В процессе принятия решений важно не только собрать максимум возможных данных, но и учесть всю критичную информацию. В ежеквартальном журнале «Искусство управлять» вышла статья Рустама Зайдуллина, заместителя руководителя центра консалтинга «Апланы». Наш эксперт доказывает, что действенными инструментами для принятия решений выступают системы управления требованиями к исходным данным и их обработке.
Принятие решения в цифровом пространстве для полноты картины целесообразно рассматривать без отрыва от двух предшествующих ему этапов – сбора и обработки исходных данных. Этап обработки исходных данных может отсутствовать, если исходные данные сами по себе являются предметом принятия решения: например, документ направляется на согласование или утверждение. В данном случае может быть целесообразно провести ревизию процесса подготовки документа, являющегося исходными данными для принятия решения, – вероятно, процесс подготовки документа может быть усовершенствован.
Управленческие решения в совокупности с исходными для них данными – это повышение прозрачности принятия решения, формирование контекста принятия решения, регистрация аудиторских доказательств. Наличие достаточно полных для внутреннего аудита данных позволяет провести внутренний аудит и оптимизировать процесс, в том числе в части перераспределения ответственности за принятие решения (что, помимо всего прочего, позволяет повысить оперативность процесса). Вместе с тем важно не упустить ту информацию, которая не попала в исходные данные, но является критичной (сама по себе или в совокупности с другими данными) в модели принятия решения. Примером является хрестоматийный случай с задачей об усилении бронирования самолетов во время Второй мировой войны, когда верным решением было усилить бронирование неповрежденных частей самолета: если самолет добрался до базы с повреждениями, значит, они не критичны. Самолеты с критичными повреждениями до базы не добирались, и характер их повреждений в исходные данные не попал. Негативным вариантом развития может быть построение автоматизированной системы KPI, в которую по какой-то причине не вошла критичная исходная информация, что может породить цепочку неверных решений на разных уровнях менеджеров и ЛПР. Например, оценивая эффективность функциональных подразделений по некоему набору формальных признаков (как вариант – количество формально однотипных задач и трудозатраты на их выполнение), можно упустить как критичные нюансы этих задач в разных случаях, так и общий потенциал подразделений – внутренние процессы, качество их автоматизации, возможности масштабирования и т.д. Экстремальный случай перераспределения ответственности за принятие решения – это автоматизация принятия решений на операционном уровне.
Роботы, действующие по инструкциям с дефектом и обладающие высокой производительностью, могут успеть выпустить много брака. В отдельных случаях, например, в финансовом секторе, это может привести и к репутационным издержкам. Нельзя не упомянуть и о другой важной стороне этой темы – вопросе информационной безопасности. Принятие решения в цифровом пространстве непосредственно связано и основано на хранении исходных данных. Критичным является как контроль доступа и прав доступа, так и защита данных от искажения и подлога. Решением последнего вопроса может быть технология блокчейн, но о реальных случаях ее применения по сценарию «частный блокчейн» пока известно мало, а рождению новых открытых блокчейнов мешает, видимо, присутствующее на рынке недоверие. Созданию действующего блокчейна будет предшествовать достижение определенного консенсуса, и именно это является актуальным вопросом, а не технология. В идеале для принятия верного решения нужна одна мелочь – максимально возможное количество данных (и метаданных) по вопросу. Для обеспечения достоверности данных может использоваться дублирование данных нескольких независимых источников. Ограничением в конечном итоге является стоимость сбора и обработки исходных данных. При переходе к вопросу обеспечения полноты исходных для принятия решения данных действенным решением будет применение соответствующего инструмента для управления требованиями к исходным данным и их обработке, поддерживающего трассировку требований и оценку влияния изменений требования на другие, связанные с ним, требования. Фактически речь идет об управлении требованиями к аналитической отчетности. В перечень требований входят, в том числе, требования к источникам данных, требования к верификации данных, требования к обработке данных.