Услуги

Умное импортозамещение

0

Всем привет, сегодня мы поговорим об импортозамещении, тренд, который все больше нарастает и от него никуда не деться.

Согласно Приложению к Приказу Минкомсвязи РФ №96 от 01.04.2015 “Об утверждении плана импортозамещения программного обеспечения” максимальная доля импорта к 2025 году по бизнес-приложениям, куда входят в том числе и BI системы, максимальная доля импортного ПО должна составлять не более 25%, а доля импорта ПО для финансового сектора не превышать 50%.

Цели правительство конечно поставило, но вот как их реализовать, особенно не рассказало.

Конечно, сейчас есть и АРПП (Ассоциация разработчиков программных продуктов) и ЦКИТ (Центр компетенции по импортозамещению), которые проводят достаточно большую работу по формированию политики, однако в организациях вопросов больше, чем ответов. Все компании с государственным участием формируют свою политику, потому что «надо», а не потому что хочется подойти к этому как к возможности оптимизировать бизнес-процессы в IT.

Но на мой взгляд, такой подход не принесет компаниям ничего хорошего, кроме бесконечной головной боли, так как такие новообразования (рабочие группы или новые обязанности) в компаниях формируются достаточно стихийно, и по большому счету они сделаны для того, чтобы показать деятельность и отчитаться, что вот все создано, работа идет, формируем планы. Время идет, а четкой политики в компании как не было так и нет, что с этим делать, как переводить все это безобразие на отечественный софт или на open source, что еще хуже, не очень-то и понятно. А прежде всего, а где взять деньги на этот банкет.

Мы со своей стороны готовы предложить методику, которая позволяет компании оценить окупаемость перевода на отечественный софт как проект с финансовой отдачей и тем самым обосновав и получив дополнительное value от такого перехода.

Если говорить про системы класса BI и Advanced Analytics, то такой подход можно описать следующим образом.

Подходы к миграции

  1. Приоритезация бизнес областей (критичные для бизнеса, редко используемые, неиспользуемые)
  2. Дублирование отчетности на новой платформе (критичные и редко используемые отчеты)
  3. Повторение workflow по моделирование (для Advanced Analytics)
  4. Выявление проблем неиспользуемых бизнес-областей и подготовка roadmap по реанимации (если возможно)
  5. Демонстрация отчетов бизнес-заказчикам
  6. Тестирование отчетов бизнес-заказчиками и анкетирование по удовлетворенности
  7. Разработка плана перехода и отказа от предыдущего инструментария (в случае успешного окончания этапа 6)
  8. Для оптимизации стоимости владения на этапе миграции, можно договориться с вендором об отсрочке платежей по новым лицензиям до миграции отчетов на новую систему. Внедрение не должно приводить или должно приводить к минимальному временному повышению стоимости владения (дублирование платежей).

Подход к финансовой оценке миграции

Показатели:

  1. Стоимость владения данными (TCD) – финансовая оценка на сопровождение хранилища данных
  2. Затраты на центры компетенций (FOT) – фонд оплаты труда на сопровождение платформ бизнес-аналитики
  3. Стоимость технической поддержки (TSC) – затраты на техническую поддержку платформ вендорами и интеграторами (лицензия + работы по сопровождению)
  4. Стоимость внедрения новой системы (NEWIMPLCOST)-лицензии + консалтинг
  5. Стоимость лицензий для решение перспективных задач (PLC)
  6. Стоимость консалтинга по решению перспективных задач (PCC)
  7. Текущий финансовый результат от использования данных (DataValue)
  8. Перспективный финансовый результат (PDV) от решения новых задач

Метрики эффективности:

  1. Удельная ценность данных = Финансовый результат/Стоимость владения.
  2. Оценка срока окупаемости = NEWIMPLCOST/(( DataValuenew+PDVnew-TCDnew-FOTnew-TSCnew-PLCnew-PCCnew) — (DataValueold+PDVold-TCDold-FOTold-TSCold-PLCold-PCCold)).
  3. ROI (возврат инвестиций) = ((DataValuenew+PDVnew-TCDnew-FOTnew-TSCnew-PLCnew-PCCnew— NEWIMPLCOST)/ (DataValueold+PDVold-TCDold-FOTold-TSCold-PLCold-PCCold)-1)*100%.

Инвестиция считается удачной, если ROI > 100% за рассматриваемый интервал планирования (например 5 лет, т.е. за этот период инвестиция должна удвоиться)

  • Внедрение считается успешным, если удовлетворенность бизнес-заказчиков выросла по отношению к текущему инструментарию, для чего перед началом миграции работ должно быть проведено анкетирование бизнес-пользователей.
  • Полнота решения задач на новой системе должна быть не ниже текущих систем.

Это небольшое описание умного подхода по импортозамещению. Поэтому, если у вас стоит задача по импортозамещению, а вы это больше рассматриваете как дополнительную нагрузку, а не как возможность, обращайтесь к нам, мы вам поможем по новому взглянуть на ситуацию, проведем аудит, интервью бизнес заказчиков и определим перспективные возможности по оптимизации стоимости владения и получения дополнительного эффекта для вашего бизнеса, основанного на данных!

