Kai skaičiai pradeda pasakoti istorijas
Prisimenu, kaip prieš kelerius metus stebėjau vieną įmonės vadovą, besiblaškantį tarp kelių dešimčių „Excel” lentelių, bandantį suprasti, kodėl pardavimai krenta trečią mėnesį iš eilės. Jis turėjo visus duomenis – klientų užsakymus, atsargų likučius, rinkodaros kampanijų rezultatus – bet visa tai buvo išsibarstę po įvairius failus, sistemas ir net popierinius užrašus. Informacijos buvo per daug, o supratimo – per mažai.
Būtent tokiose situacijose gimsta poreikis sukurti stebėsenos ir prognozių portalą – įrankį, kuris ne tik surenka duomenis vienoje vietoje, bet ir padeda juos interpretuoti, matyti tendencijas, prognozuoti ateitį. Tačiau kelias nuo idėjos iki veikiančio portalo nėra paprastas. Tai ne tik technologijų klausimas, bet ir verslo procesų, žmonių įpročių bei organizacinės kultūros transformacija.
Kodėl dauguma portalų žlunga dar nepasirodę
Statistika yra negailestinga: apie 70 procentų verslo analitikos projektų nepasiekia savo tikslų arba visiškai nutraukiami. Kodėl taip atsitinka? Dažniausiai problema slypi ne technologijose, o požiūryje.
Pirmoji ir didžiausia klaida – pradėti nuo technologijų, o ne nuo verslo poreikių. Matau tai nuolat: įmonė nusprendžia, kad jiems reikia „Power BI portalo” arba „Tableau dashboardų”, nors iš tikrųjų niekas nėra aiškiai suformulavęs, kokius klausimus tas portalas turėtų padėti atsakyti. Rezultatas – graži, bet nenaudojama sistema, į kurią investuota dešimtys tūkstančių eurų.
Antroji problema – pernelyg didelis užmojis. Įmonės nori sukurti „viską apimantį” portalą, kuris rodytų visus įmanomus rodiklius iš visų sistemų. Tokia strategija beveik visada baigiasi nesėkme, nes projektas tampa per sudėtingas, per brangus ir per ilgai trunkantis. Kol jis bus baigtas, verslo poreikiai jau bus pasikeitę.
Trečioji kliūtis – duomenų kokybės ignoravimas. Gražus portalas su netiksliais ar neišvalytais duomenimis yra kaip puikus restoranas su sugedusiais produktais. Niekas nenorės ten grįžti antrą kartą.
Nuo ko iš tikrųjų reikia pradėti
Geriausi stebėsenos portalai gimsta ne IT skyriuose, o verslo susitikimuose, kur žmonės klausia teisingų klausimų. Prieš net pagalvojant apie technologijas, reikia atsakyti į kelis fundamentalius dalykus.
Pirma, kas yra jūsų portalo vartotojai ir kokie jų tikslai? Pardavimų vadovas, ieškantis būdų padidinti komandos efektyvumą, turi visiškai kitokius poreikius nei finansų direktorius, analizuojantis pelningumo tendencijas. Logistikos specialistas domisi visai kitais rodikliais nei rinkodaros vadybininkas. Bandymas sukurti „visiems tinkantį” portalą dažniausiai baigiasi tuo, kad jis netinka niekam.
Praktiškai tai reiškia, kad reikia pasikalbėti su būsimais vartotojais – ne per anketą, o gyvai. Paklausti, kokius sprendimus jie priima kasdien, kokios informacijos jiems trūksta, kiek laiko jie praleidžia ieškodami duomenų. Vienas mano pažįstamas konsultantas vadina tai „sprendimų archeologija” – iškasti, kaip iš tikrųjų priimami sprendimai organizacijoje.
Antra, kokie yra svarbiausi verslo klausimai, į kuriuos portalas turėtų padėti atsakyti? Ne rodikliai, ne grafikai – būtent klausimai. Pavyzdžiui: „Ar mes pasieksime šio ketvirčio pardavimų tikslą?”, „Kurie produktai yra pelningiausi?”, „Kodėl padidėjo klientų atsisakymų skaičius?”, „Ar mūsų atsargos atitinka paklausą?”
