Особенности управления изменениями на предприятии при внедрении технологий больших массивов данных (Big data)

Peculiarities of change management in Big data technology implementation in an enterprise

Valentina Baykalova

A Master in Economics, Central European University, Russia, Novosibirsk 

Аннотация. Использование технологий больших данных (Big data) является необходимым шагом для сохранения конкурентоспособности предприятий в настоящее время. Внедрение соответствующих информа­ционных систем является комплексной технологической инновацией и требует значительных организационных изменений. Применение концепции бережливого производства для стартапов (Lean Startup) позволяет осуществить изменения с минимальным расходованием ресурсов и получить наиболее эффективную систему.

Abstract. Nowadays Big data technology is essential for enterprises for being competitive. Implementation of correspondent information systems is a technological innovation which requires substantial organizational changes. Lean Startup methodology allows to minimize resources used and to obtain an effective system.

Ключевые слова: менеджмент; управление изменениями; большие данные; технологии; информация; предприятиe; бережливое производство; бережливое производство для стартапов; минимальная рабочая версия.

Keywords: management; change management; Big data; technology; information; enterprise; Lean production; Lean Startup; MVP.

Компании вынуждены подстраиваться к условиям изменяющегося рынка и вносить организационные и технологические изменения, чтобы сохранить конкурентоспособность. Менеджмент изменений помогает эффективно и своевременно внедрять новые методы и технологии. В настоящее время рынок обработки данных позволяет предприятиям кардинально улучшить экономические показатели, и внедрение техно­логий анализа больших массивов данных (Big data) представляется необходимостью, в первую очередь, для крупных предприятий.

Внедрение информационных систем и технологий Big data требует не только технологических изменений, связанных с установкой систем хранения, обработки, анализа и визуального представления данных, но обучение персонала, организацию соответствующих бизнес-процессов, а также формирование общего видения, получения обратной связи от сотрудников, и поддержки подхода, ориентированного на данные.

Как технологические специалисты, так и менеджеры сталкиваются с рядом организационных сложностей при внедрении Big Data. Более того, поскольку технологии Big Data в России являются недостаточно изученными, зачастую сотрудники сталкиваются с большой степенью неопределенности. В связи с этим, наиболее уместным для внедрения Big data на предприятиях представляется применение концепции Lean Startup, являющейся усовершенствованной концепцией береж­ливого производства. В рамках данной концепции внедрение Big data рассматривается как технологическая инновация на входе предприятия, и действия менеджмента направлены на создание благоприятных к обучению условий и постепенно развивать базовую версию информа­ционного продукта.

Выгода от использования технологий Big Datа на предприятиях

Создание и обработка информации перестают быть побочным процессом к основной деятельности компаний и становятся важнейшим бизнес-активом. По данным исследования Seagate и IDC [8], общий объем данных в 2016 году составил 16 ЗБ, и к 2025 году он вырастет более чем в 10 раз (до 163 ЗБ), при этом к 2025 году доля данных, подвергаемых анализу, вырастет по сравнению с нынешней в 50 раз, достигнув 5,2 ЗБ (зеттабайт) (Рисунок 1).

Рисунок 1. Динамика общего объема цифровых данных, 2016 и 2025 годы. По данным Seagate, IDC, 2016

К 2025 году, согласно тому же исследованию, ситуация изменится: 60% информации в мире будут генерировать компании, а не потребители. У менеджмента организаций появится много полезных возможностей для роста и развития бизнеса, благодаря накопленным большим массивам информации. Однако руководителям придется решать, какую долю получаемых данных обрабатывать, какую анализи­ровать, как использовать и до какой степени этим данным доверять.

Большими данными (Big data) называют достаточно большие массивы информации (по некоторым определениям, более 100 ГБ) [8], требующие специального программного обеспечения, а также сово­купность подходов, методов и инструментов их обработки. Для различных отраслей бизнеса наибольшую эффективность принесет анализ тех или иных типов данных: видео, изображение, аудио, текст или числа (Рисунок 2). Так, видеоаналитика может использоваться для распознавания лиц, распознавание речи и создание текста выполняется на основе аудиоданных, однако наибольшую пользу предприятия, как правило, извлекают из обрабатываемых цифр статистики и анализа текста.

Рисунок 2. Степень эффективности использования типов данных по отраслям. Составлено автором по данным: Иванов П.Д., Вампилова В.Ж., 2014. [4, с.4]

Внедрение технологий Big data на предприятии принесет пользу предприятиям не только по функциональным бизнес-процессам (производство, логистика, коммуникации с клиентами), но и самому менеджменту компании (риск-менеджмент, управление человеческими ресурсами). На Рисунке 3 отмечено, какой процент опрошенных ком­паний отметили внедрение Big data приоритетным для той или иной бизнес-функции их компании в ближайшие годы.

Рисунок 3. Приоритетность применения Big Data для компаний, в % опрошенных компаний. По данным: Economic Intelligence Unit, 2014

Внедрение технологий Big Data на предприятиях

Внедрение технологий Big Data потребует создать определенную организационную структуру предприятия и обеспечить непрерывную работу специалистов. Выбор организационной структуры зависит от различных факторов, например, моделей финансирования компании (например, центрального финансирования, отдельно по бизнес-единицам или совместного) и ориентации по финансам (по центрам прибыли или центрам затрат). Компания Infosys обозначает следующие структуры управления как наиболее успешные:

1) Децентрализованные: Бизнес-единицы имеют разные наборы данных, и каждое подразделение принимает свои собственные решения с Big data относительно самостоятельно.

2) Децентрализованные с ведущей бизнес-единицей: каждая бизнес‑единица принимает собственные решения, но одна играет ведущую роль в установлении стандартов.

