Если хотя бы контакты клиентов не исчезают вместе с очередным менеджером по продажам, если можно найти договор, действие которого закончилось год назад, и выяснить, за что конкретно отвечал уволившийся имярек без поголовного опроса его коллег, — это уже большой успех. Если дискуссии о том, как улучшить корпоративное управление, проходят не в курилке, а в онлайне, оставляя пригодные для поиска следы, — это значимое достижение. Но и всего этого бесконечно мало в том мире, до которого мы того и гляди доживем. Возникшая не так давно возможность дешевле и быстрей, чем раньше, обрабатывать данные выводит понятие «управление корпоративными знаниями» на новый уровень. Более того, этот тренд, известный как «большие данные», может изменить и базовые модели ведения бизнеса.

Об управлении знаниями, о том, какими из них, как и для чего можно управлять, в основном и шла речь на прошедшей в апреле в Копенгагене конференции Teradata Universe ‘2013. Конечно, были объявления о выпуске новых, еще более мощных, чем прежние, устройств (платформа Teradata Active Enterprise Data Warehouse 6700 включает SUSE Linux Enterprise Server, системы хранения NetApp, процессоры Intel Xeon), о стратегическом партнерстве с Siemens Smart Grid в области обработки больших данных. Но практически все выступавшие клиенты компании, а их было много, и ее топ-менеджеры говорили не об ИТ и не о технологических новинках, а о том, как предприятия управляют информацией.

Приятно было осознать, что в основном проблемы у именитых потребителей высокопроизводительных программно-аппаратных комплексов те же самые, что и у многих российских компаний. Nordea Bank Denmark после покупки трех других крупных европейских банков начал огромный проект по консолидации данных и переходу на единую систему их хранения и обработки. Tu¨rk Telekom A.S, крупнейший телеком-оператор Турции, находясь в жесткой конкурентной среде и постоянно при этом наращивая абонентскую базу, стремится обеспечить своих абонентов привлекательным персонифицированным набором услуг и с этой целью создает новый ЦОД, переходя с MS SQL на решения Teradata. Швейцарская страховая компания Helsana Versicherungen AG специализируется на обязательном и добровольном медицинском страховании, испытывает сильное давление со стороны государственных регуляторов и развивает технологии обработки данных не только ради повышения экономической эффективности, но в значительной мере во избежание рисков несвоевременной сдачи отчетности и наложения штрафов. Другой серьезной причиной вот уже на протяжении десятилетия последовательной модификации и расширения хранилищ данных в этой организации является борьба с мошенничеством как со стороны пациентов, так и со стороны медиков.

Правда, «наши маяки», например E-bay и Groupon, решают уже проблемы других типов. Эндрю Элвис (Andrew Alves), менеджер баз данных Groupon, порадовал собравшихся не только рассказом о том, как компания выросла без собственной ИТ-инфрастуктуры, лишь используя публичные облака и аренду мощностей, но и заявлением, что облака — это для стартапов, зрелые бизнесы должны переходить на собственную аппаратную базу. Что Groupon и делает, создавая собственные дата-центры.

Но так или иначе всё упомянутое — это лишь обработка коммерческой информации с целью получения прибыли. Возможны ли какие-то более возвышенные области применения? Безусловно. Например, политика. Рейд Джани (Rayid Ghani), главный аналитик предвыборного штаба Обамы, рассказал о том, как анализ больших данных помог демократам выиграть выборы. Правда, всё опять свелось к управлению деньгами. На американских выборах каждая партия имеет хоть и значительные, но все же ограниченные финансовые ресурсы, и их нужно применить оптимальным образом. Основное назначение — агитация колеблющихся, тех, кто еще не принял решение, в попытке получить большинство голосов в возможно большем числе штатов, причем ни уже имеющихся сторонников, ни твердых противников агитировать не стоит. Для этого нужно постоянно мониторить ситуацию, оценивая общественное мнение, оперативно перебрасывать ресурсы, в том числе денежные, из штата в штат, так как абсолютная победа не нужна: достаточно 51% голосующих «за» в каждом штате. Важно не перерасходовать деньги в уже «убежденном» штате, ведь их можно с пользой потратить в другом. Этот проект включал постоянный сбор данных «с мест» и выдачу рекомендаций для исполнителей многих уровней. Интересно, что сотрудники предвыборного штаба набираются только на два года перед выборами, в следующий раз команда может быть совсем другой, то есть проект интересен и как образец оперативной мобилизации ресурсов. К счастью, в России для успеха на выборах нет нужды применять столь дорогостоящие, технически совершенные и организационно сложные решения.

