Почему важно избежать соблазна анализировать все подряд

Сначала давайте определимся с понятием «аналитика данных в компании». Многие путают аналитику и отчетность, но это совсем разная деятельность. При этом одна и та же таблица результатов продаж может использоваться и для отчета, и для аналитики. Главное – как этой таблицей воспользоваться. В компаниях, которые по всем поводам собирают отчеты, аналитика – редкий гость. Аналитика – это инструмент принятия решений на основе информации. Например, решений по расширению рынка, ценовой политике, удержанию клиентов или работников системами лояльности, по поиску места на рынке, оптимизации расходов и доходов, стратегическому планированию.

Мне, например, всегда было интересно манипулировать знаками и цифрами, может быть, поэтому я стал аналитиком. В этом кроется огромный соблазн и опасность анализа данных. Потому что важно понимать, какие данные мы считаем значимыми для нашего бизнеса и как мы их интерпретируем. Хорошая пропаганда – это не ложь, это тенденциозно подобранные факты. Те же проблемы ожидают нас в проекте анализа данных, когда различные группы бизнеса исходят из различной информации и по-разному ее интерпретируют.

Другим важным вопросом является постоянная избыточность данных. Собирать и хранить надо только те данные, которые используются в анализе. Здесь важен срез анализа, который нас интересует. Это может быть мониторинг в реальном времени, оперативный срез информации, например, за день, исторические данные или статистика. В любом из этих случаев принцип сбора, хранения и анализа информации будет разным.

Сегодня стоимость хранения данных зависит от количества информации. То есть чем больше информации вы планируете хранить, тем выше будет стоимость. Каждый гигабайт информации, который вы решите разместить в аналитическом хранилище данных – это не только место на диске, это реальные и большие расходы.

Много пишут о необходимости визуализировать информацию, делать аналитические панели интерактивными и динамическими. Но замена таблицы графиком должна быть оправданна большей наглядностью, а интерактивность предполагает использование монитора или гаджета. Хотя, поверьте, многим более привычен отпечатанный лист бумаги в руках. Более того, строгая отчетность всегда распечатывается или экспортируется в читаемый файл, типа pdf.

Самый большой предмет спекуляций в проектах, связанных с анализом данных, это получения знаний из данных (data miming), анализ больших данных и прогнозирование. Суть в том, что большая половина проектов не доходит до этих задач после года сложного внедрения, и проект останавливается волевым методом. Выдыхаются и работники компании, и привлеченные консультанты. А те, кто пытается внедрить прогнозирование и другие методы моделирования, сталкиваются с недостаточным качеством своих данных и недостоверностью анализа. Ведь чтобы правильно прогнозировать, надо данные правильно собирать и хранить, а в проектах мы работаем с тем, что имеем, и это далеко от идеала.

Здесь кроется главная проблема. Это похоже на поиск месторождения нефти. Требуются огромные расходы ресурсов времени и технических сил, а результат может быть скромным.

Участвуя во многих проектах по внедрению аналитики, я часто слышал требования: сделайте так, чтобы всегда можно было с 99% точности прогнозировать объемы продаж по каждому SKU и в каждой точке продаж. Вообще, это практически невозможно, так как исторические данные продаж имеют нелинейную структуру и их нельзя описать одной моделью прогнозирования. То есть для каждого товара и для каждой точки продаж надо создавать свою модель. Что категорически невозможно при стандартном многотысячном ассортименте товаров и наличия сотен торговых точек сети.

Это же происходит при попытке сегментировать рынок, проанализировать поведение клиентов и их предпочтения. Чем точнее мы хотим создать модель, описывающую бизнес-процесс, тем больше параметров мы вынуждена учитывать. Любое обобщение, которое мы хотим применить ко всей торговой сети, будет менее точным, чем любой частный случай конкретного магазина.

Как же надо поступать в условиях обманчивости данных, сложности их сбора и интерпретации?

