Почему ваши системы аналитики не работают?

Проблема 1. Как собрать данные со всех филиалов?

Хорошо, если предприятие у вас «компактное», – в таком случае даже простая ERP-система автоматизирует все или большинство бизнес-процессов, и интеграция данных из нескольких аналитических систем не потребуется. Но бывает так крайне редко! Рано или поздно вы, скорее всего, столкнетесь с необходимостью установить вторую информационную систему. Например, вы откроете филиал и решите его автоматизировать. И как только захотите получить «картину» предприятия в целом, а значит, собрать данные из всех ИС в едином хранилище и обработать информацию, – рискуете получить совершенно далекое от реальности представление о своем бизнесе.

Дело в том, что каждая ИТ-система имеет свою систему справочников, где хранятся так называемые «мастер-данные» (любая информация о бизнесе и его составляющих: контрагенты, аналитика по продажам, клиентам и т.д.). Информация в систему вносится почти всегда в ручном режиме, поэтому один и тот же контрагент может быть назван по-своему в каждом справочнике: введен латиницей (“Navicon”) и кириллицей («Навикон»), или же занесен в справочник с ошибкой («Новиком»). И хорошо, если один контрагент внесён в каждую систему только один раз. Часто бывает, что одну и ту же информацию вводят несколько раз: «ООО Ромашка»; «Ромашка» ООО; Ромашка и т.д. В итоге при консолидации данных информация дублируется: например, у вас в отчете появятся три разных контрагента – Navicon, Навикон и Новиком. И даже «интеллектуальная» аналитическая система не распознает, что это одна и та же компания – придётся регулярно проводить сопоставления данных вручную, а это долго и, увы, порождает новые ошибки.

Несколько лет назад с подобной проблемой столкнулся крупнейший в стране оператор углеводородных и нефтепродуктов. Холдинг на тот момент обслуживал более 200 автозаправочных станций в 14 регионах России. И каждый из десятков региональных и местных филиалов вел собственную информационную базу, куда заносил данные о клиентах, показатели по продажам и доходам. В итоге при сборе отчетности из локальных учетных систем в единой базе НСИ (нормативно-справочной информации) возникало множество дублей – «единую точку правды» и цельную картину бизнеса долгое время получить не удавалось.

Проблема 2. Как управлять клиентской лояльностью?

Другая проблема, которую пришлось решать поставщику нефтегазовых продуктов, – неэффективные программы лояльности.

Компания работала в 14 регионах, и в каждом из 14 филиалов была установлена собственная информационная система. Автозаправки были привязаны к региональным ИС, и обмен информацией между ними осуществлялся в ручном режиме.

То есть данные клиента на каждой посещенной им автозаправке вручную вводились в локальную учетную систему (стандартно – базу Excel). Затем, так же вручную, да еще и с задержкой в несколько дней, – отправлялись в центральный офис, где их все так же руками обрабатывали аналитики. Соответственно, скорость обмена данными о контрагентах между филиалами была крайне низкой, а вероятность ошибочной интерпретации на каждом этапе обработки – 50%.

Возникало множество «дублей», из-за которых невозможно было точно определить, сколько заправок и в каких регионах посетил, например, грузовик по пути из Якутии в Москву. В итоге контрагенты не получали ни адекватных скидок, ни предложений об участии в бонусной программе – они рассчитывались на федеральном уровне с большой задержкой и низкой точностью. Максимум, что работало в этой программе лояльности, – это скидки в пределах региона.

Высококонкурентные рынки не оставляют времени на размышления: если вы отказываете потребителю в бонусной программе, потому что информация о нем «затерялась» в базах данных, в то время как конкуренты оперативно предоставляют ему дополнительные скидки, выбор очевиден. Поэтому оператор нефтегазовых услуг в короткие сроки наладил обмен информацией между локальными базами и ее сбор в едином хранилище, внедрив систему управления данными (Master Data Management, MDM).

Решения класса MDM автоматически проверяют вводимые данные, находят наиболее близкие по значению элементы (fuzzy search) и предлагают пользователю применить уже знакомое системе написание. Плюс, данные, приведенные к единому формату, сохраняются в корпоративном хранилище. Холдинг, за счет внедрения MDM-решения, автоматизировал обмен данными между 13 подразделениями компании и наладил сбор отчетности от дочерних структур. Головной офис компании получил доступ ко всем данным филиалов, причем информация полностью обновляется дважды в сутки.

Проблема 3. Как собрать данные из систем разных классов?

Еще одна проблема крупных предприятий – интеграция данных из CRM с другими бизнес-приложениями, установленными в компании. Эпоха комплексных решений, когда единая ERP-система покрывала большинство бизнес-задач предприятия, уходит в прошлое. Бюджеты на рынке сокращаются, и каждая бизнес-задача сегодня решается при помощи отдельного, узкоспециализированного решения, но тесно интегрированного с другими системами.

