Data-driven подход: как оптимизировать сбор данных и почему это необходимо для развития бизнеса

Когда данные попадают в систему уже с искажениями (человеческий фактор, устаревшие сведения в справочниках или потеря контекста при передаче между отделами), работа с ними теряет смысл.

Неполные или дублирующиеся записи о клиентах, несогласованные коды товаров или утерянные метки времени в логах событий создают «информационный шум», из которого практически невозможно извлечь объективную картину происходящего в компании.

Даже полный и актуальный материал может быть истолкован неправильно. Проблема возникает, когда сотрудники или подразделения опираются не на объективные закономерности, а на устоявшиеся гипотезы или удобные для себя метрики.

Люди склонны выбирать те критерии оценки, которые подтверждают их правоту или успешность текущих действий. Другие объективные показатели не принимаются во внимание, и это приводит к искажению долгосрочной стратегии и принятию ошибочных решений.

Договоритесь о единых правилах работы, иначе сотрудники или отделы будут использовать разные подходы к анализу, и это повлечёт за собой расхождения.

Любая аналитическая система — это отражение логики, которую человек закладывает в код. Если архитектура хранения данных не учитывает бизнес-процессы или настроена с ошибками, она будет искажать реальность.

Это может проявляться в виде неверных связей между таблицами, неверно настроенных фильтров при выгрузке отчётов или потери данных при интеграции между CRM и внешними сервисами. В такой ситуации бизнес рискует принимать решения на основе неправильных данных.

Качественные данные — это основа подхода. Важно выстроить регулярный сбор данных из всех доступных каналов, информация должна быть точной, полной, согласованной.

Внедрение Data Warehouse (DWH) — единого структурированного хранилища, куда попадают сведения из систем.

Лучше заранее заложить масштабируемую IT-инфраструктуру: так вы обеспечите безопасное хранение больших объёмов информации и быстрый доступ к ней для анализа.

Сырые данные превращаются в полезные выводы с помощью инструментов аналитики. Наглядные дашборды и отчёты делают эти сложные взаимосвязи понятными и доступными для специалистов разных профилей, что помогает быстрее интерпретировать результаты.

Аналитика делится на уровни исследования данных:

1. Что произошло.
2. Почему произошло.
3. Что делать (рекомендации).

После внедрения Data-driven подхода компания начинает с первых уровней и постепенно, по мере обработки информации, получает возможность прогнозировать собственные показатели. Это поможет структурированно подходить к планированию и выстраиванию стратегии развития в будущем.

Ключевая цель — поменять подход к управлению. Для этого в бизнес-процессы внедряются показатели, которые помогают оценить эффективность и насколько задачи помогают достигать стратегических целей. Благодаря этому команда сможет сосредоточиться на достижении конкретных результатов, повышать результативность и профессионально расти.

Компания переходит от интуитивных действий к решениям на основе данных, которые обоснованы результатами проведённого анализа. Это позволяет минимизировать риски и объективно оценивать успешность инициатив.

Культура этого подхода подразумевает, что каждый сотрудник, независимо от должности, получает доступ к данным для самостоятельной проверки гипотез. Ключевой принцип — создать условия для анализа и роста, где ошибка не станет препятствием для экспериментов.

Доступность к информации способствует повышению грамотности в работе с данными: сотрудники должны уметь интерпретировать графики, понимать значимость статистики и видеть разницу между корреляцией и причинно-следственной связью, чтобы не делать ложных выводов.

Эксперименты — это основной инструмент проверки идей. Например, команда проводит A/B-тест: сравнивает две версии страницы сайта, письма или рекламного объявления, чтобы определить, какая из них показывает более высокую конверсию. Ошибки не считаются провалами, а становятся инсайтами — сотрудники получают данные, как делать не стоит.

В совокупности культура Data-driven предполагает, что люди в компании обучают сами себя, оперативнее адаптируются к изменениям рынка и принимают более взвешенные решения, основанные на фактах.

Чтобы добиться такого результата, данные необходимо собирать и хранить в централизованной системе, которая объединяет несколько источников и приводит информацию из них к единому формату. Такое хранилище называется Data Warehouse (DWH).

Рассмотрим ключевые компоненты, которые помогут обеспечить эффективность и функциональность Data-driven подхода, а также точность и актуальность данных при работе.

Объединение информации из ERP, CRM, BI-систем и других источников в единое хранилище помогает специалистам из разных направлений увидеть бизнес целиком. Те или иные сущности соединяются по ключевым словам.

Гибкая система разграничения прав гарантирует защиту конфиденциальной информации: от публичных отчётов до строгой ролевой модели с доступом на уровне строк и полей.

Например, ограничение 1C: Аналитики предполагает, что структура папок контролируется с помощью API. Эти папки не видны группе пользователей, у которой нет доступа к этим файлам.

Также доступен метод Record Level Security (RLS) — ограничение прав на уровне записей. Каждый пользователь видит только ту информацию, которая необходима для работы. Другие файлы скрыты и недоступны даже по ссылке.

