Как понять домен клиента. Анализируем и систематизируем базу знаний компании

Привет, меня зовут Владимир Скляр, я бизнес-аналитик в компании Artkai, занимаюсь Presale, Discovery и оптимизацией процессов компании. Данная статья будет полезна тем, кто работает с анализом и систематизацией доменных знаний.

Анализ доменов (Domain Analysis) рассматривается как один из видов аналитической деятельности, направленной на подготовку к выявлению требований для понимания контекста бизнеса, высокоуровневых процессов и общих тенденций в рыночном сегменте. Командам разработки необходимо периодически актуализировать свои знания и онбордить новичков. Кроме того, знания о домене позволяют понять поведение пользователей и являются источником продуктовых гипотез.

Цель статьи — описание и формализация процесса анализа доменов в терминах выполняемых задач и получаемых результатов. Секретом успеха является систематичность, позволяющая охватить все аспекты и тенденции домена. В итоге могут быть повышены скорость и качество аналитической работы как за счет получения новых знаний и опыта, так и за счет повторного использования наработок, накопленных в базе знаний компании.

Индустриальный домен и домен приложения

При погружении в эту тематику может создаться впечатление, что единый поход к анализу доменов все еще не сложился и даже термин «домен» вызывает определенные разногласия. Поэтому начнем с определения. Здесь мы столкнемся с неоднозначностью терминологии, поскольку в области IТ рассматриваются как домены программных приложений или домены ПО, так и индустриальные домены, или бизнес-домены.

Домен программного приложения — это тематическая область применения ПО, обобщенная с точки зрения знаний, а также выполняемых функций и обрабатываемых данных. Примерами домена приложений являются ERP (Enterprise Resource Planning), CMS (Content Management System), marketplace и так далее. Примеры классификаций ПО можно найти на сайтах таких сервисов, как g2, TrustRadius, TechnologyAdvice.

Индустриальные домены классифицируются согласно видам производственных процессов, бизнес-моделям, предлагаемым продуктам и сервисам. Существует несколько десятков классификаций индустрий, разработанных различными национальными и международными организациями. Примерами индустриальных доменов являются автомобильная промышленность, BFSI (Banking, Financial Services and Insurance), логистика, энергетика и так далее.

По аналогии с горизонтальными и вертикальными рынками, классификация ПО — горизонтальная, то есть охватывает все возможные вертикальные индустрии, в которых может быть применен тот или иной класс ПО. Например, приложения домена ПО e-commerce могут применяться практически в любом из индустриальных доменов. В данной статье мы будем использовать термин «домен» в первую очередь с точки зрения классов индустрий. Общепринятой классификации доменов на данный момент не существует, и ІТ-компании могут адаптировать ту или иную классификацию, исходя из собственного опыта и потребностей.

Применение базы знаний компании в процессах разработки ПО и лидогенерации

Анализ доменов в ІТ-компании может быть направлен на решение следующих задач:

• выявление требований к продукту на этапе дискавери;
• систематизация и актуализация опыта, развитие базы знаний за счет создания глоссариев, описания бизнес-кейсов, совершенствования системы поисковых тегов;
• повторное использование знаний и технических решений;
• совершенствование коммуникаций с лидами в домене для повышения эффективности воронки продаж;
• уточнение маркетинговой стратегии.

Таким образом, анализ доменов и связанное с ним развитие базы знаний является основой как для создания ПО на основе повторного использования имеющихся наработок, так и для проведения лидогенерации на основе имеющейся информации о домене и бизнес-кейсах (см. рисунок).

Применение базы знаний компании в процессах разработки ПО и лидогенерации

Для реализации подобных процессов необходимо решить ряд вопросов, связанных с:

• определением формата систематизации знаний и процедуры формирования базы знаний;
• разработкой системы тегов-классификаторов и тегов для выполненных и перспективных проектов;
• созданием и актуализацией доменных глоссариев;
• поиском актуальных и релевантных источников информации.

