Как справиться с трудностями при внедрении аналитики больших данных | На основе истории нашего клиента

Растущее доминирование аналитики данных сделало ее внедрение главным приоритетом для глобальных организаций. В преддверии прорывных лет сейчас как никогда важно иметь целостное представление о производительности бизнеса и распределении ресурсов. Однако получение большого эффекта от больших данных идет рука об руку с проблемами аналитики данных, которые могут застопорить ваши усилия, если их не решить.

Мы посвятили этот пост общим препятствиям на пути к совершенству в аналитике. Следующий список проблем анализа данных основан на реальном опыте нашего клиента, а стратегии смягчения последствий предоставлены нашими консультантами по бизнес-аналитике.

Страшная пятерка аналитики больших данных

Наш клиент — ритейлер модной одежды, стремящийся реализовать свои инициативы в области данных. Однако цифровая трансформация компании была приостановлена, поскольку компания изо всех сил пыталась найти правильную стратегию управления данными и инструменты бизнес-аналитики.

Вот проблемы, отмеченные нашим клиентом, и профессиональные советы по их решению, предложенные нашими экспертами.

1. Неспособность правильно определить требования пользователя

Компания, о которой идет речь, давно изучает потенциал инструментов бизнес-аналитики и визуализации данных. Однако у нашего клиента не было практического опыта работы с бизнес-аналитикой, поэтому он не мог точно определить требования к бизнес-аналитике.

Имея на руках техническое задание, было бы проще предложить технологическое решение. Но наши BI-специалисты проделали потрясающую работу, проанализировав потребности бизнеса и внеся максимально точные технические корректировки в соответствии с ними. По сути, трансформируя свои требования в четко определенные цели.

Совет для профессионалов. Если вы новичок в экосистеме BI, обязательно получите профессиональную консультацию от опытного технологического партнера. В этом случае ваш поставщик возьмет на себя всю тяжелую работу по выявлению требований, а вы сможете выбрать одно из предложенных технических решений.

Как оказалось, наш клиент также изо всех сил пытался сообщить о требованиях, потому что у него не было основной области для начала. Вместо этого компания пыталась охватить каждый аспект эффективности бизнеса, от выручки до оборачиваемости запасов, и втиснуть все ключевые показатели эффективности в одну единую информационную панель. Хотя это, безусловно, возможно, разнообразие показателей делает ваши отчеты менее удобоваримыми.

Совет для профессионалов: начните с малого, определив несколько основных показателей для отслеживания и визуализации. Работая с одной функциональной областью за раз, вы повышаете шансы на более успешный и последовательный процесс внедрения BI и устраняете львиную долю проблем с анализом данных.

2. Проведение системных изменений без учета влияния на данные других отделов

В большинстве случаев недостаточно наметить ключевые показатели эффективности для анализа и отслеживания. Для кросс-функциональных команд также важно сначала прояснить и определить, что означают эти показатели. Поскольку отделы могут выполнять расчеты по-разному, общее понимание ключевых показателей эффективности и их расчета предотвращает несоответствие в значении метрик.

В этой связи другой проблемой нашего клиента в области анализа данных были разные взгляды на одни и те же показатели в разных бизнес-подразделениях. Таким образом, менеджеры по офлайн-продажам рассматривали выручку от продаж как всю прибыль от продажи одежды, включая добавленный к ней НДС. И наоборот, отдел бухгалтерского учета и финансов использует чистый доход как от онлайн-, так и от офлайн-продаж в качестве основного показателя.

Наша команда устранила этот пробел в обмене знаниями, представив глоссарий ключевых показателей эффективности для лиц, принимающих решения. Таким образом, каждый отдел получает исправление используемой метрики, связанных источников данных и формулы метрики. Лица, принимающие решения, также устанавливают личное владение каждым показателем эффективности и назначают владельца информационной панели в отделе для данного показателя.

Совет для профессионалов: убедитесь, что вы выбрали правильные показатели для отображения и полностью осведомлены о том, как ключевые показатели эффективности попадают в исполнительные и операционные информационные панели. Рассмотрите возможность использования отдельных информационных панелей для каждого отдела, чтобы избежать двусмысленности и дублирования метрик.

3. Отсутствие единой корпоративной картины

В то время как каждое бизнес-подразделение должно получать подробное представление о внутренних показателях, генеральным директорам необходим более общий обзор эффективности бизнеса. Моментальный снимок высокого уровня дает представление о производительности компании и ее узких местах с высоты птичьего полета. Это можно сделать, предоставив исполнительную сводку основных KPI по бизнес-подразделениям или предоставив панели мониторинга высокого уровня для каждого отдела в компании.

Показатели, включенные в панель управления для руководителей, различаются в зависимости от отрасли и компании. Ритейлеры могут захотеть следить за прибылью и доходом на квадратный фут, затратами на логистику, прибыльными маркетинговыми каналами, товарами с наибольшим доходом, валовой рентабельностью инвестиций и другими жизненно важными факторами.

