Билл Фрэнкс - Революция в аналитике. Как в эпоху Big Data улучшить ваш бизнес с помощью операционной аналитики

Но зачем потребителям необходимо это ПО? Для того чтобы их смартфон или компьютер мог взаимодействовать с FuelBand, получать от него собранные данные и передавать их Nike. Итак, еще один бизнес Nike – это сбор и хранение данных.

Цель этих действий состоит в том, чтобы Nike могла выполнять аналитику и выявлять шаблоны физической активности и сна пользователей. Таким образом, Nike предоставляет аналитику в сфере услуг. А если компания сумеет соотносить данные, собираемые FuelBand, с вопросами здоровья, то можно будет даже утверждать, что Nike работает и в сфере здравоохранения. Я думаю, теперь вы уловили суть: вследствие применения FuelBand компания стала заниматься множеством различных видов деятельности, не имеющих никакого отношения к производству одежды.

Возможно, самое главное заключается в том, что выбор при покупке FuelBand или аналогичного конкурирующего с ним продукта определяется вовсе не его привлекательным внешним видом или следованием моде. Эти факторы играют роль при выборе традиционных продуктов Nike, но в случае с таким продуктом, как FuelBand, для потребителей гораздо важнее то, какое устройство точнее соберет данные и предоставит лучшую аналитику. Другими словами, данные и аналитика определяют приобретение продукта. Да, сам по себе физический продукт может наличествовать, но на самом деле Nike продает, а потребители покупают данные и аналитику.

Nike превращается в производителя пригодных для ношения технологий и аналитических потребительских товаров. Со временем компания начнет вставлять датчики в обувь, футболки, перчатки, другую свою продукцию, и товары будут работать вместе, чтобы формировать расширенный набор аналитики как для потребителей, так и для Nike.

Это важный и глубинный сдвиг. Мы имеем дело с физическим продуктом, который покупается не ради присущих ему свойств собственно физического продукта. Признавая это, Nike разворачивает свой бизнес лицом к новому поколению продуктов. Чтобы добиться с ними успеха, компании пришлось нанимать веб-разработчиков и дизайнеров высокотехнологичной электроники. А вдобавок к ним – профессиональных аналитиков для разработки отчетности и аналитики, а также ИТ-специалистов для создания систем хранения данных, Такие продукты, как FuelBand, требуют широкого спектра навыков, отличных от тех, которые необходимы для производства традиционной спортивной одежды.

В этом примере я сосредоточился на персональных устройствах для проверки физической формы, однако аналогичная концепция применяется и в других отраслях. Автомобили, самолеты, тракторы, ветряные турбины и грузовики снабжаются встроенными датчиками. Потребители начинают все шире использовать данные, собираемые сенсорными системами, в самых различных целях. Например, при выборе модели автомобиля, если разница между предложениями невелика, то решающее значение может иметь поставляемый вместе с машиной пакет аналитических услуг.

Такой сдвиг с собственно физического продукта на предоставляемые им аналитику и данные несет с собой как новые возможности, так и риски. Но в сегодняшнем мире бизнес нельзя вести по старинке. Данные и аналитика скорее всего приведут в бизнесе ко множеству перемен.

Появление новых данных и аналитики обусловит глубокие преобразования в некоторых отраслях. Особенно там, где в прошлом ни данные, ни аналитика не играли большой роли. Это подтверждает множество примеров, однако я предлагаю сосредоточиться на отрасли, которая уже созрела для перемен, – на образовании.

В настоящее время здесь все еще используется модель, которая сложилась десятки и даже сотни лет назад. Мы берем детей, по воле случая родившихся примерно в одно время, и – независимо от их уровня развития и подготовки (за редким исключением) – сводим вместе в одном классе. Так, все девятилетние дети учатся в третьем классе и проходят одинаковую программу независимо от того, насколько хорошо или плохо они усваивают материал. Вместо того чтобы отходить от этой модели, Соединенные Штаты лишь еще больше ужесточают правила в отношении программы каждого года школьного обучения.

Но в эпоху больших данных и аналитики почему бы не разрешить детям самим выбирать, с какой скоростью они будут изучать материал? Разве не повысим мы у них интерес к учебе, если учителя превратятся из пересказчиков обязательного материала в помощников, которые будут отвечать на вопросы учеников и помогать им? Изучая материал в собственном темпе, школьники смогут обращаться к учителям за помощью в любое время. Некоторые образовательные организации, такие как Khan Academy и Coursera, уже применяют такой подход {8}. Они размещают учебные материалы онлайн, а пользователи смотрят видеоуроки и проходят тесты, чтобы проверить качество усвоения материала.

Почему бы нам не использовать возможности данных и аналитики, чтобы ученики постоянно обучались с выбранной ими скоростью? И причем каждый день с разного этапа обучения? Например, чтобы окончить третий класс, пусть школьнику по-прежнему нужно будет пройти всю обязательную учебную программу, но почему бы при этом ему не выполнять домашние задания за пятый класс? Если учащийся усваивает весь необходимый материал и успешно сдает тесты, то имеет ли значение, в каком году он родился и какой путь избирает для себя в обучении?

Некоторые отрасли уже внедрили аналитику и соответственно изменили способы ведения бизнеса, но другие продолжают работать так же, как работали десятилетия тому назад. Чем сильнее отстает отрасль, тем больше в ней накапливается потенциал для подрывных (и притом положительных) перемен, которые принесет с собой внедрение операционной аналитики.

Именно данные и аналитика позволяют осуществить этот переход. Можно с точностью отследить, какие учебные видеоматериалы просмотрел каждый учащийся, какие задания и контрольные тесты он выполнил и насколько хорошо. Можно с легкостью определить, какие темы ему следует пройти еще раз, поскольку аналитика выявит затруднения не только с решением конкретной задачи, но и с усвоением учебной темы в целом.

Благодаря быстрой аналитической обработке каждого ответа и столь же быстрому выявлению шаблона, определившего выполнение теста, учащемуся можно немедленно предложить нужный ему вспомогательный материал. Собирая и анализируя данные на очень детализированном уровне, операционная аналитика ненавязчиво поможет учащемуся получить знания, предоставив при этом свободу действий и обеспечив изучение необходимого материала в полном объеме.

Помню, как я откровенно скучал в школе. Более того, из-за ошибки при передаче сведений о пройденных мною в старших классах предметах мне пришлось в колледже повторно их изучать. В результате я целый семестр был вынужден слушать, как преподаватель излагал уже знакомый мне материал, и проходить тесты, которые мог бы сдать в первый же день. При этом я не мог показать свои знания и избавить себя от бесполезной траты времени. Применение операционной аналитики для управления процессом обучения и отслеживания успеваемости учащихся может до неузнаваемости изменить сферу образования в ближайшие годы.