Борьба за лояльность: как ThoughtSpot помогает с помощью аналитики создавать уникальный клиентский опыт

Бизнесу необходимо очень быстро принимать решения.

Традиционный способ анализа ситуации заключается в исследовании множества разных отчетов по продажам, финансам, маркетинговым активностям. Но результат исследования разрозненных отчетов зачастую не дает полноценного ответа на комплексные вопросы: например, насколько удовлетворены качеством нашей работы клиенты, которые были привлечены по конкретной маркетинговой активности и в итоге приобрели товары на определенную сумму в течение следующих трех недель после этой активности? 

Бизнесу необходим детальный анализ.

Он нужен для более глубокого понимания поведенческих особенностей каждого клиента: его покупок, оценок и отзывов, количества возвратов и их причин. Также в период неопределенности важно выстраивать особые отношения со своими поставщиками, анализировать их надежность, готовность подстраиваться под текущую ситуацию. Наконец, анализ должен затрагивать альтернативные каналы поставок, которые необходимо будет задействовать в случае возникновения проблем с существующими.

В требованиях к аналитическим системам сегодня на передний план выходят:

● скорость получения необходимых оперативных отчетов;
● доступность аналитики большому количеству пользователей вне зависимости от их ИТ-навыков (полноценный Self service);
● возможность получения инсайтов, помогающих добраться до сути происходящих изменений;
● возможность работы как с внутренними структурированными данными, так и внешними источниками.



Можно ли удовлетворить эти запросы за счет «классических» BI-инструментов? Если нет, что еще предлагает рынок? 

– Классические BI-инструменты создавались для построения дашбордов на базе агрегированных данных. Как результат, приходилось иметь дело с усредненными данными, за которыми, например, при анализе клиентского опыта не виден конкретный человек и трудно понять, что влияет на принятие им решения о той или иной покупке. 

Кроме того, сегодня для получения ответов на некоторые вопросы нужны оперативные отчеты, и у пользователей нет времени на ожидание длительностью в несколько дней, пока дашборд будет настроен – его актуальность к этому моменту уже пропадет. 

Поэтому пользователям нужно предоставить возможность самостоятельно обращаться к данным и получать ответы на свои вопросы. Другими словами, развитие направления Self-service аналитики на основе использования естественного языка становится актуальным как никогда. Однако классические BI системы построены так, что переход к поисковой аналитике требует значительной переработки ядра системы. Поэтому аналогичный функционал классических BI-систем, развиваясь в этом направлении, все еще содержит большое количество ограничений.

Похожая ситуация наблюдается и с инсайтами: в классических BI-системах уже присутствует соответствующий функционал, но в одних он ограничен генерацией наборов простых разрезов, а в других доступен только разработчикам с ИТ-навыками, так как требует либо знаний по работе с AI-моделями, либо принудительного вызова в контексте аналитического процесса. 

В идеале инсайты должны генерироваться параллельно с работой обычного пользователя, начиная с момента входа в систему, в зависимости от того, с какой областью данных пользователь начал работать. Они должны отображаться без запроса, подсказывая пользователю, на какие моменты стоит обратить внимание. Инсайты-тренды, в свою очередь, должны подсказывать, где именно произошли изменения, и рассказывать про их характер. Наконец, в новых BI-системах можно получать инсайты-факторы, которые помогают понять, что именно повлияло на тот или иной результат. 

Например, в динамике продаж текущего периода наблюдается спад. Пользователь может выбрать период от начала тенденции до нынешнего уровня падения и посмотреть, какие именно факторы привели к этому результату. Таким образом, система сама выбирает по данным состав факторов, и нет необходимости анализировать общие, ограниченные, иногда даже сложно вычисляемые, искусственно формируемые наборы факторов, определять разбросы их изменений.

В чем отличия и преимущества ThoughtSpot?

– Среди основных преимуществ аналитических решений нового поколения, таких как ThoughtSpot, в первую очередь можно выделить следующие:

1. Детальный анализ на неограниченном объеме данных.
2. Полноценный функционал получения инсайтов.
3. Получение единого ответа на каждый запрос по разным функциональным областям за счет модели данных. 
4. Простота – возможность работы с аналитикой для пользователей без ИТ-знаний, а также возможность предоставления доступа к аналитике с соблюдением всех требований безопасности как клиентам, так и поставщикам без необходимости дополнительного лицензирования пользователей.

Приведите примеры эффективных сценариев использования ThoughtSpot в ритейле?

– Крупнейшим пользователем ThoughtSpotв ритейле является торговая сеть оптовой и розничной торговли Walmart. В компании с системой работают более 20 тысяч сотрудников, а используемое хранилище данных составляет более 60 Тб. Пользователями системы являются товароведы, сотрудники экономического и планового отделов, закупщики и другие. ThoughtSpot позволяет на предельно детальном уровне, по каждой товарной единице, определять отклонения в продажах и оперативно на них реагировать. Это делается ежедневно на уровне всех каналов и точек продаж и помогает Walmart всегда сохранять конкурентоспособность.