Ответ на эти вопросы дает процедура анализа доменов.

Процедура анализа доменов

При детализации процедуры анализа доменов мы сфокусировались на гипотезе о том, что в области программной инженерии уже существуют релевантные наработки, применимые для решения задач по анализу доменов. Действительно, в программной инженерии уже более 15 лет используют Domain Driven Design (DDD). Это фреймворк был предложен специально для того, чтобы разработка ПО основывалась на знаниях, учитывающих модели, функции, бизнес-логику и проблемы, свойственные тому или иному домену. При этом не проводится четкой границы между индустриальным доменом и доменом приложения.

В свою очередь, многие из идей DDD перекликаются с более ранним подходом, опубликованным SEI (Software Engineering Institute) под названием Feature Oriented Domain Analysis (FODA) в 1990 году. Фреймворк FODA, предназначенный для анализа домена ПО, основывается на следующих трех этапах:

1. Анализ контекста для определения границ, интерфейсов, входов и выходов предметной области.
2. Моделирование домена через описание проблем в предметной области, которые решаются программными приложениями с учетом особенностей ПО, программных сущностей, данных и других спецификаций.
3. Моделирование архитектуры ПО, реализующей решение проблем в домене путем использования существующих технических решений.

Мы остановимся на первых двух этапах и применим их для анализа индустриальных доменов. При необходимости такой подход может быть дополнен выбором архитектуры. Для этого также может быть использована база знаний, при условии ее наполнения техническими решениями и компонентами ПО для повторного использования.

Исходными данными и условием для возможности реализации предлагаемой процедуры является наличие адаптированных под нужды ІТ-компании классификаций индустриальных доменов и доменов прикладного ПО.

Тогда в рамках анализа контекста и общего обзора домена могут быть выявлены существующие финансовые и технологические тренды. Такой обзор позволяет уточнить сегментацию домена с точки зрения существующих прикладных категорий и классифицировать субдомены для более точного позиционирования проектов в базе знаний. Если субдомены характеризуются значительным разнообразием (примером такого домена является финтех), то дальнейший анализ может выполняться в отдельности для каждого из субдоменов.

Под моделированием в контексте анализа индустриальных доменов будем понимать выявление проблем пользователей и поиск путей их решения. Подходящие для этого техники Value Proposition Canvas (VP Canvas) и профиль идеального клиента (Ideal Client Profile, ICP). Для этого предварительно следует провести анализ доступных материалов, составить ссылочную базу, глоссарий для домена и выявить перечень функций, выполняемых программными приложениями.

Структурированное описание процедуры анализа доменов представлено в таблице ниже. Анализ доменов описан с точки зрения выполняемых задач, используемых источников информации и формируемых результатов. Последовательность выполнения задач в целом соответствует последовательности, приведенной в таблице. Эти задачи могут выполняться параллельно и включать несколько итераций, обусловленных уточнениями в ходе исследования.

Таблица. Задачи, выполняемые в ходе анализа доменов

Выводы

Во многих публикациях говорится о том, как важно понимать домен клиента, но при этом не вполне ясно, откуда может прийти такое понимание. Может показаться, что анализ доменов — это, как правило, тематика маркетинговых исследований, которыми занимаются крупные компании. Тем не менее анализ домена можно провести с использованием небольшого бюджета, и это станет хорошей инвестицией в проект и продукт.

Для демонстрации этой идеи мы адаптировали давно известный фреймворк Feature Oriented Domain Analysis (FODA) и разработали процедуру анализа доменов, включающую следующие этапы:

• обзор домена и анализ трендов;
• сегментирование домена;
• создание ссылочной базы;
• анализ терминологии и акронимов;
• анализ типовых функций;
• анализ пользовательского опыта;
• анализ целевой аудитории.

В результате база знаний компании пополнится рядом важных артефактов, которые в дальнейшем необходимо периодически пересматривать и актуализировать.