На вебинаре Михаил Захаров разобрал примеры отраслевых решений в рознице, опте, логистике, финансах. И примеры внедрений по срокам, этапам, стоимости.

Инструменты аналитических решений развивались в последние двадцать лет неравномерно. Компания «Майкрософт» владела значительной долей рынка примерно до 2010 года за счет старого, но хорошо продаваемого решения Microsoft Analysis Services. Однако с развитием технологий Tableau и Qlik вырвались в лидеры. И сделали это в кратчайшие сроки, подвинув гиганта. К 2020 году компания «Майкрософт» вернулась с решением Power BI, которое сейчас наверняка на слуху у всех в силу своей ценовой политики. Но Tableau и Qlik также владеют очень большой долей рынка. 

Это диаграмма Gartner. Она выпускается каждый год, вы можете ее изучить.

Фактически все, что ниже горизонтальной линии – это устаревшие решения. Из чего я как специалист делаю выводы: в первую очередь, инструмент должен быть адаптирован. Он должен максимально часто и максимально быстро обновляться. То есть должны регулярно появляться релизы новых функций, нужных и бизнесу, и аналитикам каждый день. Второй вывод: визуализация – ключ к успеху. Да, сейчас мы находимся в огромном поле информации, которая уже не влезает ни в какие таблицы. Компания, которая работает с аналитикой, занимается приведением ее к определенным визуальным формам. Например, сейчас развивается направление инфографики: крупные корпорации нанимают специалистов по инфографике, которые владеют визуальными инструментами, позволяющими быстро и четко отвечать на самые объемные вопросы.

Гиганты SAP и SAS, лидеры 2000-х годов, сейчас владеют только корпоративными клиентами. Да, они все еще успешны, но молодые и интересные решения наступают им на пятки весьма серьезно. Посмотрим кривую технологий, которую также выпускает Gartner. У меня на слайде кривая за 2015 год.

Здесь очень много интересных, замечательных названий. «Аналитика внутри памяти» в 2014 году была на восходящей. Все, что сейчас модно: предиктивная аналитика, аналитика потоков, СПАРК, машинное обучение, моделирование, текстовая аналитика – эти технологии тогда казались далеким будущем, а сейчас уже плотно и серьезно вошли в нашу жизнь. Вывод: история любой технологии будет повторяться.

По сути, мы говорим об одном и том же: как работать с данными, как их интерпретировать, как с минимальными затратами произвести ту аналитику, которая будет необходима бизнесу каждый день. Но циклы и витки увеличивают бюджеты на эти технологии. Поэтому второй вывод: гонка вооружений будет длиться вечно, и мы предостерегаем наших клиентов от того, чтобы мчаться за новейшими разработками и технологиями. Когда мы говорим, что аналитический инструмент помогает бизнесу владеть данными, строить необходимые отчеты, мы не говорим о том, что следующим шагом будут роботы, которые за вас примут решение. Это очень сложный и очень дорогой процесс, от которого мы стараемся клиентов оберегать.

Любая компания, которая начинает смотреть на цифры и сравнивать их с прошлым годом, фактически вступает на сложный и долгий путь аналитического решения. Для того чтобы эту цифру хотя бы разбить по клиентам и продуктам, необходимо в любом случае данные собрать. Этим и занимаются аналитические инструменты – консолидацией и интеграцией данных, которые ежедневно обновляются и растут как снежный ком. Но технологии в основе аналитических решений позволяют этим решениям работать с данными уровня биг даты абсолютно легко, не вкладываясь при этом в огромную инфраструктуру. Поэтому те, кто будут говорить, что необходимы огромные вложения в инфраструктурные решения, немного лукавят. Грамотные аналитические решения могут быть реализованы за небольшой бюджет.

На этой картинке вы видите ступени различных этапов проекта.

