Отношение к данным необходимо изменить

– Основное препятствие для внедрения полноценных BI-систем – уровень понимания, для чего вообще данные нужны и как их использовать. Пока мы находимся на этапе перехода от «сдачи отчетов» к «визуализации отчетов». Конечно, визуализированные отчеты воспринимаются лучше, но они не позволяют извлечь из данных всю ценность, какая в них заключена. Сейчас модно говорить, что данные – это «новая нефть». Звучит красиво, но не совсем верно. В отличие от нефти, данные можно и нужно использовать многократно. В этом и состоит смысл их накопления – постоянное обогащение одних данных другими данными c периодическим переходом на качественно новый уровень понимания картины мира в целом. Это можно достичь применением продвинутых BI-систем.

Сегодня в рамках Национальной программы «Цифровая экономика РФ» перед федеральными и региональными органами власти стоят задачи в сфере использования современных информационных технологий. Решать их, конечно, придется. Одни регионы быстрее включаются в эту работу, другие запаздывают, что будет влиять на рейтинг их руководства. В качестве первого шага цифровизации региона я бы посоветовал понять, какие данные накапливаются в регионе в действующих информационных системах, какого они качества, что можно сделать, чтобы уже сейчас применить их для цифрового управления. После этого гораздо проще сделать выводы, какие следующие задачи стоит решать для дальнейшей «оцифровки» региона.

– Data-driven-подход начинается с осознания ценности данных. Для коммерческих организаций это выражается в получении прибыли благодаря анализу накопленных данных, для органов государственной власти – в принятии более взвешенных и продуманных решений в рамках государственного управления. В любом случае, data-driven-подход дает конкурентные преимущества на основе новых знаний, извлекаемых из данных аналитическими методами.

В первую очередь нужно поменять отношение к данным со стороны людей, принимающих решения, чтобы они требовали от специалистов, которые занимаются подготовкой принятия решений, не только экспертные заключения и отчеты, но и доказательную базу, опирающуюся на достоверные данные и аналитику. 

– Культура работы с данными – неотъемлемая черта data-driven-организаций. Умение читать данные, анализировать их, принимать решения и обосновывать их данными нужно прививать на всех уровнях менеджмента. За этим будущее управления. 

Очевидно, что здесь основным инструментом служат аналитические платформы, объединяющие множество источников данных, позволяющие гибко выстраивать аналитические модели, предоставляющие пользователям возможность свободно работать в режиме «самообслуживания», т.е. без привлечения ИТ-специалистов. Сейчас таких платформ на рынке единицы, они достаточно дорогие для повсеместного применения и, конечно, импортные. Для того чтобы системы такого класса стали реальным инструментом управления, ИТ-сообществу, разработчикам, интеграторам и чиновникам нужно более внимательно отнестись к их импортозамещению. Для повышения вероятности успеха остается пожелать, чтобы эти задачи не были монополизированы одним-двумя исполнителями.

– Состояние данных в государственных информационных системах оставляет желать лучшего, но очевиден положительный тренд. В последнее время, анализируя государственные данные из различных источников, мы видим, что над качеством данных, в частности, государственных реестров, серьезно работают. Однако пока это капля в море, и поле деятельности в этом сегменте огромное. 

Считаю, что для правильного выстраивания процедур сбора и обработки данных нужно отталкиваться не от технологии, не от текущих форм и регламентов, а от понимания того, какую пользу будут приносить собранные данные в долгосрочной перспективе. Иными словами, чтобы не просто собрать, сформировать отчет, сдать его и забыть, а активно использовать имеющиеся данные для повседневной работы.

– В 2019 году мы создали аналитический сервис на основе данных ФНС, Росстата и других источников, в котором делается акцент на мониторинг и анализ малого и среднего предпринимательства по всей России. Основная идея – дать возможность аналитикам, занимающимся разработкой и внедрением мер поддержки малого и среднего предпринимательства, видеть состояние и взаимное влияние этих мер, а также отслеживать показатели нацпроекта «Малое и среднее предпринимательство и поддержка индивидуальной предпринимательской инициативы». В связи с коронакризисом наш сервис стал более актуален, и мы решили доработать его с точки зрения расширения возможностей регионального использования. Теперь будем предлагать его органам власти субъектов РФ для мониторинга и анализа их деятельности в рамках Национального плана восстановления экономики. 

– Уже сейчас мы ощущаем, что спрос на BI-системы растет. Кризисные явления заставляют более тщательно оценивать эффективность решений, руководители хотят быть более уверенными в правильности своих действий. Грубо говоря, приходится более скрупулезно считать деньги, чтобы понимать, на что и с каким эффектом они расходуются. Для наиболее точного понимания эффективности работы на уровне организации, города, региона или страны нужна аналитическая система, представляющая собой «единый источник истины» с точки зрения данных. 

Например, рассмотрим отчетность муниципалитетов в конкретном регионе. Чаще всего отчеты готовятся вручную с элементами творчества для того, чтобы умолчать о неприятном и повысить вес успешно выполненных задач. В этом случае трудно увидеть реальную ситуацию, потому что в отчете приводятся не факты, а лишь их интерпретация. Чтобы узнать фактическую картину, нужно опираться на первичные данные, получаемые с самого нижнего уровня, минуя все вышестоящие уровни, вносящие искажения. На основании таких данных следует формировать регламентированные отчеты. 

Кроме этого, для достижения максимального эффекта данные необходимо объединить в аналитическую модель, построить возможные связи, разработать расширенный набор показателей, визуализировать их и позволить аналитикам работать с ними в режиме исследования. Это поможет получить ответы на многие вопросы об эффективности работы на уровне муниципалитета. Такой подход наиболее близок к data-driven и предоставляет больше возможностей «выпрямить» путь восстановления экономики.

Заметили неточность или опечатку в тексте? Выделите её мышкой и нажмите: Ctrl + Enter. Спасибо!