# Джед Маус из Андреессен Хоровиц представил четыре тезиса об операционной аналитике

Источник: https://www.youtube.com/watch?v=rJ2Om-2NPvk
Канал: a16z (Andreessen Horowitz)
Опубликовано: 16.05.2019

---

Цифровая трансформация бизнеса выходит на новый этап, кардинально меняя структуру повседневной работы и порождая феномен «операционного аналитика». Джед Маус, партнер венчурного фонда Андреессен Хоровиц, подробно разбирает, как автоматизация рутинных процессов заставляет рядовых сотрудников принимать решения на основе данных в реальном времени. Этот сдвиг открывает масштабные инвестиционные возможности для стартапов в сферах инфраструктуры, отраслевых и ролевых приложений.

## 🔄 Два столпа цифровой трансформации и новая структура работы
[[JUMP:0:15]]

Понятие цифровой трансформации давно стало привычным штампом, однако партнер фонда Андреессен Хоровиц Джед Маус предлагает взглянуть на него через призму глубоких структурных изменений в бизнесе. Согласно его анализу, этот глобальный процесс состоит из двух ключевых компонентов:

* **Диджитализация (оцифровка):** переход от бумажных или ручных процессов к цифровым онлайн-формам. В качестве примера Маус приводит эволюцию заявок на получение кредита: перевод их в цифровой вид позволяет мгновенно менять параметры процесса, добавлять новые поля и резко повышать общую скорость работы. Оцифровка делает бизнес-процессы прозрачными и наблюдаемыми.
* **Автоматизация:** автоматический сбор сопутствующей информации и исполнение алгоритмов без обязательного участия человека. При подаче онлайн-заявки система может самостоятельно обратиться к внешним API, проверить номер социального страхования или запросить кредитную историю в бюро, после чего выдать автоматическое предварительное одобрение.

Автоматизация неизбежно меняет саму структуру работы сотрудников умственного труда (information workers). Маус разделяет повседневную деятельность человека на три условных блока:

1. Рутинная, монотонная работа (rote work), от которой люди с радостью бы отказались.
2. Принятие операционных решений (decision making) на основе синтеза полученной информации.
3. Творчество, коммуникация и координация между людьми — то, что машинам автоматизировать сложнее всего.

Благодаря автоматизации доля рутинного труда стремительно сокращается. Поскольку общая продолжительность рабочего дня остается неизменной, высвободившиеся часы перераспределяются в пользу принятия решений и креативно-коммуникативной деятельности. Таким образом, операционные сотрудники начинают тратить основную часть времени на сбор данных и выработку лучших решений на их основе.

## 📊 Рождение операционного аналитика: примеры из практики
[[JUMP:03:03]]

Оцифровка процессов открывает доступ к огромным массивам операционных данных, что кардинально меняет привычные корпоративные роли. По словам Мауса, сегодня каждый сотрудник фактически превращается в операционного аналитика.

В качестве иллюстрации партнер фонда Андреессен Хоровиц приводит трансформацию работы продуктовых менеджеров (PM). В прошлом они тратили недели на проведение опросов и личные интервью с клиентами, чтобы приоритизировать баги и запланировать новые фичи. Сегодня менеджеры используют платформы продуктовой аналитики:

* Mixpanel
* Amplitude

Эти инструменты позволяют в реальном времени видеть путь пользователя внутри продукта и находить точки, где клиенты сталкиваются с трудностями. Сопоставляя эти данные с информацией из CRM-систем, менеджеры ранжируют задачи по коммерческой ценности клиентов, запускают A/B-тесты через механизмы непрерывной доставки (continuous delivery) и оценивают результат — и всё это без прямого общения с пользователями.

Аналогичные изменения происходят и в маркетинге, где на смену традиционной интуиции и фокус-группам пришла эпоха «гроу-хакеров» (growth hackers). Эти специалисты сочетают в себе навыки инженеров и маркетологов. Они используют технические компетенции для анализа данных и выстраивания экспериментов, а маркетинговый креатив — для генерации гипотез. Вливая бюджеты в успешные тесты и быстро сворачивая неэффективные, они обеспечивают системный успех компании. 

Маус подчеркивает, что этот тренд носит тотальный характер. Он охватывает продажи, клиентский успех (customer success) и инженерию, а также проникает в традиционные индустрии:

* Строительство
* Производство
* Торговлю продуктами питания

Данные становятся рабочим инструментом не только для топ-менеджмента, но и для всей массы линейных сотрудников.

## 🛠️ Почему старый BI не подходит для операционных задач
[[JUMP:05:44]]

Традиционные инструменты анализа данных, по мнению Джеда Мауса, не способны удовлетворить запросы нового класса сотрудников. Инфраструктура прошлых поколений создавалась под совершенно иные задачи.

