редакции
Основные этапы внедрения BI. Как внедрить BI и не терять деньги на каждом этапе проекта?
В современную цифровую эпоху данные стали важным ресурсом, на который компании опираются в стратегическом планировании и процессе принятия решений. Но просто растущий объем данных не означает повышения эффективности и не становится конкурентным преимуществом бизнеса.
Ключевые игроки, которые ставят перед собой амбициозные цели, нуждаются в качественнойинформации, позволяющей принимать правильные решения на основе фактов, а не интуиции.Напоминаем: данные — это факты и цифры, которые не имеют контекста и интерпретации, они не указывают на причины события. Информация же имеет смысл и контекст, помогает ответить на бизнес-вопросы и определить дальнейшие действия.
Читайте подробнее о данных, информации, знаниях и анализе в статье Четыре вида аналитики данных: дескриптивная, диагностическая, предиктивная, прескриптивная >>
Системы бизнес-аналитики (BI-системы) — это набор технологий, инструментов и методов, которые преобразуют данные в полезную информацию.
Внедрение системы бизнес-аналитики — задача, затрагивающая множество процессов и требующая вовлечения сотрудников из разных подразделений компании.
Из-за масштабов и сложности проекта стоимость допущенных в процессе внедрения ошибок возрастает с каждым шагом, и ошибка в начале, например, при сборе требований, стоит меньше, чем на более поздних этапах.
Для снижения рисков и сохранения бюджета необходимо соблюдать алгоритм внедрения BI, который поможет обеспечить полную прозрачность на каждом этапе проекта. Рассказываем об основных этапах внедрения BI, которых придерживается в проектах команда Qlever Solutions.
Этап 00. Перед внедрением
Перед тем, как внедрить систему бизнес-аналитики, стоит понимать, что единого волшебного инструмента, который бы автоматически решил все проблемы с данными, не существует.
Применение BI не означает только пассивный сбор данных и регистрацию различных событий.
Создание и внедрение систем бизнес-анализа требует от компании определенной культуры работы с информацией:
- Тщательное и постоянное исследование настоящих и будущих потребностей бизнеса
- Сотрудничество пользователей (и лиц, принимающих решение, и операционных сотрудников) с ИТ-отделами и командой по работе с данными
- Регулярная интерпретация результатов анализа, поиск взаимосвязей и контекста, правильное использование полученных знаний в управлении
Эти критерии соответствуют определению data-driven подхода — управления на основе анализа данных.
Тщательная предпроектная подготовка помогает не только оценить состояние процессов и систем, но и задать более четкий вектор проекту.
Этап 01. Определение целей и задач проекта
Первый этап внедрения BI-системы — четкое понимание и формирование целей проекта. На этом этапе команда проекта разрабатывает стратегию внедрения.
Цели внедрения формулируются совместно со стейкхолдерами самого верхнего уровня, должны быть согласованы со стратегией развития компании и направлены на бизнес-результаты:
- Переход от инстинктивного и интуитивного принятия управленческих решений к объективному, основанному на анализе фактов, индексов, ключевых показателей
- Формирование стратегии продаж в соответствии с изменяющимся поведением клиентов и конкурентов
- Выявление возможностей для снижения затрат и оптимизации расходов производства
- Оценка результативности маркетинговых мероприятий и каналов, с целью оптимизации стратегии
- Быстрое обнаружение рисков и своевременное предотвращение потерь и простоев
- ...и другие
Цели лучше формулировать с измеряемыми бизнес-показателями, например: «Сократить на 15% время согласования счетов» или «Увеличить долю повторных продаж на 20%». Так будет проще понять, какие KPI нужно визуализировать.
На старте внедрения эксперты Qlever рекомендуют вместо одного большого проекта на 6–12 месяцев выбрать одну-две наиболее приоритетных цели и запустить для них дашборды в пилотном режиме.
Такой подход «быстрых побед» поможет не потеряться в целях, замотивировать команду и собрать первую реальную обратную связь от пользователей. После успешного пилота можно масштабировать проект на другие отделы компании.
Также на данном этапе рекомендуется определиться с командой внедрения и создать центр компетенций, который будет ответственен за продвижение эффективной бизнес-аналитики в компании.
Этап 02. Сбор требований
На данном этапе необходимо:
- Провести аудит бизнес-процессов
Выделить те из них, которые в первую очередь подвергнутся анализу и исследованиям. Определить узкие места и проблемные области, которые можно улучшить с помощью BI.
- Провести аудит существующей ИТ-инфраструктуры компании
В том числе, провести обследование внедренных ранее систем управления базами данных, хранилищ данных и аналитических инструментов. Оценить, насколько легко будущая BI-система может быть интегрирована с существующими ИТ-ресурсами.
