О плоских командах
В компании, где решения принимает один человек, вопрос об аналитической культуре просто не возникнет. В таких компаниях руководитель обладает собственным видением и самостоятельно распределяет задачи между подчинёнными. Те, в свою очередь, спускают задачи своим сотрудникам — и так далее. Так живут привычные нам компании с иерархией должностей.
Слабое место подобного уклада — перекладывание ответственности. Ответственность за результат лежит на постановщике задачи. Он, чтобы не облажаться перед стоящими выше, максимально подробно описывает, что нужно сделать подчинённому, и для подстраховки создаёт систему штрафов и KPI.
Подчинённый, находясь ближе всего к покупателю, производству и (или) реальности, осознаёт, что решать задачу таким образом нерационально. «Но раз начальник сказал „надо", значит, надо». А если результат на выходе будет плохой, то начальник сам виноват — ведь он же и поставил такую задачу.
В иерархической модели управления есть ещё один неприятный аспект — уже личностного плана. Мне, как человеку, стремящемуся к развитию, хочется быть в окружении сильных людей, быть на равных. Но когда ответственность лежит на постановщике задачи, ему приходится раздавать указания, говорить, что делать, чтобы достичь желаемого результата. Исполнитель лишается возможности высказать своё мнение, свою идею. Конечно, в таком случае ни о каком равном общении и речи быть не может.
Плоские команды появляются там, где исполнитель не выполняет задачу строго по техническому заданию. Он видит проблему, сам продумывает, что нужно сделать и каким способом. Все договариваются только о метриках успеха.
Я часто слышу, как руководители высказывают одно опасение, связанное с переходом к плоским командам, — «будет много точек зрения, каждый будет тянуть одеяло на себя». Или ещё одно (а по факту то же самое) — «ответственность будет распределена между сотрудниками очень нечётко, они просто начнут скидывать её друг на друга».
Подобные опасения небезосновательны, но всё же переход к плоским командам выглядит очень соблазнительно — ведь компания, придерживающаяся этой концепции, может жить и развиваться без лидера. И речь здесь не только о красоте с точки зрения этики. Выйти из операционки, перестать быть привязанным к рабочим процессам, найти наконец-то время для мечтаний и стратегического планирования — желание, наверно, любого лидера.
Корень проблем, которые могут возникнуть при переходе к плоским командам, — в коммуникациях.
Если больше нельзя приказывать и «прикрываться» своей высокой должностью, то как же аргументировать собственную точку зрения?
Если возраст, стаж и опыт больше не являются ключевыми факторами в определении того, к кому следует прислушиваться, то как команде понять, чьё мнение по-настоящему интересно, полезно и ценно?
И если всё же представить, что можно «выйти» из операционки и не контролировать, какими задачами занимается команда, то как придерживаться нужного вектора развития, как избежать хаоса?
Чтобы вывести коммуникацию из плоскости мнений на уровень аргументированного диалога, а конфликты личностей перевести в конфликты интересов, нужно научиться опираться на факты. Факт — это то, с чем согласен каждый, то, что не зависит от точки зрения.
Например, количество продаж или уникальных сеансов на сайте. Одним словом, метрики. И вот здесь рождается понимание того, что такое аналитическая культура.
В моём понимании, аналитическая культура — это культура принятия управленческих решений, в которой допустимо опираться только на факты и метрики.
Переход компании к аналитической культуре
В теории, как это часто бывает, звучит легко и просто. Но практика показала иное.
Раньше у нас в kt.team была следующая структура отдела маркетинга: один руководитель (занимавшийся разработкой стратегии и постановкой задач) и его команда — контент-менеджер, верстальщик, копирайтеры, аналитик. Мне хотелось, чтобы принимать управленческие решения могла вся команда, а не только руководитель.
Аналитик подготовил дашборд, которым в итоге команда пользовалась не сказать чтобы очень активно.
Так мы усвоили первый урок: не нужно делать дашборды, если на них нет запроса.
Начинать нужно с изменения культуры управления. Как заинтересованное лицо я говорю, какие у компании есть проблемы и какие у меня есть пожелания. Затем команда формулирует гипотезу о том, какими действиями может решить обозначенные проблемы. Чтобы определить, сработала гипотеза или нет, выбираются критерии — что должно измениться? Если это некая дельта, нужно понять, как измерять положение до и после совершения запланированных действий.
Только когда команда сама ищет решения и составляет бэклог, ей удаётся найти метрики, которыми она будет пользоваться.
После этого не нужно сразу делать дашборд. Открываем старый добрый Excel и записываем данные вручную. Зачем?
