Сколько стоят ошибки управленческих решений, принятых на основе интуиции? Дашборды, которые помогают сэкономить миллионные бюджеты
Дмитрий Корнеев, руководитель отдела развития Qlever Solutions, рассказал, как работа с данными и оптимизация BI-решений влияет на эффективность компании и помогает сэкономить миллионные бюджеты.
Михаил Греков, директор по развитию BI-системы Analytic Workspace, рассказал о возможностях платформы для аналитики AW BI.
В рамках онлайн-встречи BI-разработчик Qlever Solutions Семен Клименко продемонстрировал аналитическое приложение для сети ресторанов с отчетами PnL и LFL, реализованное в AW BI.
В статье освещаем ключевые моменты онлайн-встречи и рассказываем о преимуществах платформы Analytic Workspace.
Типовые вопросы, на которые нужно ответить руководителю
Умение принимать качественные управленческие решения сегодня — важный фактор развития для любой компании. Рынок не стоит на месте и требует, чтобы эти решения были своевременными и эффективными. Если компания хочет оставаться на высоте, у руководителей остается все меньше права на ошибку.
Каждый руководитель регулярно должен отвечать на вопросы:
- В каких областях бизнеса происходит рост или спад?
- Соответствует ли текущее состояние запланированным целям?
- В какой сфере есть проблема или ее риск?
- Выше ли показатели, чем в прошлый период?
- Какая динамика и темпы роста показателя?
- Какая структура показателя по разным измерениям?
В этом может помочь аналитика данных — процесс интерпретации данных и извлечения полезной информации из них.
BI-система, Система бизнес-аналитики, Business Intelligence— это набор методов, инструментов и технологий для сбора, обработки, анализа данных и их представления в понятном для пользователя виде визуализаций, на основе которых можно принимать качественные управленческие решения.
Боли и проблемы компаний, связанные с принятием решений
Несмотря на актуальность темы управления на основе данных и широкое разнообразие BI-инструментов, появляющихся на рынке, российские компании только начинают осознавать важность работы с данными.
Значительной преградой на пути к эффективному принятию решений становится отсутствие качественных и актуальных данных, которым можно доверять. В компаниях не организован систематический сбор, актуализация и объединение данных в единое хранилище для дальнейшей работы с ними.
Вместо использования BI-решений, которые помогают автоматизировать аналитику, визуализировать данные и найти ценные новые ценные, большинство организаций продолжает использовать для отчетов сводные таблицы в Excel, мучительно сверять их вручную и получать некорректные результаты.
Что лучше для аналитики: Excel или BI? Сравнение инструментов
Низкое качество данных, недостаток анализа и давление сроков приводят к тому, что стратегические решения принимаются необдуманно, спонтанно и приводят к ошибкам.
По опыту клиентов Qlever, около 20-35% всех данных в компании являются не актуальными и влияют на результаты итоговой статистики и принимаемые решения.
Как аналитика помогает принимать эффективные решения и экономить деньги?
Команда Qlever уже более 10 лет занимается внедрением корпоративных аналитических систем для крупных компаний в сфере ритейла, ресторанного бизнеса, производства, энергетики.
Наши клиенты обращаются к нам с уникальными задачами, решение которых всегда лежит в работе с качеством данных и извлечении максимальной ценности из бизнес-информации.
Ознакомьтесь с кейсами наших клиентов:
-1 млн руб. /год
Как автоматизация P&L отчетности помогла сэкономить до 1 млн.р./год
Сотрудники крупной сети фастфуда вручную готовили PnL (Profit & Loss) отчетность для ресторанов, из-за чего управляющим на местах не всегда удавалось вовремя заметить точки падения показателей и предпринять меры.
Автоматизация P&L-отчетности в BI помогла сети принимать управленческие решения на неделю раньше и сэкономила до 96 часов в месяц, что эквивалентно порядка 958 тысяч руб. затрат на оплату труда в год из расчета средней зарплаты финансового аналитика в Москве.
