Восемь уровней зрелости аналитических данных: от стандартных отчетов к OLAP и прогнозированию

В условиях постоянных изменений рынка способность компаний анализировать данные и извлекать из них максимум ценности становится ключевой для обеспечения устойчивого роста.

На пути к внедрению полноценного data-driven управления каждый бизнес проходит последовательные стадии работы с данными: от бессистемного описательного анализа до сложной прескриптивной аналитики.

Зная, на каком уровне работы с данными находится компания, руководство может эффективнее планировать инвестиции в технологии, расширение штата, обучение сотрудников. Понимание собственных возможностей помогает адаптировать бизнес-стратегии, что приводит к более высоким конкурентным преимуществам и лучшим результатам. 

В этой статье мы рассмотрим один из подходов к оценке зрелости аналитических данных и обсудим основные принципы аналитически зрелой компании.

Прежде чем оценивать, насколько компания близка к управлению на основе данных, важно разобраться, какие базовые принципы определяют data-driven подход.

Управление, основанное на данных, включает в себя как внедрение инструментов для анализа данных, так и создание корпоративной культуры, ориентированной на работу с данными:

• В компании должен осуществляться систематический сбор качественных, актуальных, точных, своевременных данных, к которым есть доверие

• Данные должны быть общедоступными: объединенными в хранилище (DWH), стандартизированными для совместной работы разных пользователей, быстро доступными с помощью инструментов анализа

• Необходима команда, способная поддерживать качество данных, обрабатывать их для достижения конкретных результатов и грамотно интерпретировать полученные инсайты

Глубина проработки каждого из этих принципов как раз и зависит от уровня аналитической зрелости. На базовом уровне компания приходит к разработке регулярной отчетности и получению оповещений.

Отчеты - сводки данных, отвечающих на вопрос «что произошло?», например, финансовые отчеты за год.

Оповещения - отчеты, отвечающие на вопрос «что происходит прямо сейчас?» и позволяющие своевременно отреагировать на изменения.


Ни отчетов, ни оповещений недостаточно, чтобы говорить об управлении на основе данных.

Они ретроспективны и не дают контекста, то есть, не сообщают, почему происходит изменение наблюдаемого показателя, например, снижение продаж, и не подсказывают, что следует предпринять для решения проблемы.

Существуют разные подходы к оценке уровня зрелости компании в управлении данными.

Джим Дэвис, старший вице-президент и директор по маркетингу SAS Institute в 2009 году предложил более широкую классификацию и выделил восемь уровней зрелости аналитических данных (analytics maturity).

В некоторой степени, каждый уровень зрелости аналитических данных коррелирует с уровнем инвестиций компании в аналитику и уровнем развития data-driven культуры.

Отвечают на вопросы: Что произошло? Когда произошло? 

Пример: финансовая или бухгалтерская отчетность, налоговые отчеты

Стандартные отчеты генерируются на регулярной основе и описывают только то, что уже произошло. Они практически бесполезны при необходимости планирования или принятия долгосрочных решений.

Отвечают на вопросы: Как много? Как часто? Где?

Пример: пользовательские отчеты, демонстрирующие количество продаж для каждой компании по кварталам

Нерегламентированные отчеты позволяют пользователям задавать дополнительные вопросы к данным и искать ответы на них.
Если в компании принято работать только с отчетами, значит, она в меньшей степени инвестирует в бизнес-аналитику, и для нее не характерно управление на основе данных.

Отвечают на вопросы: В чем конкретно проблема? Как найти ответы?

Пример: изучение и детализация данных о различных типах пользователей мобильных телефонов и их поведении при звонках

OLAP позволяет проводить более глубокий, многомерный анализ данных и предоставляет быстрый доступ к информации, необходимой для принятия решений.
При этом работа с данными реализована с помощью инструментов для обработки, анализа и визуализации данных, например, BI.

Что такое BI, и зачем компаниям система бизнес-аналитики?

Отвечают на вопросы: Когда нужно действовать? Какие действия нужно предпринять немедленно?

Пример: менеджеры ресторанов получают оповещения, если плановые показатели продаж не достигнуты

С оповещениями проще узнать, когда возникло отклонение от плана, и получить своевременное уведомление, когда подобная проблема произойдет в будущем.
Оповещения можно настроить по электронной почте, в RSS-каналах или в виде выделения отклонений цветом на панели мониторинга (дашборде).

Отвечают на вопросы: Почему это происходит? Какие возможности я упускаю?

Пример: банки могут исследовать данные с использованием статистических методов и выявить закономерности, почему все больше клиентов рефинансируют ипотеки

На данном уровне в компании используются более сложные методы анализа, такие как корреляционный и регрессионный анализ, выборки, метод сравнения средних.

Отвечают на вопросы: Что, если этот тренд продолжится? Какой объем потребуется? Когда он потребуется?

Пример: компании, работающие в розничной торговле, могут прогнозировать спрос на продукты в зависимости от магазина и сезона

Прогнозирование сейчас – одно из самых востребованных направлений аналитики. Предиктивная (прогнозная, предсказательная) аналитика используются для формирования прогнозов и выявления будущих трендов.

Отвечают на вопросы: Что произойдет дальше? Как это повлияет на бизнес?

Пример: отдел маркетинга прогнозирует, кто из базы лидов скорее всего отреагирует на новую маркетинговую кампанию

Прогнозное моделирование — это процесс использования математических и статистических моделей для предсказания будущих результатов деятельности.

Отвечают на вопросы: Как улучшить наши процессы? Какое решение сложной проблемы будет самым эффективным?

Пример: учитывая приоритеты бизнеса, ограниченность ресурсов и доступные технологии, аналитика помогает определить наилучший способ оптимизации ИТ-платформы для удовлетворения потребностей каждого пользователя

Оптимизация поддерживает инновации. Она учитывает имеющиеся ресурсы и потребности и помогает найти наилучший возможный способ достижения целей бизнеса.

Перечисленные уровни можно интерпретировать как последовательность шагов, где подняться на следующий уровень можно только после прохождения предыдущего. Но такая идея не всегда сопоставима с жизнью.

В реальности в одно и то же время разные подразделения компании могут проводить анализ разной степени сложности в зависимости от задач. Например, компания может прогнозировать объем продаж, еще не зная, в чем конкретно состоит проблема с низким ростом этого объема.

Грамотный руководитель будет рассматривать все аспекты и действовать на основе всестороннего анализа, а не интуиции, в том числе, оценивать последствия от того, что текущий тренд продолжится или будет предотвращен.

Оценка же общего уровня зрелости аналитических данных будет полезна для новых шагов в сторону повышения аналитической культуры в компании и приближения к data-driven управлению, где данные — основной фактор, обусловливающий стратегию бизнеса и влияющий на нее.