Введение
Даже самые продвинутые аналитические модели могут оказаться неэффективными, если они не используют язык, понятный тем, кто принимает решения в организации. Часто процесс принятия решений тормозится из-за отсутствия четкого Narrativa, бизнес-контекста или связи с тем, что волнует руководителей. Это уроки, которые мы усвоили в дивизии малого и среднего бизнеса (SMB) компании Google, когда моя команда аналитиков разработала сложную модель для оптимизации численности сотрудников в глобальной службе поддержки компании.
Модель могла предсказывать изменчивый спрос более чем в 100 странах, симулируя тысячи возможных сценариев и рекомендуюя уровни численности продаж и поддержки клиентов. Она учитывала сезонные колебания, географические различия и даже сложные правила приоритизации клиентов. Мы проверили данные, оценили предположения и подвергли их строгой проверке.
Однако, когда мы представили модель старшим заинтересованным сторонам, они проявили малоenthusiasm. Вместо того чтобы ценить сложность модели, участники обсуждения сосредоточились на практической значимости нашей рекомендательной модели. Один из руководителей задал вопрос: «Что это значит для численности сотрудников на следующий квартал в Латинской Америке?» Другой спросил, как эти рекомендации повлияют на его финансовые показатели. Недели работы застопорились. Ни одно бизнес-решение не было принято.
Это не был единичный случай. Повторяющиеся ситуации, когда технически обоснованные модели не приводили к действиям на уровне руководства, показывают, что многие из наших специалистов по данным считали, что лучшие модели приведут к улучшению бизнес-результатов, в то время как руководители были перегружены сложностью и скептически относились к черным ящикам, которые не могли контекстуализировать.
Обучение: аналитика должна соответствовать процессу принятия решений
Урок был очевиден: аналитика должна строиться на том, как принимаются решения, а не просто на том, как анализируются данные. Это потребовало переосмысления аналитического стека — не только данных и моделей, но также того, как повествование может направлять каждый этап процесса.
В 2023 году мы начали разработку оригинальной структуры, в основе которой лежал Narrativa, с целью помочь бизнес-руководителям принимать более быстрые и уверенные решения. Эта структура основывалась на уроках, извлеченных из ряда внутренних проектов. После того как я концептуализировал и структурировал модель, она была уточнена и протестирована до середины 2024 года с моей командой аналитиков и заинтересованными сторонами бизнеса. С тех пор, как руководитель аналитики в дивизии SMB Google, я внедрил этот подход непосредственно в высокоэффективные проекты, касающиеся оптимизации стратегий продаж, бизнес-планирования и обеспечения принятия решений на уровне руководства.
Структура дляNarrativa-driven Analytics
В традиционных рамках аналитики данные часто обрабатываются, а затем строится повествование только перед передачей инсайтов бизнес-пользователям. Однако это слишком поздно. Эта четырехуровневая аналитическая структура напрямую интегрирует повествование в проектирование аналитического стека. Структура начинается с фундаментального уровня данных, и каждый следующий уровень строится на предыдущем.
Четыре уровня аналитической структуры
- Уровень данных: создает бизнес-ориентированные данные.
- Аналитический уровень: разрабатывает гибкие и интерпретируемые модели, которые предвидят и учитывают потребности руководства.
- Решение: структурирует результаты вокруг действующих рычагов, компромиссов и ограничений.
- Narrativa: предоставляет связные, контекстуализированные инсайты, которые ведут к действиям.
Уровень данных: начнем с общих определений
Одним из самых больших барьеров для осуществимых инсайтов являются несогласованные определения данных. Когда команды не согласны с определениями ключевых бизнес-метрик, анализ становится шумным и снижает уверенность в принятии решений.
Один проект включал анализ вовлеченности в продажи для определения идеального числа клиентских встреч, которые менеджер по продажам мог бы устойчиво проводить. Это понимание сыграло ключевую роль в информировании моделей покрытия продаж и планирования мощностей. Мы обнаружили, что команды имели различные определения того, что квалифицируется как клиентская встреча. Продажные команды определяли ее как все, начиная от краткого обмена электронными письмами до конференции, а команда стратегического планирования бизнеса считала лишь запланированные телефонные звонки или личные встречи. Мы обнаружили случаи, когда команды сообщали о более чем в два раза большем количестве встреч по сравнению с другими командами в том же регионе из-за использования разных определений. Эта разница привела к совершенно различным рекомендациям по соотношению клиентов и представителей.
Мы быстро поняли, что без общего бизнес-ориентированного определения «клиентская встреча» наши инсайты не были достаточно надежными для поддержки фактического принятия решений.
Аналитический уровень: создавайте модели, которые понимают руководители
Аналитическая сложность и точность важны, но бизнес-руководители придают значение объяснимости моделей и практической значимости. Черные ящики редко вызывают доверие у коллег. Чтобы получить поддержку руководства, команды должны сосредоточиться на прозрачных, гибких аналитических методах, которые соответствуют тому, как принимаются бизнес-решения.
С последовательным пониманием клиентских встреч, следующим шагом было определить оптимальное соотношение клиентов и представителей для информирования нашего глобального планирования мощностей продаж. Мы знали из предыдущего опыта, что статической модели будет недостаточно. Руководители хотели не только цифры, но и возможность понять, как предположения влияют на результаты и как они формируют различные бизнес-сценарии.
Уровень решений: привязываем результаты к реальным ограничениям
Проекты бизнес-аналитики часто не приводят к действиям, когда выводы не связаны с реальностью принятия решений. Даже самые точные и интерпретируемые модели генерируют результаты, которые имеют ограниченную ценность, если они не отражают то, что реально может быть изменено.
Это стало особенно очевидным во время нашего проекта по планированию мощностей продаж. После создания интерактивной модели для вычисления оптимального соотношения клиентов к представителю, мы обнаружили, что некоторые рекомендованные изменения в численности сотрудников были невозможны из-за юридических и операционных ограничений.
Уровень Narrativa: начните с бизнес-истории
Даже с чистыми данными, надежными моделями и хорошо определенными рычагами решения, плохое повествование может ослабить влияние. Последний уровень структуры фокусируется на доставке и том, как сообщать данные, чтобы позволить принятие решений.
Мы внедрили повествование в структуру и подачу анализа. В проекте по планированию мощностей продаж мы начинали с четкой формулировки проблемы, подчеркивали принципы принятия решений, выявляли ограничения и представляли реалистичные, поддерживаемые данными сценарии. Вместо того чтобы идти от технологической логики снизу вверх, мы начинали с бизнес-контекста и принимаемых решений.
Заключение
В условиях высоких ставок в принятии решений, точности и технической сложностью недостаточно. Чтобы реализовать воздействие на уровне руководства, аналитика должна отражать, как принимаются решения, учитывая неопределенность, практические ограничения и компромиссы. Наша аналитическая структура достигает этого благодаря:
- Чистым, согласованным данным, создающим общее понимание.
- Гибким, прозрачным моделям, которые способствуют стратегическому исследованию.
- Оформлению решений, которое проясняет, что возможно, а что нет.
- Предоставлению Narrativa, которое мобилизует лидеров от инсайтов к действиям.
С учетом того, что повествование становится основной функцией проектирования, мы перенесли аналитику от генерации результатов к стратегическому.enablement. Результатом стали не только лучшие модели, но и более быстрое согласование, более четкие решения и более уверенные действия. В конечном счете, когда аналитика в организации строится с учетом принятия решений, она получает место за столом, где это действительно важно.
