Эффективная бизнес-аналитика: практические советы

В 2025 году российский рынок бизнес-аналитики (Business Intelligence) продолжает демонстрировать устойчивый рост и адаптацию к новым реалиям. По данным разработчика системы бизнес-аналитики и партнера Conteq, компании Visiology, объем отечественного рынка ежегодно увеличивается приблизительно на 14,4%, достигнув усредненного прогнозного объема в размере 66,1 млрд рублей в 2025 году (источник: https://bi.conteq.ru/tpost/py2yha8jb1-kuda-dvizhetsya-rossiiskii-bi-rinok-v-20 ).

Несмотря на уверенный рост, рынок бизнес-аналитики сталкивается с серьезными вызовами. И один из них – подготовка квалифицированных кадров. Ведущий специалист, первый в России сертифицированный бизнес-аналитик Георгий Савельев расскажет нам о тонкостях работы аналитика бизнес-данных и даст простые практические советы.

Георгий Савельев - Вице-президент по профессиональному развитию и обучению Российского отделения Международного института бизнес-анализа (IIBA). Первый сертифицированный бизнес-аналитик в России. Имеет более чем тридцатилетний опыт проектирования, разработки и внедрения IT-решений. Реализовал более 80 проектов для клиентов в России, Казахстане, Северной Америке, Европе, и на Ближнем Востоке в качестве бизнес-консультанта, архитектора решений, менеджера продуктов и бизнес-аналитика. Сертифицированный профессиональный бизнес-аналитик (IIBA CBAP), сертифицированный специалист по цепочкам поставки (APIC CSCP), сертифицированный SAFe владелец/менеджер продуктов (SAFe POPM), сертифицированный менеджер продуктов (AIPMM CPM). Участник разработки профессионального стандарта BABOK Guide v3 и главный редактор его перевода на русский язык. Автор книги "Бережливый бизнес-аналитик: как повысить продуктивность, используя Lean и Теорию ограничений". Участник разработки вопросов официального сертификационного экзамена CBAP. Создатель авторизованных IIBA учебных курсов по бизнес-анализу и официальных учебных материалов для групп изучения BABOK Guide.

Смысл и цель аналитики бизнес-данных – извлечение и предоставление информации, помогающей принять правильное решение или показывающей необходимость управленческих действий и их результативность. Для того, чтобы делать это успешно, аналитик бизнес-данных должен уметь не только решать, но и правильно определять аналитические задачи. Иначе можно впустую потратить дни и недели, а то и месяцы, выполняя бесполезный для бизнеса анализ. Поэтому сегодня Георгий Савельев, на примерах из практики, расскажет о нескольких важных принципах определения задач бизнес-аналитики.

Когда перед аналитиком ставят задачу, возникает соблазн приступить к ее решению без лишних вопросов. Однако надо помнить, что любой анализ данных – не конечная цель, а лишь способ достижения некоторой бизнес-цели. Задайтесь вопросом: «Какую цель преследует бизнес, решая эту задачу, и какие факторы в наибольшей степени способствуют ее достижению?»

Крупный дистрибьютор пива и безалкогольных напитков попросил меня решить задачу оптимизации планирования маршрутов машин, используемых для вэн-продаж. Вэн-продажи – это когда торговый представитель, без предварительных заказов, объезжает на грузовике торговые точки, в которых наиболее высока вероятность исчерпания запасов и отгружает им продукцию «с колес».

Сопоставив данные о продажах и загрузке машин, я выяснил, что продуктивно использовалось меньше половины их ресурса. Нужные клиентам ходовые товары быстро заканчивались, а те, которые еще оставались в машине, были им не нужны. Поэтому водителю приходилось возвращаться на склад для пополнения запасов. При этом он не только тратил время, чтобы доехать до склада и вернуться на территорию продаж, но и возил туда и обратно непроданные товары, вес которых составлял до трети полной грузоподъемности машины.

