6 вызовов бизнес-аналитики в 2022 году

Важность BI-решений становится неоспоримой. Статистика показывает, что 26% всех компаний уже внедрили BI, и около 33% будут внедрять ее к 2023 году. Однако, несмотря на быстрый рост этой тенденции, путь к эффективному использованию ее ценности не усыпан лепестками роз. Большое количество проблем с бизнес-аналитикой связано с ограничениями системы, сложными бизнес-требованиями, человеческим фактором и многим другим.

Глубокий опыт внедрения решений бизнес-аналитики в различных отраслях и на разных уровнях бизнеса позволяет нам объяснять проблемы бизнес-аналитики и давать революционные советы по их решению.

Вступление в эпоху действий сопряжено с определенными проблемами BI

Бизнес-аналитика больше не ограничивается большими парнями. Компании любого размера теперь могут превратить разрозненные данные в план действий. Однако аналитика данных, ориентированная на действия, основана на нескольких предшественниках, каждый из которых представляет собой потенциальную проблему для первых пользователей BI.

1. Интеграция данных из разных исходных систем

BI имеет смысл только тогда, когда он может сопоставлять и анализировать данные из нескольких источников, чтобы предоставить конечному пользователю прочную основу для понимания. Иначе какой смысл? Однако многочисленные источники данных, к которым должно подключаться программное обеспечение BI — от множества баз данных и бизнес-приложений до систем больших данных — повышают риск того, что вы расскажете неверную историю.

С самого начала может показаться, что это не проблема, поскольку встроенные процессы ETL позволяют готовым платформам BI напрямую подключаться к различным источникам данных и преобразовывать данные для собственного использования. Как бы быстро и красиво это ни звучало, встроенный ETL не всеяден. Хотя некоторые специализированные коннекторы постоянно дорабатываются для новых исходных систем, организации среднего и крупного размера в какой-то момент столкнутся с проблемами масштабирования, производительности и обслуживания, если они будут использовать потоки данных Power BI исключительно в качестве инструмента ETL и хранилища DWH.

Во-первых, работа с необработанными неструктурированными данными увеличивает сложность и количество наборов данных, что делает отчетность более трудоемкой. Если отчет объединяет данные из разных источников, ту же логику нельзя легко применить к другому набору данных. Во-вторых, при наличии нескольких версий правды в разных наборах данных вероятность расхождений в системе отчетности высока. В-третьих, если ваши данные составляют миллионы строк, встроенный ETL не сможет их обработать, что приведет к медленному отклику отчета.

Наиболее рациональным решением в этой ситуации видится создание единого репозитория, в котором данные будут предварительно агрегироваться и храниться в структурированном виде — хранилище данных. Устранение путаницы в ваших данных способствует созданию единой версии правды. Среди других существенных преимуществ центральных репозиториев — возможность анализа исторических данных и более быстрая подготовка отчетов. Технология хранилища данных позволяет работать с постоянно растущим количеством источников данных, не требуя дополнительных затрат на обслуживание инструмента бизнес-аналитики.

2. Проблемы с качеством данных

Качество данных является одной из основных проблем бизнес-аналитики и камнями преткновения на пути к достижению целей BI, а именно к принятию правильных и ценных решений. Человеческие ошибки, дублированные и неверные данные, а также несогласованные форматы данных не позволяют вам получить какие-либо ценные сведения и вдобавок могут спровоцировать ошибочные действия.

Надлежащая стратегия управления данными помогает решить проблемы с качеством данных. Короче говоря, он имеет дело с данными, собранными или сгенерированными компанией, чтобы обеспечить лучшее принятие решений.

Архитектура данных — это важнейший компонент управления данными, который играет жизненно важную роль в предоставлении высококачественной информации. Допустим, у компании есть несколько каналов продаж, неплохо бы объединить всю генерируемую ими информацию на уровне хранилища данных, откуда ее можно будет в дальнейшем распределить по разным отчетам, пройдя определенные алгоритмы очистки, определенные бизнес-правилами.

Моделирование данных — это еще одна вещь, которой нельзя пренебрегать, пытаясь сделать данные подходящими для анализа. Например, посетитель вашего сайта, участник проведенного вами опроса и ваш клиент могут быть одним человеком. Однако они могут быть представлены в разных ролях в разных системах, даже если это одна и та же сущность. Поэтому, чтобы избежать избыточности данных, следует решить, к какой системе (CRM, ERP и т. д.) отнести эту сущность.

