Дочитав до этого места, опытные предприниматели и топ-менеджеры наверняка зададутся вопросом: «Почему надо создавать свою информационную систему и всякие панели? Чем вас не устраивает сервис имеющихся на рынке готовых программ по управлению взаимоотношениями с клиентами (сокращенно и по-английски) CRM?» И отчасти будут правы. Современные CRM обладают очень большим набором встроенных функций. И логично было бы арендовать к ним доступ и начать ими пользоваться, не нанимая программистов. Но здесь стоит обратить внимание на то, что чаще всего компании вообще не используют большинство встроенных в систему функций, ограничиваясь лишь базовыми: хранением информации о контактах, заказах и документах. Вдобавок можно оказаться обладателем импортной CRM, которая внезапно удалит[4] учетную запись компании по политическим причинам. Надо сказать, очень популярная проблема, с которой столкнулись отечественные компании в 2022 году.
Систему CRM с базовыми функциями контактов, заметок и задач может написать один программист буквально за пару месяцев работы. При этом она будет находиться на серверах компании, к ней всегда будет доступ, не надо будет платить за нее каждый месяц правообладателю под страхом удаления всех данных. И это далеко не самая большая проблема и причина создания своей CRM, разработанной своими программистами под конкретные нужды предприятия.
Самая большая проблема готовых CRM-сервисов в том, что предлагаемые ими ресурсы крайне ограничены. Например, невозможно найти такой, в котором объем хранилища исчислялся бы десятками терабайт. А между тем, такие хранилища могут содержать крайне полезную для компании информацию. К примеру, о географическом положении клиентов. Подобные большие данные критически важны для определения лучшего места для наружной рекламы, выгодного расположения для новой торговой точки. И еще много каких «нельзя» скрываются за фасадом покупной CRM.
Готовые CRM хоть и обладают значительным набором функций, но все эти возможности по тем или иным причинам оказываются невостребованными, когда появляются реальные задачи. Современным компаниям требуются серверы с хорошими объемами хранилищ, с тензорными или видеокартами, с высокопроизводительными процессорами. Ни один сервис не даст даже десятой доли этих ресурсов за вменяемую цену. Конечно, можно сделать свои вычислительные системы на стороне и заставить их связываться с CRM. Но зачем такие сложности, если за пару месяцев можно написать свою CRM с базовыми функциями?
Предположим, что вышеприведенные аргументы не возымели должного эффекта и компания решилась использовать покупную готовую CRM, а не делать свою систему. Для привнесения в общую картину информатизации предприятия дополнительных доводов в пользу создания собственных систем, рассмотрим проблемы, которые могут появиться в случае покупного программного обеспечения в зависимости от размера организации.
В небольшой компании, в которой еще нет ни одного программиста, использование CRM будет оправданно. Потому что информационная система не готова ни у одного отдела, а продажи уже надо запускать. В таком случае обычно заказывают самые дешевые тарифы известных CRM, которые сильно ограничены как по функциям, так и по количеству возможных учетных записей. То есть даже не все сотрудники могут пользоваться ими, приходится нескольким людям сидеть через одну учетную запись или определенным сотрудникам нести дополнительные обязанности за пополнение данных с различных рабочих мест.
Ежемесячная стоимость использования CRM не бьет по карману такой организации и позволяет провести хоть какую-то автоматизацию, усыпляя бдительность руководителя и топ-менеджера. Важно не пропустить момент, когда мини-CRM должна быть увеличена до разрастающихся нужд предприятия, и начать привлекать программистов, которые будут создавать дополнительно требующийся функционал. Иначе можно забыть о следующем шаге, о сборе больших данных, для чего, собственно, и проводится цифровизация.
Большие проблемы появятся, как только компания начнет быстро расширяться. В этот момент типовое решение CRM перестанет удовлетворять запросам бизнеса, и его тоже потребуется наращивать. Например, закупить расширенные версии имеющейся системы CRM с дополнительными модулями, которые способны связываться с другими типовыми системами от известных производителей за дополнительную плату. Бухгалтер начнет слегка нервничать, видя новые цифры в ежемесячном счете на оплату. А многих руководителей начнет посещать мысль: «Может, пришла пора нанимать программистов и делать свое?»
Если организация успела дорасти до средних размеров (~50 человек), но так и не нашла хотя бы одного программиста, который мог бы начать создавать единую информационную систему, то дальше можно не мечтать о быстром росте компании. В такой фирме проблемы с CRM и другими сторонними системами будут накапливаться как снежный ком:
• Функций хоть и много, и они разные, но нет нужных для решения задач компании.
• Недостаточно уровней доступа, система авторизации не является гибкой.
• Недостаточная информативность (не хватает графиков, диаграмм, сводных таблиц и т. п.).