Это как разница между наличкой и деньгами на карте. Когда оплачиваешь безналом, нет физического ощущения уменьшения количества оставшихся средств. Кошелёк же пустеет вполне «наглядно».
Так и здесь: чтобы понять, прочувствовать, те ли метрики выбраны в качестве ключевых, нужно снимать показатели вручную. После трёх дней переписывания количества просмотров каждого поста становится очевидно, что эта метрика не нужна. Разница между количеством просмотров прошлого и нового постов не позволяет сделать однозначные выводы. В случае с соцсетью достаточно отслеживать только тренды и вовлечённость, чтобы понять, правильная ли стратегия была выбрана для создания контента.
Помимо сложности поиска тех самых метрик, на которые можно опираться в принятии решений, также существует сложность в определении метрик, отражающих реальность.
Вот пример метрики, искажающей реальность.
В интернет-магазине девять пользователей приобрели по одному товару за один заказ, а десятый — 100. Среднее количество товаров на одного покупателя будет примерно равняться 11.
Кажется, что всё нормально. Удобная метрика. Далее рассчитываем приемлемую цену за лид при условии, что в среднем один покупатель приобретает 11 товаров.
Запускаем рекламу. И если вовремя не понять, что данная метрика искажает реальность — на деле в среднем один человек приобретает один товар, — можно уйти в минус. В большой минус.
К проблеме выбора метрик добавляется ещё одна, не менее существенная: как понять, какого количества метрик достаточно, чтобы отразить реальность максимально чётко и полно?
Сквозная аналитика и BI-системы
Представим, что этап «пропитки» аналитической культурой пройден, каждый отдел или контрагент нашёл свои метрики. Все работают, проявляют инициативу, достигают поставленных целей.
А результата нет. Или есть, но не тот.
Если отделы в компании могут не знать, что происходит у их коллег в других отделах, то клиент, напротив, проходя путь от возникновения потребности до рекомендации компании соседям, соприкасается — прямо или косвенно — с работой каждого отдела, контрагента и (или) подрядчика.
Точки, в которых заканчивается ответственность одного и начинается ответственность другого, порой никак не отслеживаются.
Бухгалтерия следит за своими метриками в «1С», продавцы — в CRM, маркетологи — в Google Analytics.
В каждой из этих систем всё может быть хорошо. Но, чтобы видеть всю картину полностью, нужен интегратор, который позволит осуществлять сквозную аналитику. Для решения этого вопроса можно использовать BI-системы.
BI-системы — это системы, агрегирующие информацию из разных источников. Мы используем Power BI, т. к. здесь для работы с дашбордами не требуются особые знания в аналитике, а значит, пользоваться таким ПО смогут все сотрудники — понимание данных становится доступным всем. Кроме того, для удобства работы информацию можно и визуализировать.
И как раз при помощи BI в проекте одного из наших клиентов получилось настроить удобное отслеживание точек, где заканчивается работа одного контрагента и подключается другой.
В данном проекте мы проводим интеграцию системы сбора заказов и служб доставки.
Дашборд показывает, сколько всего было заказов, сколько вывезено на склад, сколько доставлено конечному покупателю и сколько попало в отмену (рис. 1).
Если нужно ознакомиться с более детальными данными, выбираем canceled_lms. Под дашбордом отобразится список возникших ошибок (рис. 2).
В данном случае представление о том, как работает связка «заказ – сбор заказа – доставка», какие и когда возникают ошибки, помогает определиться, нужно ли дорабатывать в интеграции что-то ещё или уже можно переходить к запуску. Поначалу половина заказов отменялась на этапе доставки, сейчас — около 7 %.
Проблема заключалась в том, что адреса, которые интернет-магазин передавал доставке, невозможно использовать для создания заказов. Где-то не указали область, а городов с таким названием — с десяток по всей стране, где-то некорректно прописали название улицы и т. п. Важно было понять, на каком этапе происходит потеря заказов, и затем договориться с интернет-магазином об оптимизации процессов фиксации, хранения и обработки адресов клиентов.
Но самое главное — теперь все заинтересованные стороны видят одни и те же данные, могут договориться о метриках, способах решения проблем и дальнейшем развитии проекта.
С помощью BI нам удалось настроить не только отслеживание возникающих ошибок, но и получение детальных сведений о причинах их появления, что в конечном счёте позволило принять ряд важных решений о дальнейшем развитии проекта.
Вывод
Переход компании к аналитической культуре — это длительный процесс, требующий в первую очередь пересмотра методов управления. Но если раньше было просто невозможно транслировать всем интересующимся информацию об актуальном состоянии дел (именно в данный момент времени, а не по результатам года или какого-либо другого отчётного периода), то сейчас BI-системы позволяют вести подобную коммуникацию просто и удобно.