Анонс data360.ru

0

Добрый день, уважаемые читатели, наконец настал важный день, мы долго к этому шли, и наконец запустили новый сайт компании «Аналитика». 

Чем мы будем заниматься?

Прежде всего, мы будем находить новые инсайты для наших Заказчиков и оптимизировать процессы, извлекая пользу из накопленного массива информации. На страницах блога, я рассказываю о нашем опыте решения задач для наших Заказчиков. Поэтому все, что вы здесь читаете, так или иначе связано с нашим опытом.

Как мы к этому пришли? У нас накоплен достаточно большой опыт решения практических задач и оптимизации для разных бизнес процессов и разных Заказчиков. Этот опыт трансформировался в большой прирост эффективности — совокупный эффект от инициатив, реализованных на наших предложений уже перевалил за 1 млрд. руб. и продолжает расти.

Поэтому если вы заинтересованы в оптимизации бизнеса, то мы готовы вам помочь и рады будем видеть вас среди наших Заказчиков.


Стадии зрелости по работе с данными

0

Сегодня хотел бы поговорить о стадии зрелости по работе с данными любой коммерческой организации. В 2016 году компания EMC опубликовала материал, который был посвящен этому вопросу, я немного перерисовал его и перевел и хочу поделиться с вами этим материалом.

Самая начальная стадия по работе с данными — это накопление и анализ исторических данных. Тут мы больше погружаемся в то, что уже прошло и пытаемся объяснить поведение компании, анализируя события которые происходили в прошлом на основе фактов.

Вторая стадия — это поиск бизнес инсайтов. То есть мы не только анализируем, но и пытаемся понять какие-то закономерности, возможно скрытые факторы, которые не видны в трендах, но могут проявиться даже в будущем, например, если мы видим что какой-то тренд негативных событий нарастает и доля его постоянно увеличивается, несмотря на то, что он никак не проявляется на текущий момент.

Третья стадия — Оптимизация бизнеса — мы находим какие-то оптимальные факторы при которых компания показывает постоянный рост, еще лучше если мы этими факторами можем управлять и увеличивать наше воздействие с целью роста показателей.

Четвертая стадия — мы накопили множество информации и понимаем, что эта информация может быть не только полезна нам внутри, но может быть полезна другим контрагентам, которые на ее основе смогут получать лучшие результаты и готовы платить за эту информацию. Например, телеком операторы достаточно успешно продают информацию банкам о подтверждении анкетных данных по месту проживания, или о том как перемещаются потоки жителей, чтобы планировать инфраструктуру, например эта информация интересна ритейлу, или городским властям для планирования транспортной инфраструктуры. Вообще тема монетизации заслуживает отдельных постов, и может даже не одного. Поделюсь чуть позже этой информацией. А кому не терпится и уже сейчас готовы в это инвестировать, велкам в личку, поможем сформировать стратегию монетизации ваших данных.

Ну и наконец пятая стадия, это стадия трансформация бизнеса. Здесь речь не идет о каком-то конкретном подразделении, здесь речь идет о комплексном подходе, где каждый процесс так или иначе связан с данными, неважно какая это функция внутри организации. Любой процесс формируется таким образом, чтобы он был измеримым, любой продукт при запуске формируется таким образом и интегрируется в процессы, чтобы каждый этап процесса был измеримым и данные по нему могут быть легко получены. В каждом подразделении есть люди, которые работают с данными и улучшают бизнес. Но тут надо учесть один момент, это не про то, что мы запустили продукт, а потом думаем а как же посчитать по нему воронку, даже если это удается сделать, это вообще не об этом, это про то, что вы изначально в свои процессы при валидации продукта разрабатываете стратегию работы с данными и предъявляете требования к нему исходя из необходимости мониторинга, как если бы вы согласовывали с юристами доп. соглашение, ровно про это.

Вы изначально продумываете до мелочей какие данные и для чего будете использовать, а не так, что да ладно давайте накопим, а потом подумаем что с этим сделать, нет, нет и еще раз нет, на этой стадии у вас есть четкая стратегия работы с данными, вы знаете для чего каждый показатель, четко понимаете его методику и понимаете в каком виде он вам нужен, в сыром или агрегированном, а также можете оценить через какое время вам нужно модифицировать инфраструктуру не вдаваясь в пространные рассуждения, ну если нам будет нужно мы расширимся.

Самое интересное мое наблюдение в крупных компаниях, что IT подразделения не знают какие данные в хранилище и для чего они нужны бизнесу. А самое интересное — это то, что в большинстве своем эксплуатирующие подразделения из периода в период, готовят данные на регулярной основе, не один месяц, а то и год, и даже не задаются вопросом, а вообще сколько бизнес-пользователей у этих данных и как часто они используются. Тема оптимизации хранилищ — это мне кажется вообще отдельная тема. В общем самое первое подразделение, которое требует тщательного анализа — это IT.

И если вы хотели бы заглянуть в такое будущее, но не знаете с чего начать, то велкам в ЛС, поможем разработать вам стратегию по работе с данными и поможем как может выглядеть ваш data-driven бизнес.

