На бумаге революция аналитики выглядит завершенной. ИИ перешел от новинки к строке бюджета. В исследовании среднего рынка ИИ RSM 2025 года 91% респондентов заявили, что используют генеративный ИИ, но большинство описали себя как лишь "в некоторой степени подготовленные".
Именно в этом разрыве между внедрением и уверенностью Мохаммад Хамид создал репутацию одного из самых прагматичных аналитических голосов Детройта. Базирующийся в Мичигане, Хамид — консультант и бывший основатель программного обеспечения, чья работа охватывает создание аналитических продуктов, консультирование крупных предприятий и помощь лидерам среднего рынка в превращении разговоров об ИИ в решения, которые могут распознать как финансовый директор, так и менеджер на передовой. Он описывает свою роль не столько как "ИИ-трансформацию", сколько как согласование людей, процессов и технологий вокруг истории ценности, которую можно объяснить простым языком. Мохаммад Хамид Детройт "Инструменты сейчас громкие", — говорит он. "Но большинству организаций не хватает не программного обеспечения. Им не хватает общей причинно-следственной истории и операционных привычек, которые оживляют эту историю."
Аналитический этос Хамида происходит от создания перед консультированием. В начале своей карьеры он помог основать Unison, компанию по разработке программного обеспечения на пересечении социального прослушивания, устойчивого развития и поддержки принятия решений. Эта работа дала ему место в первом ряду, чтобы увидеть, как аналитические продукты завоевывают или теряют доверие. "Инсайт, которому никто не доверяет, — это просто скриншот с амбициями", — говорит он.
Сегодня его работа все больше сосредоточена на компаниях среднего рынка в Мичигане и за его пределами: организациях, достаточно крупных, чтобы ощущать конкурентное давление, но недостаточно крупных, чтобы финансировать полноценную современную организацию данных. Лидерам говорят, что ИИ сократит циклы принятия решений, персонализирует опыт и автоматизирует отчетность. Они хотят этого будущего, но живут с тонким штатом аналитиков, фрагментированными системами, нечетким владением и очередью операционных пожаров.
Ответ Хамида заключается не в том, чтобы преуменьшать значение ИИ, а в том, чтобы упорядочить амбиции. "Вы не начинаете с вопроса: 'Где мы можем применить генеративный ИИ?'" — говорит он. "Вы начинаете с вопроса: 'Что, по нашему мнению, создает здесь ценность, и можем ли мы честно это измерить?'" Этот вопрос находится в центре того, что он называет Каузальным компасом.
Каузальный компас начинается с того, что лидеры соглашаются с причинно-следственной моделью для функции, с которой они работают. Для команды продаж или маркетинга Хамид фокусируется на трех уровнях: рычаги высокой ценности (контролируемые выборы, такие как дизайн предложения или микс каналов), действия высокой ценности (поведение и сигналы воронки, которые показывают, работают ли рычаги), и результаты высокой ценности (результаты, такие как доход, удержание или маржа). Организация аналитики вокруг этих уровней, а не вокруг инструментов, часто раскрывает больше ценности, чем обновление платформы. "Метрики — это не стратегия", — говорит он. "Они — грамматика. Как только мы согласимся с грамматикой, мы сможем писать лучшие предложения."
После причинно-следственного фундамента Каузальный компас обращается к людям. По мнению Хамида, аналитические команды недостаточно эффективны не из-за отсутствия технических навыков, а из-за отсутствия когнитивного разнообразия. Он указывает на то, как высокоэффективные технологические организации нанимают людей с необычным опытом для создания лучших систем: журналистов, которые допрашивают данные как источник, поведенческих ученых, которые понимают экспериментирование и опыт клиентов, учителей, которые знают, как стимулировать внедрение. Поскольку ИИ сжимает рутинный анализ, Мохаммад Хамид резюмирует современную аналитическую функцию как три дополняющие роли: стратегия (выбор правильных проблем и определение причинно-следственной модели), реализация (получение данных, конвейеров и управления для реальной работы) и сторителлинг (делая инсайты используемыми и действенными).
Процесс и технология завершают картину. Десять лет назад аналитические команды тратили большую часть своего времени на ETL: извлечение данных из исходных систем, их очистку и загрузку в хранилища. ETL по-прежнему имеет значение, но современные облачные платформы, API и автоматизация изменили баланс и сделали дисциплину DataOps и DevOps центральной для аналитической инженерии. Хамид утверждает, что конвейеры, связанные с доходом или риском, следует рассматривать как продукты, с четким владением и ожиданиями обслуживания.
На практике эта философия проявляется во всех секторах. В автомобильной и промышленной отрасли Мохаммад Хамид помог объединить операции на нескольких объектах, объединив данные о качестве, поставках и техническом обслуживании в единую операционную модель, при этом наибольший успех был достигнут благодаря общим определениям дефектов и простоев, так что заводские команды перестали спорить о том, что было "реальным". В сфере финансовых услуг он работал над уточнением сигналов риска, накладывая поведенческую сегментацию на традиционные кредитные атрибуты, показывая, что организации не хватало не данных; ей не хватало связной истории о том, как риск, дизайн продукта и коммуникация с клиентами двигались вместе с течением времени.
На вопрос о том, что бы он сказал генеральному директору или ИТ-директору среднего рынка Мичигана, пытающемуся разобраться в ИИ и аналитике, Мохаммад Хамид предлагает краткое руководство. Начните с карты решений и ценностей, привязанной к нескольким решениям, которые действительно двигают бизнес, затем работайте в обратном направлении к необходимым данным и операционному ритму. Рассматривайте качество данных и управление как готовность к ИИ, сосредоточившись на нескольких "золотых наборах данных" с четкими владельцами и SLA. Инвестируйте в грамотность руководителей, чтобы лидеры могли спонсировать правильные варианты использования и отказываться от неправильных. И создавайте небольшие, проверяемые победы, которые улучшают еженедельный цикл принятия решений и доказывают, что аналитика и ИИ могут изменить то, как на самом деле работает бизнес.
Ожидается, что более широкий рынок аналитики будет продолжать расширяться в течение десятилетия, благодаря облаку, ИИ и движению к принятию решений в реальном времени. Но послание Хамида из Детройта заключается в том, что масштаб без согласованности не является прогрессом. "ИИ расширит разрыв между организациями, которые знают, что они пытаются доказать, и организациями, которые просто надеются, что панель управления их спасет". Для организаций среднего рынка в Мичигане и за его пределами Каузальный компас не является отказом от ИИ. Это напоминание о том, что современная аналитика по-прежнему, в глубоко человеческом смысле, связана с суждением. И для лидеров, пытающихся создать прочные преимущества в эпоху ИИ, это может быть самым обнадеживающим инсайтом из всех.
