«Иногда за бесконечным сбором данных прячется нежелание принять решение». Как бизнесу правильно работать с метриками и не допускать ошибок в их анализе

Сбор и анализ данных уже стали обыденностью в бизнесе. А для некоторых компаний — даже рутиной. Они собирают все, что могут, но никак не используют для развития. Партнер компании «Лидеры изменений» Иван Селеверстов видит это постоянно — и в крупных, и в небольших компаниях. Во время «Agile Day в Сбере» эксперт провел воркшоп о работе с метриками продуктов и бизнеса, а после этого рассказал порталу «Про бизнес» о том, какие метрики важны, как им доверять и где искать аналитиков данных.

«Метрика должна побуждать управленцев к конкретным действиям»

— Какие в принципе есть метрики в бизнесе и на какие из них сейчас точно нужно обращать внимание любому предпринимателю?

— Метрики — это измерители, которые всегда должны быть связаны с целью. Без цели они никому не нужны: да, есть показатель, да, мы на него смотрим, но метрикой он становится, когда его связали с тем, чего хочет бизнес. То есть метрика должна побуждать управленцев к конкретным действиям. Кроме того, метрика должна быть измеримой. Я имею в виду, что бизнес может знать, что такое LTV или Churn Rate, но без умения их измерять и правильно интерпретировать они бессмысленны.

Вот видит владелец компании, что у него Churn Rate высокий, то есть отток клиентов. И в голове сразу должна щелкать мысль: «Надо сделать клиентский путь более оптимальным». Например, можно упростить оплату или сменить целевую аудиторию.

В целом же метрик очень много и в каждом бизнесе есть свои особенности. Обобщать очень тяжело. Однако есть вполне четкое разделение многочисленных показателей на три типа метрик, которые часто применяются в продуктовом подходе:

• Бизнес-метрики, на которые смотрит топ-менеджмент и, соответственно, принимает стратегические решения (скажем, «мы хотим захватить весь рынок», «мы хотим работать с определенной аудиторией»). То есть они связаны чаще всего с показателями, которые легко измеряются в деньгах, в охвате аудитории, в доле рынка. Но это обычно запаздывающие метрики: смотря на них, мы не знаем, куда бежать.
• Продуктовые метрики отражают эффективность продукта для бизнеса или клиента. Они отвечают на вопросы «Как продукт закрывает потребность клиента?» и «Как клиент оценивает качество работы с продуктом?». Бизнес может быть построен на одном продукте — такие компании называют монопродуктовыми (например, amoCRM), и на нескольких — мультипродуктовыми (например, любой банк). От количества продуктов будет зависеть и количество метрик, измеряемых компаниями.
• Операционные метрики — отражают эффективность работы процессов внутри компании, эффективность производства. Многие знают такую метрику как Time to market (T2M), которая часто отражает скорость поставки ценности от идеи до получения возможности клиентом.

— Большинство бизнесов, по моим ощущениям, собирают цифры ради цифр. А иногда и собрать не могут… Как сделать так, чтобы все работало?

— Чтобы двигаться в сторону управления по данным, нужно, во-первых, найти инструменты сбора правильных метрик, а во-вторых, делать их регулярный анализ. Для решения первой задачи вам нужны хорошие айтишники, которые делают понятные для обычных людей и управленцев дэшборды, а для второй — хорошие аналитики данных. И если с IT-специалистами еще можно решить проблему, то найти опытного и талантливого аналитика данных будет крайне тяжело. Эта компетенция сейчас очень востребована на рынке, а людей, которые могут настроить правильную взаимосвязь разных показателей, мало. А ведь от этого зависит правильность принятых в дальнейшем бизнес-решений.

Представим, что есть компания, которая растет по выручке. Управленцы хвалятся тем, что рост обусловлен активным выводом новых продуктов. Но если начать анализ метрик, оказывается, что выручка растет не из-за новых продуктов, а потому что ситуация на рынке изменилась.

— Если на аналитиков данных почти в буквальном смысле идет охота, то где их искать? Переманивать? Растить внутри компании? А главное — что делать малому бизнесу, где ресурсов на раздувание штата совсем нет?

— В небольших компаниях эту роль обычно выполняет владелец продуктов (чаще всего, это собственник). То есть он знает, как устроен бизнес, какие есть источники дохода и что влияет на их изменение. Поэтому предпринимателю можно пройти хотя бы минимальные курсы по аналитике и взять в помощники сервисы с ИИ. Некоторые сейчас так делают.

Если же говорить о крупных компаниях, то знания накапливаются внутри команд, работающих с digital-сервисами. Особенно в digital-сервисах. Например, в онлайн-кинотеатре уже точно есть сложившаяся бизнес-модель, понимание, кто твой клиент и как он себя ведет, на какие показатели смотреть и как их можно прогнозировать. То есть, как минимум, появляется прогнозная модель. После этого вы уже фактически предполагаете, какие метрики на что могу повлиять, строите гипотезы и формируете систему. Можно выбрать из команды пару-тройку айтишников, которым интересно не просто писать код, но и думать более широко. Аналитика данных всегда находится на стыке нескольких компетенций, поэтому переученный айтишник — один из неплохих возможных вариантов. Это должен быть человек, который и бизнес понимает, и знает, как развивать продукт, и четко видит, чего ждет клиент. Есть, к примеру, курсы, которые переучивают маркетологов на аналитиков данных.