Использование стандартизированных протоколов, таких как REST API, обеспечивает надёжное и управляемое подключения источников данных. Информация передаётся без перебоев в режиме, близком к реальному времени.

Данные и бизнес-процессы из разных систем приводятся к общему формату (например, номенклатура, список контрагентов). Такой подход увеличивает время на оптимизацию хранения данных, но сокращает трудозатраты на дальнейшую разработку DWH.

Мы поняли, что бизнес-процессы требуют оптимизации и автоматизации. Регулярно не могли найти причину неэффективности операций, не получали внятных ответов. Аналитикам нужно было время, чтобы исследовать вопрос и найти проблему.

Сбор аналитики занимал слишком много времени из-за разрозненности информации. В рамках внутреннего проекта оптимизировали небольшой объём данных, чтобы впоследствии масштабировать изменения на остальные сервисы и алгоритмы. За основу взяли продажи предметов мерчендайзинга.

Получили моментальный доступ к результатам отчёта, в котором отражались актуальные данные с точностью до суток. Также стали доступны наглядные и кликабельные дашборды, по которым отслеживали прогресс по датам.

Благодаря оптимизации процессов и внедрению Data-driven подхода, стали оперативнее рассчитывать прибыльность бизнеса на единицу товара и избавились от продолжительного процесса корректировок.

Какие качественные и количественные результаты получили, читайте в нашем отдельном материале.

Для аудита использовали 1C: Аналитику — узкоспециализированный инструмент на платформе 1C, который позволяет быстро и недорого получать аналитику из предустановленного набора показателей.

Другие решения (Tableau, Power BI и Qlik) — это универсальные мощные платформы, которые работают с любыми данными (даже без хранилища), предлагают продвинутые технологии и гибкую визуализацию, но требуют вложений во внедрение и специалистов.

Внедрение методологии управления бизнесом, которая включает в себя:

• постепенную перестройку процессов;
• введение новых стандартов по оформлению и сбору данных;
• обучение сотрудников.

Персонал должен научиться анализировать данные, понимать их и делать выводы, которые станут основой для принятия управленческих решений.

Рассказываем, что нужно предпринять, чтобы перейти на Data-Driven без лишних сложностей:

1. Провести аудит текущего состояния. Соберите список всех источников данных и «болевых точек» — узких мест и проблем в обмене информацией.
2. Ускорить проектирование архитектуры. Выберите решение, которое поможет вам при интеграции этих систем и разработке логической структуры хранилища. Не стоит выводить все дашборды и заводить все данные DWH сразу: начните с небольшого объёма информации.
3. Запустить пилотный проект. Мы проанализировали, какие предметы мерчендайзинга люди выбирают чаще всего. Это помогло нам быстро осознать ценность рассматриваемого подхода для Programming Store и не потратить значительное количество ресурсов на аудит.
4. Масштабировать обработку информации. Выявите для себя критичные процессы и обрабатывайте их в первую очередь.
5. Оптимизировать систему. Работайте над ускорением загрузки данных и унификацией их структур для повышения эффективности.

Поддержка руководства

Активное участие и финансовая ответственность топ-менеджмента — ключевой фактор, так как только они могут снять системные барьеры и обеспечить проект необходимыми ресурсами для достижения целей.

Качество исходных данных

Проверьте и очистите данные: любые алгоритмы дадут некорректный результат на некачественных исходных данных.

Обучение пользователей

Инвестиции в обучение и адаптацию сотрудников обязательны. Система не принесёт отдачи, если конечные пользователи не умеют применять её для решения своих рабочих задач.

Итеративный подход

Поэтапное внедрение, которое помогает повышать эффективность бизнеса уже сейчас, ценнее гипотетического идеального решения в будущем.

Компании, которые принимают решения на основе данных, работают эффективнее и растут быстрее: аналитика даёт им реальное преимущество.

Не получится управлять тем, что нельзя измерить: в том числе и позицией на рынке. Data-driven подход позволяет:

• Проводить конкурентный анализ, основываясь не на слухах, а на реальных сведениях: доли рынка, ценовой политике, активности в цифровых каналах.
• Оценить свои сильные и слабые стороны в сравнении с другими компаниями через призму объективных метрик.
• Корректировать стратегию развития компании, отслеживая изменения в постоянно обновляемых данных.

Реактивное управление — это дорого и неэффективно. Data-управление помогает:

• Отследить изменения потребностей клиентов с помощью анализа поведенческих паттернов.
• Прогнозировать тренды рынка на основе аналитических данных и адаптировать продукт до того, как это сделают конкуренты.

Общие рассылки и стандартные предложения больше не работают. Клиенты ждут персонального отношения.

• Data-driven подход позволяет сегментировать аудиторию и понимать потребности каждой группы.
• Вы можете создавать уникальные клиентские пути, что напрямую влияет на конверсию в продажу.