- Определить будущих пользователей системы и собрать и требования
Провести интервью и опросы ключевых пользователей для выяснения их задач и ожиданий от системы. Определить, как BI может помочь в достижении долгосрочных целей различных департаментов.
- Разработать матрицу KPI для анализа
Определить ключевые показатели эффективности, которые будут наиболее точно отражать предметную область анализа. Согласовать KPI с бизнес-целями компании.
- Разработать формы необходимой отчетности
Выявить, какие отчёты нужны различным подразделениям для ответов на возникающие бизнес-вопросы, и какова их периодичность. Разработать макеты отчетов, которые устроят всех пользователей.
Традиционно, сбор требований происходит сверху вниз, сначала поддерживается принятие решений топ-менеджментом, а затем вовлекаются более низкие уровни управления.
Цель этапа заключается в выявлении общих потребностей бизнес-пользователей и руководителей, даже если окажется, что поддержка этих потребностей может быть затруднена или едва ли возможна.
Для лучшей коммуникации на данном этапе можно создавать быстрые прототипы/макеты, которые позволяют бизнес-пользователям буквально «потрогать» будущие отчеты. Это снижает риск того, что после финальной реализации первоначальные требования окажутся неточными.
Этап 03. Определение источников данных и подготовка данных
Точность и качество данных напрямую влияют на достоверность аналитики и отчетности.
На этапе идентификации источников и подготовки данных необходимо рассмотреть как внутренние источники данных, так и внешние, сконцентрированные на клиентах, поставщиках, акционерах и т. д.
Источниками данных могут выступать:
- Базы данных: MySQL, PostgreSQL, ClickHouse, GreenPlum
- Файлы: Excel, XML, PDF и другие
- CRM-системы: Битрикс24, amoCRM, Salesforce, Мегаплан, SAP и т. д.
- ERP-системы: 1С: ERP, SAP, Галактика ERP, Парус и т. д.
- Статистика маркетплейсов: Wildberries, Ozon, Сбермаркет, Яндекс Маркет
- Маркетинговые платформы, инструменты интернет-аналитики (Google Analytics, Яндекс Метрика), государственные статистические службы или открытые базы данных
Этап состоит из нескольких ключевых шагов:
- Выбор и аудит необходимых источников данных, оценка их качества и достоверности
- Поиск связей между данными в различных информационных системах
- Определение логической структуры: состава объектов анализа (например, клиенты, продукты, заказы) и атрибутов этих объектов
- Подготовка данных: сегментация согласно критериям, структурирование — приведение к единому формату, маппинг — сопоставление для обеспечения консистентности
- Планирование изменений в источниках, определение возможных необходимых доработок и подключений
- Планирование периодичности загрузки данных
Важно осознавать, что подготовка данных — это не разовая операция, а непрерывный процесс. Для сокращения количества ошибок в данных необходимо согласовать единые справочники, классификаторы и кодировочные схемы, чтобы все пользователи одинаково понимали, что и какие означают показатели (например, «Выручка» или «Логистические расходы»).
Если BI обрабатывает персональные данные, нужно иметь четкое представление о том, какие именно поля хранятся, в каком виде, и кто имеет к ним доступ, учесть требования 152-ФЗ и GDPR.
Этап 04. Разработка корпоративных хранилищ и витрин данных
Для обеспечения централизованного доступа к данным создается корпоративное хранилище данных (Data Warehouse).
Что такое Data Warehouse и как оно помогает экономить бизнесу? >>
На данном этапе необходимо:
- Спроектировать ETL/ ELT (ETL — Extract, Transform, Load или ELT — Extract, Load, Transform) — процессы для извлечения, трансформации и загрузки данных в хранилище. Определить правила и методы подготовки и обработки данных.
- Спроектировать архитектуру DWH: выбрать методологию проектирования, которая обеспечит необходимую гибкость и масштабирование, определить структуру хранения данных, выбрать стек для построения КХД
- Разработать и внедрить корпоративное хранилище данных: реализовать необходимое программное обеспечение и инфраструктуру, которые обеспечат функционирование DWH, протестировать систему
- Разработать документацию для дальнейшей поддержки хранилища
Выбор методологии проектирования и инструментария для DWH зависит не только от технических предпочтений, но и от текущих и планирующихся объемов данных, SLA по времени отклика, бюджетных ограничений и других факторов.
При построении хранилища важно учесть возможность дальнейшего развития аналитики в сторону AI/ML.
Этап 05. Разработка дизайна интерфейса системы
В ходе этапа:
- Формируются сценарии проверки информации, которые помогут определить, каким образом пользователи будут взаимодействовать с данными и интерфейсом системы
- В соответствии с задачами выбираются подходящие визуализации, которые помогут раскрыть природу данных и ускорить анализ
- Основываясь на методологии проектирования дашбордов, собранных бизнес-требованиях и предполагаемых сценариях анализа данных, разрабатываются макеты дашбордов
В ходе прототипирования может быть разработано несколько вариантов одного и того же дашборда, чтобы выбрать наиболее наглядный и удобный для пользователя.
