Procesy biznesowe

Zaawansowana analiza danych, rozwiązania Business Intelligence, czy Big Data Analytics przynoszą bardzo duże korzyści w różnych obszarach biznesu. Systemy tego typu nie są rzeczami gotowymi, ponieważ wszystko zależy od potrzeb konkretnej organizacji. Odpowiednio dobrane i wdrożone rozwiązanie tego typu dają organizacji bardzo duże korzyści, bardzo często wręcz przeliczalne na wzrost rentowności, lepsze planowanie, co w konsekwencji daje przewagę rynkową. Krótko postaraliśmy się przedstawić poniżej zastosowanie, czy korzyści w poszczególnych obszarach organizacji. Dla samej organizacji istotne będą również aspekty związane z bezpieczeństwem danych, łatwością ich zarządzania, elastycznością rozwiązania, wydajnością, czy też wysoką dostępnością, ale tutaj nie przedstawiamy aspektów technicznych z tym związanych, ale raczej koncentrujemy się na biznesowym, czy też procesowym wykorzystaniu technologii składowania, przetwarzania i wizualizacji danych. Rozwiązania, które oferujemy są różnych producentów, przede wszystkim Microsoft i darmowe rozwiązania - Open Source, technologia nie jest tu najważniejszym elementem. Poniżej podział na klasyczne obszary organizacji, oczywiście nie jest to uniwersalne i zależy od wielu czynników, ale daje pewien obraz.

- Zarządzanie
- Controlling i finanse
- Handel i e-commerce
- Marketing, CRM i reklama
- Gospodarka magazynowa
- Produkcja
- Logistyka i transport
- Zaopatrzenie i łańcuch dostaw
- Telekomunikacja i energetyka
- Bankowość i ubezpieczenia

Zarządzanie
Myśląc o zarządzaniu, myślimy o wiarygodnych danych na podstawie których jesteśmy wstanie podejmować decyzję, planować, oraz motywować zespół. W zależności od szczebla, granulowość danych jest inna. Inne informacje potrzebuje kierownik operacyjny na odcinkach produkcji, kierownik regionu, dyrektor sprzedaż, albo finansowy, a zupełnie inne prezes. Mając na uwadze wiele powszechnie znanych metod wspierających proces zarządzania jak chociażby 6 sigma, TQM, firmy budują różnego rodzaju wskaźniki umożliwiające właśnie działanie operacyjne i strategiczne.
Warto nadmienić, iż właśnie dla osób zarządzających najbardziej przydatne są różnego rodzaju analizy zaawansowane z obszaru „PREDICTIVE” i „PRESCIPTIVE ANALYTICS”. Bardzo dobrze obrazuje to poniższy diagram firmy Gartner

Gartner types of AnalyticsNa tym diagramie przedstawione są obszary analizy danych, widzimy na nim, iż właśnie przechodząc do bardziej zaawansowanych obszarów analityki, zyskujemy bardzo dużą wartość dla organizacji. Na tym wykresie dobrze jest też pokazane co dają nam poszczególne typy analityki. To właśnie dwa pierwsze, czyli descriptive i diagnostic bazują na przeszłości. Otrzymujemy dzięki systemom raportowania, informacje co się wydarzyło, ewentualnie ocenę co zrobiliśmy, czy też co mogło się wydarzyć. Oczywiście jest to podstawa w podejmowaniu decyzji, ale jednak sam menadżer musi podjąć decyzje i przyjąć pewne założenia co się wydarzy.

W momencie, kiedy przejdziemy do wyższego typu analizy danych, mamy do czynienia z predykcją, czyli mogą to być różnego rodzaju przewidywania dotyczące np ilości sprzedaży (nazywane często z angielskiego Forecasting), zachowania klientów, wzrostu ilości klientów, czy też potrzeb produkcyjnych. Oczywiście, im wyższa kadra zarządzając tym bardziej ogólne ziarno takiego przewidywania, bardziej strategiczne, niż operacyjne.