Однако действительно революционным стало выступление, от политики далекое, зато близкое каждодневным нуждам людей. Его сделал Стефан Бробст (Stephen Brobst), директор по технологиям Teradata. Он рассказывал о концепции перехода от «экономики внимания», в которой мы живем сейчас, к «экономике намерений». По мнению исследователей Berkman Center, центра изучения киберпространства и общества Гарвардского университета, время подобной трансформации уже не за горами. Вот уже несколько тысяч лет продавцы пытаются разными способами привлечь внимание покупателей, а те делают выбор, сравнивая предложения, но не сообщая явно, что же им нужно. Для покупателей на развитых, насыщенных, высококонкурентных рынках выбор начинает требовать неоправданно много усилий и времени. Большая часть применяемой сейчас аналитики направлена как раз на оптимизацию этого традиционного маркетинга. Это не всегда приветствуется государством и уже не слишком нравится потребителям.

Пора перейти к другой схеме, напоминающей аукцион, C2B. Покупатель заявляет прямо, что ему требуется, например аренда машины определенных параметров в таком-то городе в такие-то сроки. Поставщики услуги вольны соревноваться и делать свои предложения, от которых отказаться будет невозможно. Покупателю останется лишь выбрать лучшую заявку. Всё это, разумеется, следует делать онлайн: и сообщать о намерениях, и выставлять предложения. При чем тут знания и большие данные? А как же! Ведь без них поставщику невозможно будет нащупать границу рентабельности, дать цену, уже интересную, но еще не себе в убыток.

Переход к такой модели продаж потребует новых инструментов, сервисов, в том числе связанных с накапливанием данных и их анализом, в конечном итоге — с получением новых знаний, причем как продавцами, так и покупателями. Привычная Business Intelligence, традиционная бизнес-аналитика, постепенно превратится в consumer intelligence, аналитику потребительскую. Если так, то поставщикам средств хранения и обработки данных скучать не придется.

Сам Бробст не только занимает руководящий пост в Teradata уже больше десяти лет, но и преподает в MIT и Бостонском университете, читает лекции о хранилищах данных. До начала работы в компании Teradata он организовал три собственных успешных ИТ-стартапа. Этот синтез бизнес-опыта и исследований в жизни одного эксперта — тоже в определенной степени знаковый. Может быть, скоро только такая синтетическая карьера, основанная на знаниях разной природы, будет обеспечивать успех и личности, и фирмы?

Что касается личностей, то о них речь на конференции шла постоянно. Вернее о том, что их нет, нет специалистов по обработке данных, нет людей, способных грамотно анализировать информацию, а они очень нужны и скоро будут нужны еще больше. Одной из иллюстраций был такой пример: в крупном американском городе решено было проанализировать состояние дорожного покрытия с помощью гаджетов, имеющих датчики вертикального перемещения. Водитель, проезжая по городу с таким устройством, автоматически посылает данные о том, где машину трясет на ухабах. Вся информация наносится на карту, и становится ясно — о ужас!  — что хуже всего дороги прямо в Сити, в финансовом центре, а не на окраинах, как можно было бы предположить. Почему же? Просто потому, что именно в этом районе состоятельные владельцы дорогих гаджетов с нужными функциями бывают чаще всего, они в основном там и работают. Однако в анализе параметр «плотность гаджетов на сотню жителей» никто не учитывал. Подобные ошибочные заключения — следствие некорректной постановки задач, отсутствие культуры работы с данными. Эта культура и эти навыки не вырабатываются в один день. «Корреляция не означает зависимости», — в один голос твердили приглашенные эксперты из MIT и других серьезных организаций. С кадровым голодом этого нового вида российским компаниям скорее всего еще предстоит столкнуться.

