Ришад Тобакковала - Компания для людей. Как сохранить душу бизнеса в эпоху тотальной цифровизации

В погоне за успехом и улучшением показателей мы не замечали побочных негативных эффектов, вызванных пренебрежением ко второй – человеческой – составляющей этого уравнения.

В моем докладе «Время оптимизации ради граждан» я предложил пересмотреть наш подход и вспомнить, что клиенты являются не только потребителями, но и гражданами. Как говорит писатель и журналист Эли Визель, прошедший холокост, мыслить нужно шире, а чувствовать – глубже.

Тот доклад задел нужные струны. Повсюду люди постепенно стали осознавать, что во времена, когда всем руководят данные и алгоритмы, нужно быть начеку. Иначе за обилием цифр мы рискуем потерять смысл.

90 % данных, имеющихся сегодня в мире, были созданы за последние два года [4] Bernard Marr, «How Much Data Do We Create Every Day? The MindBlowing Stats Everyone Should Read,» Forbes, 21.05.2018, https://www.forbes.com/sites/bernardmarr/2018/05/21/how-much-data-do-we-create-every-day-the-mind-blowing-stats-everyone-should-read/#6d11a7d760ba . . Мы производим примерно 2,5 квинтиллиона байт информации ежедневно [5] Tom Hale, «How Much Data Does the World Generate Every Minute?» IFLScience! 26.07.2017, https://www.iflscience.com/technology/how-much-data-does-the-world-generate-every-minute/ ; Mikhal Khoso, «How Much Data Is Produced Every Day?» Northeastern University, 13.05.2016, http://www.northeastern.edu/levelblog/2016/05/13/how-much-data-produced-every-day/ . . В 2017 г. компании США потратили на дата-центры 18 миллиардов долларов – это вдвое больше, чем в 2016-м [6] Rani Molla, «2017 Is Already the Biggest Year Ever for Data Center Investment in the U.S.,» Vox, 28.09.2017, https://www.recode.net/2017/9/28/16374640/2017-biggest-year-data-center-investment-energy-cloud-streaming-internet-traffic . . А в 2020 г., как ожидается, на аналитику данных в мире уйдет 203 миллиарда долларов. Для сравнения, в 2016 г. эта цифра составила 130 миллиардов [7] Gil Press, «6 Predictions for the $203 Billion Big Data Analytics Market,» Forbes, 20.01.2017, https://www.forbes.com/sites/gilpress/2017/01/20/6-predictions-for-the-203-billion-big-data-analytics-market/#7c0229932083 . .

И это лишь несколько примеров того, что в паре «таблички – живая история» первые доминируют.

Есть много причин, по которым компании с головой кидаются в использование данных. Не последнюю роль играет появление сложнейших технологий, позволяющих очень быстро обрабатывать информацию и делать из нее выводы. Но есть и другие объяснения:

● данных очень много;

● в отличие от чувств, они не такие запутанные;

● данные точны, чувства неявны;

● данные – универсальный язык, понятный всем и везде;

● как показывает пример Google и Facebook с их мощнейшими предиктивными алгоритмами, использование данных приносит прибыль;

● данные можно очень эффектно визуализировать.

Все это, конечно, не означает, что данные – это плохо. Неправильно было бы считать, что таблички – зло, а история – благо. Обе составляющие жизненно необходимы бизнесу. Более того, именно способность находить баланс между ними выводит компании в лидеры.

Проблема в том, что слишком велик соблазн фокусироваться только на данных, и баланс сразу смещается. Ведь данные помогают обосновать наши решения, просчитать и снизить риски. Благодаря им мы постигаем поведение потребителей и на основе этого разрабатываем наши продукты и услуги. При помощи данных компании выживают и зарабатывают деньги.

Но это заставляет нас ошибочно полагать, будто данные – все, что требуется для успеха. И мы теряем критичные для процветания бизнеса гибкость, вдохновение, нестандартность мышления. Данные должны и могут быть наполнены смыслом, и использовать их нужно с умом. Нам следует прибегать к ним не только чтобы выразить нечто в цифрах, повысить эффективность и производительность. Но и для того, чтобы задуматься над другими, общечеловеческими вопросами. Что результаты опроса сотрудников говорят об их морали и готовности оставаться в компании еще длительное время? Какие модели поведения поставщиков выявляют применяемые нами алгоритмы и как эти модели связаны с текущими проблемами и вспыхивающими время от времени конфликтами?

В компании, полагающейся не только на данные, но задумывающейся и о смыслах, корпоративные политики и программы не должны быть основаны на цифрах и могут даже вступать с ними в противоречие. Например, статистика требует от компании сократить персонал на 10 %, чтобы сохранить показатели прибыли. Но такой шаг деморализует сотрудников. Более сознательным решением будет снизить другие расходы, но сохранить рабочие места и позитивный настрой в коллективе.

Конечно, это очень простой пример. Но он хорошо показывает необходимость в равной степени ориентироваться и на математику, и на здравый смысл. Чтобы этому научиться, для начала рассмотрим, что мы понимаем под математикой и смыслом, в чем их различие и когда они нужны.