-от 18 до 25 млн руб./мес.
Анализ доставки: как можно получать до 18–25 млн с помощью геоаналитики упущенных заказов
Эксперты Qlever Solutions доработали delivery-приложение на базе BI для ресторанной сети, чтобы клиент мог оптимизировать зоны доставки, отслеживать причины упущенных заказов и ежемесячно брать в работу около 30–50 тысяч дополнительных заказов (18-25 млн руб).
-60 млн руб./год
Как аналитика позволила контролировать товарные потери и снизить их до 3%
Благодаря аналитике произошло снижение потерь до 3%, которое помогло сети супермаркетов приблизиться к достижению планов по маржинальной выручке. Объем потерь на уровне 3% от товарооборота является средним по отрасли FMСG.
Другие проекты Qlever Solutions >>
***
На онлайн-встрече BI-разработчик команды Qlever продемонстрировал наглядный пример того, как визуализация данных способствует более высокой скорости и точности принятия решений.
Для этого рассмотрели аналитическое приложение, которое содержит визуализации двух часто используемых в фуд-ритейл отчетов: PNL и LFL.
PnL (Profit and Loss) — отчет о доходах и расходах — один из ключевых отчетов о финансовой деятельности компании, который показывает ее операционную эффективность.
Чаще всего на практике собирается вручную и представлен в виде большой сводной таблицы. Таблицу формируют в Excel или с помощью других инструментов, например, того же BI.
Рассмотрите таблицы ниже. Удобно ли искать и анализировать представленную информацию?
Автоматизация в BI позволяет представить те же самые данные с помощью визуализаций: графиков, диаграмм, интерактивных элементов.
Правильно подобранные визуальные образы воспринимаются более однозначно, чем текст, что делает визуализации ключевыми для понимания и запоминания информации.
Хорошая визуализация помогает сократить время поиска взаимосвязей и инсайтов в данных и делает принятие бизнес-решений максимально быстрым и интуитивным.
Как правильно визуализировать данные, чтобы принимать эффективные решения?
На дашборде в порядке важности для восприятия представлены ключевые показатели PnL-отчета:
- План и факт EBITDA
- Динамика выручки по месяцам
- Структура расходов
Благодаря грамотно подобранным визуализациям пользователи могут заметить скрытые в данных закономерности и наглядно отследить динамику показателей в разрезе месяцев, регионов, ресторанов.
Например, обратить внимание на конкретный ресторан, который принес наименьшую выручку, и запустить маркетинговую акцию для привлечения новых посетителей или оптимизировать эффективность работы персонала.
На круговой диаграмме можно рассмотреть, на какие категории приходится больше всего расходов, и в дальнейшем обратить внимание на эти статьи. Например, детальнее разобрать, из чего состоит фудкост (себестоимость) и оптимизировать затраты на логистику, доставку или хранение продуктов.
На втором листе приложения отображены показатели LFL, (Like-for-Like), или сопоставимые продажи — это соотношение выручки или количества чеков, которые получили рестораны одной розничной сети в текущем и прошлом отчетном периоде.
Основные показатели, которые отображены на этом листе:
- SSS, Same Store Sale, сравнение выручки за указанный год к предыдущему
- SST, Same Store Traffic, сравнение кол-ва чеков за указанный год к предыдущему
- SSAC, Same Store Average Check, сравнение среднего чека за указанный год к предыдущему
Несмотря на то, что на данном листе в качестве визуализации используется таблица, показатель остается наглядным. Цветовая индикация значений позволяет выявить отклонения и определить, в каком месяце и по какому ресторану выручка текущего года оказалась меньше предыдущего.
Приложение для ресторанной сети реализовано на базе платформы Analytic Workspace.
Кратко об Analytic Workspace
Analytic Workspace — российская BI-система, закрывающая полный цикл работы с данными: сбор и консолидация, обработка и анализ, визуализация и распространение отчетов.