Таким образом, анализ данных показал, что эффективность вэн-продаж определяется не столько маршрутами машин, сколько их грузоподъемностью и тем, какой товар и в каком количестве загружается на каждый рейс. Соответственно вместо того, чтобы оптимизировать маршруты машин, я определил их оптимальную грузоподъемность и предложил способ расчета их оптимальной загрузки, что в итоге привело к двукратному увеличению этого вида продаж.

Не полагайтесь на поверхностные выводы. Если очевидные рычаги влияния на нужный показатель не работают, надо не пытаться давить на них сильнее, а искать глубинные факторы, сдерживающие их влияние. Нужная информация и правильные решения могут скрываться глубже, чем кажется на первый взгляд. Лежащие на поверхности данные обычно ничего не говорят о том, как улучшить положение дел, а лишь показывают направление, в котором нужно «копать».

Крупный региональный производитель хлебобулочной и кондитерской продукции на протяжении нескольких лет безуспешно пытался увеличить свою клиентскую базу. Чтобы они не делали, количество постоянных клиентов оставалось примерно на одном и том же уровне или даже снижалось. Компания создала отдел маркетинга и набрала торговых представителей, которым было поручено искать и привлекать новых клиентов. Это тоже не помогло – несмотря на то, что они регулярно заключали новые договора, размер клиентской базы оставался прежним.

Руководство считало, что торговые представители работают недостаточно хорошо и пригласило меня и моего делового партнера научить их работать лучше.

Прежде чем начинать обучение торговых представителей, я попросил дать мне доступ к данным о продажах за последние несколько лет. Проанализировав их, я обнаружил интересную картину.

Руководство компании судило о размере клиентской базы на основании отчета о количестве клиентов, заказывавших продукцию в течение месяца, не пытаясь сопоставлять этих клиентов с теми, которые были месяц или год назад. Я же, проанализировав всю историю заказов, построил помесячный график, показывающий количество появившихся новых клиентов и клиентов, переставших заказывать продукцию. Получились две почти параллельные восходящие линии. Верхняя показывала общее количество клиентов с учетом новых, а нижняя – количество потерянных клиентов. Разница между ними и отражала количество активных клиентов в каждом месяце.

Этот график показывал, что каждый месяц до 10% активной клиентской базы составляли новые клиенты. То есть, за год клиентская база должна была бы удвоиться. Но она не росла, потому что практически такое же количество клиентов ежемесячно уходило. Это происходило из месяца в месяц на протяжении нескольких лет.

Руководство компании предположило, что такая динамика клиентской базы связана с двумя причинами. Первая – в том, что небольшие розничные торговые точки то и дело закрываются, а новые открываются, а вторая – более высокие цены на продукцию по сравнению с конкурентами вследствие ее более высокого качества.

Чтобы проверить эти гипотезы, я распечатал списки потерянных клиентов, начиная с самых «свежих». Эти списки я поделил между торговыми представителями и поставил им простую задачу: каждый день обходить как минимум 10 таких клиентов и приносить от каждого либо заказ, либо объяснение того, почему клиент не хочет заказывать продукцию компании.

Через две недели мы получили полную реальную картину. Большинство розничных торговых точек, переставших заказывать продукцию компании, никуда не делись – стояли там же, где и прежде, и никто из них не упомянул высокую цену в качестве причины отказа от работы с компанией. Основными причинами были:

· запоздалая доставка (им не нужен привезенный к вечеру хлеб, который они рассчитывали продать утром)

· частое невыполнение заказов (не привозят заказанную продукцию)

· неправильное выполнение заказов (привозят не ту продукцию, которую заказали)

· отказ принимать возвраты некачественной и просроченной продукции

· грубость водителей-экспедиторов

В результате этого анализа стало понятно, что у компании есть какие-то внутренние ограничения, не позволяющие ей эффективно обслуживать более определенного количества клиентов. Чтобы понять какие именно, я начал изучать как принимаются заказы, формируется производственный план, загружаются и отправляются в рейсы машины, как составляются их маршруты, и как принимаются возвраты.

В итоге мы занялись не обучением отдела маркетинга, а совершенствованием производственного планирования, погрузочных операций и транспортной логистики, а также оптимизацией парка транспортных средств и территорий продаж.

