3 000 показателей в BI: за час собрали каркас новой системы KPI
3 000 показателей в BI: за час собрали каркас новой системы KPI На корпоративном обучении особенно ценным для меня становится момент, когда мы перестаём обсуждать возможности ИИ абстрактно и берём с командой задачу, которая прямо сейчас стоит перед компанией. На одном из последних занятий такой задачей стала система показателей в BI: В компании накопилось около 3 000 показателей: производство, финансы, инвестиции, персонал, отдельные метрики по направлениям. На первый взгляд кажется: чем больше данных, тем лучше управляемость. Но на практике выяснилось другое. Верхнеуровневых показателей, которые действительно нужны руководителям для принятия решений, существенно меньше. Остальное — детализация, исторически накопившиеся запросы и разные способы посмотреть на одну и ту же ситуацию. Визуализации создавались в разное время и под разные задачи. Когда посмотрели статистику использования, оказалось, что регулярно открывают лишь небольшую их часть. Какие-то дублируют друг друга. Какие-то когда-то делались под конкретного руководителя, которого уже нет. О существовании некоторых команда просто не знает :)В компании накопилось около 3 000 показателей: производство, финансы, инвестиции, персонал, отдельные метрики по направлениям. На первый взгляд кажется: чем больше данных, тем лучше управляемость. Но на практике выяснилось другое. Верхнеуровневых показателей, которые действительно нужны руководителям для принятия решений, существенно меньше. Остальное — детализация, исторически накопившиеся запросы и разные способы посмотреть на одну и ту же ситуацию. Визуализации создавались в разное время и под разные задачи. Когда посмотрели статистику использования, оказалось, что регулярно открывают лишь небольшую их часть. Какие-то дублируют друг друга. Какие-то когда-то делались под конкретного руководителя, которого уже нет. О существовании некоторых команда просто не знает :) Перед компанией стояла задача не создать ещё один отчёт, а пересобрать саму систему: 📌 определить, какие показатели действительно нужны для управления; 📌 убрать дубли и неактуальные визуализации; 📌 при этом не потерять необходимую детализацию; 📌 сделать систему живой, чтобы она могла меняться вместе с бизнесом; 📌 определить, по каким критериям оценивать работу команды, которая развивает BI. 👉🏻И вот здесь мы подключили ИИ. Он стал помощником в проектировании системы KPI и мотивации для проектной команды. За время занятия удалось собрать каркас: роли участников, зоны ответственности, промежуточные и итоговые результаты, возможные метрики. А дальше уже включалась экспертиза самой команды. Действительно ли человек может влиять на этот показатель? Не создаёт ли новая метрика дополнительную отчётность ради отчётности? Не будет ли один KPI противоречить другому? Связаны ли показатели с реальным результатом проекта? ——— Именно поэтому мне нравится корпоративный формат обучения 🙌🏻 Мы можем взять не условный пример из учебной программы, а живой процесс компании и прямо на занятии показать, как использовать ИИ для его разбора. При этом команда не получает готовый ответ «из нейросети». Она учится задавать правильные вопросы, проверять предложенную логику и понимать, где ИИ действительно помогает, а где решение остаётся за людьми. Тот случай, когда ценность ИИ заключается в том, что он помог найти новый способ управления информацией - а не создал очерёдной никому не нужный отчёт. Если для вашей команды актуально корпоративное обучение - напишите мне в ЛС 👉🏻 @OdinovaM