Еще один вариант — создать команду из нескольких человек с разными компетенциями и отдать задачу по аналитике данных им как отдельный проект.

— То есть не обязательно, чтобы этим занимался один человек?

— Да, потому что тяжело найти того, кто гармонично соединит в себе все необходимые для хорошего аналитика данных качества и навыки. А команда способна быстро дать результат для бизнеса. Фактически все те специалисты, которые сейчас уже есть на рынке, создали себя сами. Ведь пока нет университетов, где бы конкретно этому обучали. Аналитик данных — это немного математик, немного маркетолог, немного программист, немного продакт-менеджер с системным мышлением. Это роль, которая понимает и видит, как связаны цифры и бизнес.

Я уверен, что в ближайшие пять лет бизнесы будут развиваться не за счет классической бизнес-модели, а за счет работы с данными. То есть те, у кого больше данных и кто лучше их интерпретирует, будут обгонять всех остальных. Поясню свою мысль на примере. Многие люди сейчас уезжают работать и жить в другие страны. Предположим, что компания создает сервис по адаптации для таких людей в чужом государстве. Классическая бизнес-модель будет звучать так: я беру деньги с человека, чтобы помочь ему устроить жизнь в другой стране (найти жилье, познакомиться с местными, выучить язык, получить работу и так далее). А новая бизнес-модель, основанная на грамотном использовании данных, будет звучать так: создаем бесплатный сервис, но собирая данные людей, продаем предположения того, что человеку необходимо в данный момент. Грубо говоря, мы анализируем данные и понимаем, что человеку сейчас необходимо будет искать жилье и продаем этот инсайт девелоперу, который сможет предложить хорошие варианты для этого человека. Ты о клиенте знаешь все и продаешь именно это знание.

«Цифры все-таки не исключают полностью предпринимательскую интуицию»

— Это никак не противоречит защите персональных данных?

— Данные могут быть обезличенными. Кроме того, если человек дает согласие на обработку данных и передачу их третьим лицам, то здесь не будет проблем.

— Правильно ли я понимаю, что в бизнесе больше ни на что, кроме цифр, опираться нельзя? Или все-таки вы не исключаете какую-то составляющую предпринимательской «чуйки», инсайтов?

— Все эти инсайты я называю «прыжком веры». Часто можно услышать истории бизнесменов «от сохи», которые, ничего не зная и не понимая, рискнули, «прыгнули» — и у них получилось. Есть и противоположные ситуации, когда человек полностью заряжен всеми данными, цифрами, но так и не сделал шаг для создания бизнеса. Так что «прыжок веры» действительно не исключает развитие бизнеса. Просто со временем таких «прыжков» становится все меньше и меньше. В основном, «прыгают» не туда. Потому и закрывается большая часть стартапов.

Но в целом цифры все-таки не исключают полностью предпринимательскую интуицию. Задача продуктового менеджмента и самих бизнесменов как раз в том, чтобы делать эти «прыжки веры», потому что не всегда вы можете собрать все данные, четко спрогнозировать, построить модель. Но нужно минимизировать риски потери денег при таких «прыжках». Чем короче будет «прыжок», чем меньше денег вы потратите, тем больше у вас будет денег для второго, третьего, четвертого «прыжка». В этом суть продуктового подхода. Если же вы «прыгнете» один раз и очень дорого, то либо будете долго собирать деньги для следующего прыжка, либо никогда больше не сможете запустить бизнес-идею.

Кроме того, есть рынки, которые не заняты: там что ни делай, все равно достигнешь результата. Но для развития все равно придется смотреть на цифры, а не действовать наугад.

— А как правильно минимизировать риски при «прыжках веры» с помощью метрик?

— Это очень индивидуально в зависимости от бизнеса, состояния рынка, множества других факторов. Можно использовать и глубинные интервью с клиентами, и количественные исследования. Например, если вы работаете в B2B, то у вас может быть ограниченный сегмент и стоимость, длительное время сделки. В такой ситуации риск потери ресурсов на бизнес идею велик, и нужно все максимально просчитать. Вы понимаете, что если выпустить «новую штуку» для B2B, то купить ее клиент может в первый раз и через год. Здесь лучше потратить больше времени и денег на исследования. Если окажется, что это никому не нужно, потери будут минимальны.

— Можно ли сказать, что стоит принимать решения, когда у тебя есть хотя бы 70% информации, которую ты можешь собрать?

— Конечно. Это однозначно, потому что 100% информации ты никогда не соберешь.