Ostatni poziom analizy czyli Prescriptive Analytics to już obszar wykorzystujący bardzo często zaawansowane aparaty statystyczne, uczenia maszynowego, czy też obszary sztucznej inteligencji. Głównym celem takiej analizy jest przygotowanie koncepcji działania na podstawie właśnie danych predykcyjnych, a także wykonanych symulacji. Proces taki w bardzo krótkim czasie daje podstawę do podejmowania kluczowych i ważnych decyzji.


Controlling i finanse
Bardzo ważną grupą odbiorców danych analitycznych są przedstawiciele działów finansowych i controllingowych. Osoby działające w tych obszarach są bardzo ważnym elementem każdej organizacji, szczególnie w obecnych czasach, gdzie realia biznesu zmieniają się bardzo szybko. Szybkość zmian powoduje to, iż też kluczowe decyzje należy podejmować częściej, a firmy przy dużej konkurencji działają na pograniczu rentowności. To właśnie dział controllingu i finansów stoi na straży finansów, czy też kosztów. Analizuje plany budżetowe i ich realizację, śledzi przepływy finansowe i wskaźniki. To właśnie tutaj jest źródło podejmowanych strategicznych decyzji, a także obraz przedsiębiorstwa widziany z różnych perspektyw. Właśnie te działy bardzo często inicjują powstanie rozwiązania klasy Business Intelligence, w szczególności hurtowni danych, czy też systemu raportowania.

Coraz częściej realizujemy też na potrzeby działów finansowych i controllingu elementy zaawansowanej analityki. Najczęściej są to elementy predykcji, oraz wszelakiego rodzaju symulacje. Ułatwia to planowanie, budżetowanie, czy też budowanie scenariuszy działania i inwestowania.


Handel i e-Commerce
Sprzedaż usług i towarów jest podstawą każdego biznesu, nie ma to znaczenia czy jest to zakład produkcyjny, portal internetowy, czy firma usługowa, zawsze sprowadza się wszystko do sprzedaży. Raz to będzie towar, innym razem jakaś usługa, a jeszcze innym informacja, to zawsze jest jednak jakaś sprzedaż. Obojętnie czy sprzedajemy wyprodukowane przez nas towary, czy jesteśmy tylko pośrednikami i prowadzimy handel internetowy, świadczymy usługi, czy udostępniamy informację, żyjąc z reklam musimy analizować działania naszych klientów. Dawniej analiza danych sprowadzała się do ilości zamówionej i sprzedanej, ewentualnie porównanie do sprzedaży w innym okresie, czy też zestawienie z oczekiwanym planem. Obecnie bada się więcej rzeczy, od efektywności sprzedaży, poprzez zachowania klientów ich lojalność, obserwuje się koszyk, ale także śledzi ich działania w sklepach internetowych. Analityka i wizualizacja danych nie są już takie proste jak dawniej. Możliwości techniczne są takie, że sprzedawca, czy też opiekun działający w terenie ma przy sobie na smartfonie, czy też tablecie mobilne raporty, kokpity i wskaźniki, przez co może szybciej podejmować decyzje, lepiej negocjować warunki i pozyskiwać nowe rynki.

Kanały dystrybucji mogą być bardzo różnorodne od sprzedaży bezpośredniej, systemów B2B, sklepów Internetowych, czy też sieci dystrybucyjnej. Bardzo często w jednej organizacji wykorzystywanych jest wiele równocześnie, co wiąże się bardzo często z istnieniem wielu systemów i podsystemów, gdzie konieczne jest integrowanie tych danych dla potrzeb analityki i wizualizacji. Kluczową rzeczą dla naszych klientów w tych obszarach jest analityka czasu rzeczywistego (ang. Real Time Analytics). Jest to bardzo ważne, gdyż elastyczność działania pionu handlowego bardzo wzrasta.

Drugim elementem bardzo ważnym w obszarze sprzedaży to po prostu wszelakiego rodzaju zaawansowana analityka, która pozwala nam zrobić predykcję - planowanie, ocenić klienta, czy też koszyk sprzedaży - zbiór towarów, które najprawdopodobniej zostaną kupione równocześnie, lub przez tego samego klienta.