• Нет возможности анализа больших данных (терабайты) и машинного обучения на них.
• Нужно ежемесячно платить за каждую дополнительную функцию. А если откажешься, то производитель отключит программу и возникнет угроза потери имеющейся информации.
• Нет интеграции с сервисами других производителей. Поставщик ограничивает все функции только своей «экосистемой» продуктов, программы от стороннего поставщика подключить не получится.
• Нет возможности скопировать свои данные из системы, чтобы не потерять их. А весь доступ к системе предоставляется по модели «с подпиской». Купить раз и навсегда нельзя.
• Сервис CRM иностранный, и его в любой момент могут отключить по политическим соображениям, удалив все данные организации.
К сожалению, во многих растущих фирмах все перечисленные проблемы решаются закидыванием деньгами производителя CRM, выбранного компанией на начальной фазе развития. Такое решение перевалить проблему «на другого» рано или поздно приводит к остановке роста компании. А как только компания перестает расти, то она тут же начинает терять лучших инициативных сотрудников, которые не видят перспектив для развития и карьерного роста.
Большой зрелой организации, которая уделяла достаточное внимание своей информационной системе, нет нужды использовать даже расширенные версии популярных CRM. Потому что у них уже есть подобная система в каждом отделе. Они ее уже выстрадали регулярной и планомерной работой многих специалистов компании по развитию собственной системы и убедились, что делать свое намного выгоднее и удобнее, чем купленное на стороне. При этом в организации уже трудится пара программистов, способных за считанные часы добавить новые функции, перестроить старые рабочие процессы или увеличить вместимость озера данных. Благодаря их деятельности все большие данные компании находятся в руках компании, что позволяет проводить серьезную аналитику и машинное обучение хоть каждый день.
От темы CRM вернемся к большим данным. Ими же наполнена и самодельная CRM, сводку о состоянии которой видит руководитель компании на своей информационной панели каждый день. Давайте разберемся, как эти данные используются в разных отделах организации, как собираются и обрабатываются. Но сначала познакомимся с основными профессиями, которые связаны с большими данными.
В реальной жизни количество параметров, отслеживаемых/собираемых в рамках «больших данных», может достигать нескольких тысяч. Эти данные не ограничиваются стенами предприятия или даже границами города. К примеру, один из крупнейших банков нашей страны при выдаче ипотечного кредита использует сотни параметров. В том числе такую экзотику как «количество занятых одноместных номеров в трехзвездочных гостиницах в радиусе 500 метров от приобретаемой квартиры». Все значения этих параметров непрерывно отслеживаются и обновляются в автоматическом режиме. Для этого создаются специальные программы, которые, словно конвейер, неустанно доставляют информацию в озеро данных компании. При этом старые сведения не удаляются. К ним лишь добавляются новые. Из-за этого хранилища могут разрастаться до невероятных размеров (отсюда и название «большие данные»). Сбором, обработкой, сжатием и упорядочиванием данных занимаются инженеры данных (Data Engineer). Эти же специалисты конвертируют информацию в таблицы для дальнейшего ее анализа и построения графиков на ее основе.
После того как данные собраны и преобразованы в подходящий для анализа вид, в дело вступают аналитики данных (Data Analitycs). Они представляют информацию в виде наглядных графиков, в которых нуждается бизнес. Также аналитики ищут в данных полезные связи, новые способы их демонстрации, что позволило бы руководству лучше оценивать текущую ситуацию. Цель работы этих специалистов – найти пути получения прибыли из собранной информации. Аналитики думают только о деньгах. Они не умеют настраивать хранилища, управлять озером данных или круто программировать, поэтому инженеры по данным должны предоставлять им хорошо подготовленную информацию в удобной форме. Но именно аналитики знают, как из этих данных получить дополнительную маржу, как превратить данные в деньги.
Собранные большие данные позволяют буквально предсказывать будущее в результате учета значимых связей и зависимостей между отдельными компонентами данных, выявленных программными алгоритмами. Созданием инструментов для подобных прогнозов занимаются специалисты по машинному обучению (Machine Learning Engineer). Они могут заставить компьютер проанализировать тысячи собранных параметров с миллионами значений, чтобы предсказать практически любой экономический показатель. Имея достаточно данных и используя машинное обучение, профессионалы могут ответить на любые вопросы, касающиеся оптимизации продукта и максимизации прибыли.
Вспомните пример с ипотечным кредитом и странным параметром «количество занятых одноместных номеров в трехзвездочных гостиницах в радиусе 500 метров от приобретаемой квартиры». На наш обывательский взгляд, данный пункт вряд ли влияет на спрос жилья в районе. А собственник бизнеса или топ-менеджер никогда не попросит инженера по данным построить график зависимости прибыли от этого параметра на информационной панели в системе компании. Но с точки зрения машинного обучения данный фактор может внести существенный вклад в предсказания, потому что компьютер, в отличие от человека, способен уловить любую, даже еле заметную, связь в параметрах.
