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.