Анализируй так: умные расшифровщики, поисковики, дашборды и искусственный интеллект

Руководитель аналитического центра red_mad_robot Игорь Епанешников — о том, какие цифровые сервисы, решения и технологии мы уже используем в аналитике, а какие только тестируем, чтобы начать применять полноценно.

Кто мы и что делаем

Аналитический центр red_mad_robot — структура внутри компании, которая помогает топ-менеджменту и бизнес-юнитам группы разбираться в неизвестном, работая с большими данными.

Что именно мы делаем:

1. Помогаем команде маркетинга с контентом телеграм-канала Redmadnews.

2. Проводим исследования вместе с партнёрами.

3. Создаём аналитические материалы для пресейлов и участвуем в коммерческих проектах, подготавливая данные к этапу проектирования решения совместно с лицами, принимающими решения (ЛПР).

4. Помогаем готовиться к стратегическим сессиям команды топ-менеджмента: готовим аналитику под стратегию, исследуем отрасли, рынки, регионы и технологии.

Аналитическая работа: пять этапов

Процесс аналитики состоит из пяти последовательных этапов: подготовки, поиска данных, структурирования и систематизации, подготовки выводов и визуализации. Пойдём по порядку и расскажем, какие цифровые решения используем на каждом этапе.

1. Подготовка

Важно выявить, для чего проводится анализ: выгрузить и получить всевозможные вводные, определить образ желаемого результата и потенциальные решения, которые по итогу хотим принять. Для этого стоит синхронизироваться с ЛПР.

Нужно уметь занимать его позицию и понимать контекст, в котором он находится. Для этого можно использовать вопросы, которые помогут смоделировать, что будет, если принять решение, а что — если не принимать.

Какие вопросы задать:

1. Нужно ли вообще решать этот вопрос? Может быть, проблема в другом?

2. Как решать этот вопрос? Какие инструменты, техники, методологии, источники планируем использовать?

3. Можно ли решить этот вопрос за счёт меньших усилий? Каких?

4. Какой результат должен быть и что он должен решить?

5. В чём корневая проблема?

6. Сколько нужно времени?

7. Какие риски?

8. Как будем проверять данные?

Важна связка собранной информации и контекста. Контекстом может быть ситуация в компании и на рынке, проекты развития, стратегия и понимание целей ЛПР.

Что можно использовать

SONIX

Сервис, который с помощью ИИ помогает автоматически расшифровать аудио- и видеозаписи.

Функция автоматической расшифровки не уникальна — например, она есть и у Zoom. Но SONIX поддерживает до восьми языков и распознаёт разных спикеров, а ещё предлагает встроенный редактор расшифровки. Тот же Zoom выдаёт текст, не разбивая его на спикеров.

Glasp

Это расширение для браузера помогает делать заметки с веб-страниц и соцсетей. Мы используем его для стенограммы видео.

Summarize.tech

Делает выжимки длительностью 60 минут, а каждый час разбивает на пятиминутки. Понимает русскоязычные видео, но саммари пишет на английском. Важно: он именно пересказывает содержание видео своими словами, а не делает дословную расшифровку.

2. Поиск

На этапе поиска очень важно быстро найти релевантные данные. И при этом не потеряться в большом потоке, проверить их на актуальность и провести факт- и кросс-чекинг.

Какие вопросы задать:

1. Какие источники достоверны?

2. Как найти нужные данные?

3. Как не потеряться в потоке данных?

4. Как вообще искать информацию в браузере?

Что можно использовать

Базовые поисковые сервисы: Google, Яндекс, Bing (с его последним обновлением с чат-ботом на базе ChatGPT). Google очень функционален: например, имеет команды расширенного поиска, который позволяет уточнять запросы. Можно ставить кавычки, чтобы запрос был более точным, или использовать оператор filetype, чтобы искать материалы в конкретном формате.

Оператор поиска — специальное ключевое слово или символ, который фильтрует выдачу, делает её более точной.

Мы часто это используем, когда нужно найти исследования, например, консалтеров Big4 или каких-нибудь исследовательских компаний.

Оператор site позволяет найти информацию на конкретном сайте, а related находит сайты, которые соединены с материнским. Этой командой можно искать похожие компании, конкурентов и даже отлавливать проекты на стадии запуска.

Комбинация этих команд помогает найти материалы и данные под конкретный запрос или, наоборот, общий обзор какой-то технологии или рынка. Например, по опыту мы представляем, что консалтеры и исследовательские компании готовят объёмные отчёты со множеством данных. Но мы не можем чётко сформулировать, чего конкретно мы хотим. Тогда нам нужны отчёты, то есть PDF-файлы, скрытые от обычного поиска.