Стратегия управления данными в значительной степени является административной деятельностью. При этом нельзя сбрасывать со счетов и техническую часть построения правильной, продуманной архитектуры решения. Работу над стратегией следует начинать со схемы всех потоков данных компании. Определите, какие исходные системы у вас есть, где генерируются и потребляются данные, какие сущности у вас есть и где они хранятся, а затем решите, как это реализовать технически.

— Алекс Оболенский, руководитель отдела бизнес-аналитики в *instincttools

3. Отсутствие таланта к данным

Нехватка навыков является одной из распространенных проблем бизнес-аналитики, которые препятствуют усилиям по анализу данных. В 2020 году Соединенные Штаты столкнулись с нехваткой специалистов по обработке и анализу данных — компаниям не удалось заполнить около 250 000 вакансий. Исследование Tech Hiring Survey 2022 года также определило науку о данных как навык, спрос на который намного превышает предложение.

Это усугубляется надвигающимся кризисом талантов на всем рынке найма, изменением демографии и «Великой отставкой», уплотненной тем, что может стать еще одной рецессией. Без специальных навыков компании не смогут эффективно использовать BI-аналитику, настроить хранилища данных для базовой информации или установить требуемый уровень грамотности в отношении данных в целом.

Чтобы справиться с нехваткой кадров, компании, как правило, используют аутсорсинг. Специализированная команда BI дополняет целый набор штатных экспертов по данным и помогает компаниям быстро и без проблем с наймом проверять свои инициативы в отношении данных.

4. Плохая визуализация данных

Качество ваших данных и аналитических процессов имеет тенденцию красть всю славу. Тем не менее, дизайн ваших информационных панелей BI не менее важен для передачи сложных данных лицам, принимающим решения, и для превращения важных идей в действия.

Если данные не представлены и не аргументированы убедительным образом, они игнорируются или опровергаются мнением. Никогда не следует недооценивать значение аргумента и создания компонента истории.

— Дэн Соммер, старший директор по анализу рынка в Qlik

Отсутствие интерактивности, невозможность получать данные практически в реальном времени, жесткие шаблоны и даже неправильный выбор цвета могут привести к потенциальным проблемам при внедрении информационной панели. Чтобы подчеркнуть надлежащую ценность данных, компании должны использовать настраиваемые информационные панели с широкими возможностями персонализации для удовлетворения уникальных потребностей организации.

Правильный выбор типа панели управления также может привести в порядок управление бизнес-аналитикой. Аналитические информационные панели предоставляют исчерпывающий обзор важнейших данных, а операционные информационные панели содержат обновления в режиме реального времени, относящиеся к конкретному отделу. Стратегический тип предоставляет руководителям краткое изложение основных KPI.

5. Выбор правильного программного обеспечения

Выбор правильного инструмента бизнес-аналитики — это полдела, когда речь идет о решении задач внедрения бизнес-аналитики. По данным TrustRadius, Tableau, Qlik Sense и Microsoft Power BI являются ведущими платформами бизнес-аналитики с наибольшей долей рынка. Но какой из них соответствует вашим уникальным потребностям? Давайте коснемся основного различия между тремя.

Как видно из таблицы, выбор между этими тремя инструментами подобен выбору между Audi, BMW и Mercedes, примерно одинакового качества, но с немного другим внешним видом.

Однако в случае масштабного внедрения даже тонкие различия начинают играть роль. Тип лицензии, роли и разрешения, распределение скидок и другие факторы необходимо учитывать, чтобы оптимизировать работу с BI.

Кроме того, типовые коммерческие решения не всегда могут удовлетворить ваши потребности в визуализации. Например, стартапам B2C лучше использовать решения BI с открытым исходным кодом из-за высоких аналитических потребностей и отсутствия бремени лицензирования. В некоторых случаях компании выбирают собственный инструмент BI для фирменного дизайна.

6. Низкий уровень внедрения BI среди сотрудников.

После всех денег, времени и усилий, которые вы вложили в свое аналитическое программное обеспечение, оно все еще может не работать, потому что пользователи его не примут. Низкий уровень внедрения в организациях остается одной из главных проблем BI. Если вы хотите, чтобы недавно развернутый инструмент BI использовался не только аналитиками или специалистами по данным, убедитесь, что он удобен для пользователя и не пугает.

Кроме того, сотрудники часто проявляют оправданное, с их точки зрения, сопротивление новому программному обеспечению. Такое неприятие BI вполне понятно, так как люди, основной задачей которых было вручную свести воедино аналитику компании, боятся, что автоматизация отчетности лишит их работы. Вот почему их нужно убедить в обратном. Сотрудники, способные принять вызовы и возможности бизнес-аналитики, станут более ценными активами для компании, поскольку им больше не придется тратить массу времени на обработку чисел или беспокоиться о риске совершения ошибки. Вместо этого они будут анализировать информацию сверху вниз и сообщать результат этого анализа своим менеджерам.