Такие технологии, как Hadoop или классические системы бизнес-аналитики (BI), требуют привлечения целых армий специализированных дата-аналитиков. Из-за высокой стоимости и сложности их использования они долгое время оставались доступными исключительно высшему руководству компаний. Топ-менеджеры применяют их для ответа на долгосрочные стратегические вопросы (например, на какой новый рынок стоит выйти компании), где задержка в получении отчета на три месяца считается вполне приемлемой.

Для линейного операционного персонала этот подход не работает. Их потребности Маус описывает следующими параметрами:

* **Повседневный характер вопросов:** сотрудникам нужно знать, используют ли клиенты из тестовой группы только что выпущенную фичу, и если нет, то на каком именно шаге они застревают.
* **Немедленность получения ответов:** если конкурент запускает мгновенную распродажу, операционный аналитик должен прямо сейчас определить целевые сегменты аудитории, чтобы удержать клиентов. Ждать отчета три месяца бессмысленно.
* **Self-service (самообслуживание):** отказ от посредничества централизованных аналитических отделов в пользу самостоятельной работы с инструментами.

Рынку необходима новая категория ИТ-продуктов — инструменты операционной аналитики, позволяющие сотрудникам на местах автономно наблюдать за данными и немедленно действовать.

## 🚀 Четыре инвестиционных тезиса: где скрыты возможности для стартапов
[[JUMP:07:46]]

Фонд Андреессен Хоровиц видит в этом технологическом сдвиге колоссальный потенциал для венчурных инвестиций и выделяет четыре основных направления для создания успешных стартапов.

Первый инвестиционный тезис Мауса звучит так: программное обеспечение поглощает технологически консервативные индустрии. На рынке появляется все больше ИТ-компаний, которые успешно конкурируют с традиционными игроками в секторах, ранее избегавших технологий. Примерами такой экспансии Маус называет:

* Uber и Lyft в сфере пассажирских перевозок;
* Airbnb и Sonder в гостиничном бизнесе;
* Samsara и Touval в логистике;
* Flexport в международных грузоперевозках.

Эти компании побеждают старых игроков не только за счет красивого интерфейса приложения, но и благодаря выстраиванию глубокой операционной аналитики внутри своих процессов. Маус предлагает стартапам готовую формулу победы на таких рынках: выбрать консервативную отрасль, предложить клиентам современный цифровой опыт, использовать операционную аналитику для радикального повышения внутренней эффективности, снизить цены для выдавливания конкурентов и сформировать устойчивый операционный ров.

Технологические гиганты давно создают подобные инструменты для внутреннего использования: Facebook разработал систему Scooba, Google создал Dremel и Rasta, Airbnb спроектировал Superset, а Uber — базу данных AresDB. Однако остальной мир нуждается в коммерческих решениях, что открывает еще три инвестиционных направления: создание горизонтальной инфраструктуры, разработку специализированных отраслевых приложений и проектирование ролевых платформ.

## ⚙️ Инфраструктурный слой: требования к новому стеку данных
[[JUMP:09:19]]

В рамках инфраструктурного тезиса Маус утверждает, что абсолютно каждый слой современного стека данных подлежит полной переработке. Процессы ETL (извлечение, преобразование, загрузка), хранение, обработка, управление доступом и презентация данных должны быть переориентированы на модель быстрого самообслуживания.

Огромной проблемой для индустрии остается обработка сырых данных (ETL). Поток информации из разных источников хаотичен, структура данных постоянно меняется, в них полно пропусков и ошибок. Несмотря на появление множества стартапов, использующих машинное обучение, эта фундаментальная технологическая проблема, по оценке Мауса, до сих пор не решена окончательно.

Другим критическим узлом является слой контроля доступа и безопасности. Когда тысячи сотрудников внутри организации запрашивают доступ к данным, централизованный ИТ-департамент превращается в бутылочное горлышко. Стартапам необходимо создавать системы автоматического применения политик безопасности, которые позволят гибко разграничивать права доступа сотрудников без создания рисков для конфиденциальности.

Для инфраструктурных стартапов, желающих победить в этой гонке, партнер Андреессен Хоровиц формулирует особые правила игры:

* **Ориентация на конечного пользователя:** инструменты создаются для линейного персонала, а не для топ-менеджеров, поэтому интерфейсы должны быть максимально простыми и исключать посредников.
* **Органическое внедрение (Bottom-Up):** операционные специалисты не любят, когда им навязывают софт сверху. Продукт должен внедряться «снизу» за счет предоставления бесплатных или легкодоступных базовых функций («small bites»), и лишь затем монетизироваться через крупные корпоративные продажи top-down.
* **Фокус на вовлеченность:** ключевой метрикой (KPI) для оценки жизнеспособности таких стартапов становится регулярная вовлеченность пользователей (user engagement), в то время как текущая выручка является лишь лагающим, запаздывающим индикатором.

