Незаметная революция в менеджменте

Незаметная революция в менеджменте

Именно сейчас, в наше время, в мире менеджмента происходит революция. Она началась с появления профессии менеджера как таковой и продолжается сейчас, когда управленцам стали доступны огромные массивы данных. Эта революция не так заметна, потому что началась на старте 20-го века и продолжается до сих пор. Это длинный отрезок времени с точки зрения человеческой жизни и мгновение с точки зрения человеческой истории. Этап, в котором живем мы – период big data. Сейчас все говорят про «большие данные», но никто не говорит, что с ними делать. Хотя с их помощью можно существенно повысить эффективность управления!

 

Когда началась революция?

Отсчет можно вести с 1911 года, когда американский инженер и управленец Фредерик Уинслоу Тейлор опубликовал свой труда «Принципы научного менеджмента». До него такой профессии, как «менеджер» или «управленец» не было. Были цари, владельцы, хозяева, руководители профессиональных гильдий. Пока управление передавалось по наследству, не могли сформироваться профессии менеджеров. И только в начале 20-го века, когда производство стало массовым, ситуация потребовала менеджеров разных звеньев. Поэтому можно говорить, что революция в менеджменте началась, когда появился сам менеджмент

 

На каком этапе мы?

Сейчас мы находимся на этапе революции по работе с информацией. Эта стадия стала возможна благодаря быстрому развитию технологий. Революция в том, что теперь можно накапливать гигантские объемы информации и делать это очень недорого. Если вчера это было доступно огромным корпорациям, то сейчас, благодаря удешевлению технологий, работа с огромными массивами информации доступна массовому пользователю.

Причем революционность именно в развитии технологии. Потому что самой информации не стало намного больше, чем 100 или 200 лет назад. А вот регистрируемой информации стало катастрофически больше. Например, возьмем магазин 200 лет назад. Мимо него ходят люди. Какое-то количество заходит, какое-то проходит мимо. Посещаемость меняется в зависимости от сезона. То есть конверсия была и в средние века. Просто ее никто не считал. Раньше не могли даже подумать, что эту информацию можно использовать.

 

В чем суть революции?

Революционные изменения кроются в том, что теперь управление может быть основано на реальных данных, которых может быть очень много.

Теория менеджмента гласит, что есть три фазы управления – получение информации об управляемом объекте, обработка информации и прием управленческого решения. Но это теория, которая долго не рождала практики. В реальности менеджеры не могли иметь объективной информации об управляемом объекте. У них были отрывки данных (по сравнению с нынешними возможностями). Если продолжить пример с магазином, то можно представить, что в разное время возле него стояло два рекламных штендера. Раньше оценить его эффективность можно было только на основе объема продаж. Приняв одно и то же решение, можно было получить совершенно противоположный результат. Поэтому в менеджменте всегда присутствовало такое понятие как удача. Даже повторив действия успешных предпринимателей, вы вряд ли повторите их результат. В чем-то это была удача — случайно положительный результат.

Сейчас же, для оценки эффективности штендера, можно посчитать и проанализировать огромное количество данных: трафик, конверсия, какие магазины открывались рядом с вами, какая смена сотрудников работала в магазине, какому количеству людей нужен был товар на сейчас, а кто оформил доставку, влияние других факторов.

Революция в том, что менеджер может получить всеобъемлющие данные. Он может получить данные сколько людей ходило мимо магазина хоть каждый день в течение нескольких лет. То есть менеджмент может стать полностью эффективным. Случайность останется, но ее вероятность сильно снизится.

Баннер

 

К чему это ведет?

Раньше эти огромные массивы данных нельзя было накапливать и обрабатывать. Сейчас можно всё. Собрать информацию, а потом проанализировать ее, построить графики и увидеть зависимости. Причем не важно, сколько у вас данных. Диаграмме Шухарта «все равно» — вы наносите тысячу или миллион точек. А производительность современных компьютеров позволяет обработать любой объем данных.

Как менеджменту работать с этими данными? Самое первое, что вы можете сделать с big data – начинайте их накапливать. Сейчас есть возможность недорого накапливать данные. Причем, при выборе систем автоматизации всегда задавайте себе вопрос – накапливает ли система данные в «твердый» источник, к которому у вас есть доступ? Продукт, который вы выберете, должен собирать данные и логировать все стадии процесса. Если система не логирует (записывает) данные во сколько пришел заказ, во сколько его приняли, во сколько отгрузили – это не лучшая программа.