То, что отличает аналитические инструменты – это моделирование. После того, как все данные собраны, упакованы и доступны для компании в определенном виде, наступает этап моделирования, где фактически создаются витрины данных, которые уже в более простом виде доступны аналитикам даже самого базового уровня и руководителям, которые не заинтересованы тратить больше двух-трех минут на построение отчета.

Ключевым аспектом в процессе является не визуализация, не то, как мы с вами представим данные, а то, как мы их соберем. Потому что, в первую очередь, все вопросы – в данных. Сейчас существует модное слово «инсайд». Все гонятся за инсайдами, пытаясь использовать технологические решения типа машинного обучения для поиска инсайда внутри своего «озера данных»: когда у вас много корпоративных систем, и вы хотите получить какой-то неожиданный для себя результат. Но наша точка зрения все равно здесь более консервативная в силу того, что без хорошего сбора данных, без ETL-процесса мы не сможем прийти даже хоть к какому-то первичному шагу, чтобы заниматься такими сложными системами, как машинное обучение.

Мы являемся партнерами Qlik достаточно давно, и наше количество проектов уже давно перевалило за двадцать. Почему Qlik?

Потому что он более распространен в России. У них развитая поддержка клиентов. Основное преимущество системы – в ускорении принятия решений. Если взять самый простой способ достижения удовлетворенности клиента – это розница. Два года назад мы внедрили Qlik в крупной розничной сети за Уралом. У компании на построение отчетов из 1С уходило от шести до семи часов. То есть задержка принятия решений была достаточно серьезной. С помощью Qlik мы сократили время до 30 минут. Это учитывая, что у магазина было 8 гипермаркетов и огромное количество маленьких супермаркетов. Объем данных можно только представить. Любое аналитическое решение не боится объема данных. Оно занимается тем, что сокращает время от нажатия кнопки до принятия решения. В любом проекте мы структурируем задачи так, чтобы их можно было решать с помощью скоростных решений и с помощью сужения фокуса от аналитика к руководителю.

После всех этих замечательных слов про Qlik мы сейчас построим аналитическое решение. Постараемся уложиться в 10 минут. Решим задачу магазина по продаже одежды. Выгрузим оттуда аналитику, чтобы посмотреть базовые показатели типа конверсии и прочих. Для этого мы с вами зайдем в Qlik Sense Desktop – это бесплатное приложение для Windows. На «Маках», к сожалению, не работает.

Дальше все очень просто на самом деле. Нам сразу предлагается при создании дэшборда добавить данные из других источников. Попробуем это сделать. Беру файл с компьютера – выгрузку из интернет-магазина. Загрузка данных, повторюсь, один из самых важных элементов при построении аналитического решения. Но благодаря Qlik все стало очень легко. Даже человек, не обладающий специфическими знаниями в разработке, может это сделать в силу того, что концепция называется «селф-сервис». Фактически это самообслуживание. Когда вы берете несколько источников, объединяете, аналитическое решение за вас находит связи внутри данных. Теперь нам нужно добавить еще данные из Гугл-аналитики. Сохраняем.

Небольшой экскурс в технологию. Любое аналитическое решение работает по принципу базы данных, то есть данные должны быть связаны через специальный термин, который называется «ключом». Для этого необходимо те данные, которые мы с вами загрузили, назвать одинаково. Это очень просто.

Теперь мы можем идти к построению дэшборда. Что нас в первую очередь будет интересовать? Анализ по времени. Возьмем простейшие диаграммы и посмотрим, как месяц к месяцу идет наш бизнес. В конструкторе отчета существуют базовые понятия – это измерения и мера. Мера – то, что считается. Измерения – то, что меру раскрывает. Для линии возьмем дату (календарный месяц). Вот эта наша сезонность. Построим график по анализу продаж. Дальше посмотрим в комбинированной диаграмме, как соотносятся продажи с посещаемостью. Хочу еще посмотреть продуктовую аналитику по продажам. И теперь добавим сюда несколько более интересных мер. Посчитаем количество заказов, посчитаем средний заказ. Добавим количество клиентов, которые покупают у нас в магазинах. Приведем в порядок, чтобы выглядело нормально.

