Внедрение BI: ваш маршрут перестроен.

Такое название не случайно: за час нужно не просто рассказать про BI, а помочь каждому мысленно перестроить свой маршрут — понять, на каком уровне зрелости он находится сейчас и что делать дальше.

Мария — архитектор BI, консультант по организационному развитию и преподаватель. 15 лет в управленческом учёте, последние 8 лет — во внедрении BI. За плечами сертификации Microsoft Power BI, Visiology, Yandex DataLens, Modus BI, авторские блоги, курсы и десятки проектов.

"Энергия данных" — это два направления работы. Первое — аналитические системы: единое хранилище, автоматизация подготовки данных, дашборды, поддержка и доработка. Второе, и во многом более важное, — команды: помогаем нанимать аналитиков, обучаем работе в разных системах, выстраиваем внутренние процессы работы с аналитикой.

Сквозная идея компании: комплексное внедрение аналитики — путь от идеи до управленческих решений.

Наличие красивых графиков, аналитики и дашбордов само по себе не делает компанию data-driven. Культура — это среда, в которой каждый сотрудник умеет, знает и может пользоваться цифрами, чтобы повышать эффективность своей работы и компании в целом. Именно такая среда способствует полноценной работе с данными.

Этот тезис потом всплывает на каждом уровне — везде, где речь заходит о сопротивлении, доверии и обучении.

Аналитика не начинается с покупки BI, с найма аналитика или с построения хранилища. Она начинается с того, что кто-то в компании начинает задавать вопросы. Причём это не простые вопросы, ответы на которые лежат на поверхности. У них есть определённая доля коварства: чтобы получить ответ, недостаточно зайти в какую-то систему и посмотреть график.

Под "системами" здесь имеются в виду конкретные системы — 1С, CRM, ERP и множество других классов. Их очень много, и в каждой фиксируется свой кусок реальности. Но именно потому, что ответы в них не находятся, и начинает зарождаться аналитика.

Даже в компаниях одного типа и класса вопросы могут быть совершенно разными — они зависят от этапов и нюансов ведения бизнеса. Именно с таких вопросов зарождается сквозная аналитика: когда хочется взять данные из одной системы, другой, третьей, десятой и собрать в единую конструкцию.

На этом уровне есть два способа жить.

Первый — ручные выгрузки и магия Excel. Ждём часть данных от других отделов, допускаем неточности (осознанно или нет), пишем трёхэтажные формулы, ждём, пока Excel переварит данные. Часто только один человек в компании знает, как правильно собрать эту эксельку, и к нему все ходят с уважением и просьбами.

Второй — точечные отчёты внутри самих систем. Они есть почти везде: в CRM, в 1С, в ERP. Но данные там только из одной системы, отчёты не учитывают нюансы бизнеса, и нужных показателей в них часто нет. За редким исключением, когда настроены интеграции, ни о какой сквозной истории речи не идёт.

Итог: долго, дорого и с запозданием. Ответ приходит сильно позже, чем хотелось бы.

Важный нюанс: далеко не все компании вообще задаются вопросом "зачем нам идти дальше". Инерция, доля консерватизма, привычка "так сложилось исторически" затягивают настолько, что о развитии речи не идёт. Живём — и живём. Но уровней пять, и переход на второй начинается именно с автоматизации того, что делается руками.

BI — это набор инструментов и программ, которые собирают данные из разных источников, обрабатывают их и представляют в наглядном виде. Цель — интерпретировать большое количество данных.

Что даёт BI на практике:

• наглядность и интерактивность — щёлкаем на сектор диаграммы, и вся картинка фильтруется по этому значению;
• кастомизация — подстраиваем под себя;
• многослойность — на одних и тех же данных можно построить множество визуализаций, которые показывают информацию по-разному (аналогия со сводными таблицами в Excel);
• многопоточность и разграничение доступа — один дашборд, но руководитель видит всё, руководитель направления — только своё, менеджер — только свои продажи;
• обновление по расписанию — самое приятное: утром руководитель приходит, а картинка уже свежая, без участия сотрудников.

Цепочка простая:

Корпоративные системы → Извлечение данных → Хранение и обработка данных → Аналитические отчёты

Слева — то, где фиксируются факты хозяйственной деятельности. Справа — красивые дашборды. А в серединке — та самая "непонятная картинка": извлечение, обработка, хранение. На каждом шаге висит свой таймер — всё происходит по расписанию. Один раз автоматизировали — дальше радуемся.

Почему выбор BI стал отдельной болью: пять лет назад на рынке было три крупных зарубежных лидера, и можно было брать любого — все закрывали практически любые аналитические задачи.

После изменения рынка появился огромный выбор российских сервисов с разной степенью продвинутости, функционалом, нюансами и ценовой политикой.

