Бизнес-аналитика в ритейле

Что есть IT сегодня? Какую роль они играют в работе ритейла?

Ритейл на данный момент – самый динамичный рынок, и потому должен быстро реагировать на изменения внешней среды. Существует множество макроэкономических показателей, которые влияю на состав потребления и поведенческие модели потребителей: изменяется структура корзин и типовой чек. Чтобы вовремя среагировать на изменение спроса, оперативно поменять предложение, ассортимент, закупки и подойти к решению вопроса проактивно, необходима помощь современных BI систем. К тому же есть ряд бэк-офисных процессов: управление цепями поставок и складом, управление персоналом, ИТ-инфраструктурой.

К сожалению, в СНГ руководство компаний не так много внимания уделяет бизнес-аналитике, что видно по разнице структуры бюджетов на ИТ в сравнении с западными компаниями. Почему так происходит? К сожалению, бизнес не всегда видит в ИТ-партнера по управлению, не видит потенциала. Сам бизнес должен повзрослеть и осознать, что ИТ-служба – это партнер. Сейчас же, зачастую, ИТ-подразделениям самим приходится показывать свою ценность для бизнеса, а у них и так много задач по обеспечению основных бизнес-процессов. Правильность ассортимента в той или иной точке продаж – это не показатель для ИТ, в отличие от работы касс. Поэтому в условиях недостатка ресурсов ИТ плотно занято своей основной работой – обеспечением бесперебойности работы компании и «затыканием дыр». Да и не все, по правде говоря, готовы предлагать что-то новое, изучать новые продукты и технологии, призванные помочь в управлении компанией.

Однако, сегодня появляется все больше людей, которые осознают, что BI может принести пользу бизнесу, ведь именно от BI зависит правильность и своевременность управленческих решений. Даже если учитываются чеки и поставки, без их анализа большого смысла в простом учете нет – сегодня современному бизнесу этого недостаточно, чтобы принять решение. Аналитика аналитике рознь: есть немало примеров, когда в BI были вложены существенные средства, но из-за недостатка опыта в реализации подобных проектов или недостаточного привлечения бизнес-заказчиков результат оказался очень далек от идеального: я не раз видел, как партнеры Qlik приходят, демонстрируют результаты пилотного проекта, а заказчики просто берутся за голову: «Ну почему я не видел раньше той или иной проблемы, ведь у меня есть BI?». А дело в том, что в этом BI просто не реализованы те наглядные панели и показатели, которые позволяют управлять бизнесом.

Например, в ходе одного пилотного проекта еще на этапе загрузки данных из POS в первый же день работы выяснилось, что аптеки открывались в среднем на 18 минут позже, а закрывалась на 20 минут раньше, причем ряд из них имел подозрительные продолжительные интервалы в работе в середине рабочего дня. Суммарные потери от этого в среднем составляли более 10% рабочего времени. Первое управленческое решение было в том, чтобы проконтролировать время работы и напомнить персоналу про дисциплину. Причем все эти данные уже существовали, но просто не были видны бизнесу. Вся информация о работе касс, сколько и когда бьется чеков, моментально вылезла наружу. Соответственно, вторым решением стала оптимизация работы торговых точек. По количеству чеков было примерно понятно, какая и в какое время может быть очередь, и если есть две кассы, которые плотно забиты, то есть вероятность, что люди, пришедшие и вставшие в очередь, могут не дождаться и уйти. Поэтому в данном случае будет правильным поставить третью кассу. Возможно и обратное: если кассы были мало загружены, то нужно было принять решение о реформировании системы работы. В итоге на части точек был предложен не 12 часовой, а 24 часовой формат работы, что подняло продажи по ним почти в два раза. Проходимость увеличилась на 80%, а средний чек упал всего на 3%. Также был проведен сравнительный анализ по территориям и выбраны приоритетные направления, где можно еще поставить торговые точки, а где можно от них отказаться. Уже потом была переформирована сама сеть, что позволило захватить новые перспективные территории и отказаться от убыточных. То есть BI позволяет быть впереди всех, владеть информацией и аналитикой, чтобы вовремя принять важное управленческое решение. Вот в решении таких проблем ИТ может и должно помогать. Но при этом и бизнес должен принимать самое активное участие в проекте и обеспечивать ИТ своей помощью, а иногда и защитой: дело в том, что в BI всплывает много неприятных вещей, таких как, например, информация о том, что в какой-то момент было принято не верное управленческое решение.