Marketing, CRM i reklama
Marketing jest bardzo związany z procesem zarządzania klientem, w tym jego pozyskiwaniu i utrzymywaniu, a także z bardzo ważnym i często kosztownym mechanizmem reklamy i promocji. Ważną rzeczą przy budowaniu rozwiązań analitycznych dla obszaru marketingu jest integracja z innymi obszarami organizacji, przede wszystkim danymi dotyczącymi kosztów i budżetów, oraz aktualną sprzedażą, niekiedy też informacjami dotyczącymi stanów magazynowych. Produkt w obecnych czasach przestaje mieć klasyczny Kotlerowski charakter, zaczynamy bardziej go postrzegać jako rozwiązanie problemu klienta. Stąd też potrzeba analizy zachowania i działania klienta, by w odpowiedni sposób przedstawić mu co mamy do zaoferowania i jaki jego problem tym będzie rozwiązany.

W celu rozliczenia kampanii marketingowych integrując ze sobą dane z wcześnie wymienionych obszarów efekt taki uzyskamy, im lepszy system, a raczej lepiej wdrożony tym te informacje są bardziej dokładne i widziane w różnych wymiarach, w dodatku w czasie rzeczywistym, lub zbliżonym do takiego. Możne te informację przedstawić w wygodny sposób od urządzeń mobilnych, poprzez specjalne portale, dystrybuować mailem, pokazywać w formie wskaźników czy innych wygodnych elementów wizualizacji. Kolejną korzyścią jest analiza klientów poprzez analizę ABC, pokazującą którzy klienci, lub które grupy towarowe są istotne z punktu widzenia biznesu.
Mając nawet informacje z systemów CRM, oraz systemów dziedzinowych nie jesteśmy jednak wstanie poznać klienta jeszcze lepiej, nie wiemy tak naprawdę dlaczego podjął taką a nie inną decyzje. Tutaj z pomocą idą nam informacje z obszaru nazywanego Big Data. W otaczającym świecie mamy do dyspozycji pozyskiwanie i przetwarzanie danych pochodzących z różnych źródeł od szczegółowych logów z naszych systemów w tym internetowych, poprzez dane chociażby z Google Analytics, serwisów do dystrybucji poczty i newsletterów dla naszych klientów np.: MailChimp, czy Freshmail, portali społecznościowych np. Facebook, twitter, instagram, czy slack. Informację też mogą być dla nas istotne z portali informacyjnych, firm badających rynek, czy też stron konkurencji. Analizę takich danych typu Big Data można robić na wiele różnych sposobów, w tym też wykonywać ją w czasie rzeczywistym, wzbogacić o algorytmy uczenia maszynowego, które nam mogą pomóc szukać związków przyczynowo - skutkowych na podstawie otrzymanych informacji.

Pojawia się też nowy obszar, z elementami sztucznej inteligencji i uczenia maszynowego, które można wykorzystać do obsługi klienta - są to boty. Mogą one zastąpić np.: osoby wspierające naszych klientów przed i po sprzedaży poprzez. Inteligentne boty, które możemy zrealizować dla naszych klientów mogą się integrować z wieloma popularnymi kanałami komunikacji np.: Skype, Facebook Messenger, czy Slack, oczywiście mogą też być niezależnymi aplikacjami.

Analiza danych marketingowych, reklam i działań promocyjnych realizowana jest na różne sposoby zależy to w dużej mierze od branży i sposobu docierania do klienta. Zupełnie inaczej analizuje takie dane producent żywności, inaczej sklep internetowy, a zupełnie inaczej duża firma farmaceutyczna, która np ocenia współprace z lekarzami, czy też jednostkami medycznymi.