Šie klausimai turėtų būti labai konkretūs ir susiję su realiais verslo iššūkiais. Jei negalite suformuluoti bent penkių tokių klausimų, kurie kankina jūsų vadovus, – dar per anksti kurti portalą.
Duomenų paieškos ekspedicija
Kai žinote, kokius klausimus norite atsakyti, prasideda tikroji kelionė – duomenų paieškos. Ir čia dažnai laukia nemalonūs atradai.
Daugelis įmonių nustebsta sužinoję, kad duomenys, kurių jie mano turį, iš tikrųjų yra nepilni, netikslius arba išvis nepasiekiami. Kartą dirbau su mažmenine prekybos įmone, kuri norėjo analizuoti klientų elgesį. Paaiškėjo, kad jų lojalumo programos duomenys buvo vienoje sistemoje, internetinės parduotuvės – kitoje, o fizinių parduotuvių – trečiojoje, ir nė viena sistema neturėjo bendro kliento identifikatoriaus. Prieš kuriant bet kokį portalą, reikėjo išspręsti šią fundamentalią problemą.
Duomenų inventorizacija turėtų apimti ne tik tai, kas yra dabar, bet ir tai, ko trūksta. Galbūt reikės pradėti rinkti naujus duomenis arba integruoti papildomas sistemas. Tai reikalauja laiko, bet geriau sužinoti apie tokius poreikius projekto pradžioje, o ne viduryje.
Svarbu suprasti ir duomenų kokybės būklę. Ar duomenys yra nuoseklūs? Ar nėra dublikatų? Ar laukai užpildyti korektiškai? Viena įmonė, su kuria dirbau, turėjo problemą: pardavimo vadybininkai laisvos formos lauke įrašydavo klientų industrijas, todėl ta pati pramonės šaka buvo užrašyta dešimčia skirtingų būdų – „Statyba”, „statybos”, „Statybų sektorius”, „Construction” ir pan. Prieš kuriant portalą, reikėjo standartizuoti šiuos duomenis ir sukurti procesus, kad problema nepasikartotų.
Minimalus gyvybingas produktas – ne tik startuolių privilegija
Vienas svarbiausių principų kuriant stebėsenos portalą – pradėti mažai, bet greitai. Verslo pasaulyje tai vadinama MVP (Minimum Viable Product) principu, ir jis puikiai tinka ir analitikos projektams.
Vietoj to, kad bandytumėte sukurti išsamų portalą su visais įmanomais rodikliais, pradėkite nuo vieno ar dviejų svarbiausių verslo klausimų. Pavyzdžiui, jei didžiausias skausmo taškas yra pardavimų prognozavimas, sukurkite paprastą vaizdą, kuris rodo faktines pardavimų tendencijas, sezonines svyravimų, ir paprastą prognozę kitam mėnesiui. Nieko daugiau.
Tokio požiūrio privalumai yra milžiniški. Pirma, galite parodyti rezultatus per kelias savaites, o ne mėnesius. Antra, vartotojai gali pradėti naudoti portalą ir duoti grįžtamąjį ryšį, kol projektas dar lankstus. Trečia, jei paaiškėja, kad pasirinkote neteisingą kryptį, nepraradote daug laiko ir pinigų.
Viena gamybos įmonė, su kuria konsultavausi, pradėjo nuo labai paprasto portalo, kuris rodė tik tris dalykus: šios dienos gamybos apimtį, defektų procentą ir įrangos prastovų laiką. Tiek. Bet šie trys rodikliai buvo atnaujinami realiu laiku ir matomi visoje gamykloje dideliuose ekranuose. Per du mėnesius defektų procentas sumažėjo 30 procentų – ne todėl, kad pasikeitė procesai, o tiesiog todėl, kad darbuotojai galėjo matyti rezultatus iš karto ir reaguoti.