Бот Валера

В 2018 году мы запустили телеграм-канал Redmadnews, где публикуем новости, статьи и разную аналитику по интересным для нас темам.

Когда появилась команда rdl by red_mad_robot — они занимаются ИИ и машинным обучением, — мы вместе с ними попробовали собрать бота, который помогал нам находить новости и интересные статьи. Назвали его Валерой — в честь настоящего живого аналитика Валеры, который работает в Роботе.

Ребята разработали бота, а мы подгрузили список источников, облако тегов и тем, которые нам интересны. Потом они собрали простой интерфейс и загрузили в бота первые данные. Живой Валера взаимодействовал с железным тёзкой через этот интерфейс: бот выдавал список новостей по тегам, а Валера обучал его — «поощрял», нажимая галочку, или «наказывал», выбирая крестик.

Вот как эта новость в итоге выглядела в канале:

Спустя год мы отправили бота на пенсию, потому что столкнулись с несколькими барьерами:

1. Бот не умел логиниться на платных ресурсах, которые были полезны для поиска новостей — например, Statista или Crunchbase. Из-за этого мы теряли интересные инфоповоды.

2. Бот путал некоторые термины и из-за этого выдавал некорректные новости. Человеческий мозг пока всё-таки более точен в запросах. Например, мы подразумеваем под «диджиталом» нечто цифровое, а в интернете с этим словом связано очень многое: и диджитал-маркетинг, и SEO-аналитика, и соцсети. Бот подбирал нам и эти новости, и его тяжело было переучить.

После нескольких итераций по пересборке бота мы поняли, что быстрее и дешевле делать это руками, и отказались от него. Вывод такой: важно осознанно подходить к применению технологий, а не внедрять их для галочки.

3. и 4. Систематизация и выводы

На этапе систематизации мы структурируем данные по критериям, которые задаём в начале.

Какие вопросы задать:

1. Как систематизировать данные?

2. Какие инструменты использовать?

3. Как их подобрать под текущую ситуацию?

Этап выводов — это резюмирование, подготовка тезисов, рекомендаций и открытых вопросов, на которые пока нет ответа.

Какие вопросы задать:

1. Какая информация и выводы нужны для принятия решения по изначальной проблематике?

2. Позволит ли информация вообще принять решение или её недостаточно?

На этих двух этапах используем схожие инструменты.

Что можно использовать

Miro

Доски в Miro позволяют здорово структурировать работу и в целом вести аналитику от начала до конца. Можно накидывать мысли, оставлять комментарии, структурировать — и в результате выходить на конкретные решения.

Вот пример борда, на котором мы готовили аналитику агропромышленного рынка.

Сервис позволяет работать совместно, поэтому над бордом работали несколько аналитиков одновременно. Накидывали разную информацию, сразу выделяли самое важное, фиксировали риски, вопросы и комментарии.

Вот как это выглядело в результате, когда мы сделали анализ. Структура в целом схожа с тем, что мы определили изначально, но при этом поменялись цифры.

AhaSlides

Сервис с интерактивными слайдами, с которыми аудитория может взаимодействовать, выбирая те или иные варианты ответов. На слайды можно положить QR-код — аудитория считывает его и проходит заранее спроектированный опрос, а сервис сразу структурирует ответы, собирает график, умеет считать средний показатель и медиану.

SciSpace

ИИ-помощник в исследованиях. Этот сервис обрабатывает большие отчёты и позволяет работать с ними в формате вопросов.

Это очень сокращает время на анализ — аналитики используют много объёмных материалов. Но есть минус — сервис не умеет работать с графиками. Например, в исследованиях PwC часто используются изображения, и здесь бот не позволяет сделать качественную выжимку.

ChatGPT

Небезызвестный чат-бот, который поддерживает диалог с пользователем и решает задачи, причём не только математические. Вышло уже четвёртое поколение бота — теперь он умеет анализировать изображения.

Например, есть какой-то объём данных, на основе анализа которых нужно сделать визуализацию. Бот пока не умеет изучать документы, поэтому может работать только с текстовым форматом.

Нам нужно было проанализировать несколько компаний по определённым критериям. Задали вводные для бота: вот такие-то критерии, а вот компании.

Теперь можно попросить нейросеть визуализировать данные. Отображать визуальный формат чат-бот пока не умеет, но выдаёт код, который можно использовать в разработке.

В общем, даже с такой прогрессивной технологией, как ChatGPT, без человека пока не обойтись.

ИИ-помощники от Google

Google анонсировал набор ИИ-инструментов для почты, документов, таблиц и презентаций.