В качестве успешных примеров инфраструктурных игроков Маус выделяет компании Databricks, Sisu и Imply. Последняя активно использует open-source базу данных Druid как бесплатный локомотив для органического роста, продавая поверх нее коммерческое приложение для интерактивной потоковой аналитики в реальном времени, востребованное в сферах борьбы с мошенничеством (fraud detection) и технического мониторинга.

## 🏭 Отраслевые приложения для капиталоемких и низкомаржинальных рынков
[[JUMP:13:18]]

Третий инвестиционный тезис сфокусирован на создании аналитических приложений для конкретных вертикальных отраслей. Маус полагает, что наибольший экономический эффект операционная аналитика способна принести в так называемых операционно-интенсивных индустриях, которые делятся на два типа:

1. **Капиталоемкие отрасли (High CAPEX):** нефтегазовый сектор, тяжелое производство, горнодобывающая промышленность. Ключевым показателем здесь является возврат на капитальные затраты (ROS). Даже микроскопическое улучшение этого коэффициента выливается в миллионы долларов дополнительной прибыли.
2. **Низкомаржинальные отрасли (Low margin):** строительство, логистика, продуктовый ритейл. Здесь бизнес борется за каждый процент валовой маржи, и малейшее снижение затрат на рабочую силу или себестоимость товаров критически важно для выживания.

Чтобы построить успешный стартап в этой нише, необходимо создавать то, что венчурный инвестор Билл Давидов назвал «цельным продуктом» (whole product). Традиционные предприятия не имеют внутренних ИТ-ресурсов для сложной интеграции сырых платформ. Им нужно готовое решение «из коробки», учитывающее всю специфику их домена.

Помимо глубокой отраслевой экспертизы, основателям стартапов следует готовиться к долгим, консультативным и образовательным продажам. Маус рекомендует обязательно развивать сильные отделы профессиональных услуг (professional services), которые будут брать на себя всю работу по внедрению и стыковке софта с внутренними системами клиента. Продажи пойдут успешно только тогда, когда язык создателей продукта полностью совпадет с главными KPI заказчика — валовой маржой или ROS.

Ярким примером вертикального лидерства Маус называет компанию Samsara, работающую в сфере логистики и транспорта. Платформа помогает транспортным компаниям оптимизировать маршруты движения грузовиков и максимизировать утилизацию автопарка. В результате клиенты Samsara напрямую увеличивают свой показатель ROS за счет эффективного использования техники и поднимают валовую маржу, исключая простои водителей. К этой же категории успешных отраслевых стартапов спикер относит компании Afresh и Kelvin.

## 👥 Ролевая аналитика: глубина против широты
[[JUMP:16:09]]

Четвертое направление — создание аналитических инструментов, заточенных под конкретные профессиональные роли внутри предприятия: сейлзов, менеджеров по клиентскому успеху, инженеров или маркетологов.

Маус предупреждает, что этот сегмент является наиболее популярным среди основателей, что обусловлено относительно низким барьером входа. Как следствие, на этих рынках всегда много информационного шума и агрессивных догоняющих конкурентов (fast followers). Стратегия победы в условиях жесткой конкуренции включает три шага:

* **Правильный выбор ниши:** идти туда, где сотрудники либо обделены технологиями, либо до сих пор вынуждены пользоваться неудобным софтом, директивно навязанным им сверху ИТ-отделом.
* **Бренд как защитный ров:** технологическое преимущество на старте необходимо быстро конвертировать в сильный, узнаваемый бренд, который станет главным барьером для защиты от копирования продукта конкурентами.
* **Приоритет глубины над шириной:** стартап обязан сначала досконально решить абсолютно все проблемы выбранной узкой роли, сделав этих специалистов сверхуспешными, и только после этого пытаться масштабироваться на смежные департаменты.

Примерами успешной реализации такой стратегии Маус считает Mixpanel, SignalFx и People.ai. Стартап People.ai создал систему операционной аналитики специально для отделов продаж. Платформа автоматически фиксирует любые цифровые взаимодействия между менеджерами по продажам и клиентами, выстраивая детальный граф покупателей. Используя этот граф, рядовые сейлзы видят оптимальную структуру сделки, понимают, с какими именно лицами на стороне клиента нужно вступить в контакт и какие конкретные шаги необходимо предпринять для успешного закрытия контракта.