Все три профессии – аналитик, инженер по данным и специалист по машинному обучению – называют одним термином «специалисты по данным» (англ. ”Data Scientists”). Благодаря их слаженной работе руководство компании может в реальном времени наблюдать за всеми показателями, прогнозировать будущее и тестировать предложения по смене стратегии компании.
В каждой компании существует свой уникальный производственный процесс. Любая его стадия может быть описана определенными величинами в цифрах: количество выполненных операций, себестоимость использованных комплектующих, затраченное время и количество задействованных сотрудников и т. д. и т. п. Эти цифры необходимо собирать и хранить, чтобы в будущем найти между ними взаимосвязь. Обнаружив ее, можно будет разработать стратегию развития компании, выделить основные показатели и определить для них желаемые значения. Без количественной оценки конкретных параметров любое улучшение в компании будет казаться сотрудникам очередной бесполезной инициативой руководства. В такой ситуации топ-менеджер или собственник не сможет аргументированно доказать необходимость изменений.
Попробуем разобрать популярные методики сбора информации и организации деятельности в компаниях, которые уже работают полностью «в цифре». Допустим, ваше собственное предприятие разделено на несколько отделов по роду деятельности, в соответствии с современными канонами управления[5]:
• Административное отделение.
• Отделение создания и построения компании.
• Отделение распространения (маркетинг и рекламу рассмотрим отдельно).
• Финансовое отделение.
• Техническое отделение.
• Отделение квалификации и качества.
• Отделение по работе с клиентами и партнерами.
Конечно, в вашей компании деление может быть несколько иным, но в качестве примера рассмотрим именно такой вариант. Пройдемся по всем отделам, обсудим, как вообще можно провести их цифровизацию с нуля, чтобы начать собирать данные.
Сразу уточню, что, говоря о больших данных для бизнеса, почти всегда подразумевают их привязку к дате и времени. Например, если ведется статистика количества опубликованных рекламных материалов, то в собранной информации обязательно присутствует время. То есть сколько штук в какой день и час было опубликовано. Привязка ко времени критически важна для предсказания циклических процессов при машинном обучении. Поэтому почти все примеры собираемых данных, приведенные в этой книге, стоит дополнять пунктом «дата и время наступления события».
Административное отделение определяет направление развития и общие цели компании. Работу по внедрению цифровизации и запуску сбора больших данных стоит начать с этого отделения, потому что зачастую именно управленцы (на разных уровнях) останавливают автоматизацию производства. Саботаж сотрудников происходит по нескольким причинам:
• Отсутствие базовых навыков в работе с персональным компьютером.
• Боязнь потерять свое рабочее место из-за автоматизации.
• Желание оставаться в зоне комфорта: действовать по ранее созданным шаблонам, а не изучать новые дисциплины.
• Боязнь потерять свою зарплату или проходящий через их руки денежный поток, часть которого они оставляют себе.
• Страх испортить отношения с сотрудником, которого приходится заставлять повышать квалификацию для автоматизации его работы.
Рассмотрим все причины по порядку, но начнем с конца – с повышения квалификации. Звучит странно, но многие люди все еще не умеют пользоваться электронной почтой и создавать текстовые документы. У них часто нет даже собственного электронного почтового ящика. Подобных сотрудников практически невозможно убедить в выгоде информатизации компании: он всегда писал на бумаге от руки и будет продолжать это делать. Таких специалистов нужно принудительно передавать в руки отдела повышения квалификации. А теперь представим, что подобного мнения придерживается не рядовой сотрудник, а топ-менеджер или собственник – никакой автоматизации вообще не будет.
Многие сотрудники компаний ежедневно совершают механические действия, чтобы создать видимость бурной деятельности. А по сути все их задачи можно автоматизировать таким образом, что план на день будет выполнен программой за несколько секунд. При этом даже если рядом с подобным сотрудником сядет исполнительный директор и покажет, как сделать всю работу на неделю за «один клик», работник не согласится действовать по примеру руководителя, аргументируя это классическим: «Мне так привычнее!». В такой ситуации только два пути:
• Вызвать «санитаров» из отдела повышения квалификации и поставить ультиматум: для продолжения работы в компании сотрудник обязан автоматизировать свою рутинную работу, в противном случае он будет уволен.
• Завалить работника таким количеством ежедневных рутинных задач, чтобы он валился с ног от усталости и просто физически не успевал все сделать. А потом напомнить ему про программу, которая может автоматически выполнить большую часть его обязанностей за какие-то несколько секунд.