Например, с ходовым товаром поставщики могут предложить и неходовой, и многие соглашаются его приобрести. А здесь кроются большие проблемы – в таком товаре заморожены финансовые средства, т. к. себестоимость товара со временем увеличивается: товар нужно хранить в определенных условиях, охранять, страховать. С другой стороны, иногда бывает, что зачастую выгодно взять и такой товар, если при этом получается хорошая прибыль от продажи ходового. В таком случае не допускается ситуация Out of stock, и здесь BI может стать незаменимым помощником прямо на переговорах с поставщиком, когда менеджер по закупкам с планшета может построить «что/если» анализ, прикинуть комплексные затраты, прибыльность сделки и аргументировать свою позицию поставщикам. Используя бизнес-аналитику, многие проводят только базовый анализ, например, план/факт продаж, хотя ее возможности гораздо шире: продажи анализируются не просто в разных разрезах, главное – это сравнение.

Например, если вы продали товара на миллион – это хорошо или плохо? Ответ: если продали в прошлом месяце на 2 млн, то плохо. А если конкуренты в сравнимых условиях продают на 500 тыс., то, возможно, и хорошо. Поэтому важно сравнивать по формату магазинов, по формату окружения, и внутри каждого показателя измерять динамику. Еще важно предупреждение о конце сезона или об окончании срока годности. Например, популярный iPhone 5 скоро уже будет непопулярным, т. к. появятся новые модели, но тренд на них понять можно. Или вот пример для девушек: условно, красные купальники, популярные в этом сезоне, никто уже не купит в следующем. Поэтому важно управлять товарным запасом, причем не обязательно на уровне глобального отдела закупок. Можно смело давать подобные инструменты и среднему менеджменту: например, в магазине остались сырки глазированные, и у них скоро истекает срок годности – тогда, возможно, их нужно переложить на «золотую» полку, даже не снижая цену, ведь иногда это бывает выгоднее и более оправданно. Да, с «золотой» полки уйдет меньше товара с большим коэффициентом маржинальности, зато не придется уценивать или даже списывать другой товар. И это уже решение среднего уровня, даже не руководства магазина. Поэтому важно дать людям инструмент, научить им правильно пользоваться.

АНАЛИТИКА «МЕТОДОМ ПРИСТАЛЬНОГО ВЗГЛЯДА» УСТАРЕЛА, СУЩЕСТВУЕТ ЦЕЛЫЙ КЛАСС СИСТЕМ, КОТОРЫЕ МОГУТ ПРИВЕСТИ ДАННЫЕ В БОЛЕЕ НАГЛЯДНЫЙ ВИД ДЛЯ ЛЮДЕЙ, ОТВЕТСТВЕННЫХ ЗА ПРИНЯТИЕ РЕШЕНИЙ

Сейчас от решения больших глобальных задач мы переходим к частным и имеем инструменты, с которыми могут работать и менеджеры среднего звена. Именно для этого предназначено новое поколение BI систем, изобретателем которого, кстати, является наша компания – их задача в том, что мы можем быстро объединить данные с разных источников и привести в удобный для анализа вид. Например, мы можем объединить данные с финансовых (себестоимость и т. д.) систем и систем учета продаж. При этом, решение задач в таком виде делают только лидеры рынка, и наша задача – продвинуть эту идею дальше, в средние компании, в регионы, чтобы у них тоже был некий пакет бизнес-аналитических моделей, чтобы они могли соревноваться с крупными компаниями, которые уже давно осознали, что такое BI и в чем выгода от его использования. Кроме того, очень важна возможность найти партнера и специалистов на рынке, а также возможность обучить собственный персонал. Нашими проектами довольны 97% ритейлеров – такого высокого показателя по лояльности я больше не встречал. Поэтому, чтобы стать полно ценным партнером и показать значимость ИТ-службы руководству и владельцам компании, очень вы годным ходом является предложение готового проекта по бизнес-аналитике, пусть даже пилотного. И разумнее было бы заходить с системами, которые показывают быстрый результат.