Выбирать приходится "на вырост": под задачи не только сегодняшние, но и завтрашние. Аналитика — штука, которая развивается, и система, подобранная сегодня, завтра может не подойти.

Тема настолько объёмная, что под неё выделен отдельный вебинар: "Выбор BI: сделать, чтобы не переделывать" — 01.10.2026, 11:00 МСК.

"Сверху". Драйвер — топ-менеджмент. Цель — единый источник правды. Плюсы: ресурсы, поддержка, связь со стратегией. Минусы: команды не вовлечены, приоритеты не синхронизированы, саботаж. Это самый частый вариант и чаще всего доходит до реального использования — но только если вторую половину вовлекают, а не спускают указания.

"Снизу". Драйвер — подразделения или отдельные сотрудники. Цель — решить конкретные задачи здесь и сейчас. Плюсы: вовлечённость, гибкость. Минусы: нет ресурсов, ограниченные компетенции, своя версия правды, "теневой IT-сектор", решение живёт в рамках одного отдела.

Общее правило: в обоих случаях нужно вовлекать вторую сторону. Сверху — слышать запрос, страхи и сомнения сотрудников. Снизу — показать руководству конкретную выгоду: что сэкономили, какие утечки нашли, какие трудозатраты сократили. И отдельно работать со страхами: "меня заменят", "я был владельцем сакральных знаний". Истина — посередине, во встречном движении.

Истина, как водится, посередине. И в том, и в другом случае есть одна общая задача — вовлекать вторую сторону.

Что это значит на практике:

• если инициатива сверху — не "вот вам инструмент, принимайте решения", а вовлечение рядовых сотрудников и среднего менеджмента, умение слышать их запрос, потребности, страхи и сомнения;
• если инициатива снизу — показать руководству конкретную пользу: как сократили трудозатраты, где нашли утечки денег или ресурсов, что уже дало эффект. Не "у меня классная штука", а "вот выгода, которую я принёс компании".

Отдельно про страхи: сотрудники боятся, что станут не нужны, что их заменят, что они были владельцами сакральных знаний, а теперь их можно заменить. Чувство незаменимости — сладкое, и от него не хочется избавляться. С этими страхами тоже нужно работать.

Вот мы и на втором уровне. И здесь вскрывается всё то, что раньше было скрыто.

Первое — сопротивление команды. Новый инструмент, польза пока не ясна. Данные в системах оставляют желать лучшего — и теперь это стало видно. Есть и побочка автоматизации: когда мы собирали данные эксельками, кто-то своими сакральными знаниями знал, как, что и где подредактировать, чтобы всё легло как надо. А когда мы начинаем это автоматизировать, надо ещё объяснить "суровой технике", что складывать нужно вот таким образом. Когда этого не происходит — а на старте это не происходит, — мы видим в дашбордах ровно те данные, которые лежат в системах. И ровно весь тот прекрасный порядок, который там есть.

Второе — сопротивление менеджмента. Казалось бы, мы тут что-то автоматизируем, что тут сопротивляться? Но на этом этапе видно: думали, что сейчас возьмём BI, настроим — и у нас сразу и решение, ещё искусственный интеллект прикрутим, вообще всё будет красиво, мы попрём в гору. Но что-то пошло не так. И, находясь на втором уровне, мы понимаем, что мы только бардак вскрыли. Мы ещё ни решение не научились принимать, ни сотрудники не умеют этим пользоваться. Мы просто вскрыли, что внутри у нас всё не так радужно, как нам виделось. И результаты оказались сильно дальше, чем хотелось бы.

Вот на этой фазе, на втором уровне — та яма, в которой чаще всего компании проваливаются и застревают. Менеджмент чувствует: усилий много, хаоса много, а решений нет, толку мало. Где границы внедрения? Когда там что-то уже получится? Тоже пока непонятно.

Третье — данные в информационных системах. Мы поняли, что бардака много. Непонятно вообще, с кого спрашивать за этот бардак. Очень много таких моментов стало видно, как будто мы шторку с окна сняли, всё увидели. И теперь не совсем, может быть, даже знаем, а что с этим делать.

Зачем: довести проект до использования.

Что делать: повышать качество данных и выработать требования; найти мотивацию для сотрудников работать с данными; снять сопротивление команды; начать принимать решения на основе данных и перестраивать процессы.

Хаос в справочниках → определить мастер-данные: какая система хранит самый полный и верный список по каждому объекту. Лучше всего — одна система-ориентир для всего.

Ручной ввод, кастомные текстовые поля → по возможности вводить поля со списками, чтобы нельзя было опечататься. Если система не позволяет — задавать жёсткие правила написания. Всё, что пишется в комментарий, должно подчиняться строгой логике, чтобы система могла это разобрать.

Разные системы, которые не связать → если других вариантов нет, добавлять кастомное поле и прокидывать код из одной системы в другую. Но если можно привести поле к единому виду — так проще.