Смысл и цель любого бизнеса – получение прибыли и максимизация отдачи от инвестиций. На размер прибыли и нужных для ее получения инвестиций влияет множество взаимосвязанных факторов, зависящих от особенностей конкретного бизнеса. Учитывать и оптимизировать все эти факторы одновременно, как правило, – невыполнимая задача. Поэтому собственники и руководители компаний, часто фокусируются на оптимизации отдельных факторов. Однако, в силу взаимосвязанности факторов, влияющих на прибыльность компании, попытка улучшить конкретный показатель может привести к далекому от оптимального результату для бизнеса в целом.

Хороший аналитик должен не только искать возможности достижения желаемого значения показателя, но и исследовать то, каким должно быть его оптимальное значение с учетом других взаимосвязанных факторов.

Крупный межрегиональный дистрибьютор бакалейной и кондитерской продукции решал задачу уменьшения денежных средств, вложенных в товарные запасы. Их стоимость была равна примерно трехнедельной выручке от продаж, и собственник бизнеса считал, что ее можно сократить до размера двухнедельных продаж.

Проведенный мной анализ товарных запасов показал их значительный дисбаланс: многие ассортиментные позиции были в запасе на несколько месяцев продаж, тогда запасов наиболее ходовых товаров хватало только на два-три дня или вовсе не было. Это говорило о возможности увеличения продаж и снижения стоимости товарных запасов и за счет улучшения их структуры.

Трем закупщикам, работавшим шесть дней в неделю по 10 часов в день, не удавалось справиться с оптимизацией запасов более чем 3000 ассортиментных позиций используя электронные таблицы и упрощенные методы формирования заказов поставщикам. Поэтому я предложил внедрить и, в итоге внедрил, систему управления запасами. В результате, для поддержания сбалансированных запасов стало достаточно одного закупщика, который тратил на это всего четыре часа в день и работал пять дней в неделю.

Внедрение системы управления запасами открыло недоступные ранее возможности, которые шли вразрез с первоначальными целями проекта, но отвечали интересам бизнеса.

Для поддержания низкого уровня запасов товары закупались у поставщиков небольшими партиями и привозились автомобильным транспортом. При этом транспортные затраты составляли до 30% себестоимости товаров. Получив инструмент эффективного управления запасами, закупщик увидел возможность перейти на поставку большинства ассортиментных позиций по железной дороге.

Поставка железнодорожными вагонами предполагала закупку товара более крупными партиями, что приводило к увеличению запасов, но, при этом, в 10 раз снижало транспортные расходы. Как результат, запасы увеличились до размеров месячного объема продаж и компании пришлось переехать на склад большего размера. Однако увеличились также и конкурентоспособность, и прибыльность продаваемых компанией товаров.

В итоге, хотя количество вложенных в товарные запасы денег не сократилось, а выросло, чистая прибыль компании увеличилась более чем в два раза, и собственник бизнеса признал, что этот проект был лучшей из всех его инвестиций.

Большинство показателей бизнеса, таких как объем продаж, количество посещений сайта или сроки доставки, подвержены случайным колебаниям в силу множества различных обстоятельств. Нет смысла обращать внимание на изменения показателей, пока они находятся в нормальном диапазоне случайных вариаций. Но их выход за верхнюю или нижнюю границу этого диапазона указывает на ошибки в данных или какие-то исключительные события, которым стоит уделить внимание.

Занимаясь повышением прибыльности крупного производителя кондитерской продукции, я строил модель его производственных цепочек. С помощью этой модели я собирался исследовать узкие места, структуру себестоимости и возможности увеличения прибыли за счет более эффективного планирования производства. В качестве исходных данных для этой модели, помимо прочего, мне были нужны реальные отпускные цены на продукцию компании.

Исходя из отпускных накладных я рассчитал среднюю цену каждого товара, а также определил диапазон нормальных колебаний цены. Посмотрев на результат, я увидел, что некоторые отпускные цены выходили далеко за рамки диапазона нормальных вариаций – все они были примерно в два раза ниже средних. Это означало, что отклонения цен не были случайными.

