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
Александр, а вывод ночной смены по затратам не съедает всю пользу от такой точности данных?
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
А что дает сбор данных в один "котел"?
Нельзя что-то анализировать на стороне каждого магазина и периодически, а не по закрытию касс?
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".