Po šio sėkmingo starto įmonė palaipsniui pridėjo daugiau funkcijų – atsargų stebėseną, pristatymo terminus, kokybės tendencijas. Bet jie niekada nebūtų gavę palaikymo tolesniam plėtrai, jei nebūtų pirmiausia parodę greitą ir apčiuopiamą vertę.
Technologijų pasirinkimas: ne viskas, kas blizga, yra auksas
Kai turite aiškų supratimą apie poreikius ir duomenis, ateina laikas pasirinkti technologijas. Ir čia svarbu nepasimesti galimybių gausoje.
Rinkoje yra dešimtys įrankių – nuo Microsoft Power BI ir Tableau iki Qlik, Looker, Sisense ir daugybės kitų. Yra ir atvirojo kodo sprendimai kaip Metabase ar Apache Superset. Kiekvienas turi savo privalumų ir trūkumų, ir nėra vieno „geriausio” pasirinkimo visiems.
Vietoj to, kad ieškotumėte „geriausio” įrankio, ieškokite „tinkamiausio” jūsų situacijai. Keletas kriterijų, į kuriuos verta atsižvelgti:
Integracija su esamomis sistemomis – ar įrankis gali lengvai prisijungti prie jūsų duomenų šaltinių? Jei naudojate Microsoft ekosistemą (SQL Server, Azure, Office 365), Power BI bus natūralus pasirinkimas. Jei jūsų duomenys yra Google Cloud ar AWS, kiti įrankiai gali būti tinkamesni.
Vartotojų techninės žinios – ar jūsų komandoje yra IT specialistų, kurie gali programuoti, ar portalą kurs ir prižiūrės verslo vartotojai? Kai kurie įrankiai reikalauja daugiau techninių žinių, kiti yra labiau orientuoti į verslo vartotojus.
Kaina ir licencijavimo modelis – kai kurie įrankiai ima mokestį už kiekvieną vartotoją, kiti – už duomenų apimtį, dar kiti turi fiksuotą mėnesinį mokestį. Apskaičiuokite tikrąsias išlaidas bent trejiems metams, įskaitant ne tik licencijas, bet ir palaikymo, mokymo ir plėtros kaštus.
Mobilumas – ar jūsų vadovai norės matyti duomenis telefone ar planšetėje? Ne visi įrankiai vienodai gerai veikia mobiliuose įrenginiuose.
Viena vidutinio dydžio logistikos įmonė pasirinko gana paprastą sprendimą – Metabase, atvirojo kodo įrankį. Jis neturėjo visų funkcijų, kurias siūlė brangesni konkurentai, bet buvo visiškai pakankamas jų poreikiams, veikė gerai su jų PostgreSQL duomenų baze ir nekainavo nieko (išskyrus serverio išlaidas). Sutaupyti pinigai buvo investuoti į duomenų kokybės gerinimą ir vartotojų mokymą – ir tai davė daug didesnę grąžą nei brangesnis įrankis būtų davęs.
Dizainas, kuris veikia, o ne tik gražiai atrodo
Vienas dažniausių įspūdžių, kuriuos matau naujuose portaluose – per daug informacijos viename ekrane. Kūrėjai, norėdami parodyti viską, ką gali, sukuria prikrautus vaizdus su dešimtimis grafikų, lentelių ir skaičių. Rezultatas – vartotojas nesupranta, į ką žiūrėti pirmiausia ir kas iš tikrųjų svarbu.
Geras portalo dizainas prasideda nuo hierarchijos. Kas yra svarbiausia? Tai turėtų būti matoma pirmiausia, didžiausiu šriftu, ryškiausiomis spalvomis. Kas yra antrinė informacija? Tai gali būti mažesniu šriftu arba pasiekiama paspaudus. Kas yra detalės? Jos gali būti paslėptos papildomuose languose arba atskiruose puslapiuose.
Pavyzdžiui, pardavimų portalo pagrindiniame ekrane turėtų būti matomas vienas didelis skaičius – šio mėnesio pardavimai palyginti su tikslu. Galbūt spalvos kodas (žalias, jei viršijame tikslą, raudonas, jei atsiliekame). Tai vienintelis dalykas, kurį vadovas turi suprasti per pirmąsias tris sekundes. Tik po to jis gali žiūrėti gilyn – pardavimai pagal produktus, pagal regionus, pagal pardavėjus, tendencijos laikui bėgant.
