Дарья Калишина — аналитик, для которой работа с данными давно стала больше, чем просто профессией. В сфере бизнес-аналитики она прошла путь от исследований и корпоративных проектов до разработки собственной уникальной методологии, которая задала новые стандарты в использовании данных для предприятий средних и малых размеров. В интервью Дарья рассказала о том, как работа в международных корпорациях стала толчком к созданию новых подходов к аналитике и почему современные системы должны не только считать, но и вдохновлять действовать.

— Дарья, благодарю Вас за возможность провести это интервью. Ваша карьера в сфере бизнес-аналитики впечатляет — от научной деятельности до создания собственной методологии. Расскажите, почему Вас заинтересовала тема развития аналитических подходов именно для МСП?

Мой опыт работы в таких корпорациях как Farmers Insurance Group, Co-op Solutions, Mitsubishi Electric Automation показал, какими аналитическими преимуществами обладают крупные игроки и как это даёт им доминирование в технологической сфере. А что делать небольшим компаниям, стартапам и активно развивающимся бизнесам? Ведь многие гениальные идеи и проекты не выживают просто потому, что нет навыков анализа данных и понимания, как использовать доступные ресурсы. Именно поэтому я начала делиться своими идеями по применению аналитических решений для МСП через научные работы. Со временем это переросло в разработку методологии DAIAM, которая помогает малым и средним предприятиям внедрять искусственный интеллект в операционные процессы и использовать данные для реальных управленческих решений.

— Очень интересно узнать про ваш корпоративный опыт, в частности над какими проектами Вы работаете в Mitsubishi Electric Automation и как трансформируете подход к аналитике в компании международного масштаба.

Одной из главных недавних инициатив компании стала концепция «Циркулярной цифровой инженерии». Мы работаем над созданием централизованной системы данных, которая объединяет информацию не только каждого отдельного отдела, но и соединяет её в единый аналитический хаб. Это позволяет видеть более полную картину бизнеса и принимать решения на основе целостной информации. Например, в этом году я разработала первую интегрированную цифровую панель управления для отслеживания ключевых показателей эффективности, используя Power BI и моделирование данных на основе SQL, собирая данные из финансовых систем, производственных баз данных и внутренних платформ мониторинга. Этот инструмент стал основным для управленческих решений и используется более чем 120 менеджерами и руководителями. Кроме того, он помог сократить время подготовки отчетов более чем на 60%, а стратегические совещания стали короче в среднем на 30 минут за сессию, что ускорило процесс принятия решений примерно на 25%.

— Результат вашей работы вызывает восхищение. Испытывали ли Вы какие-либо трудности на пути создания этой панели управления? И какие главные уроки Вы вынесли, которые помогут достигать целей в рамках инициативы «Циркулярной цифровой инженерии»?

Безусловно, трудности были. Самое сложное - объединить данные из разных систем и связать их в единое целое. У каждого подразделения свой формат, свои приоритеты и даже своё понимание того, что такое эффективность. Нужно было не просто построить систему, а выстроить доверие между командами и показать, что единая аналитика работает на общий результат. Лично для меня одним из важных уроков стало понимание того, что успешная аналитика — это не только технологии, но и культура взаимодействия. Когда люди начинают видеть ценность данных и ощущают, что они помогают, а не контролируют, отношение к аналитике меняется. Это осознание стало одним из фундаментальных принципов при дальнейшем развитии методологии DAIAM.

— После такого масштабного опыта логично, что у вас появилась собственная методология. Расскажите, как родилась идея DAIAM и в чём заключается её основная концепция?

Идея DAIAM появилась как ответ на вопрос, который я часто задавала себе во время работы над корпоративными проектами: почему аналитика, даже когда она качественно выстроена, не всегда приводит к реальным действиям? Так вот DAIAM — это именно тот инструмент, который помогает компаниям выстроить путь от данных к осознанным решениям. Она включает пять ключевых этапов и каждый шаг ориентирован на то, чтобы данные не просто анализировались, а превращались в конкретные действия, встроенные в операционные процессы компании. Моя основная цель — сделать аналитику понятной и применимой для бизнеса любого масштаба, особенно для МСП, где ресурсов меньше, но скорость реакции и гибкость зачастую выше.