— Желание постоянно собирать данные будет говорить о том, что ты просто оттягиваешь принятие решения?

— Да, это значит, что ты просто не готов и прячешься за формальной причиной — «недостаточно информации». Ты сам себе говоришь: «Подожди, я не готов». Всегда есть хоть какая-то часть неопределенности, вероятность провала. Но чем раньше ты выяснил это на минимальном бюджете, тем лучше.

— То есть метрики не спасают от ошибок?

— Нет. Они позволяют прогнозировать результат чуть-чуть раньше, если правильно выбрать метрики. Ключевой момент — найти показатели, которые дадут адекватное понимание результата. Ведь многие делают слишком быстрый и неверный вывод о провале эксперимента, лишая себя перспективного продукта. Грубо говоря, если в первый же месяц продажи не взлетели до небес, то собственники считают, что продукт пора сворачивать.

Есть и другая крайность — работать по накатанной, бояться любых изменений. Вот делаешь 10 сделок в месяц и ничего не предпринимаешь, чтобы их число выросло: «Вдруг только хуже сделаю?». Тут тоже о развитии можно забыть.

«От туннельного мышления спасает только взгляд со стороны»

— Значит предпринимателям надо менять мышление?

— Я бы сказал, что надо научиться осознавать реальность. Важно принимать решения не на основе своих амбиций, желаний и даже страхов, а исходя из реальной картины мира.

— Но может же быть, что и цифры тоже врут?

— Может.

— Как тогда определять степень доверия к данным?

— А вот тут мы возвращаемся к тому, с чего начали, — измерители должны быть максимально понятными. Тогда и вероятность ошибок будет минимальной. Я всегда на тренингах привожу такой пример. Предположим, что вы решили похудеть и стали каждый день делать по 150 отжиманий. Вот день делаете, второй — встаете на весы, а ничего не изменилось. На третий день — вообще плюс килограмм. И тут два варианта — либо с весами что-то не так (то есть измеритель не вызывает доверия), либо для похудения вам надо еще и за питанием следить, либо стоит просто подождать результата подольше.

И здесь возникает вопрос, насколько ты сам погружен в свой бизнес и точно ли понимаешь, как он работает. Иногда проблема именно в том, что ты сам не понимаешь, что и зачем измеряешь. Есть еще перфекционисты, которые говорят: «Мы собираем все». Но собирать много — значит не собирать ничего. То есть ты на это все смотришь и тебя ничего не побуждает к действиям.

— Как не оказаться в ментальной ловушке, когда среди цифр ты просто ищешь подтверждение своих гипотез и убеждений?

— Здесь важен контекст. Когда речь о «владельце продукта», то он, конечно, будет всячески пытаться доказать, что продукт классный и что он выстрелит. Эта вера затемняет все негативные последствия, позволяет продолжать тратить деньги, когда уже всем очевидно, что не выстрелит. Здесь всегда спасет только взгляд со стороны. Многие компании используют трекеров — людей, которые постоянно задают неудобные вопросы разработчикам новых продуктов.

В общем, надо избавляться от туннельного мышления, зашоренности взгляда. Чаще спрашивайте команду о том, что она думает о ваших идеях, советуйтесь. Некоторые люди, к сожалению, из этого состояния не могут выйти: ты их поворачиваешь, чтобы показать ситуацию под другим углом, а они обижаются.

— Получается, что в первую очередь предпринимателю надо перестать принимать единоличные решения, а уже потом смотреть на метрики?

— Скорее, так: предпринимателю нужно быть самокритичным, скептичным, и понимать что та стратегия или модель, которую он выбрал, может быть не единственной и не самой лучшей. Чем больше мнений ты соберешь, тем более полноценная и реальная у тебя картина.

— В общем, если ты ИП, то лучше хотя бы с женой посоветоваться?

— Да, или другом. Стартаперов уже давно учат так проверять свои гипотезы, а с действующим бизнесом будто может быть по-другому. Но все аналогично. Когда ты кому-то рассказываешь свою идею, сразу начинаешь понимать, какие в ней есть минусы, слабые места.

— В одном из ответов вы упомянули о том, что малый бизнес ради экономии может использовать ИИ для анализа данных. Насколько эффективен такой вариант?

— Пока что ИИ продолжает обучаться, но с каждым днем он будет делать все более точный анализ. Он сможет охватить больше кейсов, больше данных и предлагать более релевантные решения. Поэтому даже крупные компания не брезгуют применять эту технологию. И дальше этого будет все больше.

— Но окончательное решение все равно останется за человеком?

— Решения с критической ответственностью, конечно, останутся за человеком, но и в этом случае ИИ поможет принять более объективное решение, поскольку у машины нет никаких предрассудков и убеждений.

Поэтому однозначно компании, которые собирают данные, визуализируют их и формируют гипотезы, будут развиваться быстрее остальных. Те компании, которые смогут эффективно на основе данных генерировать гипотезы и быстро их проверять, точно станут лидерами в своих отраслях.