– Чем на сегодняшний день являются BI системы для бизнеса в целом и для отрасли ритейла – в частности?

На сегодняшний день BI для бизнеса является основным рабочим инструментом. Так происходит везде, и только в России под «BI» часто имеют в виду систему отчетности. Аналитика «методом пристального взгляда» уже устарела, существует целый класс систем, которые могут привести данные в более наглядный вид для людей, ответственных за принятие решений. Таблицы, возможно, хороши для финансового аналитика, но не для директора и не для тех, кто занимается выкладкой товара в магазине. Для любой отрасли BI является необходимым инструментом, просто в ритейле он более востребован, т. к. это очень динамическая модель бизнеса, здесь нужно очень быстро сравнивать, отслеживать множество вещей, таких как возвраты, воровство, сроки годности товаров, выкладку товаров; необходимо следить за ценами у конкурентов и собственными маркетинговыми акциями и решать еще множество задач. И здесь BI – тот инструмент, который позволяет сделать эту работу проще, оптимизировать ее.

– Насколько в СНГ распространена практика внедрения подобных решений?

– У топовых компаний такая практика распространена, меньшие же компании решают какие-то текущие задачи. И тут возникает еще одна проблема. BI – это один из инструментов. И вопрос не в технических сложностях, а в том, что сейчас мало бизнес-аналитиков. Аналитик должен как быть близок к бизнесу и понимать задачи, так и разбираться в ИТ, знать системы и структуру данных, понимать, где и какие данные можно взять и как с ними работать, чтобы они были пригодны для аналитики (почистить, убрать дубликаты, насытить и т. д.), и, кроме того, уметь сделать красивую визуальную модель. Таких специалистов не так много, и они очень высоко ценятся и высоко оплачиваются. Сейчас мы сталкиваемся с тем, что нет достаточно квалифицированных специалистов, которые могли бы делать прогнозы, многофакторный анализ и т. д. Возможно, это несколько мешает распространению BI. Наша компания тоже стремится развиваться в этом направлении – у нас, в частности, есть учебники и обучение на русском языке, есть комьюнити, мы работаем с учебными заведениями.

– Насколько оправданно внедрение BI с экономической точки зрения? Существуют ли определенные показатели, от которых зависит окупаемость проекта по внедрению таких решений?

– Разумеется, внедрение BI оправданно с экономической точки зрения, но важно понимать одну вещь: BI сам по себе ничего не делает, он только дает рекомендации – например, какого товара нужно больше закупить и как его выложить. Поэтому очень сложно оценить окупаемость, т. к. этими рекомендациями можно пользоваться, а можно действовать с точностью наоборот и нанести в итоге вред компании – и как тогда оценить окупаемость? Но если данные актуальные, построен правильный отчет и его рекомендациям следуют, то BI системы окупаются молниеносно. Основных показателей, грубо говоря, два – это увеличение прибыли и сохранение затрат. Увеличить прибыль непросто, ведь у потребителей есть определенное количество денег, которые они могут тратить. Поэтому задача BI системы в этом случае – понять, проанализировать модель поведения потребителя и предложить оптимальное решение, ассортимент, чтобы полностью удовлетворить спрос.

Хороший пример, который я часто привожу, это «проблема 45 размера». У меня размер обуви 45, поэтому я знаю, как зачастую бывает сложно купить ботинки. В магазинах обычно 44 размер – последний. Чтобы построить правильное предложение, нужно анализировать не сбыт, а спрос. А спрос нигде не фиксируется. Даже если люди приходят и спрашивают 45 размер, это нигде не отражается. Соответственно, сначала надо по структуре сбыта восстановить спрос (про «Гаусово распределение» благодаря Чурову сейчас знают практически все) – можно рисовать размерную горку и предлагать правильный размерный ассортимент, что поможет более полно удовлетворить потребности потребителя. Кроме того, надо понять, что, где и когда правильно продавать. Вопрос «когда?» может касаться графика работы, а его решение – помогать определить, имеет ли смысл делать 8, 9, 10, 12 или 24 часовой рабочий день.