В ходе проекта прототипирование и финальная реализация зачастую итеративны для достижения наиболее эффективных результатов.
Этап 06. Настройка и разработка аналитических панелей, дашбордов, отчетов
На данном этапе:
- Формируют модель данных — структуру, которая упрощает доступ к данным и их использование
Между таблицами с данными устанавливаются отношения: один-к-одному, один-ко-многим и многие-ко-многим
- Разрабатывают дашборды и отчеты на основе созданных ранее макетов
Происходит также настройка элементов фильтрации, сортировки и drill-down анализа, чтобы пользователи могли глубже анализировать данные
- Настраивают права доступа согласно ролевой модели
Определяются различные роли пользователей, например, администраторы, аналитики, пользователи
- Настройка рассылки отчетов пользователям по email
В форматах PDF или Excel, для различных групп пользователей
Этап 07. Тестирование и оптимизация аналитических решений
Этап тестирования системы — проверки гипотез на реальных данных и в реальной ситуации, является критически важным
- Помогает обеспечить качество и надежность продукта
- Гарантирует, что система соответствует ожиданиям пользователей
- Способствует безопасному и эффективному использованию данных
На этом этапе специалисты тестируют систему, обрабатывают и исправляют ошибки, собирают обратную связь от пользователей и оптимизируют процессы с целью повышения производительности системы.
Существует несколько типов тестирования:
- Функциональное — проверка, соответствуют ли функции системы заданным требованиям
- Нагрузочное — оценка того, как система справляется с нагрузкой: увеличением объема данных или сложными запросами
- Юзабилити-тесты интерфейса на предмет удобства и интуитивности
- Регрессионное тестирование при внесении изменений в хранилище и дашборды
Этап 08. Обучение пользователей
Заключительный этап внедрения включает в себя обучение пользователей работе в системе и создание руководств, видео и шаблонов для пользователей.
Команде внедрения или центру компетенций важно поддержать пользователей в освоении нового решения для того, чтобы в дальнейшем каждый из них использовал BI. Фаза обучения поможет убедиться в том, что заявленные цели и задачи реализуются в BI именно так, как и ожидалось.
Qlever Solutions предлагает авторские курсы по работе с BI- платформами для быстрого погружения в функциональность:
Узнать больше о курсах Qlever >>
Этап 09. После внедрения. Техподдержка и аудит аналитических решений
BI — это постоянно развивающаяся экосистема, и проект внедрения включает в себя план масштабирования, расширения функциональности, добавления новых источников данных и отчетов с учетом стратегических изменений бизнеса.
Для обеспечения устойчивой работы BI важно регулярно проводить диагностику системы, отслеживать и своевременно предотвращать сбои и ошибки, обновлять версии ПО, то есть, осуществлять сопровождение и техническую поддержку.
Зачастую реализовать техническую поддержку сложных систем своими силами становится затруднительно, так как у бизнес-пользователей нет необходимых технических навыков для настройки, а ИТ-отдел компании занят своими основными задачами.
***
Перечисленные в статье этапы — это далеко не все шаги по внедрению BI. Каждый проект по-своему уникален и требует индивидуального подхода в зависимости от целей бизнеса, текущего состояния процессов и финансовых возможностей.
В реальных проектах многие этапы: сбор требований, подготовка данных, уточнение KPI — могут проходить параллельно и итеративно. Так выявленные потребности сразу проверяются на практике, а дашборды дорабатываются по обратной связи.
Для того, чтобы эффективно внедрить BI, потребуется привлечение опытных специалистов различных направлений: BI-аналитики, инженеры, архитекторы, разработчики, администраторы проекта и другие. Обычно компания не располагает такими собственными ресурсами.
Для масштабного проекта внедрения можно обратиться к сторонним интеграторам, которые обладают глубокими отраслевыми знаниями и опытом работы с различными BI-инструментами.
За 12 лет работы команда Qlever разработала собственную методологию внедрения BI-систем, которая ориентирована на внедрение не просто ПО для аналитики, а полноценного data-driven подхода управления.
Мы работаем с источниками данных, качеством данных, Data Governance для того, чтобы заложить в компании основу культуры управления на основе данных. Такой подход позволяет эффективно решать задачи с помощью BI-инструментов и выйти на новый уровень цифровизации бизнеса.
Оставьте в прошлом громоздкие таблицы в Excel и кривые отчеты
Система бизнес-аналитики приведет в порядок данные и визуализирует их.