Итого, прошло ровно 15 минут: скорость, легкость и быстрота построения дэшборда была представлена. Источник данных очень быстро можно загрузить через интерфейс. Простейшие математические агрегации и большой инструментарий визуальных диаграмм – в нашем распоряжении. То, что мы сейчас построили, – примитивный уровень, но он показывает скорость, легкость и доступность этого инструмента.

При проектировании интерфейса и дэшборда мы стараемся основываться на минималистическом подходе. До сих пор встречаются аналитические панели, которые перегружены информацией. А мы стараемся минимизировать все до простых и понятных цифр, разложить на такое количество фокусных дэшбордов, которое устраивает заказчика.

Отраслевые решения стараемся делить на три части. Конечно, наших клиентов больше, но для этого вебинара выбрали именно три самых мощных драйвера нашего бизнеса: дистрибуция, розница и реализация. Соответственно, в дистрибуции мы стараемся делать решения сквозными, протягивать аналитику от входа до выхода. И все это быстро загружается, может жить даже у вас в телефоне.

Для розницы с точки зрения визуализации сейчас придумать что-то новое сложно. Поэтому здесь стараемся применять наш опыт и практику. Особенно для розничных магазинов, у кого на этапе анализа появляются сложности с построением отчетности, с пониманием данных и ресурсов для использования этих данных. Соответственно, здесь помогает наша экспертиза. В том числе, что удивительно, но финансисты тоже переходят к визуальным формам, так как многие руководители не любят таблицы.

Сейчас покажу несколько решений по анализу дистрибуции. Еще раз повторю, что мы стараемся по максимуму упрощать и не перегружать дэшборды. Простейший график – сезонность и товарно-клиентская аналитика. Если у вас 1С, то этого уже более чем достаточно. Если у вас веб-магазин, этого более чем достаточно. Можно с помощью экспертизы компании-интегратора найти и понять много чего интересного. Но даже если вы не готовы к длительному внедрению, хотите быстрый результат, то можно сформировать проект таким образом, что данные останутся у вас для последующего роста аналитических инструментов. Мы просто оставим «методичку», как это найти и как использовать.

Рейтинги бывают различными в зависимости от того, какой специфической дистрибуцией занимается компания. На нижнем графике самые интересные модели «Маржа к выручке», «Маржа к количеству клиентов». Здесь на самом деле все просто: собираем вторичные продажи, накладываем их на первичные. Опять же функции тех или иных аналитических инструментов дают нам возможность без специфических знаний действительно наложить данные друг на друга. Просто связать их в пачку и увидеть на уровне «товар-клиент», как вторичные продажи взаимодействуют с загрузкой каналов.

Наверное, самым популярным, обсуждаемым элементом любого дэшборда в рознице является «лайк фор лайк». Это режим сравнения данных сопоставимых магазинов, сопоставимых товаров. И чуть более расширенный – динамической «лайк фор лайк», когда мы увеличиваем количество факторов и пытаемся привести эти выборки к оптимальное повторяемости.

Финансы: доходы – расходы, прибыль – убытки, движение денежных средств, анализ дебиторской и кредиторской задолженности, естественно, с выделением KPI по отношению затрат к группам выручки, группам прибыли. На нижнем скриншоте – классическое представление. И чуть более визуальное, где можно отследить некоторые тренды.

В последней фазе вебинара хочу показать картинку про архитектуру аналитического решения и проект внедрения. Вся сила аналитики заключается в ее данных. Сочетание экспертизы нашей компании и вашей бизнес-экспертизы может дать очень неожиданное решение – новую систему связанных показателей, которую можно выстроить на основании ваших данных. Внедряя аналитическое решение, мы занимаемся в том числе, хранением и консолидацией.

Финальной частью любого проекта является визуализация. Это дэшборды. И самой высокой точкой пирамиды, которой здесь нет, является селф-сервис. Внедрение BI и аналитических инструментов заканчивается тем, что заказчик переходит в самостоятельное плавание. После того, как все ваши данные выведены в витрины, работать становится действительно в удовольствие.