Разумеется, есть и другие способы убеждения – все зависит от терпения руководителя, необходимости срочного исправления ситуации и степени желания осушить коллективное «болото». Но помните: автоматизация никогда не проходит безболезненно – это аксиома.
Коллектив всегда будет против того, что машины могут отнять у него рутину, которую сотрудники называют «работой». И если доля бунтарей, желающих оставить все по-старому, будет критической, то в компании вполне может вспыхнуть нечто аналогичное английскому «восстанию луддитов». Вряд ли люди будут крушить кувалдами офисные компьютеры и серверы, но саботаж парализует любое развитие, а значит, компания начнет постепенно умирать.
Все перечисленные фобии объединяет одна мысль, которая рано или поздно приходит на ум многим нанятым сотрудникам: «Буду сидеть смирно и получать зарплату за механические действия, не работая головой и не надрываясь от своих же инициатив». Каждый собственник и топ-менеджер самостоятельно решает, будет ли он переводить подобных ленивцев в состояние активного действия, заставлять людей повышать квалификацию и требовать от них изучения новых дисциплин или же оставит все как есть, ведь «уже и так работает». Но бывает и наоборот, когда идея цифровизации уже давно бродит внутри коллектива, но сотрудники боятся рассказать об этом начальству.
Однажды на форуме Reddit[6] один аноним пожаловался на то, что его мучают угрызения совести из-за того, что год назад, когда во время пандемии его перевели на удаленную работу, он автоматизировал весь свой рабочий процесс и теперь тратит 10 минут в день вместо 8 часов на тот же объем работы, что и прежде. Его задача – обрабатывать входящую электронную почту. Все остальное время он развлекается, смотрит сериалы, играет в видеоигры. При этом он получает одну из самых больших зарплат в стране, являясь сотрудником юридической фирмы. Конечно, благодаря автоматизации он работает крайне эффективно, обрабатывая каждый день тысячи входящих писем, ведь никто из коллег не смог бы сделать это быстрее. Но все-таки совесть терзает его за безделье.
Из этой истории стоит сделать вывод о том, что до сотрудников необходимо донести следующее: целью их работы является именно выполненное до конца дело, а не проступившие на лбу капли пота. Если неправильно сформулировать задачи и возможные методы их достижения, то вместо желания автоматизировать все возможные процессы, работяги начнут страдать, публикуя в социальных сетях истории о терзаниях своей совести.
Еще одним преимуществом тотальной цифровизации процессов в компании является то, что благодаря числовому выражению эффективности труда работников можно избавиться от «кумовства». По этому принципу работает компания Amazon, которая является крупнейшим мировым ретейлером. У этого гиганта процесс увольнения сотрудников настолько автоматизирован, что машина определяет кандидата самостоятельно, исходя из показателей его продуктивности[7]. Алгоритмы, основанные на машинном обучении, позволяют исключить человеческий фактор из принятия решения об увольнении. Неэффективный сотрудник будет сокращен, даже если его начальник – родственник, покрывающий все его действия.
Подобное отношение к своим работникам можно назвать жестоким. Но если их несколько сотен тысяч, то автоматизация любого процесса приводит к заметной материальной выгоде. Особенно если необходимо нанять сотрудников на сезонную работу и при этом сохранить высокое качество услуг. Достаточно лишь собрать все возможные показатели и определить наименее эффективных работников. Так и поступили в Amazon в отношении доставки товаров клиентам во время пандемии COVID-19. Компания не справлялась с потоком заказов, которые требовалось доставить до двери, поэтому начала активно нанимать новых сотрудников. Для этого было создано мобильное приложение, с помощью которого любой владелец автомобиля мог стать курьером. При этом приложение собирало данные о качестве их работы, его интересовало:
• Время, затраченное на доставку.
• Уложился ли курьер в обещанное временное окно доставки.
• Сфотографировал ли посылку у двери клиента.
• Смог ли замаскировать посылку у двери, как просил клиент, чтобы ее не украли.
• И еще много-много различной информации…
Приложение было скачано более 4 миллионов раз. Через него собирались большие данные по десяткам различных параметров, по которым ежедневно выносились вердикты при увольнении курьеров. Сокращенным просто блокировали доступ в приложение и не выдавали новые заказы на доставку.
С одной стороны, это жестокий способ увольнения сотрудников из компании. С другой, когда на предприятии работает 4 миллиона человек, то это наиболее эффективный метод работы всего административного аппарата. При этом даже не нужно задействовать сотрудников отдела кадров ни для найма, ни для увольнения. А все управление подразделением доставки состоит из нескольких программистов, специалистов по данным и менеджера.