3) Центр передового опыта (Center of Excellence, СoЕ): независимый центр контролирует программу аналитики Big data, а бизнес-единицы проводят инициативы под руководством Центра.

4) Централизованные: корпоративное руководство берет на себя прямую ответственность за создание и приоретизацию инициатив и их реализацию.

Из этих четырех вариантов, многие компании предпочитают организовать Центр передового опыта, чтобы координировать работу подразделений по Big data.

Для поддержки программ Big Data требуются серьезные инвестиции в квалифицированные ресурсы, которые будут работать в отдельных бизнес‑единицах или Центре передового опыта. Следующие профессии представляют собой минимально необходимый комплекс навыков, как отмечает Infosys:

·      менеджер программ,

·      менеджер инфраструктуры,

·      архитектор больших данных,

·      управляющий данными,

·      аналитик домена,

·      финансовый аналитик,

·      специалист по данным,

·      инженер данных,

·      аналитик данных,

·      и аналитик визуализации данных.

Впрочем, при внедрении Big Data в пилотном или упрощенном варианте список может сокращаться: согласно Гришиной А. [3], среди технических специалистов обычно выделяют три роли: специалист по данным (data scientist), инженер данных (data engineer), управляющий данными (data manager). Так, менеджер инфраструктуры может быть назначен менеджером по управлению проектом по big data, и использовать аналитические пакеты для предоставления информации в экономически-плановый отдел. Как отмечает Ю. Котиков [5], ключевым качеством как для технических, так и для управленческих специалистов является кроссфункциональность. Технические специа­листы должны иметь общее представление о функционировании бизнеса, а менеджеры — понимание базовых принципов аналитики.

Менеджмент изменений по внедрению Big data

Поскольку сбор и обработка данных с соответствующими стан­дартами затронет большинство сотрудников компании, изменение подразумевает длительный непрерывный процесс обучения и развития. Организация в основном будет рассчитывать на собственные силы по проведению изменений, даже если и пригласит специальную организацию-консультанта по внедрению: в конечном итоге, последний этап изменений по закреплению процедур, «заморозке» результата остается на ответственности руководства компании, и потребует глубокой проработки видения и осознания ценности новой системы каждым сотрудником. Поскольку четкого видения у руководства по функционалу и средствам для Big data обычно нет в начале изменений, внешняя среда быстро изменяется, а многопользова­тельская система подразумевает рассеянную власть и конфликты, то уместным представляется модель изменений постепенного наращи­вания, а не модель переходного периода.

При этом, так как данные будут накапливаться по времени, и по мере развития и роста компании будет возникать необходимость во всё большем количестве аналитических и других модулей, модель будет динамично развиваться, а процесс внедрения и развития Big data можно считать непрерывным. В условиях неопределенности потребностей особенно уместным становится концепция Lean Startup, предложенная Эриком Ризом в 2011 году для стартапов в Силиконовой Долине. Как отмечает компания Makeright [2], суть в том, чтобы воспринимать все действия стартапа (или действия по внедрению инновации) как эксперименты и заранее создавать возможности для обучения.

Реальные потребности должны выясняться с помощью гипотез на практике, с проведением экспериментов, и быстрым реагированием по корректировке системы Big data. В основе концепции экономичного стартапа лежит цикл обратной связи «создать-оценить-научиться». Важнейшая задача управления стартапом — стремиться сокращать время цикла обратной связи. Надо как можно быстрее приступить к созданию минимально рабочего продукта (MVP) – версии рабочей системы Big data, прошедшей цикл «создать‑оценить‑научиться» с минимальными затратами времени. Этап оценки, отличающий эту концепцию от традиционных, состоит в том, чтобы определить, нужны ли на самом деле проведенные изменения, или же осваиваемый бюджет и выполняемый план должны быть пересмотрены. Для подобной технологической инновации особенно важно также проводить корректи­ровку процесса обучения сотрудников и оценку их успехов и трудностей.

Эрик Рис рекомендует воспользоваться японским принципом генти генбуцу, который переводят как «иди и посмотри сам» [2,8], что подразумевает общение с непосредственными заказчиками и пользова­телями Big data. Сотрудники различных отделов, работающих с финансо­выми, текстовыми, логистическими данными, могут дать важную информацию по сбору и обработке данных, чтобы в дальнейшем не пришлось решать проблемы низкого качества данных и недостаточной полноты данных.

Вместо долгой разработки и корректировки модели Big data необходимо двигаться маленькими итерациями и быстрыми победами, получая регулярную обратную связь от заказчиков. Например, компания Telefonica, разрабатывая свое решение Smart Steps с использованием агрегированных данных о местоположении абонентов, изначально ориен­тировалась на компании розничной торговли. Оператор планировал предоставлять клиентам данные о перемещении людей на определенных улицах города. Благодаря регулярной обратной связи Telefonica смогла принять решение о необходимом стратегическом вираже, изменив фокус продукта на анализ пассажиропотоков для транспортного сектора [5].

Заключение

Технологии Big Data становятся всё более востребованными на российских и зарубежных предприятиях, однако внедрение зачастую представляется менеджерами непосильной задачей, поскольку изменения затрагивают многие отделы или компанию целиком и требуют значи­тельных финансовых вложений. Новейшая концепция Lean Startup, являющаяся усовершенствованием японской модели бережливого произ­водства, предлагает решение по менеджменту изменений, связанных с данной технологической инновацией. Кратчайшая по времени разработка рабочей версии системы, неразрывная с процессом обучения сотрудников и с получением обратной связи от заказчиков, помогает снизить риски, сократить финансовые вложения, и продемонстрировать ценность изменений для сотрудников.