Новые инструменты Google ускоряют корпоративные процессы и рутинные задачи. К примеру, они могут:

• сделать сводку, о чём идёт речь в длинной ветке писем,

• составить письмо для нужной ветки по ключевой фразе,

• набросать текст на основе сгенерированной пользователем темы,

• самостоятельно сделать презентацию и даже сгенерировать для неё аудио, видео и картинки,

• записать конспект созвона в Google Meet и сформулировать задачи по итогам встречи.

5. Визуализация

Это последний этап исследования, на нём мы демонстрируем результаты. Поэтому важно представить информацию в удобном и лёгком для восприятия формате.

Какие вопросы задать:

1. Кто и как планирует использовать информацию?

2. Как уместнее отобразить цифровые и текстовые данные, изображения?

Что можно использовать

Дашборды: Power BI и Google Data Studio

Это панели индикаторов, которые помогают создавать динамические интерактивные карты. Благодаря им мы визуализируем и анализируем бизнес-процессы, их эффективность и понимаем, что происходит с компанией.

Дашборды помогают руководителям и менеджерам понимать, что прямо сейчас происходит с определёнными показателями, и быстро на них реагировать. Ключевое отличие дашборда — это цифры во времени и интерактивность данных.

Наш опыт: обновляемая аналитика по клиентам

Несколько лет назад мы создали дашборд по текущим клиентам в компании, чтобы отслеживать изменения в динамике. Обновляем его раз в квартал. Он позволяет постоянно мониторить ключевые метрики и показатели бизнеса.

Как мы это делали:

1. Собрали образ результата — графики и метрики, которые хотим отслеживать.

2. Спроектировали структуру данных в Excel: какие данные нужны, где они хранятся, как их собирать.

3. Собрали интерактивные графики в Google Data Studio.

Также мы используем дашборды как говорящую аналитику в проектах. Например, когда мы анализировали топ-100 крупных компаний в России для стратегической сессии, то разложили их на матрицу, которую назвали «матрица цифровизации корпораций».

По вертикали — финансовое здоровье компании, которое состоит из метрик объёма годовой выручки или объёма годовой реализации продуктов и темпа роста компании. По горизонтали — импортозамещение, отработка текущих проектов и новые клиентские проекты.

Мы исследовали каждую компанию: что они делали в 2022 году, какие цифровые проекты и инновации запускали, — и определяли те или иные компании в определённые столбцы. Размер цветного баббла означает размер компании по выручке.

У нас есть фильтр с отраслями, который позволяет видеть закономерности, где какая отрасль превалирует. То есть чем она активнее занимается: дорабатывает текущее решение, запускает какие-то новые клиентские сервисы или импортозамещает инфраструктурное ПО.

Нейросеть: DALL-E

На этапе визуализации мы используем ещё и нейросеть. Мы готовим информационные дайджесты по разным темам: финансовый сектор, трендвотчинг, цифровые сервисы.

В какой-то момент решили подключить нейросети для сокращения времени на поиск подходящей превью-картинки под новости.

Протестировали несколько сервисов и остановились на DALL-E компании Midjourney — он предлагает более качественные изображения. Сейчас решение на открытом бета-тестировании.

Раньше под определённые рубрики мы вручную искали изображения, которые подходили бы по тематике. Сейчас достаточно написать боту в Discord, что именно мы хотим получить. И спустя несколько секунд он выдаёт несколько вариантов — нужно только выбрать. Время на это сократилось в два раза.

Что в результате

Цифровые сервисы, которые мы обсудили, можно разложить по пяти этапам аналитического процесса.

Можно заметить, что для подготовки к исследованию и выводов сервисов не так много. Возможно, это говорит о том, что это самые сложные для оцифровки этапы, потому что включают много живой коммуникации. Но это не значит, что автоматизировать и оцифровать это невозможно. Все эти решения помогают ускорить процесс исследования и аналитики. Большинство из них используют искусственный интеллект.

Можно говорить и о том, что сегодня появляются новые требования к аналитикам: им, а также исследователям и менеджерам, нужно уметь работать с нейросетями уже сейчас.

Если посмотреть на статистику HeadHunter, то за последние полгода количество вакансий с требованием навыков работы с нейросетями увеличилось на 62% — в основном это DALL-E, Midjourney и ChatGPT.

Всё это сервисы, которые ускоряют работу аналитики. Открытым остаётся вопрос — какие технологии и цифровые сервисы способны улучшить её качество? Пишите ваши идеи и вопросы в комментарии.

Над материалом работали:

• текст — Игорь Епанешников, Ника Черникова,

• редактура — Виталик Балашов,

• иллюстрации — Юля Ефимова.

Чтобы ничего не пропустить, следи за развитием цифры вместе с нами:

• Redmadnews

• Design Jam

• red_mad_dev

• red_mad_product

• LinkedIn

• VK

Да пребудет с тобой сила роботов!