Як керувати компанією на основі даних, а не інтуїції

Мережа книгарень потерпає від конкуренції з боку онлайн-магазинів. Аналіз даних про покупки за кілька років показав: їхні клієнти найчастіше купують дитячу літературу, а продажі зростають перед святами та на початку навчального року.

Так у книгарнях розширили перелік дитячих книг, додали до асортименту подарункові дрібнички та запустили послугу пакування. Під час прогнозованого сплеску покупок налаштували розсилки з акціями. Щоб відстежувати та реагувати на зміни у споживацьких настроях, автоматизували аналітику. У результаті середній чек книгарень збільшився на 10%, а загальні продажі — на 15%. 

Це лише один із можливих прикладів, як  аналітика рятує бізнеси. У цій статті розбираємося, як компаніям ефективно працювати з бізнес-даними, які труднощі виникають та як їх вирішувати. 

Які проблеми можуть виникнути в роботі з аналітикою

Якісна аналітика допомагає бізнесу отримувати цінні дані про ринок і клієнтів, ефективність роботи компанії, продуктивність працівників тощо. Це дозволяє приймати кращі управлінські рішення та швидко розвиватись. 

Проте ключове в цьому меседжі — «якісна». Якщо аналітика неповна та негнучка, бажаного результату вона не принесе. 

Ось основні проблеми, з якими стикається бізнес у роботі з аналітикою:

1. Незручне подання даних 

Розберемо ситуацію, коли керівництво доручає аналітику сформувати черговий звіт. Фахівець збирає всі необхідні показники: які результати має компанія та чому, що потрібно зробити для їх покращення, чи потрібно інвестувати в той або інший проєкт тощо. У фіналі менеджер отримує звіт з купою даних і складною структурою. 

Якщо у керівника немає достатнього досвіду та знань для прочитання цієї аналітики, він нічого не зрозуміє. І піде перевіреним шляхом — запитає свого аналітика, на що звернути увагу. Так фахівець додатково витратить свій час на пояснення і формування інсайтів. Це нераціонально, довго і робить керівника залежним від аналітика. 

2. Неоперативне оновлення даних

Як аналітик готує звітність? Вивантажує останні оновлення із систем і потім опрацьовує дані для фінальної презентації. Це проблема, адже від вивантаження даних і до презентації минає час, тому інформація може втратити актуальність

3. Неузгодженість даних між системами

Дані можуть накопичуватися в різних системах, які складно інтегрувати між собою. 

Наприклад, логістичний бізнес має систему управління обліком складських запасів і систему управління клієнтськими замовленнями. Щоб зрозуміти, чи є на складі залишки товарів для закриття потреб споживачів, потрібно поєднати інформацію з двох систем. Проте для цього не завжди є технічна можливість. Доводиться долучати IT-служби, які формують структуру цих систем в одну уніфіковану модель. 

Зазвичай на це також йде багато часу, за який дані втрачають актуальність.

4. Вплив «людського фактора» 

Через високе навантаження та великі обсяги інформації фахівець може втомлюватися та допускати помилки. Частіше за все таке відбувається в бізнес-підрозділах обліку та розрахунків. Наприклад, бухгалтер готує звіт про доходи та витрати, аналізує багато інформації та може випадково дублювати якусь транзакцію. Виправлення помилок постфактум негативно впливає на аналітику.

5. Низька якість даних

Інколи дані у таблицях ніби свідчать, що відбувається у бізнесі, але фактично є неправдивими, оскільки не оновлювалися певний час. Наприклад, аналітика показує, що залишки товару на складі є, а насправді він давно проданий.

Як сучасні інструменти спрощують роботу з аналітикою

Сьогодні є готові системи для бізнес-аналізу, які здатні вирішити перелічені проблеми без залучення ІТ-спеціалістів. Вони можуть зробити аналітику доступною не тільки для професійних фахівців, але й звичайних користувачів. 

Найсучасніші інструменти можуть:

• об'єднувати різнотипні дані з будь-яких джерел;
• забезпечувати якість, повноту та оновлення даних;
• автоматизувати звітність, візуалізацію та моделювання;
• використовувати хмарну інфраструктуру.

Усі ці переваги має дата-платформа від Київстар. 

Отримана інформація може бути доповнена зовнішніми публічними даними про ринок, зокрема й від оператора Київстар. 

Дані у дата-платформі проходять безліч перевірок, тому їм можна повністю довіряти. Завдяки інструменту аналітики мають змогу не витрачати час на ручні процеси, а швидко, в режимі конструктора, будувати будь-який звіт і отримувати аналітичний зріз.  Автоматизовані процеси платформи мінімізують людський фактор і зменшують ризик помилок, а візуалізація робить результати аналітики більш наочними та зрозумілими. 

Як можна використовувати можливості дата-платформи? 

Розберемо на прикладі рекомендаційної моделі для ритейлу. 

Приміром, мережа з продажу техніки прагне збільшити суму середнього чеку та реалізувати стратегію перехресних продажів — cross-sale. 

Що можна зробити? Спочатку проаналізувати дані продажів мережі за декілька років. Далі — розробити модель з використанням машинного навчання та штучного інтелекту, яка б «допомагала» касиру пропонувати клієнтам додатковий товар. 

Як це працює? Споживач купує телевізор, йде на касу, касир фіксує транзакцію — і в цей момент йому надходить системна підказка запропонувати клієнту додатковий товар. Наприклад, серветки для догляду за екраном. Тобто модель розуміє, що з високою вірогідністю споживач може купити саме цей товар. Адже аналітичні дані за декілька років показують, що це працює. 

Таким чином мережа магазинів може збільшити суму середнього чеку та дохід загалом, адже надаватиме клієнтам більше персоналізовані пропозиції. 

До речі, більше подібних кейсів, а також інсайтів, корисних рішень та лайфхаків про розвиток бізнесу шукайте на Kyivstar Business Hub. 

5 порад, як працювати з аналітикою ефективніше

1. Чітко формулюйте цілі та завдання аналітики

Часто компанії намагаються зібрати для аналізу якнайбільше даних, але у результаті використовують лише частину з них. Тож перед тим як почати збирати та аналізувати дані, потрібно чітко сформулювати мету та конкретні завдання бізнесу. Розуміння очікуваних результатів допоможе спрямувати аналітичні зусилля в потрібному напрямку. Формулюючи цілі, враховуйте, що важлива цінність даних, а не їх кількість.

2. Використовуйте сучасні інструменти

Сучасні технології значно спрощують обробку даних і мінімізують вірогідність помилок. Це можуть бути бізнес-аналітичні платформи, інструменти візуалізації, мови програмування для аналізу даних тощо.

3. Автоматизуйте рутинні завдання

Регулярна автоматизація процесів компанії дозволяє економити час і зосереджуватися на аналізі та виявленні цінних інсайтів. Збір інформації краще доручити програмі, а саму аналітику — відповідним спеціалістам.

4. Активно комунікуйте з аналітиками

Створіть ефективний та своєчасний механізм комунікації між керівництвом й аналітичною командою. Чітко формулюйте свої очікування та пам'ятайте, що краще отримати від фахівців не візуалізацію показників, а висновки про проблему та поради, як її усунути. 

5. Відстежуйте результати бізнес-аналітики

Встановіть систему регулярного моніторингу та оцінки ефективності ваших аналітичних проєктів. Це дозволить своєчасно виявляти потребу в зміні стратегії. Будьте гнучким, щоб досягати найкращих результатів.