Павел Наконечный

Зачем нужна аналитика данных

Опубликовано в Softskills и новости IT.

Зачем нужна аналитика данных

Аналитика данных, больше данные, data analysis – новомодные термины, которые сейчас можно услышать на каждом углу. Десятки курсов продаётся в рунете. Но мало кто рассказывает, зачем нужна аналитика данных. С этим-то и попробуем разобраться в этой статье.

Данные (data) – фактологическая информация (числа, слова, измерения или статистика), используемая для используемые в процессе принятия решений, управления, ведения хозяйственной деятельности и т.д. В нашем контексте – цифровые (структурированные) данные, которые обрабатывает компьютер.

Соответственно, аналитика данных – построение логических рассуждений и выводов на основе этих данных.

Почему аналитика данных стала востребована именно сейчас

Компания International Data Corporation (IDC) регулярно проводит исследование объема информации, которая ежегодно генерируется во всем мире.

Аналитики прогнозировали, что суммарный объем созданных и скопированных данных за 2020 год составит около 59 зеттабайт (1 зеттабайт — это миллиард терабайт). Но по факту цифра получилась значительно выше — 64 зеттабайта. Для сравнения, в 2012 году объем сгенерированной информации был 2,8 зеттабайта, а в 2011 г. — всего лишь 1,8 зеттабайт. Результаты действительно впечатляют: сейчас во всем мире создают и обрабатывают в 23 раза больше данных, чем 8 лет назад.

IDC прогнозирует, что объем данных, который появится в течение следующих трех лет, будет больше, чем объем данных, созданных за последние 30 лет. И к 2025 году 60% всей информации в мире будут генерировать коммерческие предприятия.

Этот объем накапливаемой информации о действиях людей (зачастую тех, которые ранее были недоступны аналитикам) открывает новые горизонты аналитики. Если раньше аналитик не всегда мог собрать реальные цифры по большой компании (уж слишком сложно было всё посчитать на бумаге), то сейчас при помощи современных инструментов он может анализировать миллионы записей за минуту.

Именно этот новый виток аналитики с применением программирования, баз данных и современных инструментов анализа и получил название аналитики данных.

Что даёт аналитика данных

Вероятно, вы не раз сталкивались с упоминанием аналитики данных в интернете и СМИ. Её применяют для научных исследований, увеличения продаж, экономии на строительстве или оптимизации рекламы.

Всегда важно держать в голове, что данные ничто без грамотного менеджмента. Знание того, что гонщики F1 переключают передачи в среднем каждые 1.8 секунды, не даст вам преимущества, пока вы не реализуете это знание в продукт или улучшение.

Учитывая это, данные позволяют:

  1. Совершать информированный выбор, не основанный на предположениях и предрассудках.
  2. Определять проблемы.
  3. Измерять производительность и иные ежедневные показатели.
  4. Подкреплять аргументы.
  5. Строить стратегический подход.
  6. Находить потенциал для роста и развития.
  7. Выявлять сильные стороны компании.

Чтобы не углубляться в теорию и абстрактные суждения, предлагаю пройтись по каждому из пунктов с наглядным примером применения аналитики данных.

1. Совершать информированный выбор, не основанный на предположениях и предрассудках

Вы работаете в сельхоз компании. Зимой вы приехали на совещание, на котором будет принято стратегическое решение распределения посевных площадей между разными видами сельхоз продукции. Если опустить влияние конкурентов на рынок, то ваши задачи – максимизировать выручку при минимальных издержках (извлечь прибыль). Для этого важно предугадать спрос на тот или иной вид продукции, чтобы не перенасытить рынок.

При классическом аналитическом подходе вы бы могли сравнить лишь собственные показатели продаж, объем испорченной продукции и внести корректировки в план. С аналитикой данных в процессе принятия решения вы можете опереться и на другие показатели: число поисковых запросов по каждому продукту в разрезе последнего десятка лет, его корреляция с объемами рынка, число упоминаний в СМИ и соцсетях. Аномальный спрос на экзотические продукты вроде авокадо, семян чи или сельдерея появляется и исчезает в пределах одного года.