Отсутствие историчности → решается только автоматизацией и доработкой систем.

Ручной ввод категорий → переводить на списки. Свободный ввод разрастается в огромные списки, которые потом невозможно типизировать.

Нарушение логики, задвоения, опечатки → решать на уровне систем, убирать возможность их создавать, чтобы в BI они не приезжали. Плюс минимизировать ручной ввод и закрепить права.

Несвоевременное внесение данных → это вопрос не к данным, а к процессам и мотивации.

Общий принцип → закрепить владельцев данных: конкретных людей, отвечающих за качество конкретных блоков.

Четыре опоры:

• владельцы данных — кто отвечает за определённый блок;
• критерии к качеству и полноте + проверки — вытаскиваем через аналитику незаполненные поля, раздаём указания, проверяем, контролируем;
• документирование происхождения данных в дашбордах — как поле попало сюда, из какой системы, на основании чего посчитано;
• обучение сотрудников — почему важно вносить данные единообразно.

Отдельная мысль: качество данных влияет на доверие. Если раз за разом пользователь видит в дашборде что-то несуразное, он постепенно просто перестаёт туда смотреть.

Недоверие и сопротивление — две подружки, которые ходят рука об руку. Разделить их сложно: где недоверие — там и сопротивление.

Качество данных напрямую влияет на доверие. Видишь в дашборде несуразное раз за разом — постепенно просто перестаёшь туда смотреть. Доверию неоткуда взяться.

Непрозрачность расчётов. В Excel мы тыкнули в ячейку, посмотрели формулу, проследили. В BI так не выйдет, если специально не настроить подсказки. Смотрим на цифру и не понимаем: откуда она, как посчиталась. Отсюда сомнение и ощущение, что мы её не контролируем.

Проблемы с обновлениями. Данные могут не обновиться, а мы об этом не узнаем. Кто-то внёс новую категорию, BI споткнулся, обновление упало, в дашборде цифры не те — а сотрудники не в курсе. Доверие снова хромает.

Неисправляемые ошибки. Видим их раз за разом — и никто их не исправляет.

Непонимание пользы. Как это применить в своей работе, чтобы оно что-то давало?

Использование данных для наказания. Это не про доверие к данным, а про сопротивление. Когда задачу ставят как «сократите мне треть отдела» — это искажение. Принятие решений на основе данных подменяется ценностью. Сотрудники это чувствуют — и саботаж в наивысшей степени.

Действия

Словарь метрик — это ещё и умение отделам договариваться между собой о том, как считаются метрики, важные разным людям.

Прозрачность обновлений — чтобы сотрудник видел: данные не обновлены с позавчера, значит, в цифры можно не смотреть. Почему — отдельный вопрос, но я хотя бы знаю.

Прозрачность расчётов — через подсветки, подсказки и документацию: на основании каких полей посчитано. Кто-то делает отдельные описательные странички с текстом. Это позволяет в моменте обратиться и проверить.

Отлаженные обновления — архиважно. Когда сбоит раз за разом, мы уничтожаем достигнутый результат. Это запрос к технической команде.

Канал обратной связи — чтобы сотрудник без придирок мог рассказать, что идёт не так, и спросить: почему и когда нормализуется?

Информирование о доработках — переделали дашборд, поменяли логику, а никому не сказали. Цифры уже не те, а знает об этом только команда разработки. Должна быть чёткая коммуникация между разработкой и пользователями. При нарушении мы имеем выход с маршрута.

Обучение — и BI, и данным, и вообще всему. Уровень аналитической грамотности в среднестатистической компании не самый высокий.

Практики обмена опытом — собираемся, кто-то рассказывает, как взял показатель, отслеживал, чего достиг.

Данные должны помогать, а не наказывать.

Вот мы и на третьем уровне. И здесь свои сложности — уже не про то, что «данные плохие», а про то, что мы захлебнулись в изменениях и не успеваем их переваривать.

Команда сопротивляется по-новому. Многие процессы меняются и корректируются одновременно — отсюда путаница и хаос. Где-то появляется двойной учёт. И главное — не хватает компетенций для работы с BI: инструмент вроде есть, но люди ещё не умеют им пользоваться как надо.

Менеджмент тоже упирается. Усилий много — приходится одновременно координировать кучу локальных проектов изменений. По инерции решения принимают по-старому, как привыкли. Кажется, что вручную на эксельках собрать быстрее, чем дождаться доработки BI. И недоверие данным никуда не ушло.

А данные в системах — не все задействованы. Не все системы и не все данные подключены к BI. Часть картины всё ещё за кадром.

Это тот самый этап, когда дашбордов становится много, а решений по ним — мало. Мы научились строить, но ещё не научились использовать.