Gospodarka magazynowa
Gospodarka magazynowa będąca częścią tak naprawdę całej gospodarki towarowej o której elementach poniżej, jest bardzo ważna dla każdej organizacji z kilku powodów. Pierwsze to możliwość realizacji zamówionych przez klienta towarów, druga rzecz to posiadane w magazynie towary są kosztem dla organizacji. Po pierwsze to koszty samego magazynowania, a po drugie blokowanie kapitału, czy też zmniejszanie płynności finansowej. Stąd bada się kilka bardzo istotnych wskaźników między innymi wskaźniki obrotu magazynowego, w tym też wskaźnik dotyczący szybkości takiego obrotu towarowego, analiza braków magazynowych, wskaźnik dotyczący zapasów, czyli tak naprawdę wspomnianego kosztu zapasu. To są główne rzeczy, które chcemy uzyskać, jednak bardzo często szukamy innych bardziej szczegółowych bądź ogólnych wskaźników typu wskaźniki zalegania na magazynie, wskaźnik wystarczalności czy też nazywany wskaźnikiem rotacji. Jak widać kontrola procesu magazynowania nie jest taka prosta, wymaga po pierwsze wiarygodnych informacji, a także integracji z innymi obszarami. Jeżeli chcemy optymalizować procesy magazynowani, to przydatna jest dobra predykcja, czy też przeprowadzenie symulacji dający obraz tego procesu.


Produkcja i kontrola jakości
Produkcja to potężny obszar, gdzie realizujemy projekty analityczne. Różnorodność jest bardzo duża i zależy ona od specyfiki branży, zakładu, czy też procesu.
- Ilościowe planowanie produkcji, element bardzo ważny, ale często najprostszy w porównaniu z kolejnymi scenariuszami analizy. Sprawa się zaczyna komplikować jednak, jeżeli planowanie wymaga optymalizację takiego procesu ze względu na marszruty czy szarże produkcyjne. Wówczas konieczne jest poza zwykłą predykcją mającą na celu uzyskanie ilość planowanych produktów uwzględnienie innych bardzo ważnych rzeczy. Tutaj bardzo często wiąże się z sytuacją, gdzie należy produkcję tak dobrać z uwzględnieniem elementów np.: możliwości maszyn, zapasów i innych zasobów, niekiedy są to zagadnienia bardzo trudne algorytmicznie jak szeregowanie zadań. Używanych jest wiele różnych algorytmów i metod z zakresu optymalizacji kombinatorycznej, czy badań operacyjnych.
- Optymalizacja i symulacje procesu produkcji, tu podobnie ja w momencie pełnego planowania produkcji pojawia się model matematyczny procesu i zagadnienia dotyczące jego optymalizacji, czy też różnego rodzaju symulacje statystyczne.
- Integracja danych z urządzeń. Popularność IoT, stawia również nowe możliwości na produkcji, gdzie mamy urządzenia, które mogą w czasie rzeczywistej wysyłać parametry produkcyjne, wówczas je wiążemy z danymi dotyczącymi zarządzaniem MRP i mamy obraz prawie całego procesu.
- Planowanie i przewidywanie występujących awarii. Duże zagadnienie, gdzie na podstawie historii działania naszych urządzeń, możemy przewidzieć wymianę elementów eksploatacyjnych, czy tych które mogą ulec awarii jeszcze przed tym zanim ona nastąpi. Jeżeli jestem wstanie przewidzieć taką sytuacje nie mamy strat związanych z procesem przerwanej produkcji, czy też wadliwie wyprodukowanych towarów.
- Kontrola jakości i produkcja. Mówiąc o integracji urządzeń z systemami zarządzania mamy obraz prawie całego procesu, bo bardzo często nie jest on w pełni powiązany z urządzeniami danymi pochodzącymi z obszaru kontroli jakości, urządzeń pomiarowych, czy też danych z laboratorium.
Co jest ważne w analityce produkcji i kontroli jakości, że nie jest prawdą, iż tego typu rzeczy możemy uzyskać jedynie poprzez systemy klasy ERP. Bardzo często integrujemy tego typu dane z systemów ERP/MRP na poziomie hurtowni danych, modelu danych czy systemu raportowania. Takie podejście bardzo często daje większe możliwości integracji z innymi obszarami, a co jest bardzo ważne użycie algorytmów i metod zaawansowanej analizy takich jak chociażby machine learning, symulacje statystyczne, czy eksploracje danych, które nie byłyby osiągalne w zamkniętym systemie klasy ERP.


