Кейс Торговой сети «Покупочка»: «Как мы довели в BI актуальность данных по продажам предыдущего дня до 99%»

Кейс

Актуальность данных – то, на что часто недостаточно обращают внимание во время внедрения BI системы.

Как меняется точка зрения на требования к своевременности предоставления данных, когда цифр становится достаточно для принятия решений – об этом кейс Торговой сети «Покупочка»:

«Как мы довели в BI актуальность данных по продажам предыдущего дня до 99%».

Возникновение проблемы

По состоянию на окончание проекта «Покупочка» это 290 магазинов в 5 регионах ЮФО и более 800 кассовых узлов.

Одним из таргетов для окончания проекта по внедрению BI-системы было достижение высокой актуальности данных «за вчера» (точность не менее 98%).

На старте проекта эта цифра казалось легко достижимой, все используемые технологии и продукты, работающие в потоке передачи и обработки данных, теоретически, были готовы. Но, как показал мониторинг этого процесса, ситуация сложилась не удовлетворительная, средним значением была цифра 90%.

Проанализировав все возможные проблемы, мы разделили их на две группы:

· Проблемы, возникающие у персонала в магазине при работе в учетной системе.

· Технические проблемы, связанные с асинхронным обменом данными между центральной и периферийными базами.

Мы достаточно быстро решили эти проблемы, доведя уровень готовности до необходимого, и прожили с этим более полугода. Бизнес-пользователи адаптировались к новым реалиям — наличию актуальных данных к 9-00.

За год работы, с начала эксплуатации системы, объем данных вырос и обновление перестало укладываться в отведенные для него временные промежутки. Точка готовности сместилась на 1.5 часа. Реакция Бизнеса была однозначной – новые сроки не приемлемы! Реагировать на ситуации, случившиеся вчера, необходимо сегодня и как можно раньше.

Именно в этот момент пришло осознание того, что бизнес-критичность сервиса аналитики в Компании значительно выросла, по сравнению со стартом проекта. Система стала важным инструментом принятия решений в Компании!

Обсудив проблему с партнёрами по развитию аналитической системы, компанией InfoVizion, нашли решение. Предложение по оптимизации от InfoVizion позволило вернуть наш процесс в ожидаемые временные интервалы и даже сделать запас на будущее.

Решение

Что мы сделали, решая задачу оперативного сбора актуальных данных о продажа?!

1. Пересмотрели процесс «закрытия дня» в магазине

2. Автоматизировали ряд проверок, упростили процедуру.

3. Одновременно с упрощением добавили дополнительную точку контроля для операционной дирекции по проведению отчетов о продажах.

4. Ввели ночную смену работы ИТ-поддержки, который помог оперативно:

· решать технические проблемы, возникающие при закрытии операционного дня в магазинах.

· исправлять ошибки обмена данными между базами, в том числе из-за сбоев каналов связи.

5. Партнеры из InfoVizion, в свою очередь, оптимизировали ETL-процесс, и сократили его с 6 до 4 часов. Новый процесс обновления и пересчета за максимальный период стал начинаться в 2:00 ночи и закачиваться не позднее 8 утра.

В итоге текущий процесс обработки данных выглядит так:

* Магазины по регламенту закрывают кассы, и проводят регламентные процедуры по закрытию операционного дня.

* При возникновении ошибок обращаются в Тех поддержку.Тех поддержка с 23-00 отслеживает по системе мониторинга наличие продаж от магазинов в центральной базе и очередь инцидентов от магазинов по проблемам загрузки продаж, решает их в первом приоритете.

* В обычном режиме все должно быть загружено до 1:00 ночи. Остается интервал до запуска следующего шага в 1 час на решение форс-мажорных инцидентов.

* В 2:00 часа запускается ETL и не позднее 8:00 утра в аналитическом приложении доступны актуальные данные.

* Один процент остается на решение технических проблем с кассовыми узлами, не разрешимые удаленно.

Результат:

Поддержка увеличила наши затраты, но добавила эффективности Бизнесу. Актуальные данные на вчера на вес золота в ритейле.

Сегодня мы можем оперативно выявлять бизнес-инциденты в магазинах с детализацией до конкретного SKU и реагировать на них максимально быстро, а именно:

* решать вопросы, возникающие на старте или при проведении промо-активностей.

* исправлять ситуации OOS по части товаров

33
4 комментария

Александр, а вывод  ночной смены по затратам не съедает всю пользу от такой точности данных?

1
Ответить

Нет, вывод инженера тех поддержки в ночную смену окупается, как минимум двумя кейсами:
 *возможностью влиять на упущенную - максимально быстро решая проблемы с OOS
 *повышением ИТ-сервиса по доступности кассовых узлов в утренние часы пик
 

Ответить

А что дает сбор данных в один "котел"?
Нельзя что-то анализировать на стороне каждого магазина и периодически, а не по закрытию касс?

Ответить

Анализировать каждый магазин в отдельности? Тогда теряет смысл  называться Торговой сетью )). А если серьезно, то конечно для централизованного управления необходим анализ по всем объектам на "одном листе". 

Ответить