Еще в 2011 году McKinsey Global Institute опубликовал доклад о трансформационном потенциале Big Data где потребуется суперкомпьютер для обработки всех статей, появившихся с тех пор, призывающих компании попасть на борт, прежде чем некоторые цифровые революционеры сделают их устаревшими. И все же при всей шумихе, большинство отраслей промышленности все еще не приблизились к реализации полного потенциала данных и аналитики.

Последние исследование MGI с McKinsey Analytics о состоянии революции в Big Data измеряло прогресс, который в различных отраслях промышленности произошел в направлении роста доходов и повышения эффективности, предусмотренные пять лет назад. Вдохновленные digital-конкурентами, компании розничного сектора получили около 30% до 40% роста маржи и улучшений производительности, из тех, что определили в 2011 году. Производство получило около 20% до 30% потенциала, в то время как государственный сектор и здоровье показали худшие показатели, реализовав только от 10% до 20% от оценки.

Telecom Big Data

Telecom Big Data

Анализ в телекоммуникационной отрасли, например, показывает, что лидеры Big Data Analytics получили в три-пять раз более высокую отдачу от их инвестиций в #бигдата, чем типичная телекоммуникационная компания. Более низкие показатели не могут быть просто списаны на то, что компании не вкладывают деньги в масштабирование. Напротив, многие руководители сделали большие ставки на технологии, но теперь интересно, почему эти инвестиции не принесли отдачу, которую они ожидали. McKinsey недавно опросила более 500 руководителей, представляющих компании по всему спектру отраслей, регионам и размерам, и 86% сообщили, что их организации были мало эффективны в достижении целей, поставленных ими для своих инициатив в анализе данных и аналитики.

Во многих случаях виновником является разрыв между запуском нескольких экспериментов аналитики и внедрении этих знаний в операционную модель более крупной организации. Многие компании инвестировали в системы аналитики, недооценив полностью, что превращение данных в реальную ценность требует глубокого переформирования их ежедневных рабочих процессов. Другие по-прежнему отстают с точки зрения полной оцифровки операций и процессов для генерации и сбора всех данных, которые могут быть полезны.

Эффективная стратегия преобразования начинается с четкого понимания, как данные и средства анализа будут использованы для генерации ценности и как будут измеряться результаты. После того, как стратегическое видение на месте высшим руководством, в том числе генеральным директором, должно будет отстаивать его лично в целях преодоления саботажа, чтобы сломать преграды между отделами.

Другая важная часть головоломки — приобретение правильных возможностей. Исследователи данных продолжают пользоваться большим спросом, но компании также совершенствуются, чтобы привлекать или развивать «бизнес-аналитиков», которые могут обратиться к команде данных с правильными вопросами и применить полученные результаты к практическим бизнес-задачам.

Использование данных и аналитики — не тактика, это преобразование. Просто создавать мощные технологические системы поверх существующих операций недостаточно. Digital- компании имеют огромное преимущество, потому что сбор, анализ и действия на основе данных зашиты в их ДНК, в то время как традиционные компании должны сделать более трудную работу по капитальному ремонту укоренившиеся системы, ролей и подходов.

Это занимает много времени, чтобы выполнить эти типы организационных изменений, а темп полностью зависит от действий, предпринимаемых руководством. Для компаний, которые полностью охватывают этот сдвиг и трансформацию, инвестиции в данные и аналитику могут дать более высокую норму прибыли, чем другие современные технологии, превосходящие даже компьютерный инвестиционный цикл в 1980-е годы. Передовики показывают более быстрый рост операционной прибыли, что позволяет им продолжать инновации и укреплять свои преимущества. В тех отраслях, где принятие аналитики идет медленно, есть еще возможность для первопроходцев, чтобы получить значительное преимущество перед конкурентами.

Для того, чтобы идти в ногу с темпами изменений, традиционные операторы должны рассмотреть стратегию из двух частей. В условиях постоянного оттока клиентов, они должны рассмотреть свои собственные риски, такие как выход на новые рынки или кардинальное изменение своей бизнес-модели для получения высокой награды. В то же время, они должны применять аналитику для повышения производительности своих основных операций. Организации, преследующие эту стратегию, будут готовы наступать на традиционных конкурентов и срывать потенциальные революции в отрасли.

Эти революционеры находятся прямо за углом. Данные и аналитика уже устроили встряски в различных отраслях промышленности. Компании на переднем крае начинают развертывать machine learning и deep learning, которое может сделать все, от предоставления обслуживания клиентов и управления материально-техническим обеспечением до анализа медицинской документации. Мы переживаем начальные толчки того, что в ближайшее время станет тектоническим сдвигом. Учитывая размер возможностей и очень реальный риск творческого разрушения, организации должны будут проглотить растущие боли и адаптироваться к более ориентированному на данные способы ведения бизнеса.

Комментарии