Сегодня каждая компания генерирует горы данных, и лишь незначительная их часть находит применение. Между тем, если бы компании анализировали все данные, которые собирают, они бы получили невероятно ценный поток знаний о своих продуктах, услугах, каналах распространения и клиентах.

Еще одна причина, почему необходимо использовать алгоритмы и данные, состоит в том, что в настоящее время большинство новых бизнес-моделей основано на информации. В отличие от физических активов, непригодных для экспоненциального масштабирования, оцифрованные активы открывают вам доступ к новым пользовательским сценариям, партнерам, экосистемам и бизнес-моделям. Короче говоря, они позволяют вам играть по новым правилам. Если вы хотите встать на путь прорывных инноваций, информационный компонент имеет решающее значение. Умные компании уже широко используют такие сервисы, как Kaggle, Palantir, Cloudera, DataTorrent, Splunk и Platfora, для анализа данных, а также свободно распространяемые инструменты наподобие тех, которые предлагает платформа Apache Hadoop, для машинного обучения. В действительности возможности здесь бесконечны, просто нужно ими воспользоваться. Именно так и поступает Google: посмотрите, с каким рвением компания использует данные для каждой своей бизнес-функции. То же самое могут делать и большинство других компаний. Наконец, знания, полученные благодаря анализу данных, могут стать важным противовесом «чутью», на которое традиционно опирается принятие управленческих решений, а также могут использоваться для валидации таких решений.

Вот вам всего один пример. Некоторое время назад Джереми Говард, который в 2010 году был директором по науке в Kaggle, а ныне преподает в Университете сингулярности, консультировал одного из крупнейших в мире операторов мобильной связи. Говард применил набор алгоритмов машинного обучения к корпоративной базе данных о клиентах. Менее чем за месяц он обнаружил непосредственно реализуемые возможности для сокращения затрат на ошеломительную сумму 1 млрд долларов. (Да, 1 млрд долларов! Говарду следовало бы установить процентный, а не фиксированный гонорар за свои услуги.) Недавно Говард создал собственную компанию Enlitic, которая разрабатывает алгоритмы для обнаружения опухолей на медицинских сканах. Алгоритмы «обучаются» на существующих сканах, чтобы в будущем научиться анализировать их без вмешательства человека.

Игры и разного рода стимулирующие конкурсы (желательно соответствующие Значимой трансформативной цели) представляют собой самую простую и эффективную стратегию вовлечения сообществ для крупных компаний. На сегодняшний день на рынке предлагается широкий спектр инструментов для реализации таких инициатив.

Получение мгновенной обратной связи от клиентов также является важной движущей силой при разработке продуктов. Кроме того, компании должны активно вовлекать не только внешние сообщества, но и собственный персонал: создатель Second Life Филипп Росдэйл претворил в жизнь несколько уникальных идей в своем новом стартапе High Fidelity. Например, как уже говорилось выше, сотрудники High Fidelity каждый квартал путем голосования решают, оставить ли Росдэйла в должности генерального директора или нет. (По-видимому, Филипп неплохо справляется со своими обязанностями: при последнем голосовании он набрал 92 % голосов.)

Одна из крупнейших в мире компаний Unilever обслуживает два миллиарда потребителей, которые ежедневно потребляют один или более товаров из ее четырех сотен брендов. В июне 2013 года Unilever объявила о создании партнерства с eYeka – краудсорсинговой платформой, которая соединяет компании с 288 907 креативными «решателями задач» из 164 стран мира. На сегодняшний день на eYeka уже проведено 683 конкурса с общим призовым фондом 4,4 млн долларов. Участникам одного из конкурсов Unilever было предложено разработать экодуш с повторным использованием воды, который позволяет экономить воду и уменьшить экологическое воздействие. Из 102 участников пятеро победителей получили призы на общую сумму 10 тысяч евро. Компания также использует eYeka для проведения конкурсов для своих портфельных брендов, таких как Clear, Lipton и Cornetto.

Продолжая разговор о необходимости того, чтобы принятие решений в компаниях было основано не на чутье, а на данных, мы хотим еще раз подчеркнуть, что дашборды – это уникальный инструмент, позволяющий представить сложную информацию простым, интуитивно понятным и убедительным способом.

Джон Сили Браун и Джон Хейгл указывают на то, что традиционно крупные компании были нацелены на масштабирование эффективности. В результате фактически все существующие на сегодняшний день системы бизнес-аналитики, даже самые продвинутые из них, направлены на измерение показателей эффективности. Между тем природа новой экономики такова, что требует от компаний масштабировать совсем другое – а именно обучение[16]. Для этого компаниям необходимы новые системы контроля, которые позволяют измерять способность организации к обучению. И если такие дашборды не появятся на рынке в ближайшее время, крупные компании должны поручить их создание своим новоиспеченным директорам по анализу данных (самая горячая новая должность высшего ранга).

Что именно должны отслеживать ориентированные на обучение дашборды? Вот несколько предложений:

• Сколько экспериментов или A/B-тестов (методология «Бережливого стартапа») провел на прошлой неделе отдел обслуживания клиентов? Маркетинговый отдел? Отдел продаж? Отдел управления персоналом?

• Сколько инновационных идей было сгенерировано за прошедший год? Сколько из них было реализовано?

• Какой процент от общего потока доходов был сгенерирован новыми продуктами/услугами за последние три года? За последние пять лет?

Отслеживание таких метрик, как Цели и ключевые результаты (OKR), что фактически является императивом для стартапов, где высокие темпы роста требуют короткого цикла обратной связи, не менее важно и для крупных компаний по следующим причинам:

• Это дисциплинирует мышление (поддерживает фокус на ключевых целях).

• Повышает эффективность коммуникации (каждый знает, что важно).

• Устанавливает ориентиры для измерения прогресса (показывает, как далеко продвинулась компания).

• Помогает сфокусировать усилия (и таким образом синхронизировать усилия всей организации).

В 2008 году Джефф Вайнер, новый генеральный директор LinkedIn, внедрил в компании систему OKR с целью помочь всем сотрудникам согласовать усилия и цели с миссией компании, а также обеспечить гибкий, объективный механизм для отслеживания прогресса. Эксперты считают этот шаг одной из ключевых причин, позволивших LinkedIn превратиться в компанию стоимостью 20 млрд долларов.

Мы считаем, что в будущем главной метрикой успешности компаний будет не рентабельность инвестиций (пресловутый ROI), а рентабельность обучения (ROL). Кайл Тиббитс недавно высказал аналогичную идею, только в отношении сотрудников, заметив, что «самое ценное вознаграждение, когда вы работаете в стартапе, а не в "нормальной компании", – это значительно более высокая скорость обучения (то, что мы называем ROL)»[17].