Например, возможно, цветы наиболее востребованы в 4 часа утра. А вот вопросы «где продавать?», «где меньше конкурентов?» – это уже геоаналитика, когда на карте отмечаются свои торговые точки и точки конкурентов. Второй важный показатель, который наиболее актуален в кризисные времена, – это сокращение затрат. Когда покупательская способность снижается, заказчики начинают обращать внимание на структуру затрат. Поскольку наше решение относительно недорогое по рынку, то к нам обращаются для решения как раз таких задач. Например, просят определить структуру затрат: где заморожены финансовые средства, что с товарами, с возвратами, с дебиторской задолженностью, с непроизводственными потерями и т. д. И здесь иногда вскрываются очень интересные вещи. Или еще пример – управление кадрами. В России управление кадрами не так востребовано, как на Западе, т. к. там кадры существенно дороже. Но сейчас начинает расти спрос и на такие решения, и это отчасти вызвано и тем, что мы можем предложить интересные решения.

Хороший пример – комплементарные продажи, т.е. ряд товаров, которые при правильном подходе приносят очень хорошую маржу. В магазинах с этим проще – достаточно выложить товар ближе к кассе, тогда как, скажем, в аптеках все по-другому – там надо уметь предлагать, например, к антибиотикам «нистатин» или «линекс». А это уже работа с кадрами, в которой надо выявлять отстающих сотрудников и обучить их предлагать комплементарные товары к основной покупке. Можно быстро проанализировать структуры чеков, понять, кто стоял на кассе и насколько эффективно он предлагал подобные препараты, и обучить «отстающих». Если же и после обучения сотрудник показывает такие же низкие результаты, как и до него, то уже встает вопрос его соответствия должности. Также можно посмотреть в целом на персонал, посмотреть график прихода-ухода, посещаемость сайтов и т. д. Или наблюдать за продуктивностью сотрудников – если есть перспективные специалисты, то нет смысла нанимать новых сотрудников за более высокие деньги, а лучше продвигать существующих. Очень много случаев, когда BI система окупалась еще на уровне пилотных внедрений. Поэтому такие пилоты очень популярны – выгружаются товарные запасы, а клиенту через несколько дней демонстрируют некоторые основные показатели.

Например, для нашего крупного дистрибутора партнеры в Украине сделали пилотный проект, который помог решить типовые проблемы в ритейле и очень быстро понять окупаемость системы: на демонстрации их боевых данных от клиента поступило замечание, что система работает некорректно, т. к. основные финансовые запасы указаны в моцарелле (и по весу ее было порядка 14 тонн), а такого не может быть, т. к. ее везут напрямую из Италии самолетом и продают только в самые дорогие рестораны. Генеральный директор сразу позвонил на склад, выяснил ситуацию, и оказалось, что при заказе итальянские партнеры расценили точку как разделитель, и они закупили и оплатили в 100 раз больше требуемого количества. Пришлось быстро распределять имеющиеся запасы. Без этого пилотного проекта компания понесла бы очень серьезные убытки, а Qlik окупился при пилоте, и у нас есть много подобных примеров. Сейчас все больше становятся популярны масштабные пилотные проекты – мы предлагаем или наши заказчики сами просят не просто автоматизировать один отдел, а сразу запустить большой пилот, на пример, на всех руководителей торговых точек. Так легче понять масштаб экономической выгоды, мы считаем метрики ряда показателей на начало и на конец проекта, и понимаем, какую колоссальную выгоду приносит массовое использование Business Discovery.

– Существуют ли какие-то «подводные камни» при внедрении BI-системы в ритейле? Как их избежать?

– «Подводные камни» есть в любой системе. При внедрении BI-систем зачастую основные усилия и трудозатраты приходятся на то, чтобы привести в порядок данные: собрать, очистить, структурировать, донасытить, убрать дубликаты. Существуют даже отдельные решения по управлению мастер-данными, но зачастую для определения качества данных при внедрении используют сам QlikView, а выявленные ошибки и расхождения исправляют уже в учетных системах: легкие BI инструменты очень подходят для таких задач. Если же этого не сделать, то есть риск получения неточных выводов. Очень хорошо на QlikView строится прототип хранилищ, так как в нем есть возможности не просто анализа данных, а их сбора, очистки, агрегирования, хранения. Нет смысла делать «большую помойку», нельзя строить хранилище «просто так» – в нем должны находиться только данные для отчетности и аналитики, так что часто наши клиенты разрабатывают все отчеты и модели данных, загружая данные из разных систем непосредственно в QlikView, получая при этом готовый прототип хранилища. И уже потом, по фактически готовой модели, «отливают в камне» DWH на базе ряда промышленных систем, если в этом остается потребность.