— Вы упомянули, что DAIAM — это не просто подход, а полноценная система. Можете рассказать, из каких этапов она состоит и как они помогают бизнесу пройти путь от данных к действиям?

Да, DAIAM — это действительно не просто метод, а целая система, которая помогает компаниям пройти путь от хаотичных данных к понятным действиям. Она состоит из пяти этапов. Сначала мы оцениваем, насколько бизнес и его данные готовы к аналитике — где пробелы, какие ресурсы есть, что нужно улучшить. Затем данные объединяются в единую систему, чтобы у компании появился один единый источник. После этого подключается искусственный интеллект — он помогает находить закономерности, строить прогнозы и видеть то, что сложно заметить вручную. Далее аналитика становится визуальной: создаются интерактивные дашборды, с которыми легко работать даже без технических знаний. И завершающий этап — автоматизация, когда аналитика фактически работает сама, обновляется и подсказывает, где и как можно действовать быстрее и точнее.

— В чём DAIAM отличается от классических аналитических подходов, таких как CRISP-DM, SEMMA или TDSP? И почему вы считаете, что её философия ближе к современным требованиям бизнеса?

Главное отличие DAIAM — в ориентации не на сам процесс анализа, а на конечное действие. Классические методологии выстраивались вокруг технических этапов работы с данными — от подготовки до моделирования. Они отлично подходят для исследовательских задач, но в реальном бизнесе важно не просто построить модель, а получить понятный, применимый результат. DAIAM объединяет аналитику, визуализацию и искусственный интеллект в одну систему, где ключевой фокус — управленческое решение. Это не только про цифры, но и про понимание контекста: как данные связаны с целями компании, стратегией и человеческим фактором. Кроме того, DAIAM проще адаптировать под малый и средний бизнес — там, где нет сложной IT-инфраструктуры, но есть необходимость быстро принимать решения. Её философия в том, чтобы сделать аналитику доступной, динамичной и вдохновляющей на действия, а не превращать её в сложный технический процесс.

— Звучит очень практично. А где уже удалось применить DAIAM на практике? Можете привести примеры, какие результаты она принесла бизнесу?

Методология начала внедряться ещё в пилотных проектах во время моей работы в Mitsubishi Electric Automation. Мы использовали её элементы, чтобы выстроить более прозрачную систему аналитики между отделами. Но в данный момент уже многие ключевые игроки российского рынка приобрели лицензии и активно используют методологию. Например, совсем недавно одна крупная логистическая компания внедрила DAIAM для оптимизации маршрутов и управления складскими запасами. Система анализирует данные о поставках, трафике и сезонных колебаниях спроса, автоматически предлагая более эффективные решения. Уже через три месяца после внедрения компания сократила операционные издержки на 18%, время доставки — на 27%, а точность прогнозирования загрузки транспортных средств выросла до 92%. Главное, что отмечают пользователи, — это не просто удобство, а изменение культуры принятия решений.

— Дарья, а какие у вас профессиональные планы на будущее? Как вы видите развитие аналитики и свою роль в этом процессе?

Мне важно, чтобы аналитика была понятной и полезной бизнесу — помогала видеть полную картину, ускоряла работу и давала уверенность в действиях. И своей миссией я вижу развитие этой аналитической практики, особенно для МСП. Моё ближайшее видение — запуск собственной аналитической консалтинговой компании с фундаментом в виде DAIAM, которая будет раскрывать полный потенциал бизнесов при помощи аналитических ИИ решений.

— И, наконец, что бы вы хотели пожелать компаниям и аналитикам, которые только начинают свой путь в мире данных?

Я бы сказала, что главное — не бояться экспериментировать и использовать данные не только для отчётности, но и для реальных стратегических решений. И моё пожелание компаниям и аналитикам — стремиться к тому, чтобы данные становились частью культуры бизнеса. Чем лучше мы учимся понимать и применять информацию, тем сильнее становятся наши решения и тем больше возможностей открывается для роста и развития.

– Дарья, спасибо, что поделились своим опытом, идеями и советами. Мы желаем вам дальнейших успехов в вашей карьере!

–Спасибо! Мне было приятно поделиться своими мыслями. Надеюсь, что мой опыт будет полезен другим.

Автор статьи: Левков Сергей