Все накладные, в которых наблюдались эти аномалии, относились к одному из филиалов компании. Я предположил, что это какие-то особенные клиенты, которым товар отпускается за половину цены, но никаких закономерностей в названиях клиентов не увидел. Директор по продажам, которому я показал эти данные, тоже удивился, и попросил меня съездить в тот филиал чтобы прояснить ситуацию.

В ходе дальнейшего расследования выяснилось, что сотрудница склада, вместе с одним из водителей, разработала гениальную в своей простоте и неуязвимости схему хищений. Сначала она выписывала правильную накладную, по которой клиент получал и оплачивал товар. Затем она исправляла эту накладную в учетной системе, в два раза уменьшая опускную цену и в те же два раза увеличивая количество отгруженного товара, чтобы сумма по накладной оставалась прежней. Образовавшийся в результате этого излишек товара они забирали со склада и продавали «на сторону». Так за год они похитили товара почти на 200 тысяч долларов.

Эту схему было невозможно выявить традиционными способами. Инвентаризации и отчеты о запасах не показывали недостачу, поскольку количество товара, отпущенного по хранящимся в системе накладным, совпадало с тем, которое реально ушло со склада. Финансовые отчеты также не могли ничего показать, поскольку суммы полученных от клиентов денег совпадали с указанными в накладных. Сверять же тысячи бумажных накладных с учетными записями в системе – бессмысленный и непосильный труд, который никому не пришло бы в голову делать.

Многие процессы компании можно улучшить за счет устранения потерь. Однако, прежде чем выявлять потери и искать возможности их устранения, необходимо определить те места, в которых это принесет максимальную отдачу. Такие места называются «бутылочные горлышки» или «узкие места».

Узкое место – это процесс, производительность которого ограничивает производительность всего бизнеса. Увеличение его пропускной способности повышает продуктивность компании в целом. Напротив, устранение потерь в том месте, которое не является ограничением, ничего не дает бизнесу – компания все равно не сможет сделать больше того, что позволяют ее узкие места.

Ведущая пивоваренная компания попросила меня помочь наладить транспортную логистику одного из ее эксклюзивных дистрибьюторов, который не справлялся с доставкой заказов в периоды пикового спроса. В дни нормального спроса объем заказов дистрибьютора не превышал 60 тонн, и такой объем он успешно доставлял. Однако в периоды повышенного спроса, когда объем заказов вырастал до 100 тонн в день, у дистрибьютора никак не получалось доставить более 80 тонн.

Мой анализ показал, что суммарной грузоподъемности машин дистрибьютора было достаточно, чтобы доставить нужный объем заказов совершая по два рейса в день даже с неполной загрузкой. Проанализировав длительность маршрутов, я установил, что за восьмичасовой рабочий день машины могли бы выполнять до трех рейсов. То есть, покупать больше машин не имело смысла. Проблема была в том, что на деле машины выполняли только один рейс в день, редко – два.

Очевидно, что-то в работе склада мешало водителям выполнять больше одного рейса в день. Дальнейшее исследование показало, что узким местом была загрузка машин. Причем потери времени в этом процессе были колоссальными. Дело было в том, что только один человек - менеджер по логистике, контролировал загрузку заказов в каждую машину. Поэтому, хотя на пандусе было шесть погрузочных мест, в каждый момент времени загружалась только одна машина, а все остальные ждали своей очереди. В результате, хотя загрузка машины занимала всего 20–30 минут, водители ждали выхода в первый рейс по два-три часа.

Второй вид потерь рабочего времени водителей возникал, в момент возврата из рейса. Когда машина приезжала на склад, менеджер по логистике решал каким будет ее следующий рейс, после чего работники склада начинали собирать нужные заказы и вывозить их в зону погрузки. Это занимало у них 40–50 минут, и еще 20–30 минут уходило на то, чтобы загрузить товар в машину. В итоге перерыв между рейсами составлял не меньше часа, а если из рейса одновременно возвращалось несколько машин, то и гораздо больше.

Обсудив ситуацию с руководством компании и менеджером по логистике, мы разработали комплекс простых мер по устранению этих потерь без каких-либо дополнительных затрат.