Spalvų naudojimas taip pat reikalauja išminties. Naudokite spalvas prasmei perteikti, o ne tik gražumui. Raudona turėtų reikšti problemą ar pavojų, žalia – sėkmę ar normalią būklę, geltona – įspėjimą. Būkite nuoseklūs – nenaudokite raudonos spalvos vienam rodikliui žymėti gerą rezultatą, o kitam – blogą.
Grafikų tipų pasirinkimas taip pat svarbus. Stulpelinės diagramos puikiai tinka palyginti kategorijas, linijinės – rodyti tendencijas laike, skritulinės (nors ir dažnai kritikuojamos) – dalių santykį su visuma. Bet nesinaudokite sudėtingais 3D grafikais ar egzotiškais vizualizacijų tipais tik todėl, kad jie atrodo įdomiai. Jei vartotojas turi galvoti, kaip interpretuoti grafiką, jis per sudėtingas.
Vienas mano mėgstamiausių pavyzdžių – nedidelės e-komercijos įmonės portalas, kurio pagrindinis ekranas turėjo tik keturis skaičius: šiandienos pajamos, šiandienos užsakymai, vidutinė užsakymo vertė ir konversijos rodiklis. Kiekvienas skaičius turėjo mažą rodyklę, rodančią, ar jis gerėja, ar blogėja, palyginti su praėjusia savaite. Tiek. Bet šis paprastas vaizdas buvo atidarytas kiekvieno darbuotojo kompiuteryje visą dieną ir visi žinojo, kaip sekasi įmonei realiu laiku.
Prognozės: menas ir mokslas viename
Stebėsenos portalas rodo, kas vyksta dabar ir kas vyko praeityje. Bet tikroji vertė atsiranda, kai galite prognozuoti, kas vyks ateityje. Ir čia prasideda sudėtingesnė teritorija.
Prognozavimas versle nėra tiksli mokslas. Net su pažangiausiomis technologijomis ir tobulais duomenimis, ateitis išlieka neapibrėžta. Bet tai nereiškia, kad prognozės nenaudingos – priešingai, net netiksli prognozė yra geresnė nei jokia, nes ji verčia mus galvoti apie ateitį sistemingai.
Paprasčiausias prognozavimo metodas – tendencijų ekstrapoliacija. Jei pardavimai augo 5 procentus per mėnesį paskutinius šešis mėnesius, galime prognozuoti, kad jie augs panašiu tempu ir kitą mėnesį. Tai primityvus metodas, bet dažnai veikiantis, ypač trumpalaikėms prognozėms.
Sudėtingesni metodai įtraukia sezonines svyravimus. Jei esate mažmeninės prekybos įmonė, žinote, kad pardavimai prieš Kalėdas visada padidėja. Geras prognozavimo modelis turėtų tai įskaičiuoti. Daugelis modernių analitikos įrankių turi įtaisytus algoritmus, kurie automatiškai aptinka sezonines tendencijas ir jas įtraukia į prognozes.
Dar pažangesni metodai naudoja mašininio mokymosi algoritmus, kurie gali aptikti sudėtingus ryšius tarp daugelio kintamųjų. Pavyzdžiui, jūsų pardavimai gali priklausyti ne tik nuo sezono, bet ir nuo oro sąlygų, konkurentų kainų, rinkodaros išlaidų, ekonominių rodiklių ir daugybės kitų faktorių. Mašininio mokymosi modeliai gali analizuoti visus šiuos veiksnius kartu ir sukurti tikslesnes prognozes.
Bet čia svarbus perspėjimas: sudėtingesnis modelis ne visada yra geresnis. Mačiau įmones, kurios investavo šimtus tūkstančių eurų į pažangius mašininio mokymosi modelius, kurie buvo vos truputį tikslesni už paprastą tendencijų ekstrapoliaciją. Kartais paprastumas yra privalumas, ypač kai modelį reikia paaiškinti vadovams, kurie nėra duomenų mokslininkai.