– На что нужно обращать внимание при выборе производителя, вендора? На какие технические характеристики?

– Каждый продукт хорош для решения своих задач – есть системы для онлайн выявления фродовых операций, для бюджетирования, массовой рассылки отчетов и т. д., так что важно сначала определиться с задачей, а потом искать лучшие решения именно для этого класса задач. И обращать внимание нужно на то, как быстро можно будет получить результат. BI хорош для динамичных рынков, поэтому нужна система, которая не только быстро внедряется, но и быстро меняется. То есть необходимо выбрать систему, наиболее подходящую для отрасли, которая при этом поможет максимально быстро получить результат и снизить риски. Было много случаев, когда сначала выбиралась большая сложная система, внедрение шло полгода, а потом выяснялось, что работать она не может, что-то не учтено, и приходилось возвращаться к проектированию – это недопустимо в современных динамичных условиях. Современные системы, такие как Qlikview, позволяют избежать проектных рисков, так как очень быстро показывают первые результаты, которые можно скорректировать. Зачем ждать результатов полгода, когда можно получить первый результат через несколько дней, а за неделю довести аналитический от чет до ума? Так будет легче контролировать проект, поскольку в любой момент его можно будет остановить, внести изменения и т. д. Это очень важно и именно на это обращают внимание по всему миру. И важно даже не то, насколько быстро ты реализуешь, а насколько быстро сможешь внести изменения. Сумма, стоимость – это уже вторичные вещи. Стоимость решения и та польза, которую оно несет для бизнеса, несопоставимы.

Еще один момент – это интеграция разных систем. Даже если взять «лучшие в классе» решения для аналитики, хранения данных и систему для их сбора, 80% работ придется именно на интеграцию данных продуктов, и потом еще бизнес потребует работу с мобильных устройств – и придется интегрироваться с порталом. Поэтому, например, QlikView сложно сравнить с другими системами, т.к. даже если они лучшие в своем классе, то у нас преимущество в том, что все находится на одной платформе, от ETL до портала, и не нужно тратить год-два на соединение различных систем.

– Каковы тенденции и прогнозы рынка BI в ритейле?

– Точная розница – новое поколение бизнес-аналитики. Ее основная задача – построить поведенческие модели, корзины потребителей, причем индивидуально по каждому покупателю. На данный момент, кроме недостатка данных, для решения подобных задач просто не хватает вычислительных мощностей: обычно подсчитывается некий общий показатель по корзине, а индивидуально все просчитать мы пока не можем. Со временем будут развиваться системы лояльности: с помощью пластиковых карт, мобильных телефонов можно будет человека идентифицировать и точно узнать, что он покупает, чтобы сделать ему максимально подходящее персонифицированное предложение. Сейчас и в поисковых системах, и на сайтах, и в социальных сетях мы должны регистрироваться, компании обмениваются данными о своих клиентах. Даже конкурирующие компании это делают, чтобы построить правильные поведенческие модели. В дальнейшем подход будет более персонифицированным, чтобы можно было понять, чем человек дышит, о чем думает, и предложить ему все заранее.

В ближайшей же перспективе, я думаю, внимание будет сконцентрировано на управлении затратами и анализе их структуры, управлении финансами, панели ликвидности, виртуальных финансовых организациях внутри группы компаний; будет развитие интереса к системам прогнозирования, категорийному менеджменту. В технологическом плане это, разумеется, работа с большими массивами слабо структурированных данных, Big Data. Если сравнивать BI-направление в СНГ и на Западе, то где-то мы отстаем, а где-то – наоборот, у нас бывают более интересные, продвинутые проекты. Со временем будет больше данных для аналитики, надо будет больше внимания уделять чистке и структурированию данных, будут новые интересные задачи, будет развиваться и сам BI, так что скучно не будет.

Статья из журнала «Управление магазином», на вопросы отвечал Георгий Ненеишвили, директор по развитию партнерской сети в Qlik.