Чаще других эта проблема затрагивает ритейлеров, торгующих товарами повседневного спроса. У крупных сетей, как минимум, обычно налажено управление взаимоотношениями с клиентами (CRM), внедрена система бизнес-анализа (BI) и автоматизировано управление ресурсами предприятия (ERP для компании в целом и, например, WMS для координации складской логистики). Вот представьте: у одной торговой сети есть несколько торговых точек и интернет-магазин. Данные постоянного клиента, который получил карту лояльности в оффлайн-магазине, занесены в ERP-базу. И все, казалось бы, идет хорошо: клиент получает свои скидки, накапливает бонусы.

Но тут он решает сделать заказ через интернет. Клиент звонит в колл-центр, и его данные снова вводят – только теперь в CRM-систему, да еще и с ошибкой. Дальше – хуже! Чтобы оформить заказ и отгрузить товар, данные о клиенте из CRM нужно провести через ERP-систему (получить скидку и квитанцию на оплату), а только затем отправить в WMS – систему управления складами и логистикой.

В итоге из-за ошибки в данных CRM дальше работа будет строиться неэффективно: система просто не увидит запись в ERP о скидочной или накопительной карте клиента. Потребитель будет лишен всех бонусов за покупку (и хорошо, если товар дойдет!), а компания, вероятно, потеряет клиента как интернет-магазина, так и торговой точки.

Эта же проблема актуальна для финансовой среды: так, один из крупнейших депозитариев России, обслуживающий 1146 депонентов, использовал в работе более 20 различных ИТ-приложений и работал с 1,5 тысячами страниц проектной документации. Среди бизнес-приложений были специализированные программы по ведению депозитарного учета и реестров, системы бухгалтерского учета, организации документооборота и другие. Данные о транзакциях одного контрагента могли проходить по нескольким системам, и компания несла огромные трудозатраты на очистку информации. Депозитарий, внедривший Master Data Management, наладил процесс обмена данными между всеми двадцатью бизнес-приложениями и смог разработать «личный кабинет» клиентов, где агрегировалась информация обо всех его взаимодействиях с компанией.

Проблема 4. Как координировать действия разных департаментов?

Часто холдинговые структуры сталкиваются также с несогласованностью действий разных отделов. Например, в таких предприятиях обычно существует один отдел закупок, который старается закупить ровно столько товаров, сколько ему сказали. В свою очередь, складов могут быть десятки или даже сотни, каждый – со своей собственной номенклатурой. И вот представьте ситуацию: в департамент закупок приходит запрос на срочную поставку одного наименования товара. Казалось бы, по складам посмотрели, отчетность прошерстили – нет нигде товара, нужно покупать. Объявили тендер, затратили средства – и поняли, позиция-то на складах есть! Только на трех из сотни. Да еще и под другим названием.

Подводя итоги

Все эти примеры показывают, как важно, чтобы все данные, будь то названия продуктовых линеек, адреса торговых точек или информация о контрагентах, были унифицированы. Только обладая полной информацией о ситуации в компании, можно понять, сколько на самом деле приносит тот или иной партнер или клиент, насколько прибыльно направление бизнеса.

Конечно, можно ежемесячно собирать и очищать данные вручную. Но при таких условиях компания лишится возможности оперативно реагировать на изменения на рынке — отчетность будет собираться не чаще раза в месяц, а значит, в принятии управленческих решений руководители не смогут опираться на актуальные данные. Помимо этого, ежемесячное сопоставление данных может «съедать» до 30% от бюджета на установку и поддержание ИТ-инфраструктуры. И это – без учета временных и трудоресурсов на очистку и обработку данных.

Master Data Management-решения автоматизируют очистку данных и синхронизацию справочников, позволяют работать на актуальном наборе данных, который регулярно обновляется. Они автоматически распознают близкие по значению элементы: например, записи «Навикон» и «Новикон» система привяжет к одному и тому же юридическому лицу. Такой механизм позволяет устранить дублирование данных, полученных из разных источников, или же из-за ошибок ввода.

Ставить задачу по выстраиванию обмена достоверными данными внутри организации должен бизнес: ИТ-команда может не обратить должного внимания на настройку процессов очистки данных, просто потому, что обычно эта задача лежит вне рамок проекта внедрения конкретных ИТ-систем. Проблема синхронизации данных становится очевидна уже после того, как BI или CRM-системы внедрены. Поэтому, если вы не хотите получить сильный сдвиг по срокам и бюджетам ИТ-проектов или даже их полный крах, придется заблаговременно подумать о внедрении в компании MDM-системы. Тем более, что сейчас MDM-решения уже доступны в облаке, что серьезно облегчает процесс их внедрения в организации: вы просто подключаетесь к облачному сервису и начинаете с ним работать.

Об авторе

Мария Аверина работает в сфере разработки и внедрения ПО более 15 лет и обладает опытом автоматизации различных отраслей и сфер бизнеса, от маркетинга до фармацевтики. В системном интеграторе Navicon Мария работает с 2011 года, а с 2013 г. возглавляет департамент, занимающийся интеграционными проектами и проектами построения хранилищ данных. Мария также является лидером направления разработки собственных продуктов Navicon.

Статья опубликована на CFO CAFE

Автор Мария Аверина Head of Data driven solutions department