Знания страховщиков

Эрмин Эйсиндл (Armin Eisendle), руководитель ИТ-департамента Helsana Versicherungen AG, уверен, что все индустрии движутся к анализу больших данных и к переходу на новые архитектуры, их поддерживающие, но это требует времени. Ключевым в этом движении он считает зрелость компании и особенно руководства, хотя бы какой-то его части. «Иначе вас просто не поймут», — замечает он.

Он вспоминает, что в конце девяностых и начале двухтысячных ИТ-департамент в компании был очень занят переходом на новую core-систему, новое «ядро». Поэтому всех руководителей других департаментов, которые хотели получить какой-то отчет, отсылали на неопределенный срок с просьбой не беспокоить пока ерундой. Тогда функциональные департаменты просили «просто выдать им их данные», чтобы они сами могли с ними работать. В результате возникло множество маленьких хранилищ и систем получения отчетности из них. К 2004 году беспорядок стал чудовищным, считает Эйсиндл. Департамент, который отвечал за отчетность, был бизнес-подразделением, к ИТ отношения не имел, и в нем было принято решение, что больше так продолжаться не может, нужно «настоящее» хранилище. Инициатива исходила от бизнес-консультантов из Accenture, которые и посоветовали Teradata как основную платформу. «ИТ-служба в основном занимается поддержкой и операционной частью, поэтому при решении таких важных стратегических вопросов просто необходима внешняя экспертиза, — считает Эйсиндл. — И внедрять совершенно новые технологии мы сами не в состоянии».

Основная проблема заключалась в том, по его мнению, что у всех подразделений были собственные определения страховых объектов, собственное представление об одном и том же и свои собственные показатели. У каждого был свой взгляд, не совпадающий с мнением других департаментов. Нужно было тщательно пересмотреть всю цепочку сбора данных и формирования показателей, чтобы понять, откуда берется разница. Преодоление этих противоречий и поиски единых определений были первым шагом.

Вначале аналитика строилась главным образом вокруг финансовых KPI. Затем стало ясно, что требования регуляторов и отчетность перед ними — это та область, где хранилище может помочь снизить риски. Как заметил Эйсиндл: «В нашем деле требования внешних регуляторов — основное, что движет бизнес».

Около 70% страховок Helsana (в деньгах) — обязательное медицинское страхование, по закону положенное каждому гражданину Швейцарии. «И цену его определяет государство, на этом мы ничего заработать не можем, — поясняет Эйсиндл. — Для извлечения прибыли нам остаются остальные 30% добровольного медицинского страхования. Мы выплачиваем около 5 млрд. евро компенсаций. Если удастся избежать оплаты хотя бы 1% в год, то это уже 50 млн., и система окупится за год. Один процент не сделанных ошибок окупит вам любую ИТ-систему».

Эйсиндл рассказал о том, как тщательно приходится бороться с мошенничеством: хитрые швейцарские дамы ездят в Латинскую Америку делать пластические операции по увеличению груди, а потом требуют возмещения расходов, утверждая, что это было срочное хирургическое вмешательство после несчастного случая. Делается это по сговору с врачами. Helsana постоянно контролирует работу швейцарских клиник и отдельных врачей, строит их рейтинги.

В долгосрочном периоде есть смысл следить за эффективностью новых лекарств на базе собираемой информации, отслеживать, насколько они эффективны, что важно для государственного регулирования фармацевтики. Helsana уже участвует в первых таких проектах.