  • Необходимо идти сверху вниз. То есть определить процессы, на которые мы хотим влиять, например, увеличить продажи, не увеличивая при этом излишки склада. Исходя из такой цели, определить данные, которые описывают этот процесс и создать базовые модели прогнозирования и анализа данных.
  • Определить окно прогноза и анализа. Без привязки к периоду времени прогноз не имеет смысла. То есть нужен месячный прогноз, прогноз на следующий день, прогноз за квартал.
  • Определить точки принятия решений, уровень магазина, менеджера всей сети по всей группе товаров. Тогда можно понять, насколько частная или обобщенная модель применяется. Это необходимо, чтобы не измерять среднюю температуру по палате и, с другой стороны, не впасть в частности и детали.
  • Создать возможность не только использовать готовые отчеты, но и интерактивно, по требованию применять методы аналитики для анализа текущей ситуации и корректировки модели. Например, применение сезонной составляющей или корректировка модели в связи с аварийным закрытием торговой точки на две недели. То есть модели должны быть настраиваемыми и гибкими. Модели должны регулярно пересматриваться и подвергаться проверке на предмет точности прогноза на основе сравнения с историческими данными.
  • Для получения нужного эффекта категорически необходимо интегрировать принятие решений на основе анализа информации и прогноза в бизнес-модель предприятия.
  • Не лишне будет сказать, что, как правило, сложно обойтись без помощи внешних консультантов, имеющих опыт в сборе и анализе данных и построении моделей принятия решений.

Победите соблазн собирать и анализировать все подряд. Данные должны отвечать на вопросы о том, что и почему происходит, что и когда надо делать.

Расскажите коллегам:
Комментарии
Дмитрий Карусев +4200 Дмитрий Карусев Экономист, Краснодар

Статья хорошая. Но должен заметить, что для осуществления всего этого в компании должен быть отдел аналитики, который будет всем этим заниматься. Сегодня в России очень мало компаний, даже крупных, в которых есть хоть какая-то система сбора и работы с данными, их анализа и интерпретации. Поручить такую работу менеджерам по продажам в свободное от основных обязанностей время - идея глупая, но почему-то очень часто реализуемая на практике в российских компаниях. Руководство компании почему-то считает, что аналитическая работа - это такой навык, который априори присущ вообще любому сотруднику - даже уборщице, и все эти анализы-прогнозы-моделирование легко сделает любой младший помощник старшего дворника. Что, разумеется, не так. Как аналитик с приличным опытом работы в разных компаниях разных размеров и с разных рынков, могу сказать, что в большинстве компаний вообще нет ни одного аналитика (не говоря уже об отделе аналитики), никто никак не собирает на постоянной основе данные и не анализирует их в полном объеме, а решения руководством принимаются "волюнтаристским" методом на основе интуиции. Причем, что интересно, есть еще один момент - даже в том случае, когда в компании есть отдел аналитики и он готовит для руководства какие-то данные - руководство всё равно принимает решения без учёта этих данных, руководствуясь своими собственными соображениями. То есть даже если в компании есть аналитический отдел - это не означает, что он не существует "для мебели", не оказывая никакого влияния на качество принимаемых руководством решений.

Консультант, Москва

Был негативный опыт работы с аналитиками, которым очень подходит английская фраза : paralysis by analysis) . Бизнес просто уничтожался таким закапыванием в детали в порыве измерить каждый " чих "...

Партнер, Москва

Хорошая статья. Данные нужны в первую очередь для создания динамической модели, на которой можно тестировать варианты при принятии решений и строить точные прогнозы. Для того, чтобы такую модель сделать нужно очень хорошо понимать конечную цель и все связанные стратегические и тактические задачи до малейших деталей, обозначенных в виде временных промежутков, цифр и т.д.. Этому очень сложно научиться самому, а для руководителя с учетом текучки - практически невозможно. Поэтому в больших компаниях существуют корпоративные университеты для руководителей. Я достаточно долго работал в немецких компаниях и привык, что без статистики и анализа важные решения вообще не должны приниматься. Позже я доработал эту модель и сейчас использую в своих консалтинговых проектах. Получаются весьма точные прогнозы с учетом последовательности действий, времени и ресурсов, необходимых для достижения цели, на основе которых уже можно строить долгосрочную сервисную стратегию.