Praktinis patarimas: pradėkite nuo paprastų metodų ir komplikuokite tik tada, kai matote aiškią naudą. Ir visada parodykite prognozių tikslumą – pavyzdžiui, palyginkite, ką prognozavote prieš tris mėnesius su tuo, kas iš tikrųjų įvyko. Tai padės vartotojams suprasti, kiek jie gali pasitikėti prognozėmis.
Kai portalas tampa gyvenimo būdu
Technologijos yra tik pusė sėkmės. Kita pusė – įtikinti žmones naudoti portalą kasdien. Ir čia prasideda tikrasis iššūkis.
Žmonės yra įpročių gyvūnai. Jei jie dešimt metų naudojo „Excel” lenteles, jie nenorės pereiti prie naujo portalo, net jei jis yra dešimt kartų geresnis. Jums reikia ne tik sukurti gerą įrankį, bet ir pakeisti organizacijos kultūrą.
Pirmas žingsnis – gauti vadovybės palaikymą. Jei generalinis direktorius ar skyriaus vadovas naudoja portalą susitikimuose, kiti darbuotojai tai pastebės ir seks pavyzdžiu. Viena įmonė, su kuria dirbau, priėmė taisyklę: visi vadovų susitikimai turi prasidėti nuo portalo peržiūros. Per tris mėnesius portalas tapo įmonės nervų sistema.
Antras žingsnis – mokymas, bet ne tradicine prasme. Vietoj ilgų mokymo sesijų, kuriose aiškinamos visos funkcijos, rodykite konkrečius naudojimo atvejus. „Štai kaip sužinoti, kurie klientai neužsakė šį mėnesį”, „Štai kaip palyginti savo pardavimus su komandos vidurkiu”, „Štai kaip pamatyti, kurie produktai yra pelningiausi”. Žmonės mokosi geriau, kai mato tiesioginę naudą savo darbui.
Trečias žingsnis – grįžtamasis ryšys ir nuolatinis tobulinimas. Sukurkite lengvą būdą vartotojams pranešti apie problemas ar pasiūlyti patobulinimus. Ir svarbiausia – reaguokite į tą grįžtamąjį ryšį. Jei vartotojai mato, kad jų pasiūlymai yra įgyvendinami, jie jaučiasi portalo bendrakūrėjais ir naudoja jį aktyviau.
Viena finansų įmonė sukūrė „portalo čempionų” programą – kiekviename skyriuje buvo paskirtas vienas žmogus, kuris tapo portalo ekspertu ir padėjo kitiems kolegoms. Šie čempionai susitikdavo kas mėnesį su portalo kūrimo komanda, dalindavosi patirtimi ir siūlydavo patobulinimus. Tai sukūrė bendruomenės jausmą ir užtikrino, kad portalas evoliucionuotų kartu su verslo poreikiais.
Kai skaičiai pradeda keisti sprendimus
Tikrasis portalo sėkmės matas nėra tai, kiek žmonių jį naudoja ar kaip gražiai jis atrodo. Tikrasis matas – ar jis keičia sprendimus ir verslo rezultatus.
Viena gamybos įmonė, su kuria dirbau, sukūrė portalą, kuris realiu laiku rodė įrangos efektyvumą. Prieš portalą, techninės priežiūros komanda reaguodavo į gedimus reaktyviai – kai kas nors sulūždavo. Portalas leido jiems matyti, kada įranga pradeda veikti neefektyviai, dar prieš gedimą. Rezultatas – neplanuotos prastovos sumažėjo 40 procentų per pirmuosius šešis mėnesius.
Kita įmonė, prekiaujanti internetu, sukūrė portalą, kuris analizavo klientų elgesį ir prognozavo, kurie klientai gali atsisakyti paslaugos. Klientų aptarnavimo komanda pradėjo proaktyviai susisiekti su rizikos grupės klientais, siūlydama pagalbą ar specialius pasiūlymus. Klientų išlaikymo rodiklis pagerėjo 15 procentų.