Что касается нашего клиента, то компании требовался единый отчет о мониторинге, который собирает и объединяет предопределенные значения эффективности компании. Приборная панель должна предлагать быструю проверку работоспособности с возможностью детализации определенной метрики. Что касается переменных, наш клиент использовал три отдельных экрана для анализа продаж, динамики прибыли и данных о клиентах, которые демонстрируют рост в годовом исчислении (год к году).

Совет для профессионалов: приведите метрики конкретного отдела к общему представлению, необходимому для действий руководителей. Информационная панель для руководителей должна включать основные метрики высокого уровня, которые можно использовать для единого языка бизнес-стратегии.

4. Сбор значимых данных в соответствии с согласованным стандартом

Около 95% наших клиентов считают, что достаточно скомпилировать каждую часть бизнес-данных, отправить эту кучу в инструмент BI и на этом закончить. Хотя это был бы идеальный сценарий, в большинстве случаев компании наводнены разрозненными источниками данных, которым не хватает администрирования. Это хрестоматийный пример неправильного управления данными.

Каковы проблемы анализа данных в этом случае? В отсутствие правильной архитектуры данных, моделирования и администрирования качество ваших данных не имеет шансов на удаленное получение точных и значимых идей для принятия решений. В результате 77% компаний с трудом получают качественные данные, что приводит к недоверию к данным и аналитике организации.

Совет: по словам наших экспертов по большим данным, проблему качества данных невозможно решить на уровне аналитики. Ее следует устранить путем внедрения единой стратегии управления данными внутри организации. Затем инструмент бизнес-аналитики можно использовать в качестве лакмусовой бумажки для проверки качества ваших данных.

Возвращаясь к нашему клиенту, у организации была та же проблема с отсутствующими значениями данных, неполным вводом, дубликатами и другими проблемами. Более того, у компании не было интеграционной архитектуры для автоматического обмена информацией между различными подсистемами.

Наша команда проконсультировала организацию по передовым методам сбора, хранения и преобразования их данных, а также взяла на себя технические аспекты беспрепятственного обмена данными между бизнес-системами. Наши инженеры по данным определили источник основных данных в каждом бизнес-подразделении (CRM, ERP и другие), выбрали правильную модель данных и откалибровали процесс обмена между основными источниками и хранилищами данных.

5. Сопротивление персонала переходу на новую систему

Низкий уровень внедрения BI среди ваших сотрудников также может стать серьезным препятствием для ваших усилий по анализу данных. В настоящее время потолок внедрения аналитики среди конечных пользователей составляет в среднем 25%, в то время как другие отдают предпочтение традиционным электронным таблицам или прогнозам, основанным на интуиции.

Основная причина этой проблемы может заключаться в низкоуровневом обучении навыкам, сложности инструмента BI или страхе, что автоматизация может вытеснить сотрудника. К каждому типу обоснования следует подходить индивидуально, а общая ценность системы отчетности должна быть четко доведена до сведения и продемонстрирована каждому сотруднику.

Сначала наш клиент изо всех сил пытался добиться согласия сотрудников на использование Power BI в качестве стандарта аналитики. Главной причиной неприязни среди сотрудников казалось естественное сопротивление людей изменениям.

Следуя уникальным потребностям пользователей каждого бизнес-подразделения, наши специалисты по бизнес-аналитике адаптировали интерфейсы для конкретного отдела. За адаптацией последовали внутренние семинары для каждого отдела, которые сопровождались созданием документов с руководствами по инструменту.

Основываясь на нашем проверенном опыте, мы знаем, что любая инициатива по преобразованию бизнеса, включая внедрение аналитики больших данных, приносит наибольшую пользу только тогда, когда оптимизация процессов, внедрение передовых технологий и культурные сдвиги в сознании людей движутся к каждому. другое, не дальше друг от друга.

Совет для профессионалов: низкий уровень внедрения бизнес-аналитики неизбежен, если вы пренебрегаете ролью людей, участвующих в ваших процессах. Создайте интерфейс бизнес-аналитики с учетом интересов конечного пользователя и обеспечьте плавный запуск, организовав единое вводное обучение.

Навигация вашей компании через проблемы анализа данных: простой способ

Точно так же, как каждый дом строится на прочном основании, генерация идей строится на основе данных. Как ни странно, данные сами по себе являются одной из самых больших проблем в аналитике данных, которая может парализовать ваше управление бизнес-аналитикой и привести к неправильному решению.

Мы помогли нашему клиенту реализовать весь потенциал аналитики данных и использовать его в своих интересах. Имея унифицированную архитектуру данных и правильную технологическую основу, компания теперь может получать представление об основных бизнес-операциях в режиме реального времени и действовать на основе данных для роста, инноваций и адаптации к стремительно развивающемуся розничному рынку, опережая конкурентов.

Эта статья изначально опубликована здесь.