Разумеется, реалии бизнеса могут не позволить организации реализовать даже самый дешевый вариант. Например, если бюджет капиталовложений на текущий год полностью израсходован, и всем было сказано, что никакие капитальные затраты больше не будут утверждены, и точка. В этом случае придется поискать альтернативу, например использовать облачное решение или лизинг вместо покупки оборудования. Конечно, с течением времени такие варианты могут и подорожать, но повышенная долгосрочная стоимость – это та цена, которую приходится платить за жесткую экономию сегодня.
Важно понимать, что оправдан и выбор более дорогого варианта при условии полного осознания организацией того, за что она платит и с какой целью. Одно дело, когда организация сознательно решает заплатить повышенную цену, руководствуясь практическими соображениями. И совсем другое, когда организация пропускает исследование грядущих затрат и, возможно, даже сама себя дурачит, полагая, что не переплачивает, когда в реальности именно это и делает.
Масштабирование касается не только хранения и обработки
Во второй главе мы уже говорили о том, что операционная аналитика и большие данные требуют масштаба во многих измерениях – не только в хранении и обработке данных, но и касательно количества пользователей, параллелизма, безопасности, управления рабочей нагрузкой и интеграции с другими инструментами. Учитывая, что при превращении традиционной аналитики в операционную миллионы и потенциально десятки миллионов решений будут приниматься на постоянной основе, важно гарантировать, что необходимый масштаб будет применен ко всем вышеперечисленным измерениям.
Если выбранный вариант инвестирования окажется не способен поддерживать все виды масштаба, требуемые для операционной аналитики, то организация дорого заплатит за преодоление ограничений масштаба в конечной стадии проекта. Цена за придумывание обходных решений может аккумулироваться, и в худшем случае преодолеть эти ограничения окажется невозможным, так что организации придется начинать все сначала.
Приведу вам аналогию из собственной жизни. Несколько лет назад я купил дешевый триммер для прополки. Мне надо было выполоть немного сорняков у себя во дворе, и я решил, что обойдусь самой дешевой моделью, какую только смогу найти. Однако, когда я запустил триммер, оказалось, что он работает не очень-то хорошо, так что на прополку у меня ушло больше времени, чем я рассчитывал. К тому же леска у него то и дело рвалась, а менять леску на катушке было очень трудно, как и вернуть катушку на место.
В конечном итоге этот дешевый триммер обошелся мне дорого с учетом потраченного времени и его неэффективной работы. Через несколько недель я оставил напрасные попытки приноровиться к нему и купил более дорогую модель. Если бы я с самого начала думал не только о цене, но и о суммарных усилиях, которые мне придется приложить, чтобы заставить триммер работать, как я планировал, то я сразу бы сделал иной выбор. К счастью, триммер для прополки – сравнительно недорогая вещь, поэтому я усвоил этот урок с минимальными денежными потерями. Но они возрастут неизмеримо, если подобные ошибки будут допущены по отношению к инвестициям в операционную аналитику.
Рекомендации по созданию успешного бизнес-кейса
Теперь, когда мы рассмотрели некоторые соображения, которые должны войти в бизнес-кейс для аналитики, давайте обратимся к концепциям, способным повысить шансы на успешное представление кейса руководству. Создав солидный бизнес-кейс, как позиционировать его наиболее эффективно, чтобы гарантировать одобрение? Давайте рассмотрим несколько важных правил.
Не форсируйте подготовку бизнес-кейса
Не тратьте время на разработку бизнес-кейса без повода. Вместо того чтобы притягивать цифры за уши, лучше переключитесь на другую проблему. Сегодня, когда вокруг определенных подходов поднято много шумихи, можно с легкостью поддаться всеобщему ажиотажу и застрять, вновь и вновь пытаясь заставить работать бизнес-кейс. Не позволяйте блеску новых технологий, данных или инструментов, а также окружающему их ажиотажу заставлять вас руководствоваться при разработке бизнес-кейса эмоциями, а не фактами.
В 2013 г. сотрудники многих организаций по всему миру жаловались мне на трудности, с которыми они столкнулись, пытаясь обосновать значительные инвестиции в сбор данных из социальных сетей и соответственно в аналитику этих данных. Им никак не удавалось придумать способы применения такой аналитики, позволившие бы им оправдать увеличение инвестиций. У каждой организации имелся свой внешний поставщик, предоставлявший ей на высоком уровне смысловой анализ контента и анализ тенденций на основе агрегированных данных из социальных сетей. Однако организации не могли составить кейс, с тем чтобы начать собирать необработанные данные из социальных сетей для внутреннего употребления. Предполагаемая отдача от расходов на сбор данных и развитие аналитических процессов не выглядела достаточной для того, чтобы оправдать инвестиции. И все мои клиенты, с кем я разговаривал, были удручены своей неспособностью обосновать то, что, как они считали, с легкостью делали на рынке другие. Все они хотели узнать, что именно они упускают из виду.
В таких случаях я говорю своим клиентам, что им не стоит беспокоиться. Возможно, инвестирование в сбор детализированных данных из социальных сетей в текущий момент действительно не имело смысла для их организации. И, возможно, никогда не будет его иметь. Если выполненные на высоком уровне сводки, к которым организация имеет доступ, удовлетворяют ее потребности и она не может доказать необходимость увеличения инвестиций, значит, нет поводов для беспокойства. В конце концов, даже потратив усилия и средства на сбор данных, организация может столкнуться с трудностями при нахождении соответствия между аккаунтами в социальных сетях и клиентскими счетами внутренних потребителей, причем доля успешных попыток такого сопоставления остается весьма низкой. Вот почему обычно я рекомендую организациям оставить ситуацию с социальными сетями такой, как она есть, и переключить свою энергию на поиск других, более значимых аналитических возможностей.