IT-консультант, Украина

Каждый гигабайт информации, который вы решите разместить в аналитическом хранилище данных – это не только место на диске, это реальные и большие расходы (с) Это было актуально лет 5 - 7 тому назад, сейчас стоимость хранения данных "КОПЕЙКИ". Отдельный вопрос, что чем больше данных, тем сложнее их обрабатывать.

Генеральный директор, Санкт-Петербург

Никогда не нужно забывать, что "время - деньги". В данном случае, оценивая необходимость проведения глубинного анализа, необходимо сопоставлять ожидаемый эффект с временнЫми и денежными затратами на его реализацию.

Может оказаться по факту, что достигнутый результат не принес дополнительных денег... Или он мог быть достигнут эмпирически (при понимании набора возможных исходов) путем принятия решений на основе допущений быстрее и эффективнее.

Президент, председатель правления, Москва
Богдан Бульба пишет:
Каждый гигабайт информации, который вы решите разместить в аналитическом хранилище данных – это не только место на диске, это реальные и большие расходы (с) Это было актуально лет 5 - 7 тому назад, сейчас стоимость хранения данных "КОПЕЙКИ". Отдельный вопрос, что чем больше данных, тем сложнее их обрабатывать.

Я имел ввиду хранения данных в аналитических хранилищах, типа SAP HANA, где цена лицензии определяется каждым гигабайтом храним данных. Вообще стоимость хранилища в зависимости от занимаемой места, стала сегодня общей практикой у крупных вендоров, особенно для хранилищ в оперативной памяти (in memory)

Нач. отдела, зам. руководителя, Москва
Павел Фельдман пишет:
Был негативный опыт работы с аналитиками, которым очень подходит английская фраза : paralysis by analysis) . Бизнес просто уничтожался таким закапыванием в детали в порыве измерить каждый " чих "...

так имитировать работу может каждый - выполнять уже нет


Нач. отдела, зам. руководителя, Москва

В целом статья хорошая - хотя концовка излишне неконкретна. Видимо, так просто задумано автором. А сам посыл безусловно верен - искать ответы нужно только на значимые вопросы. Но тут уже задача руководителя - поставить нужный вопрос, и поставить его так, чтобы исполнитель искал в нужном направлении - а то будет как в армии - не выполнили задания потому что его не поняли.:)


Президент, председатель правления, Москва

концовка не конкретная, потому что тема очень большая. на своем сайте я разместил много статей и примеров.

Сообщение отредактировано модератором. Ссылка удалена.

Оставлять комментарии могут только зарегистрированные пользователи
Статью прочитали
Обсуждение статей
Все комментарии
Дискуссии
3
Евгений Равич
Конечно. Иначе просто не могло быть. После появления книгопечатания очень многое изменилось. Но ...
Все дискуссии
HR-новости
Cпрос на сотрудников в гостинично-ресторанном бизнесе вырос на 60%

Зарплатные предложения для новых кадров выросли на 23% по сравнению с зимой прошлого года.

«Вкусвилл» запустил роботов для перевозки товаров в распределительных центрах

До конца 2024 года компания планирует роботизировать 30% операций, связанных с перемещением грузов из зоны приемки в зону хранения.

«Яндекс Еда» начала работать в Бишкеке

Киргизия стала шестой страной СНГ, где доступен сервис — после России, Казахстана, Беларуси, Армении и Узбекистана.

Более 40% наемных сотрудников не могут позволить себе больничный на работе

Свыше трети опрошенных отметили, что из-за проблем со здоровьем им отказывали в повышении.