BlackRock’s Message: Contibute to Society, or Risk Losing Our Support,» New York Times, 15.01.2018, https://www.nytimes.com/2018/01/15/business/dealbook/blackrock-laurence-fink-letter.html (https://www.nytimes.com/2018/01/15/business/dealbook/blackrock-laurence-fink-letter.html).].
Но обретение баланса между математикой и осмысленностью не сводится лишь к благотворительности. Как вы помните, смыслы могут принимать различные формы, и компании должны учитывать все варианты. Например, карта «Сапфировый резерв» (Sapphire Reserve), выпущенная банком JPMorgan Chase, пользуется большой популярностью. Она рассчитана на миллениалов и предусматривает бонусы за активности, значимые именно для данной аудитории. Проанализировав данные, банк определил, что для миллениалов важны впечатления, а именно путешествия и гастрономия. Вокруг этих направлений и выстроена бонусная система карты: за каждый доллар, потраченный на путешествия или еду, пользователь получает три балла. За расходы по остальным категориям – только один балл. Более того, если за первые три месяца использования карты клиент потратит 4000 долларов, то получит от банка бонус в 750 долларов, которые можно потратить на оплату путешествия. Если пользователь обратится в турагентство, рекомендованное банком, сумма удваивается.
Карта обходится пользователю в 450 долларов. Это немало по сравнению с другими картами. И, выведя карту на рынок, банк сперва подвергся критике. Противники предрекали компании убытки. Однако победила идея, стоящая за цифрами, и карта имеет большой успех[22 - Julian Lin, «JPMorgan Chase Cornered the Millennial Credit Card Market,» Seeking Alpha, 20.10.2017, https://seekingalpha.com/article/4112664-jpmorgan-chase-cornered-millennial-credit-card-market (https://seekingalpha.com/article/4112664-jpmorgan-chase-cornered-millennial-credit-card-marke).].
Джейн Зенати Спиттлер
Первопроходцы, вооруженные данными и любовью к своему делу
В той или иной мере противостояние между сухими цифрами и живыми идеями существовало всегда. Даже много лет назад данные считались силой, и люди порой не понимали, что не меньшей силой обладают идеи, особенно подкрепленные цифрами.
В 1982 г. я начал работать в Leo Burnett[23 - Американское рекламное агентство, входит в одну из крупнейших медиагрупп Publicis, где автор прошел путь до директора по развитию (по состоянию на 2020 г.). – Прим. пер.]. Мы сидели в одном кабинете с другими новичками, обучались основам медиарынка и ждали открытия торгов. Джейн Зенати занималась медиаисследованиями и отвечала за тренинги для новичков.
Джейн знала, что у меня диплом по математике, и поручила участвовать в анализе нового направления «кабельное телевидение». Я собирал данные, демонстрирующие широкое географическое распространение кабельного вещания, а также показывающие, что оно начало вытеснять классическое телевидение с тех рынков, на которые проникло особенно глубоко. Джейн хотела, чтобы руководство обратило внимание на это новое явление и подготовило к нему наших клиентов. Глава отдела средств коммуникации вырос на классическом широкополосном вещании. Ему нравилось вести переговоры и заключать сделки именно по данному направлению. Он скептически воспринимал все новое и часто возвращал наши отчеты, называя их ошибочными, нерелевантными или вырванными из контекста. И каждый раз Джейн придумывала, чем еще усилить наши расчеты и подкрепить идеи, стоящие за ними. Еще в аспирантуре она участвовала в проекте Национального научного фонда[24 - National Science Foundation – независимое агентство при правительстве США, отвечающее за развитие науки и технологий. Выделяет гранты на исследования. – Прим. пер.], посвященном кабелю двусторонней связи, и была искренне убеждена в том, что кабельное вещание получит широкое распространение. И цифры поддерживали ее в этом убеждении.