Bet ne visada rezultatai yra tokie dramatiškai matuojami. Kartais vertė yra subtilesnė – vadovai priima sprendimus greičiau, nes jiems nereikia laukti savaitę, kol kas nors paruoš ataskaitą. Arba sprendimai yra geresni, nes jie grindžiami duomenimis, o ne nuojauta. Arba komandos geriau bendradarbiauja, nes visi žiūri į tuos pačius rodiklius ir kalba ta pačia kalba.
Svarbu nustatyti sėkmės metrikas dar projekto pradžioje. Kaip žinosite, ar portalas pavyko? Galbūt tai bus tam tikrų sprendimų priėmimo laikas, galbūt prognozių tikslumas, galbūt verslo rezultatų pagerinimas. Kas bebūtų, turite būdą tai išmatuoti ir reguliariai vertinti.
Ir nebijokite pripažinti, jei kažkas neveikia. Viena įmonė sukūrė sudėtingą prognozavimo modelį, kuris turėjo padėti optimizuoti atsargas. Po trijų mėnesių paaiškėjo, kad modelis nėra tikslesnis už paprastą metodą, kurį jie naudojo anksčiau. Vietoj to, kad slėptų šį faktą, jie atvirai apie tai kalbėjo, supaprastino modelį ir sutelkė pastangas į kitas portalo sritis, kur galėjo sukurti didesnę vertę. Tai yra brandžios organizacijos požymis.
Kelionė, kuri niekada nesibaigia
Stebėsenos ir prognozių portalas nėra projektas, kuris turi aiškią pabaigą. Tai nuolatinė kelionė, nes verslas keičiasi, technologijos tobulėja, atsiranda naujų duomenų šaltinių ir naujų poreikių.
Geriausi portalai, kuriuos mačiau, evoliucionuoja kartu su organizacija. Jie prasideda kaip paprasti vaizdai su keliais rodikliais, bet laikui bėgant tampa vis sudėtingesni ir galingesni. Pridedamos naujos funkcijos, integruojamos naujos sistemos, tobulinami prognozavimo modeliai. Bet šis augimas yra organiškas, valdomas realių poreikių, o ne technologinio entuziazmo.
Svarbu turėti aiškią atsakomybę už portalo priežiūrą ir plėtrą. Kas atsakingas už tai, kad duomenys būtų teisingi? Kas priima sprendimus apie naujas funkcijas? Kas teikia palaikymą vartotojams? Jei šie klausimai neturi atsakymų, portalas pamažu nyks – duomenys taps pasenę, klaidos nebus taisomos, vartotojai grįš prie senų įpročių.
Kai kurios įmonės sukuria dedikuotą analitikos komandą, kitos paskirsto atsakomybę tarp IT ir verslo skyrių, dar kitos samdo išorinius konsultantus. Nėra vieno teisingo modelio, bet turi būti kažkas, kas jaučia atsakomybę už portalo sėkmę.
Ir galiausiai, nepamirškite švęsti pergalių. Kai portalas padeda priimti geresnį sprendimą, kai prognozė pasitvirtina, kai kažkas pasiekia tikslą naudodamasis portalo įžvalgomis – pripažinkite tai. Tai stiprina kultūrą, kurioje duomenys vertinami ir naudojami, o ne ignoruojami.
Portalas, kuris prasidėjo kaip paprasta svajonė – turėti visą svarbią informaciją vienoje vietoje – gali tapti organizacijos transformacijos varikliu. Bet tik jei pradedame nuo teisingų klausimų, kuriame palaipsniui, klausome vartotojų ir nuolat tobuliname. Technologijos yra įrankis, bet tikroji magija vyksta, kai žmonės pradeda matyti savo verslą naujomis akimis – per duomenų prizmę, kuri atskleidžia paslėptas tendencijas, galimybes ir pavojus. Ir tada skaičiai iš tikrųjų pradeda pasakoti istorijas, kurios keičia sprendimus ir rezultatus.
