Как управлять компанией на основе данных, а не интуиции

Сеть книжных магазинов страдает от конкуренции со стороны онлайн-магазинов. Анализ данных о покупках за несколько лет показал: их клиенты чаще покупают детскую литературу, а продажи растут перед праздниками и в начале учебного года.

Так в книжных магазинах расширили перечень детских книг, добавили в ассортимент подарочные безделушки и запустили услугу упаковки. При прогнозируемом всплеске покупок настроили рассылки с акциями. Чтобы отслеживать и реагировать на изменения потребительских настроений, автоматизировали аналитику. В результате средний чек книжных магазинов увеличился на 10%, а общие продажи – на 15%.

Это лишь один из возможных примеров того, как аналитика спасает бизнесы. В этой статье разбираемся, как компаниям эффективно работать с бизнес-данными, какие трудности возникают и как их решать.

Какие проблемы могут возникнуть в работе с аналитикой

Качественная аналитика помогает бизнесу получать ценные данные о рынке и клиентах, эффективности работы компании, производительности работников и т.п. Это позволяет принимать лучшие управленческие решения и быстро развиваться.

Однако ключевое в этом месседже – «качественная». Если аналитика неполная и негибкая, то желаемого результата она не принесет.

Вот основные проблемы, с которыми сталкивается бизнес в работе с аналитикой:

1. Неудобная подача данных

Разберем ситуацию, когда руководство поручает аналитику сформировать очередной отчет. Специалист собирает все необходимые показатели: какие результаты имеет компания и почему, что нужно сделать для их улучшения, нужно ли инвестировать в тот или иной проект. В финале менеджер получает отчет с кучей данных и сложной структурой.

Если у руководителя нет достаточного опыта и знаний для прочтения этой аналитики, он ничего не поймет. И пойдет по проверенному пути — спросит своего аналитика, на что обратить внимание. Так специалист дополнительно потратит свое время на объяснение и формирование инсайтов. Это нерационально, долго и делает руководителя зависимым от аналитика.

2. Неоперативное обновление данных

Как аналитик готовит отчетность? Выгрузка последних обновлений из систем и затем обработка данных для финальной презентации. Это проблема, ведь от выгрузки данных и до презентации проходит время, поэтому информация может утратить актуальность.

3. Несогласованность данных между системами

Данные могут скапливаться в разных системах, которые сложно интегрировать между собой.

К примеру, логистический бизнес имеет систему управления учетом складских запасов и систему управления клиентскими заказами. Чтобы понять, есть ли на складе остатки товаров для закрытия потребностей потребителей, нужно объединить информацию из двух систем. Однако для этого не всегда есть техническая возможность. Приходится привлекать IT-службы, формирующие структуру этих систем в одну унифицированную модель.

Обычно на это также уходит много времени, за которое данные теряют актуальность.

4. Воздействие «человеческого фактора»

Из-за высокой нагрузки и большого объема информации специалист может уставать и допускать ошибки. Чаще всего это происходит в бизнес-подразделениях учета и расчетов. Например, бухгалтер готовит отчет о доходах и расходах, анализирует много информации и может случайно дублировать транзакцию. Устранение ошибок постфактум негативно влияет на аналитику.

5. Низкое качество данных

Иногда данные в таблицах свидетельствуют, что происходит в бизнесе, но фактически неправдивы, поскольку не обновлялись определенное время. К примеру, аналитика показывает, что остатки товара на складе есть, а на самом деле он давно продан.

Как современные инструменты упрощают работу с аналитикой

Сегодня есть готовые системы для бизнес-анализа, способные решить перечисленные проблемы без привлечения ИТ-специалистов. Они могут сделать аналитику доступной не только для профессиональных специалистов, но и для обычных пользователей.

Самые современные инструменты могут:

• объединять разнотипные данные из любых источников;
• обеспечивать качество, полноту и обновление данных;
• автоматизировать отчетность, визуализацию и моделирование;
• использовать облачную инфраструктуру.

Все эти преимущества имеет дата-платформа Киевстар .

Полученная информация может быть дополнена внешними публичными данными о рынке, в том числе от оператора Киевстар.

Данные в датаплатформе проходят множество проверок, поэтому им можно полностью доверять. Благодаря инструменту аналитики могут не тратить время на ручные процессы, а быстро, в режиме конструктора, строить любой отчет и получать аналитический срез. Автоматизированные процессы платформы минимизируют человеческий фактор и уменьшают риск ошибок, а визуализация делает результаты аналитики нагляднее и понятнее.

Как использовать возможности дата-платформы?

Разберем на примере рекомендательной модели для ритейла.

К примеру, сеть по продаже техники стремится увеличить сумму среднего чека и реализовать стратегию перекрестных продаж – cross-sale.

Что можно сделать? Сначала проанализировать данные продаж сети за несколько лет. Далее — разработать модель с использованием машинного обучения и искусственного интеллекта, которая бы помогала кассиру предлагать клиентам дополнительный товар.

Как это работает? Потребитель покупает телевизор, идет на кассу, кассир фиксирует транзакцию – и в этот момент ему поступает системная подсказка предложить клиенту дополнительный товар. Например, салфетки по уходу за экраном. То есть, модель понимает, что с высокой вероятностью потребитель может купить именно этот товар. Ведь аналитические данные через несколько лет показывают, что это работает.

Таким образом, сеть магазинов может увеличить сумму среднего чека и доход в целом, ведь будет предоставлять клиентам более персонализированные предложения.

Кстати, больше подобных кейсов, а также инсайтов, полезных решений и лайфхаков о развитии бизнеса ищите на Kyivstar Business Hub .

5 советов, как работать с аналитикой эффективнее

1. Четко формулируйте цели и задачи аналитики

Часто компании пытаются собрать для анализа больше данных, но в итоге используют лишь часть из них. Поэтому, прежде чем начать собирать и анализировать данные, нужно четко сформулировать цель и конкретные задачи бизнеса. Понимание ожидаемых результатов поможет направить аналитические усилия в нужном направлении. Формулируя цели, учитывайте, что важна ценность данных, а не их количество.

2. Используйте современные инструменты

Современные технологии значительно упрощают обработку данных и минимизируют вероятность ошибок. Это могут быть бизнес-аналитические платформы, инструменты визуализации, языки программирования для анализа данных и т.д.

3. Автоматизируйте рутинные задачи

Регулярная автоматизация процессов компании позволяет экономить время и сосредотачиваться на анализе и выявлении ценных инсайтов. Сбор информации лучше поручить программе, а саму аналитику соответствующим специалистам.

4. Активно общайтесь с аналитиками

Создайте эффективный и своевременный механизм коммуникации между руководством и аналитической командой. Четко формулируйте свои ожидания и помните, что лучше получить от специалистов не визуализацию показателей, а выводы о проблеме и советах, как устранить ее.

5. Отслеживайте результаты бизнес-аналитики

Установите систему регулярного мониторинга и оценки эффективности ваших аналитических проектов. Это позволит своевременно обнаруживать потребность в изменении стратегии. Будьте гибки, чтобы достигать наилучших результатов.