Нам нужно связать аналитику с бизнес-результатами и научить руководителей принимать решения. Это то, ради чего всё затевалось. И зачастую оказывается, что делать этого мы не умеем.

Продолжаем работать с сопротивлением, с качеством, с интеграцией новых источников. Выкристаллизовываем роли, делаем документацию.

Ищем союзников в коллективе — все топ-менеджеры должны поддерживать создаваемую аналитическую культуру. Налаживаем обучение сотрудников работе с данными. Используем данные для принятия решений. Формируем лидерство — CDO. Охватываем все уровни менеджмента процедурами принятия решений на основе данных.

Данные проходят из корпоративных систем, приходят в аналитику. Чтобы они шли дальше, они должны пройти через фазу анализа и каких-то изменений. Когда мы регулярно производим анализ и применяем изменения, внутри компании складывается так, что эти изменения влияют на данные. Данные могут идти структурно те же, но качественно другие. И потом мы в той же аналитике через какое-то время видим эффект от изменений.

Вот этот цикл нам надо научиться замыкать. Мало того, что регулярно анализировать, — надо ещё что-то с этим делать.
Если мы сделали дашборды, открываем их, любуемся графиками, пусть даже каждое утро, и ничего с этим не делаем — это абсолютно бесполезные дашборды. Только регулярный анализ данных и регулярное принятие решений даст эффект от аналитики.

Принимать решения — это вообще говоря навык. Не все им, мягко говоря, обладают. Руководители, по идее, конечно, должны, но принимать решение на основе данных — это набор навыков, такой метанавык. Здесь мало сами решения принимать — здесь надо в процессе принятия смотреть на цифры и учитывать их.

Просто сходу прийти и сказать «вот у вас цифры, смотрим, принимаем решение» — на кого-то, может быть, и сработает, но далеко не на всех.
Как на это влиять. Показываем на собственном примере, отрабатываем "на кошечках". Если совсем не идёт — через реальные кейсы: берём один показатель и какое-то время проводим менеджера за ручку, объясняя и показывая, каким образом мы анализируем информацию, связываем её через набор метрик с результатами и принимаем те или иные решения. Проверяем гипотезы, делаем допущения.

И перестройка процессов, интеграция дашбордов в эти процессы. Когда мы процессы описываем, внедряем, прорабатываем так, чтобы дашборды были их неотъемлемой частью. Внутренние планёрки не проходят без анализа показателей, ежемесячные — без анализа чего-то ещё. Дашборды должны быть подстроены под удобство в процессах, а процессы — адаптированы под использование дашбордов. Вот это встречное движение нужно в каждом процессе прорабатывать и реализовывать.

Метрик много. Иногда очень много. Метрика сама по себе — это просто цифра. Мы видим в аналитике просто цифру: пятьдесят посетителей на сайте — это много или мало? Это ни много и ни мало, пока мы не посмотрели на неё в динамике, во взаимосвязи с другими показателями, не посмотрели влияние.

Дерево метрик — это когда по цепочке одна метрика влияет на другую: покрутили тут, а поменялось там.

И метрика должна приводить к какому-то действию. Смотрим на неё — ага, здесь нам выстраивать план действий, чтобы привести метрику в нужный диапазон.

К этому моменту метрик накоплено достаточно много, мы ими обложились со всех сторон. Но для перехода на 4-й этап мы выкристаллизовываем самое важное — то, что у нас должно быть на регулярном контроле.

По-прежнему где-то не хватает компетенций — кого-то доучиваем, что-то шлифуем. Потому что аналитика никогда не встаёт в единой фазе, она всегда развивается вместе с компанией.

...и у нас остался последний 5-й уровень. И для того, чтобы выйти на него, мы ставим управление изменениями на поток. Мы не просто научились внедрять изменения, нам нужно сделать так, чтобы это было на потоке.

Аналитику можно вкручивать в очень разные участки бизнеса. Визуализировать цели, достижение целей, контроль их достижения и управление изменениями.

Когда мы результаты показываем и отслеживаем: что-то внедрили, что-то изменилось — мы анализируем, что изменилось и как. Какие показатели поднялись, какие упали, хорошо это или плохо. Продолжаем эти изменения или меняем на другие.

И внедрение инноваций — когда тестируем гипотезы, меняем кнопки с красных на зелёные, с зелёных на красные и проверяем, как это повлияло на задуманные метрики.

5-й уровень — это когда аналитика не просто дашборд, открытый во вкладке браузера. Аналитика — это топливо, на котором едет бизнес. Ни одно решение не принимается без тщательного анализа, подготовки и опоры на цифры.

Здесь речь уже не просто про цифровизацию — возможна цифровая трансформация, когда весь бизнес под аналитику перестраивается. Аналитика настолько плотно вшита, что неотделима от компании: выключи аналитику — выключится всё.