Даже если вы сейчас не знаете что делать с большими данными – накапливайте их! Уже завтра вы научитесь их обрабатывать, а база для анализа у вас уже будет. Не тратьте время потом на накопление данных. Например, у вас в системе сохраняются данные о том как обрабатываются заказы. Раньше вы не знали что с ними делать, но сейчас научились. И вот, анализируя, вы понимаете «после того как я сделал это, длина обработки заказа выросла, и выросли претензии, причем только по этой продукции». А может конкретно по этому менеджеру. Или только по четвергам. Анализ информации за предыдущие периоды даст вам твердую основу для управленческих решений.

Второе, что нужно делать менеджменту – учиться анализировать данные и искать инструменты для этого. Идеальный вариант, когда одна система и накапливает и анализирует данные.

 

Как это работает?

Описанные выше принципы мы применили в нашей системе Atlas ERP. Система изначально собирала огромное количество данных, логируя каждое действие. И когда мы внедрили в нее аналитический функционал, «интеллектуального помощника руководителя» Taylor, ему уже было с чем работать. Потому что Atlas ERP все это время, как огромный пылесос, собирала данные.

Поэтому Taylor, используя самообучающиеся механизмы, и являясь в упрощенном виде «искусственным интеллектом», впервые внедренным в ERP, сразу может анализировать все процессы в компании: проекты, работу сотрудников, сотрудничество с контрагентами и т.д.

Например, работа нашей компании Atlas Software построена таким образом, чтобы разделить огромное количество контрагентов на разные воронки продаж. Есть воронка продаж по разным продуктам, есть — по партнерам, есть – по партнерам в других странах. И в каждой воронке свои этапы. Много воронок — много этапов продаж. Один и тот же контрагент может находиться в двух воронках разных этапов и т. д.

Так вот — система накапливает всю информацию: кто, когда, сколько и на каких воронках был. Все задачи, активности, которые были сделаны по контрагентам можно привязать к тем этапам, на которых он находился. Какие это были действия, какие менеджеры этим занимались, какое качество работы – и всё это на разных этапах воронок продаж.

И поэтому сейчас Taylor может выявить коридор комфорта на каждом этапе. Он в состоянии увидеть разброс вариативности на каждом этапе каждой воронки продаж по всем этим активностям и по качеству этой активности. А потом определить тренды что конкретно происходит в этих активностях — как они влияют на скорость перехода клиента на другой этап воронки продаж. По сути система помогает принять решение что нужно делать чтобы лучше продавать, больше продавать, лучше обслуживать клиентов, выявлять некачественные активности, забытых контрагентов, менеджеров, которые забывают про контрагентов и т. д. Это реальным пример того, как система может повысить уровень работы с контрагентами благодаря накопленному ранее большому количеству данных и подключения инструмента анализа этих данных.

 

Что это даст?

Что это может принести обществу? Это может дать невероятный скачок эффективности. Например, в здравоохранении это мог бы быть резкий скачок качества лечения, без изобретения новых лекарств. Потому что анализируя как меняется выздоравливаемость в зависимости от огромного количество факторов (какое оборудование использовалось, какие обучения проходили, какие анализы производились и т.д.), можно определить какие управленческие решения были самыми эффективными. Примеров может быть очень много.

А еще повсеместное использование систем автоматизации управления, использующих огромное количество данных, повысит прозрачность любых структур, особенно государственных. Когда на основе четких параметров вы будете видеть рейтинги врачей. Все будет четко и понятно.

Общественную пользу такой революции сложно переоценить – она будет огромна.

 

Сергей Вихарев
Вихарев Сергей Владимирович — предприниматель, автор системы управления персоналом PARD и обучающих курсов для предпринимателей. Участник и член правления международной организации предпринимателей EO Russia.
Сергей возглавляет группу компаний «ПАРД», куда входит 5 компаний — в области логистики, управленческого консалтинга, производства, финансовых услуг, а также школа менеджмента «PardSchool», успешно внедряющая новые стандарты корпоративного обучения.
 -2

Вам так же может понравится

Процессное управление. Часть 2: Часть системы управления персоналом

Содержание: 1. Что такое организация? Чем управляет менеджер? 2. Как управлять персоналом? 3. Почему выгодно регламентировать процессы, которые исполняют сотрудники? 1. Что такое организация? Чем управляет менеджер? Давайте немного отойдем

Менеджмент 0 Comments

Давайте делать свою работу вместе!

Сегодня закончился наш онлайн-курс по бизнес-процессам. В течение семи дней мы показывали вам, насколько тема процессного управления просто и технологична. Но для полноценного запуска бизнес-процессов нужен отдельный инструмент. И для

Управление процессами 0 Comments

Процессное управление. Часть 4: Кейс кредитной организации

Четвертую часть статьи о процессном управлении, я избавлю от теории и приведу в пример конкретный кейс, по оформлению кредитного договора и поручительства. Один клиент поставил перед нами локальную задачу –