Создаем BI-практику в компании: инструкция

03.07.2023

Как бизнесу внедрять аналитику в операционные процессы и начать получать выгоду от правильно выстроенных BI-процессов – колонка руководителя отдела развития платформы Insight Дмитрия Меркера

Как правило, руководитель — это и конечный потребитель аналитических отчетов, и тот, за кем остается последнее слово при выборе системы, в которой эти отчеты будут создаваться. Чтобы процессы и культура работы с данными в компании расцвели, руководитель должен на собственном опыте убедиться в ценности BI-аналитики. В противном случае ее внедрение не будет иметь успеха. 


Процессы в организациях сегодня двигаются быстро, и если аналитика создается долго, она перестает быть востребованной. Представим ситуацию: в компании тестируют новый процесс, но пока в отделе аналитики обрабатывали данные и рисовали дизайн дашборда, потребность в аналитике уже успела отпасть. А если такое случается несколько раз, доверие к аналитической платформе и BI-процессам в глазах руководства падает и может вообще сойти на нет.


Быстрый результат оказывает большое влияние на мнение о BI-решении. Чем больше та или иная BI-платформа требует нестандартных шагов, которые отсрочивают первые эффекты, тем сложнее руководителям согласиться, что дашборды и аналитические приложения лучше, чем презентации в PowerPoint и старый добрый Excel. Как не потерять искру, которая должна зажечь практику BI-процессов в организации, и ускорить их? Об этом в сегодняшней статье.

Выбираем BI-платформу

Что должно по умолчанию быть в BI-платформе для быстрого результата? На этапе выбора важно удостовериться, что решение, которое вы планируете внедрять, обладает следующими свойствами:

1. Возможность подключаться к разным хранилищам и источникам данных. Обычно, когда в компании вызревает решение внедрить BI, данные в каком-то виде уже собираются, по крайней мере их часть. Информация аккумулируется в общих хранилищах из сервисов анализа продаж, кадровых систем, инструментов планирования графиков, логистической статистики и т.д. Данные из этих хранилищ сразу можно использовать для создания BI-аналитики в новых инструментах.

Если при внедрении BI нужно переносить информацию в хранилища вендора, обучать сотрудников работе с новыми скриптами и другими дополнительным навыками, это отсрочит результат, затормозит процесс внедрения не на один месяц и потребует дополнительных затрат. Подготовка данных составляет 70-80% успеха в создании аналитического дашборда. Поэтому большой плюс, если BI-решение умеет подключаться к источникам данных в том виде, в котором они используются бизнесом — без перекладывания в проприетарные форматы, которые специфичны для конкретных BI-решений. 


2. Готовые шаблоны и решения. Если в организации работали только с Excel и PowerPoint, а опыта с цифровыми аналитическими платформами нет, сложно сразу начать мыслить в категориях дашбордов, UX и UI. Продуманный UX и UI — следующий виток в подче аналитической информации. Но пока в компании будут погружаться в новую специфику и учиться компоновать элементы на дашбордах, весьма кстати придутся шаблоны. 

Они позволят минимально адаптировать визуальную составляющую под себя, вставить туда свои показатели и сразу начать пользоваться. Со временем в компании сформируется насмотренность и визуальная культура, чтобы создавать более сложные кастомизированные аналитические дашборды и приложения. Они могут лечь в основу собственных шаблонов под различные задачи внутри организации. И в перспективе погружение новых сотрудников можно будет запускать уже через свои шаблонизированные решения.

3. Система обучения, которая быстро расскажет, как работать с BI-аналитикой. Чтобы обучение давало быстрый результат, оно не должно быть растянуто во времени. Курсы, на которые мы отправили сотрудника и два месяца ждем его с новыми навыками, не подойдут. Поэтому обучение должно работать  на уровне самой платформы — как минимум это хорошо подробная вики и детальные обучающие видеоролики.

 

Запускаем аналитический конвейер

Когда руководство организации видит первые результаты внедрения BI-аналитики, и этот результат ему нравится, обычно следует вопрос: “Когда будет следующий отчет?” Пользу аналитики начинают замечать в разных отделах и оттуда тоже начинают поступать запросы на создание дашбордов. Для аналитического подразделения это значит, что нужно продолжать выдавать качественный результат, но при этом сокращать время на подготовку отчетов. 


По сути надо запустить эдакий аналитический конвейер. И вот что для этого нужно:


  1. Стандартизировать подготовку данных для отчетов. Когда данные хранятся в едином описанном, структурированном и очищенном виде, это удобно и ускоряет работу над дашбордами. Хорошо, когда они заранее подготовлены специалистами по работе с данными, либо их можно быстро “пропустить” через пайплайн, который разработан и описан внутри организации. 
  2. Типизировать процессы и подобрать под них набор шаблоны. Внутри организации можно выделить определенные типы процессов, которые предстоит визуализировать в аналитике. Исходя из того, к какому типу относится процесс, под него можно адаптировать шаблоны. Так проектирование дашбордов и аналитических приложений можно свести к выбору подходящего шаблона и сократить время проработки визуальной составляющей. И при этом сохранить высокий уровень дизайна и удобства использования аналитического отчета.
  3. Использовать предподготовленные наборы метрик и измерений. Любая компания может создать свой набор метрик и измерений для аналитики исходя из направления деятельности и потребностей, но многие такие показатели довольно стандартны. Допустим, мы хотим запустить аналитику по HR, и если вместе с BI-платформой вендор поставляет еще и метрики, их можно переиспользовать исходя из внутренней специфики, подобно визуальным шаблонам.
  4. Быстро переподключать источники данных. Подготовка данных — самый длительный и трудоемкий процесс. Хорошо, если на этапе, пока реальные датасеты окончательно не готовы, их можно подменить демо-данными и на них собирать визуализацию. Чтобы это было возможно, BI-платформа должна позволять быстро переключать источники данных. Демо-датасет должен совпадать с целевыми данными по структуре (это закладывается на шаге №1). Как только процесс подготовки и очистки данных завершается и у нас появляются продуктивные датасеты, мы тут же заменяем демо-датасеты на целевые дашборды с уже готовым визуалом.

Итого

С помощью BI-аналитики можно по-новому взглянуть на процессы внутри организации, подсветить “серые” зоны в операционной деятельности, выявить неоптимальное использование ресурсов, фрод и многое другое. Если руководители видят быстрые результаты внедрения, это разжигает их интерес к работе с BI-инструментами.

За счет правильного выбора платформы, стандартизации работы с данными, визуальных шаблонов и предподготовленных метрик можно наладить настоящий конвейер по производству аналитических отчетов. 

Надеемся, наша инструкция поможет вам правильно выстроить BI-фундамент в вашей компании. Не забудьте вернуться в комментарии и рассказать о результатах!

Goodt. Современные HR Tech и BI-решения.
Подписаться на рассылку
Подписываясь на рассылку, вы даете согласие на обработку персональных данных. Рассылка осуществляется один раз в квартал.
Спасибо за подписку!
© Goodt 2016 – 2024.