2. Определять проблемы

Обычно дашборды строятся на финансовых показателях и подключаются к CRM-системе и 1С. Но бывают и нетипичные проекты, цель которых — контроль дисциплины на предприятии, то есть охрана труда.

У заказчика не было отдельной учетной системы, единственные источники данных — табели учета, которые мы из вордовских файлов перевели в экселевские таблицы.

Сотрудники предприятия избавились дополнительной работы и двойного ввода данных. Теперь не нужно выискивать информацию в документах — все нарушения отображаются на дашборде в режиме реального времени.

Думаю, что у таких дашбордов есть огромный плюс — они стимулируют дисциплину. От руководителя уже ничего не скроешь, потому что на совещании он видит всю информацию и сразу же принимает меры (дает по шапке).

3. Измерять производительность и иные ежедневные показатели

Сам по себе институт KPI и OKR не нов. Однако и здесь автоматизация (предлагаемая аналитикой данных) экономит средства компании. Вместо ежедневных, еженедельных или ежемесячных ручных расчётов, грамотный аналитик сможет построить автоматизированные дашборды, которые будут сами собирать информацию из корпоративных систем.

4. Подкреплять аргументы

Бизнесу нужны выводы: четко сформулированные варианты решений или стратегий, а также прогнозы – к чему они могут привести. В идеале – конкретный, понятный текст из простых предложений, без деепричастных оборотов: какие цены обеспечат максимальный объем продаж, почему инвестиции именно в этот проект окупятся.

Конечно же, если руководителю предоставить сплошной текст аналитической записки, он будет недоволен. Ему нужен и текст, и визуализация, и выводы, причем на одном экране.

На этом дашборде графики подкрепляют текст выводов, которые уже можно использовать как аргументы при принятии решений: об увольнении неэффективных менеджеров, предоставлении скидок или личных менеджеров заказчика, пересмотре портфеля товаров и т.д.

5. Строить стратегический подход

Строительство стратегии невозможно без достоверных данных, на которых будут строиться прогнозы.

Аналитические модели могут предсказать показатели бизнеса при внесении изменений в организацию на основании прошлых данных.

Зачастую именно данные становятся основой для стратегии развития компании: обнаружение неожиданных корреляций между отделами, оптимизация воронок продаж или нахождение неэффективных бизнес-процессов дают менеджменту идеи по улучшению компании.

6. Находить потенциал для роста и развития

Результаты простого опроса в виде графиков позволяют ЛПР (лицам, принимающим решения) быстро найти ключевые целевые аудитории их бизнеса по продаже кофе. Маркетолог сможет перенести эту демографию в настройки рекламы и значительно увеличить конверсию.

7. Выявлять сильные стороны компании

Зачастую бизнес по инерции пытается развивать направления, в которых он уже силён: это проще. И столь же часто подобные инвестиции приносят гораздо меньшую отдачу, чем могли бы при их вложении в слабые направления бизнеса.

Грамотный отчёт позволит бизнесу увидеть направления, где компания твёрдо стоит на ногах, и сфокусировать своё внимание на развитии западающих направлений.

Выводы

Аналитика данных открывает бизнесу новые горизонты взаимодействия с потребителями, оптимизации процессов и мониторинга деятельности компании.

Но аналитика нужна для развития бизнеса. Отчёты ради отчётов не имеют ценности. Нельзя забывать это.

Программист, выучивший дата аналитику, так и останется программистом, если не будет добиваться правильного сбора данных и использования выводов своей работы. В конце концов, не принося выгоды бизнесу он рискует в любой момент быть сокращенным или уволенным.

И если в вашей компании в головном офисе делают красивые дашборды в Табло, которые производство никогда не видело, а тем временем на заводе используют таблицы в Экселе на макросах и сводных таблицах, то ситуацию необходимо исправлять.

Не идите на курсы по Python и Tableau, если не уверены в их необходимости. Делайте аналитику для конкретных задач бизнеса и не бойтесь спрашивать “зачем вам эти данные, что вы с ними будете делать?”. И рано или поздно вы станете начальником с зарплатой в 300 тысяч.

Источник кейсов в статье

Просмотров:

Вас также может заинтересовать