Удачи вам и будьте успешны!

Новые услуги аутстаффинга функций аналитики

0

Уважаемые читатели и друзья, как вы наверное знаете я занимаюсь внешним консалтингом по аналитике много лет, но больше занимался этим для души или когда просили знакомые. За годы работы было накоплено столько интересных бизнес-кейсов по аналитике и монетизации данных с доказанным финансовым эффектом в организациях самого разного профиля и отраслей, что хочется придать новый импульс и выйти на рынок аутстаффинга аналитических услуг. Я даже добавил новый раздел УСЛУГИ, где достаточно подробно описал услуги и возможный формат взаимодействия.
Почему я думаю, что это будет востребовано:
1. Рынок аналитики, особенно продвинутой аналитики переживает какой-то сумасшедший бум, все Заказчики начинают говорить об искусственном интеллекте. Новый очередной hype. Но мало кто четко может сформулировать а что же это такое.
2. Профессиональной аналитикой занимается несколько компаний, но все они настолько перегружены крупнейшими Заказчиками, что практически не смотрят в крупные, средние и небольшие организации. При этом ставка специалиста доходит до каких-то огромных размеров, а средний чек проекта улетает до небес. Мне хочется изменить эту ситуацию и я верю, что есть достаточно большой слой Заказчиков, которые смогут получить все преимущества от самых современных аналитических инструментов, но в понятных для Заказчика бизнес-терминах и гарантированной финансовой выгоды. Вашими проектами де факто больше занимаются стажеры или вчерашние студенты, а не профессионалы, которые выстраивали эту функцию, потому что от них требуют масштабирования бизнеса и спрос сильно опережает предложение.

3. К сожалению, не лучшие времена и в образовании. Слишком много стало курсов по Machine Learning и AI, как очных так и заочных. Но к сожалению, не все даже понимают класс задач, который они решают, не могут сформулировать математическую постановку задачи и бизнес-эффект от внедрения. Я сам много раз приглашал на собеседование таких специалистов и к моему большому сожалению, я понимаю, что и качество самого такого дистанционного образование оставляет желать лучшего.

4. Я более консервативен в выборе инструментов и при выборе инструментов исхожу из соотношения цена/качество/простота внедрения/сроки/финансовый эффект. И никогда не буду вам рекомендовать решать задачу с помощью многослойной нейронной сети, только потому что это модно. Я буду исходить из необходимости получить небольшой финансовый эффект сразу, чем строить космический корабль за несколько миллионов, сражаясь за сотую долю процента качества модели, и ДА, нейронная сеть не выиграет у классических алгоритмов при ограниченном наборе данных, как это обычно бывает. Но и любой операционный процесс нивелирует эффект от выигрыша.

5. У меня огромный накопленный проектный опыт с доказанным финансовым эффектом, которым вы можете воспользоваться.

6. Для меня более комфортно и выгодно выстраивать с Заказчиками длительные отношения, принося финансовую выгоду, нежели гнаться за разовым большим кушем с непонятной моделью окупаемости и длительным циклом продаж. Поэтому я стараюсь адекватно оценивать стоимость услуг, гарантируя выгоду при использовании такой модели по сравнению с традиционным наймом в штат.

7. Мне кажется такой формат более справедлив для Заказчика, аналитика на предприятии должна быть точкой роста, а не функцией поддержки отчетности. Поэтому я считаю, что аутстаффинг более справедлив с точки зрения оплаты.

8. Аутстаффера нельзя перекупить, если я заключил с вами договор, то я буду соблюдать все обязательства по нему, чего нельзя сказать о штатном специалисте.

9. Вы будете получать эффект с первых дней работы, чего не скажешь о штатном сотруднике, который сначала будет входить в должность, затем предметную область, потом будет учиться, потом ему станет скучно и он просто уйдет или его перекупят конкуренты. А это все деньги на подбор, удержание и т.д., при этом нет никакой гарантии, что он будет столь же мотивированным. Деньги мотивируют лишь на время. Аутстаффинг гарантированно вам будет стоить дешевле, чем подбор команды, который сможет хоть сколько-нибудь по количеству и качеству приблизиться в такому эффекту.

 

Поэтому если вы не знаете, какой потенциал скрывается в ваших данных, или вы чувствуете что можете больше но застряли на месте, можете смело обращаться ко мне. Я постараюсь помочь сделать качественный рывок в развитии аналитики и сделать ТОЧКОЙ РОСТА аналитику на предприятии и вы сможете похвастаться большими финансовыми успехами от развития продвинутой аналитики на предприятии перед конкурентами и коллегами по цеху.

 

Запросить расширенные материалы по услугам, примерам реализованных работ или связаться для уточнения вопросов можно по следующим контактам:

email: job@fsecrets.ru

Моб. +7 (985) 768 81 24,

Также со мной можно связаться через мессенджеры WhatsApp, Telegram, Viber, Facebook

 

Чуть подробнее о моем опыте можно почитать здесь

Вверх
Яндекс.Метрика