Тонкое искусство решения управленческих вопросов, связанных с внедрением бизнес-аналитики и методами трансформации мышления, требует еще большей точности, когда речь идет о Excel. Лояльность людей к этому инструменту не должна игнорироваться. Цифры имеют тенденцию говорить громче, чем слова. Используйте их, чтобы показать своим сотрудникам, насколько полезным может быть инструмент BI с точки зрения экономии их времени. Например, финансовым контролерам требуется один-два дня для обработки разовых запросов, три-пять дней для подготовки к ежемесячным встречам и около трех недель для подведения итогов года. В системе BI вся отчетность создается автоматически, одним нажатием кнопки.

Основная цель — показать человеку, как использовать панель мониторинга, чтобы быстро и эффективно отвечать на его вопросы и изучать доступные данные. Тенденции легче обнаружить, когда данные адекватно визуализированы, а не разбросаны по электронным таблицам.

Да, мы знаем, что Excel — это не только таблицы, в нем тоже можно строить диаграммы, но взаимодействовать с ними на месте не получится. На панели инструментов вы можете щелкнуть один сегмент и сразу увидеть нужную информацию, в то время как в Excel вам потребуется больше времени, чтобы сделать то же самое.

Алекс Оболенски, руководитель отдела бизнес-аналитики в *instincttools

Эффективным способом решения проблем внедрения бизнес-аналитики и важным компонентом надлежащего управления изменениями, направленного на облегчение боли пользователей, является обучение персонала. Поэтому пользователи не должны оставаться в беде после развертывания системы. Найдите партнеров по внедрению BI, которые подготовят документацию по новым процессам и организуют широкомасштабное обучение, направленное не только на обучение работе с программным обеспечением, но и на повышение общей технической грамотности.

На пути к бизнес-аналитике

Уровень неудач проектов по науке о данных составляет 87%. Это свидетельствует о том, что надежная архитектура анализа и визуализации данных не может быть разработана на основе интуиции, если только вы не хотите получить спорадические и неполные сведения. Осведомленность, планирование и опыт помогут вам избежать большинства проблем с бизнес-аналитикой. Ниже мы коснемся трех столпов успешной стратегии бизнес-аналитики.

Определите, какую проблему вы хотите решить

Область применения бизнес-аналитики огромна и охватывает практически все бизнес-операции. Поэтому вам следует начать с малого, определив область анализа и связав ее с соответствующими показателями и отчетами. Отчеты, в свою очередь, должны вращаться вокруг определенного набора KPI, внутренних или внешних, для измерения и анализа данных организации и их улучшения. Партнер-консультант по бизнес-аналитике может порекомендовать вам соответствующие показатели и подтвердить область анализа.

Измените образ мышления организации с помощью надлежащего управления изменениями

По мере того как пользователи переходят от фрагментированных инструментов к интегрированной системе бизнес-аналитики, у вас должны быть правильные методы преобразования, чтобы устранить инерцию и способствовать принятию системы. Создавайте стабильные и прозрачные коммуникационные потоки, объединяйте лидеров из разных направлений и проводите семинары и тренинги, чтобы развивать совместные потоки данных и беспрепятственный обмен знаниями для получения точных бизнес-идей.

Выберите надежного партнера-консультанта

Единое унифицированное хранилище данных и последовательная стратегия обработки данных закладывают основу для быстрого и точного анализа данных. Без этих предшественников ваши идеи будут изолированы в хранилищах данных, заперты внутри отделов как упущенные возможности. Чтобы избежать сбоев данных, заручитесь поддержкой опытной команды консультантов по бизнес-аналитике для создания надежной инфраструктуры данных, управления управлением данными и подключения вашего хранилища данных к подходящему инструменту бизнес-аналитики.

Ударьте по грязи с помощью бизнес-аналитики

Принятие решений на основе данных больше не вариант; это залог долголетия и конкурентоспособности бизнеса. Бизнес-аналитика — это то, что поддерживает подход, основанный на данных, и позволяет компаниям претворять свои данные в жизнь.

Бдительность с поддержкой BI — это коллективный результат правильной стратегии обработки данных, унифицированной ИТ-архитектуры и последовательного темпа внедрения. Если в вашей головоломке BI отсутствует хотя бы один элемент, ваша компания будет недальновидна в отношении данных и не сможет принять правильное решение. Заручившись поддержкой профессионалов в области данных и бизнес-аналитики, вы сможете собрать свою головоломку и преодолеть распространенные проблемы бизнес-аналитики.

Статья изначально была опубликована здесь.