Все по полочкам 2: наводим порядок перед автоматизацией

Часть вторая. Заполняем белые пятна и собираем сырые данные 

Как только бизнес ответит на вопрос «Зачем нужна автоматизация, и какую проблему она решит», станет ясно, с какими показателями и с какой информацией будет работать IT-команда. На этапе бизнес-анализа может выясниться, что этих данных не достаточно. Чтобы получить корректные показатели для отчетов и аналитики, нужно устранить информационные пробелы и собрать все сырые данные. Как это сделать, рассказывают эксперты Invento Labs.  

Определите, что такое «сырые» данные в вашей компании  

Первичные, или сырые, данные – это необработанная информация из ежедневной работы компании. Например, накладные, стоимость аренды, производства, трудозатраты на любую операцию. Первичные данные вводятся в систему, преобразовываются по заданным алгоритмам в соответствии с методологиями управленческого учета, а потом используются в аналитике. Стоимость товара в чеке – это первичные данные, а вот средний чек и маржинальность – преобразованные, это уже аналитические данные.

Как понять, что данных не хватает 

Проведите аудит тех источников информации, которые есть в компании. В каждом из них постарайтесь понять и проследить, участвуют ли данные в итоговой статистике. Через какие методологии расчетов они проходят, можно ли что-то упростить или наоборот – необходимо добавить.   

 – Приведу пример, когда не хватает сырых данных, речь идет про отсутствие плановых показателей при отображении фактических результатов. В компании плановые показатели продаж спускаются один раз в год, они зафиксированы в отдельном документе, а в системе их нет. Поэтому у менеджера по продажам нет возможности видеть промежуточный результат своей работы. Ему сложно оценить, где именно он находится на пути к итоговому показателю. Нужно ли ускориться, чтобы достичь месячного плана, или нет. Сотрудник видит мифическую конечную цифру и может просто не рассчитать своих усилий. Например, намного проще, когда изо дня в день система показывает менеджеру рассчитанный дневной объем продаж, необходимый для выполнения плана. Чтобы работать в таком формате, нужны первичные данные в виде плановых показателей, – объясняет Евгений Шишков, заместитель директора по продажам.  

Где искать сырые данные, если их не хватает

– Если данных не хватает, необходимо сделать так, чтобы нужная информация появилась в системе. Для примера возьмем банковскую операцию по оформлению кредита. Иногда случается, что менеджер забывает внести себя в систему как ответственного за процедуру. Потом этот сотрудник может перейти в другой отдел, уйти в отпуск или уволиться. Если клиент перестанет вовремя выплачивать проценты, то в банке не смогут быстро разобраться, кто несет ответственность за этот кредит, просто потому, что в системе нет информации. Это ситуация, когда не хватает сырых данных. Одно из эффективных решений: в системе учета необходимо сделать поле «ответственный» обязательным для заполнения, – рассказывает Дарья Касперова, заместитель директора по развитию бизнеса.

Итак, где искать сырые данные, если их не хватает. Есть несколько способов. Первый – это ручной ввод тех данных, которые можно достать из накладных, товарных чеков, договоров, плановых показателей. Второй вариант – автоматизировать процессы, например, роботизировать операцию введения данных с транспортной товарной накладной на складе, или поставить датчик, и таким образом данные с промышленного оборудования передавать в систему. 

– И снова постараюсь объяснить на примере. Собственник производства задается вопросом: «Почему на входе у меня Х материала, а на выходе – Y готовой продукции». Возникает задача – найти, где случаются потери. Для этого IT-команда обращается к сырым источникам данных. Если их не хватает, то необходимо придумать, как же получить цифры. Мы смотрим, как процессы оцениваются в начале и в конце, что можно измерить и оцифровать. Возможно, где-то надо поставить весы, где-то – датчики, в другом месте – человека с секундомером. Когда данные собраны, есть повод задуматься, как оптимизировать технологический процесс. Также можно измерить себестоимость и маржинальность продукции – мы снова ныряем в новый пласт сырых данных и  детально все разбираем, пока система не заработает, – рассказывает Дарья Касперова. 

Как сделать так, чтобы данных хватало 

Не всегда все можно и необходимо автоматизировать. Это зависит от целей и задач конкретного бизнеса. Например, плановые показатели можно продолжать хранить в Excel, просто интегрировать документ с учетной или аналитической системой, и информация будет автоматически забираться по установленному расписанию. Если каких-то сырых данных все же не хватает, то бизнес получает аналитику не в полном объеме и просто принимает этот факт как данность.  

Что необходимо знать о сырых данных:

  • Сырые данные – это вся необработанная информация, которая фигурирует в деятельности компании. 
  • Сырых данных может быть слишком много, тогда в них сложно разобраться, либо их может недоставать. Это влияет на то, насколько точно и достоверно получится определить показатели для отчетов и аналитики.   
  • Если сырых данных недостает, их можно добыть несколькими способами – это ручной ввод информации в систему или автоматизация процессов, чтобы получить недостающие данные. 
  • В системе, которая хранит и обрабатывает первичные данные, стоит обозначать, какую информацию необходимо вводить обязательно. Это один из способов быть  уверенным, что первичных данных будет достаточно. 
  • Если сырых данных все же недостает, бизнес принимает этот факт как данность, но при удобном случае закрывает это информационное белое пятно. 

 






Другие новости
IT-решения для малого бизнеса
Декабрь 2, 2021
5 минут на чтение
Участие в партнерском семинаре
Ноябрь 10, 2021
2 минуты на чтение
Мы запускаем свой новый продукт - QuAnt DWH!
Октябрь 19, 2021
1 минута на чтение
Будьте в курсе последних новостей!