Во-первых, в дни повышенного спроса менеджер по логистике с вечера формировал маршруты первых рейсов всех машин, и работники склада начинали сборку заказов для них.

Во-вторых, работники склада стали выходить на работу за час до начала рабочего дня водителей чтобы завершить сборку нужных заказов.

В-третьих, торговые представители в дни большой отгрузки не сразу отправлялись по своим маршрутам, а приезжали на склад к моменту начала загрузки машин и, в течение часа, участвовали в ее контроле вместе с менеджером по логистике. Этого было достаточно, чтобы быстро отправить в первый рейс все машины.

В-четвертых, всех водителей обязали сообщать по телефону о прибытии в последнюю точку маршрута. После каждого такого звонка менеджер по логистике формировал следующий маршрут водителя, а работники склада начинали собирать для него заказы. Таким образом, к моменту возвращения машины на склад все нужные для ее следующего рейса заказы уже были собраны и находились в погрузочной зоне.

В результате этих мер дистрибьютор смог легко доставлять 120 тонн заказов в день, и при этом у водителей еще оставалось свободное время.

Суть жизнеспособного бизнеса – прибыльная продажа предлагаемых им продуктов или услуг. Поэтому, для того чтобы получить целостную общую картину любого бизнеса, нужно рассмотреть все его продукты и услуги с трех точек зрения: продажи, производство и прибыльность.

С точки зрения продаж важно то, скольким клиентам, в каком количестве и насколько легко продать тот или иной продукт или услугу. С точки зрения производства важно то, насколько легко и в каком количестве компания может производить продукт или оказывать услугу. С точки зрения прибыльности важно то, сколько прибыли и как быстро приносит продажа каждой единицы продукта или услуги.

Обладание этой информацией помогает руководству компании принимать обоснованные решения относительно формирования продуктовой линейки, ценообразования, маркетинга, модернизации и расширения производства, а также общей стратегии бизнеса.

Целью одного из моих консалтинговых проектов был поиск возможностей повышения прибыльности входящего в холдинг металлургического завода, который на протяжении трех лет приносил многомиллионные убытки. Помимо прямых убытков, завод постоянно задерживал выполнение заказов на несколько недель, что приводило к претензиям и штрафам со стороны клиентов. При этом среднегодовой объем выпускаемой заводом продукции составлял менее 80% его теоретической максимальной мощности, поэтому руководство холдинга считало, что завод можно сделать прибыльным увеличив объем производства и повысив его эффективность.

Чтобы разобраться в ситуации, я построил полную модель производственных цепочек для более чем трех тысяч видов продукции завода, от закупок сырья до отгрузки клиентам. Для этого мне пришлось интегрировать и обработать сотни тысяч записей из шести различных баз данных, включая закупки, заказы клиентов, производство, расчеты себестоимости, технологические карты и химические составы сплавов. С помощью этой модели я смог рассчитать реальную себестоимость и маржинальную прибыльность каждого вида продукции, а также определить узкие места производства.

Когда, пользуясь результатами этих расчетов, я упорядочил выполненные заводом заказы по их прибыльности, оказалось, что только около 70% из них приносили реальную прибыль, прибыльность еще 15% была недостаточной для покрытия косвенных издержек, а остальные 15% процентов были просто убыточными. Это выглядело так, как если бы заводчане 10 месяцев в году усердно трудились чтобы заработать небольшую прибыль, а потом еще два месяца столь же усердно работали только для того, чтобы превратить ее в большие убытки.

Также выяснилось, что хотя общий объем производства был значительно ниже максимально теоретического, некоторые производственные участки работали на пределе своих возможностей. При этом убыточные заказы не только съедали прибыль, но и перегружали узкие места, усложняя планирование производства и мешая своевременному выполнению прибыльных заказов.

Более детальный анализ убыточных заказов показал, что отказ от них не только сделал бы завод безубыточном, но и позволил бы в два с лишним раза сократить номенклатуру сплавов и выпускаемых изделий. Это значительно упростило бы планирование работы производственных участков и разгрузило бы те из них, которые были перегружены.

