Пара мифов о бизнес-аналитике

О бизнес-аналитике (или Business Intelligence, BI) сегодня говорят реже, чем о Big Data или об искусственном интеллекте. Слышим о Big Data, сразу привкус будущего. Слышим о бизнес-аналитике, вспоминается что-то дорогое и неповоротливое.

Возможно, дело в мифах, которые сложились вокруг BI. Все-таки бизнес-аналитика появилась давно. Развивалась как инструмент для решения конкретных практических задач. Нашла применение во всех крупных компаниях, однако, по-прежнему редко используется средним и малым бизнесом.

Сегодня бизнес-аналитика — очень простой способ применить информационные технологии для того, чтобы добиться успеха в бизнесе. Неверные представления и стереотипы могут стать препятствием.

Миф №1. В моей бухгалтерской программе достаточно данных для принятия управленческих решений.

Представим себе сеть фаст-фуда из 50 ресторанов. В каждом из ресторанов несколько касс, ежедневно они обслуживают сотни покупателей.

Для управления таким бизнесом надо следить за несколькими показателями работы каждого из ресторанов. Но исходные данные, без которых эти показатели не получить, находятся в разных системах. Информация о чеках — в кассовой системе R-Keeper, о закупках — в учётной системе 1С, о кадрах — в отдельной системе, за которую отвечает HR. Причём все данные создаются разными способами, с разной периодичностью и хранятся в разных форматах. Например, кассовая система R-Keeper сохраняет чеки автоматически, а данные о сотрудниках вносят HR-специалисты вручную.

Без всякой бизнес-аналитики можно узнать, сколько человек обслужил наш ресторан во Владивостоке за сегодняшний день. Для этого достаточно обратиться к базе R-Keeper и получить число чеков, пробитых кассами данного ресторана. Допустим, мы узнали, что сегодня было 300 чеков. Говорит ли что-то эта цифра? Нет. Трудно сказать, много это или мало — во всяком случае, до тех пор, пока мы не сопоставим её с каким-то другим показателем. Самое простое — сравнить 300 сегодняшних чеков с аналогичным показателем вчерашнего дня. Или с показателем этого же дня год назад. Например, вчера было 400 чеков, а год назад — 200. Такое сопоставление — уже отчёт.

Создание столь простого отчёта не требует никаких специальных инструментов или знаний. Если работа R-Keeper не менялась, то сегодня система фиксирует все чеки в том же самом формате, как и год назад. Очень просто взять данные и посмотреть, сколько посетителей обслуживал ресторан каждый день и как менялось это число. Однако, такой отчёт, как и отдельная цифра в 300 посетителей за день, тоже ни о чём не говорит. Потому что раньше ресторан закрывался в 6 часов вечера, а теперь он работает круглосуточно. Раньше там продавались комплексные обеды, на которых сеть зарабатывала, а теперь — только дешевые гамбургеры, на которых сеть теряет деньги. Факторов, способных мгновенно поменять оценку работы ресторана на противоположную, может быть очень много.

Как найти показатели, на которые можно опираться? Как получить отчёт, на основании которого можно что-то решить — директора ресторана во Владивостоке нам срочно уволить или наоборот, дать ему премию?

Ответ прост. Отчёт должен учитывать разные стороны работы компании. В примере с сетью ресторанов это будет тот отчёт, который позволит сопоставить выручку, трафик (число посетителей), какие-то показатели работы сотрудников, загруженность касс, ассортимент. Очевидно, исходные данные для создания такого отчёта всегда находятся в разных системах и имеют разный формат.

Пример наиболее простого и притом “сопостовляющего” показателя, который часто используется в ресторанном бизнесе — это коэффициент, показывающий производительность труда одного сотрудника за час. Его называют Labour Cost или SPMH (Sales per Man Hour).

Labour Cost = затраты на персонал / выручка

Можно сказать, что любой бизнес напоминает пазл. В базе бухгалтерской программе лежат одни фрагменты. В других системах — другие. Задача BI как раз и состоит в том, чтобы собрать из разных мест все эти фрагменты и превратить их в единую картину. Мы не узнаем, что нарисовано, пока не соберем пазл.

Миф №2. Бизнес-аналитика — это дорого и доступно только крупным компаниям.

“Сколько будет стоить?” — первый вопрос, который слышит ИТ-специалист, предлагающий новый инструмент. Сегодня многие думают, будто бизнес-аналитика — дорогое начинание по своей природе. Поэтому она доступна лишь организациям с большим бюджетом или множеством внутренних ресурсов.

Действительно, 5 лет назад без привлечения консультантов трудно было даже ответить на вопрос “сколько стоит?” Однако, сегодня всё уже не так.

Раньше для того, чтобы воспользоваться бизнес-аналитикой, надо было запускать масштабный проект. В проекте участвовали ИТ-специалисты, архитекторы ИТ-систем и аналитики. Требовалось определить, в каких системах и в каком виде находится нужная информация, потом спроектировать хранилище данных (DW, data warehouse), сформировать витрины данных и OLAP-кубы, на основе которых будут создаваться отчёты. Средней компании проект обходился в $100,000.

Ключевым этапом на пути к аналитическому отчету был так-называемый OLAP-куб. Это многомерный объект, в котором все данные для отчёта уже рассчитаны. Если что-то в OLAP-кубе отсутствует, то и в отчёте этого не будет. Для включения в отчёт новых данных надо перестроить OLAP-куб. Это требует целого ряда шагов, которые не сделать без ИТ-специалистов и специалистов в области работы с данными.

Бизнес-аналитику изменило быстрое развитие технологии вычислений в оперативной памяти (in-memory). Когда данные обрабатываются в оперативной памяти, процесс их извлечения происходит очень быстро. Так появилась возможность создавать новые аналитические отчёты практически “на лету”. Это позволило отказаться от OLAP-кубов — одного из самых трудоемких и медленных этапов получения отчёта.

Отказ от OLAP-кубов привел к упрощению архитектуры BI-систем. Появились BI-платформы, которые доступны для небольших компаний. Такие платформы сегодня предлагают компании Qlik (продукт Qlik Sense), Tableau Software, Microsoft (MS Power BI). Эти продукты просто лицензируются и позволяют быстро, без привлечения ИТ-специалистов, начать работать со своими данными.

Если раньше для того, чтобы только попробовать бизнес-аналитику, надо было иметь хотя бы $100,000, то теперь простую BI-систему можно создать самому — потратив собственное время и используя бесплатную лицензию на BI-платформу.

#bi #qlik