AW BI относится к классу self-service продуктов, что минимизирует требования к пользователям в части владения навыками программирования. Система также включает полноценный ETL-модуль и инструменты машинного обучения (ML), что расширяет возможности анализа данных и автоматизации процессов.
Высокая устойчивость и производительность
Платформа показывает хорошие результаты даже при работе с большим объемом данных и при высоких нагрузках:
Оптимизирована для работы с Clickhouse
Clickhouse — высокопроизводительная СУБД, нативно работающая с AW BI. На проектах с Big Data возможно кратное ускорение Clickhouse за счёт использования индексов и шардирования.
Многоуровневое кеширование
В AW BI есть многоуровневое кеширование данных виджетов и справочников с учетом ролевой модели. Если пользователь 1 смотрит дашборд впервые, то он, может быть, немного и подождёт. Но пользователь 2 увидит всё практически мгновенно.
Масштабируемая архитектура
AW BI — это масштабируемые компоненты с учетом микро-сервисной архитектуры, которые можно увеличивать в зависимости от количества пользователей и других параметров нагрузки.
При этом масштабирование не привязано к лицензии.
Современный код
AW BI — это современное решение, которое не обросло старым неоптимальным кодом.
Раз в год команда делает технический спринт, в рамках которого работает над усовершенствованием и оптимизацией кода.
Удобство для пользователей
- Analytic Workspace — self-service платформа, которую легко освоить: чтобы собрать свой первый дашборд, потребуется 2-3 часа
- Платформа предлагает простой и понятный интерфейс и широкую функциональность для различных аналитических задач
- Платформа предлагает простой и понятный интерфейс и широкую функциональность для различных аналитических задач
Как внедрить BI?
Система бизнес-аналитики сегодня — необходимый инструмент для быстрого и эффективного принятия любых управленческих решений:
- Анализа продаж и выявления самых прибыльных продуктов и услуг
- Оценки спроса и отслеживания трендов рынка
- Мониторинга производства, выявления узких мест в процессах, контроля состояния оборудования и запасов
- Оценки результатов маркетинговых кампаний и разработки стратегий
Команда Qlever Solutions предлагает клиентам услуги внедрения, сопровождения и поддержки лучших платформ для аналитики, которые помогают решить бизнес-задачи любой сложности.
Внедрение BI — это сложный и длительный процесс, который может занять от нескольких месяцев до нескольких лет и состоит из этапов:
Сбор функционально-технических требований
аудит бизнес-процессов и ИТ-инфраструктуры компании, сбор требований от бизнес-пользователей, разработка системы KPI для анализа и форм необходимой отчетности
Определение источников данных
выбор и аудит необходимых источников данных, подготовка данных, на основе которых будут строиться визуализации и отчеты
Разработка корпоративных хранилищ и витрин данных
проектирование ETL/ ELT процессов, разработка и внедрение DWH
Разработка дизайна интерфейса системы
проектирование дашбордов: cоздание макетов и прототипов информационных панелей, выбор визуализации
Настройка и разработка дашбордов и отчетов
формирование модели данных, разработка дашбордов и отчетов, настройка визуализаций и прав доступа, рассылки отчетов
Тестирование и оптимизация аналитических решений
обработка и исправление ошибок, оптимизация процессов с целью повышения производительности системы
Обучение пользователей
для быстрого погружения в функциональность новой платформы
***
Перед стартом проекта по внедрению BI важно четко сформулировать цели и задачи, провести аудит процессов и систем и уточнить потребности всех бизнес-пользователей.
Если упустить важные детали в начале проекта, это может привести к дополнительным затратам в дальнейшем процессе внедрения.
Аналитика данных съедает время и деньги?
Свяжитесь с нами. Обсудим возможности анализа данных и визуализации на платформе AW BI для того, чтобы вы не упустили даже самые незначительные изменения бизнес-процессов