Напрашивался парадоксальный вывод: для того, чтобы стать прибыльным, завод должен был производить меньше. Этот вывод шел вразрез с привычным пониманием руководителей завода: чем больше производится продукции, тем лучше. Кроме того, руководство опасалось, что отказ от убыточных заказов приведет к потере клиентов, которые могли также заказывать и прибыльную продукцию.

Чтобы подтвердить или опровергнуть эти опасения, я проанализировал, что было бы если бы те клиенты, которые заказывали убыточные виды продуктов, вообще ничего не заказывали. Получался такой же результат: номенклатура изделий радикально сокращалась, планирование производства упрощалось, критическое оборудование разгружалось, а завод становился прибыльным.

В бизнес-аналитике наибольшую ценность имеют неожиданные или наименее очевидные выводы – сложная аналитика не нужна для выяснения того, что и так всем ясно. Однако достоверность именно таких выводов в первую очередь подвергается сомнениям. Поэтому аналитик должен соотносить такие выводы с объясняющими их событиями и обстоятельствами реального мира.

Параллельно с тем проектом, о котором я рассказывал в предыдущем примере, группа финансовых аналитиков холдинга, совместно с инженерами, разрабатывала бизнес-планы многомиллионных инвестиций в расширение и модернизацию некоторых видов оборудования завода. Эти планы я также включил в свой анализ, который показал, что, во-первых, они в любом случае не принесут и половины ожидаемой отдачи, а во-вторых, что изменение порядка их реализации даст несколько лучший результат.

Дело в том, что модернизируемое оборудование не было узким местом для большинства видов продуктов, частью технологических маршрутов которых оно являлось. Возможности производства этой продукции ограничивались производительностью трех линий лакирования металлической ленты, модернизировать которые не планировалось. По моей оценке, их суммарная пропускная способность не превышала 45 тысяч тонн в год, и примерно столько на них фактически и производилось.

Приехав в головной офис корпорации для обсуждения моих выводов с руководством, я обратил внимание на одного сотрудника, который каждый раз проходя мимо меня смотрел искоса, и всем своим видом выражал недовольство. Оказалось, что 25 лет назад он руководил разработкой множества производимых заводом видов продукции и внедрением нужного для их производства оборудования. Теперь он руководил и инвестиционными проектами по модернизации оборудования.

Когда я подошел к нему и спросил в чем проблема, он ответил: «Ходят тут всякие и убеждают руководство в неправильных вещах». «Что именно неправильно?» – поинтересовался я. «Расчетная производительность линий резки – 25 тысяч тонн в год. То есть суммарно – 75 тысяч тонн. Мы в своих расчетах заложили с запасом 60 тысяч тонн, – пояснил он, — вот скажите мне, 20% – это хороший запас?» Я пожал плечами: «Не знаю. Для того, чтобы ответить на этот вопрос, надо смотреть технологические карты продуктов, которые на них производятся».

Основным продуктом тех линий была алюминиевая лента для производства консервов. Когда они вводились в эксплуатацию 25 лет назад, производители консервов использовали отечественное оборудование, для которого требовалась лента толщиной 0.3 миллиметра и шириной 150 сантиметров. С тех пор производители перешли на использование импортного оборудования, для которого нужна была лента толщиной 0.27 миллиметра и шириной 100–110 сантиметров. Таким образом, при той же скорости движения ленты, вес продукции, производимой в единицу времени, уменьшался примерно на 40%.

«Но, ведь, скорость движения ленты должна была увеличиться?» – предположил менеджер, когда я это объяснил. «Давайте посмотрим», – предложил я. Мы открыли технологическую карту продукта, стоявшего на первом месте по объему производства. Скорость движения ленты было даже меньше той, что я закладывал в расчетах. Потом мы посмотрели второй по объему производства продукт, потом третий и четвертый. У всех скорость движения ленты была такой же или меньше той, что закладывалась изначально.

«Пожалуй, ваша оценка в 45 тысяч тонн даже чересчур оптимистична», – признал менеджер после долгой паузы, – вряд ли они реально смогут производить более 40 тысяч тонн».