Logistyka i transport
Obszar logistyki łączy tak naprawdę zagadnienia dotyczące kilku z pozostałych elementów, tutaj ta integracja i optymalizacja procesów jest bardzo istotna. Bardzo często podobnie jak przy procesach produkcyjnych optymalizuje się elementy związane z miejscem, czy lokalizacją składowania, czy też korzystania z magazynów zewnętrznych. Importuje się dane z urządzeń i automatów dystrybuujących. Ważnym elementem jest planowanie i optymalizacja dostaw i transportu. W przypadku korzystania z własnego transportu proces optymalizacji związany jest z doborem właściwego pojazdu i trasy, w przypadku transportu zewnętrznego jest optymalizowanie doboru firm dystrybucyjnych pod kątem przesyłanego towaru. Oczywiście poza zaawansowaną analityką i symulacją wykonuje się klasyczne zestawienia i raporty, czy też bada wskaźniki dotyczące bieżących kosztów, realizacji planu.


Zaopatrzenie i łańcuch dostaw
Zaopatrzenie i szeroko rozumiane zarządzanie łańcuchem dostaw wiąże się z planowanie produkcji, gospodarki magazynowej, a także sprzedaży. Ma znaczący wpływ na strukturę kosztów i możliwości produkcyjne. W wielu wypadkach ma swoje odzwierciedlenia w jakości produktu końcowego. Widać, że jest to ważny element całego procesu, czy też procesów biznesowych, dlatego tak istotna jest wnikliwa analiza, kontrola wskaźników, oraz właściwe planowanie. Takei właściwe planowanie we współpracy z dostawcami, czy też podwykonawcami daje korzyści obu stroną i zarazem powoduje dobre relacje z dostawcą, zwiększenie zaufania i trwałość współpracy. Integracja z pozostałymi obszarami organizacji, często też informacjami z systemów dostawców, oraz zaawansowana analityka są nieodzowną częścią rozwiązań analitycznych dla obszaru zaopatrzenia i SCM.


Telekomunikacja i energetyka
Branżę telekomunikacyjna i energetyczna mają specyficzne elementy biznesowe dość zbliżone, otóż obie firmy świadczą pewien rodzaj usług, gdzie istotne jest planowanie niezbędnych zasobów do ich realizacji, a także starają się rozszerzać swoją ofertę poprzez dodawanie innych produktów, form usług. Wprowadzają też, różne modele rozliczeń, kontrolują lojalność, czy też utratę klientów. Tutaj niezbędne są duże hurtownie danych, wraz zaawansowaną analityką umożliwiające wyszukiwanie pewnych związków, właściwe planowanie czy też analizę stanu rzeczywistego. Drugi aspekt to praca urządzeń, zbieranie logów z tych urządzeń, przetwarzanie ich, analiza pod katem ewentualnych awarii, czy też konieczności prac serwisowych. Przydatne są tutaj zarówno algorytmy predykcyjne, które pozwolą przewidzieć taką awarie, ale także modele symulacji, dzięki, którym można przewidzieć możliwości infrastruktury, przy pewnych zmianach w zakładanym zapotrzebowaniu. Bardzo przydatna w tych obszarach jest analiza czasu rzeczywistego danych strumieniowych.


Bankowość i ubezpieczenia
Bankowość, rynek finansowy i ubezpieczeniowy to branże, które bardzo często sięgają po różnego rodzaju algorytmy i metody z obszaru zaawansowanej analityki, bardzo często obecnie nazywanej Data Science. Dzięki takim modelom można zrobić elementarne plany, dokonać symulacji pewnych zdarzeń, wyszukiwać anomalia w naszych danych, szukać związków pomiędzy zachodzącymi, dokonywać klasyfikacji. Czyli klasyczne problemy typu czy ktoś powinien otrzymać kredyt, wychwycenie próby nadużycia, czy zauważenie pewnych trendów zanim nie jest za późno.