В течение двадцати лет компании создавали дашборды для принятия более взвешенных решений и тратили столько же времени на то, чтобы заставить людей их открывать. Теперь, когда информация может передаваться туда, где уже выполняется работа, эра дашбордов подходит к концу, и на ее место приходит нечто более полезное, пишет в корпоративном блоге Ник Меркурио, директор IDC по доходам.
Большую часть своей карьеры я посвятил тому, чтобы помогать организациям внедрять в свою деятельность аналитику данных о клиентах и сотрудниках. И стал свидетелем того, как вокруг дашбордов возникала целая индустрия.
Компании инвестировали миллиарды в сбор отзывов клиентов, анализ настроений сотрудников, операционные показатели и бизнес-аналитику. Целые категории ПО были построены вокруг того, чтобы помочь организациям визуализировать эту информацию и принимать решения.
Модель работала чрезвычайно хорошо.
Такие компании, как Qualtrics, Medallia, Tableau, Salesforce и многие другие, помогли определить целое поколение корпоративного ПО. Но со временем выявилась неприятная закономерность. Проблема заключалась не в сборе данных, а в том, чтобы заставить людей их использовать.
Организации годами пытались побудить руководителей, менеджеров и рядовых сотрудников регулярно заходить в дашборды, просматривать отчеты, выявлять проблемы и принимать меры.
Принятие этого стало самостоятельной бизнес-проблемой. Аналитика предоставлялась, но привычки ее использовать не было.
Скрытая стоимость дашбордов
Проблема с дашбордами проста: они требуют от пользователей прерывать свой рабочий процесс.
Каждый дашборд предполагает, что пользователь:
1. прекратит делать то, что он делает;
2. откроет отдельное приложение;
3. найдет необходимую информацию;
4. интерпретирует ее;
5. решит, что делать дальше.
Этот процесс создает трение, а трение — враг внедрения.
Сегодня большинство профессионалов проводят большую часть своего времени в нескольких средах:
• электронная почта;
• Teams;
• Slack;
• CRM-платформы;
• ChatGPT;
• Claude;
• приложения для повышения производительности.
Они стали операционными системами для современной работы. Каждое дополнительное приложение конкурирует за внимание с этими средами, и большинство проигрывает.
Искусственный интеллект меняет ситуацию
Большие языковые модели создали новый интерфейс для работы, позволив пользователям взаимодействовать с аналитикой на естественном языке, а не через отчеты, дашборды и порталы. Впервые аналитику больше не нужно размещать в отдельном месте. Вместо этого она может напрямую доставляться пользователю.
Руководитель может задать вопрос в ChatGPT. Продавец, готовящийся к встрече с клиентом, может мгновенно узнать о рыночных тенденциях, конкурентных угрозах и получить аналитические инсайты непосредственно в Salesforce. Руководитель продукта может получать рыночные инсайты через Teams. Стратег может запрашивать сложные исследования через ИИ-помощника.
При этом пользователь никогда не покидает свой рабочий процесс, потому что аналитика приходит к нему сама. Это больше, чем просто улучшение пользовательского опыта: речь идет о внедрении принципиально иной операционной модели.
Цель состоит не просто в улучшении аналитики. Речь идет об уменьшении трения между аналитикой и действием.
Почему собственные данные важны как никогда
Многие организации считают, что конкурентным преимуществом является сам ИИ. Я придерживаюсь иной точки зрения: по мере того, как модели оказываются все более доступными, отличительной чертой становится аналитика.
Организации, обладающие уникальными, собственными, заслуживающими доверия данными, получат значительное преимущество, поскольку смогут сочетать ИИ с инсайтами, которые невозможно найти в общедоступном Интернете. Именно это делает нынешний момент таким многообещающим.
Данные об объеме рынка, конкурентных раскладах и производительности поставщиков, тенденции внедрения технологий, отраслевые прогнозы и стратегические исследования — это те наборы данных, которые организации используют для принятия решений на миллиарды долларов. Исторически они получали доступ к этой информации через отчеты, порталы и взаимодействие с аналитиками. Сегодня ИИ позволяет нам переосмыслить способы использования этой информации.
От аналитических систем к системам принятия решений
Следующая эволюция — это нечто большее, чем просто дашборды и отчеты. И даже больше, чем ИИ-помощники.
Реальная возможность заключается в создании технологического уровня аналитики, который объединяет:
• анализ рынка;
• анализ данных о клиентах;
• оперативный анализ;
• финансовый анализ;
• собственные корпоративные данные.
Когда эти сигналы объединяются, организации получают более полное представление о своих рынках, клиентах, конкурентах и эффективности бизнеса. С этого момента речь уже идет о новой системе принятия решений. Речь идет о внедрение надежной технологической аналитики непосредственно в рабочие процессы, где принимаются решения.
Организации, которые добьются успеха в следующем десятилетии, не обязательно будут обладать наибольшим количеством данных, но у них будет наименьшее трение между аналитикой и действием.
Дашборды устарели, потому что аналитике больше не нужен пункт назначения. Она может напрямую предоставляться в момент принятия решения.