По этапам внедрения все достаточно классически. Мы работаем по традиционной схеме: обследование, анализ существующей системы, техническое задание и реализация. Здесь мы придерживаемся концепции Agile, так как аналитическое решение никогда не укладывается в последовательный процесс. Именно в силу того, что при реализации требований внезапно возникают десятки действительно новых запросов, в силу того, что люди по ним раньше были ограничены ресурсной и временной базой. А тут мы можем чеки наложить на маркетинговые акции и посмотреть на ниспадающие эффекты. Поэтому мы всегда работаем короткими циклами, где поставляем решение маленькими итерациями. Построить огромный дэшборд – это огромный проект. И это всегда очень удивительно. Qlik говорит, что эффект от внедрения должен быть быстрым и очень положительным, что достигается за счет гибкости.

Вопрос – ответ

Александра: при изменении исходной структуры данных это особенно актуально для 1С-ников, поскольку постоянно идут доработки?

Скажу, что это незначительные изменения. То есть перестройка блока трансформации и хранения данных одним аналитиком (не программистом-аналитиком) занимает несколько минут. И мы всегда после проектов оставляем описание, как это работает.

Ирина: каковы сроки внедрения с нуля?

От недели до года. Самое быстрое внедрение, которое мы делали, заняло три недели. Это два дэешборда, написанных с 1С.

Давид: какова стоимость?

По стоимости продукта, пожалуйста, присылайте запрос на адрес Этот адрес электронной почты защищён от спам-ботов. У вас должен быть включен JavaScript для просмотра.. Все индивидуально, мы работаем с системой скидок и с минимальными пакетами.

Антонина: для работы небходимо понимать SQl?

На самом деле, нет. Мы упрощаем всю работу с загрузкой данных до скриптового языка, до прямолинейного выполнения кода. В интерфейсе вы видели, что не нужно ничего писать. Любой инструмент стремится к тому, чтобы человек без особых знаний смог получить суперрезультат.

Давид: насколько возможна самостоятельная корректировка дэшборда?

Все дэшборды в вашем вашем владении. Вы можете их корректировать.

Александра: если автоматизировать бардак, будет автоматизированный бардак.

Соглашусь и не соглашусь. Во-первых, мы не первый день занимаемся внедрением и владеем инструментами и методиками подготовки данных. То есть мы выводим только то, за что мы гарантированно получаем деньги (за результат). Конечно, ошибки останутся, но мы их выделяем в определенные блоки. Некоторые компании даже заказывают специальные отчеты по качеству данных, по тому, что неправильно сделано.

Вторая часть вопроса – что, если нужна серьезная перестройка исходной системы? Мы недавно сталкивались с проектом, где нас попросили фактически создать систему нормативно-справочной информации. Когда компания собирает данные с различных сайтов, естественно, там полный бардак. Для этого пишутся скрипты обработки данных, и все приводится к эталонам.

Михаил: я создал отчет по группе товаров в течение года, можно ли проваливаться в группу данных?

Проваливаться можно до транзакций. Суть любого аналитического гиперкуба – это возможность провалиться до мельчайшей ячейки. То есть если мы знаем группу товара, мы знаем качество его упаковки, кем он был куплен, какая у него была первичная партия, какая себестоимость, какой был менеджер на тот момент, какому розничного клиенту с какой карты мы продали.

Ведущий – Михаил Захаров, эксперт в сфере BI, в портфолио – более 50 проектов внедрений в горнодобывающей и обрабатывающей промышленности, бурении, производстве, фармацевтике. В стэке – Qlik, Tableau, Power BI. Работал с госзаказчиками, международными корпорациями (Европа, США, Австралия). Имеет большой опыт в ритейле, дистрибуции, логистике, складском анализе, финансовой отчетности.  

Смотреть видеоверсию вебинара