Business Intelligence для растущих компаний: Институт бизнес-аналитики внедрил решение на платформе Microsoft BI для компании Альтерус.

26.12.2017
Долгое время проекты по внедрению BI-систем могли позволить себе лишь крупные заказчики. Сейчас технологии стали доступнее, и поэтому мы решили рассказать о проекте для средней по масштабам компании, который был реализован в короткие сроки и с приемлемым бюджетом, без каких-либо капитальных вложений в железо и софт.

Компания Альтерус занимается поставками медицинской техники и расходных материалов в лечебно-профилактические учреждения по всему Уральскому федеральному округу. «За 5 лет работы компании число клиентов выросло в 4 раза, а количество товарных позиций достигло десяти тысяч. Объем информации увеличился на порядок, и возникли задачи более глубокого анализа и контроля показателей эффективности, – говорит директор ООО «Альтерус» Марина Бурлакова, - использовать отчеты 1С было крайне неудобно, и это занимало очень много времени».

«Заказчику нужен был определенный функционал для того, чтобы топ-менеджеры компании могли получить любую информацию из базы и при этом не тратить время на навигацию между множеством отчетных форм, и потом не сводить вручную данные из разных источников», - говорит Алексей Колоколов, директор Института бизнес-аналитики.
Основным источником данных была 1С Управление торговлей. На базе служб MS SQL Server мы построили хранилище данных и OLAP-куб. Затем добавили туда данные, которые учитывались не в 1С, а отдельно в локальных excel-файлах – такое часто бывает у отечественных компаний, и в итоге получили единый источник достоверной информации.

Далее наши специалисты «покрутили куб» и разработали набор аналитических моделей для расчета бонусных коэффициентов менеджеров по продажам, показателям эффективности работы с клиентами и поставщиками, анализа рентабельности по каждой товарной категории и других задач дистрибьюторского бизнеса. Затем уже вместе с заказчиком мы адаптировали их под реалии бизнеса и ограничения исходных данных. В результате получились понятные и достоверные KPI, а также понимание того, что надо доработать в учетной политике, чтобы автоматически считать более «продвинутые» показатели.

«Нам сделали не просто очень удобный и эффективный конструктор отчетов, но и набор готовых аналитических моделей с рекомендациями, как эту статистику использовать для принятия решений. Теперь мне не надо ждать какого-либо отчета, вся необходимая информация у меня под рукой», - говорит Марина Бурлакова.

Интеграция с 1С, проектирование и разработка куба заняли месяц. Еще месяц ушел на сверку данных и «допиливание» аналитики - два месяца от старта работ до устранения доработок и сдачи в эксплуатацию – на наш взгляд это очень хороший срок. При этом заказчик получил от своих лицензионных продуктов SQL Server и Office максимальную отдачу.
Видеорепортаж о проекте можно посмотреть
Первый шаг – исследование Recency. Для начала здесь нужно определиться с тем, что будет являться критерием активности клиента. Это может быть покупка, посещение магазина, или даже переход по ссылке в интернете на сайт компании. Все зависит от того, какие цели преследует фирма, проводя анализ, и от специфики деятельности.

Далее необходимо распределить клиентов на пять групп на основе того, как давно они совершали те или иные действия.

Данное распределение удобно проводить, определив несколько временных циклов (в нашем случае – 5). Например, действия, совершенные за последний месяц, от 1 до 2 месяцев назад, от 2 до 3 месяцев назад, от 3 месяцев до полугода и от полугода до года.

Группа, в которой будут собраны потребители, совершившие действия совсем недавно, обычно обозначается номером 5. Номер 1 – группа потребителей, которые не были активны самое длительное время.

Следующий шаг анализа – работа с Frequency. Принцип распределения клиентов на 5 групп здесь такой же, как и в Recency. Только вместо выделения временных отрезков нужно определить, какое количество активностей будет критерием вхождения клиента в ту или иную группу. Например, 20 и более покупок – 5 группа, 0-2 покупки – 1. При этом необходимо понимать, что установление завышенных или заниженных порогов вхождения в группы может существенно повлиять на точность результатов.

Далее, следуя методике RFM-анализа, нужно определить Monetary. Здесь все так же, как и в предыдущих пунктах. Условие попадания клиента в ту или иную группу – преодоление установленной планки в виде объема затраченных средств.

Постоянный, комплексный анализ ключевых показателей эффективности (KPI) отдела закупок будет способствовать принятию правильных и своевременных решений, позволит оптимизировать процессы, связанные с закупом, сделает работу менеджеров более прозрачной и подконтрольной.

  • В результате создания такой системы KPI компания получит следующие выгоды:

  • сокращение издержек на закупки

  • снижение брака закупаемой продукции

  • повышение доли закупок, совершенных вовремя

  • постоянное наличие нужных материалов, выполнение планов

  • стандартизация работы менеджеров по закупкам, исключение возможности нецелевого расходования средств

  • снижение доли транспортных затрат
В итоге после проведения анализа можно сформировать целых 125 групп от 111й до 555й (цифры - комбинации номеров групп по каждому показателю). Но это совсем не значит, что к потребителям каждой группы нужно применять индивидуальный подход. Здесь будет наиболее полезным выделить различные тенденции в поведении клиентов, определить самых важных, ключевых клиентов компании и тех, кто близок к тому, чтобы стать приверженцем фирмы.

  • Группа 555, например – это самые лояльные потребители, в которых компания может быть уверена. Но при этом не нужно думать, что о них можно «забыть», т.к. они итак не уйдут. Таким клиентам необходимо показать, что они действительно важны фирме, что фирма благодарна им (создание особых условий, программы лояльности).

  • 111 – самые неперспективные потребители. Тем не менее, нужно понимать, что хотя бы раз, но они обратились к услугам компании. Попытаться привлечь их снова или понять причину низкой активности – возможные задачи для маркетологов фирмы.

  • Клиенты с Recency 5 находятся в состоянии оценки компании и возможно обратятся к ней снова. Их можно смело привлекать, осуществляя почтовые или интернет-рассылки, стимулировать к совершению покупки.

  • Группе потребителей, совершающих частые покупки на небольшие суммы, можно предложить смежные товары и услуги к тем, что они приобретают.

И так далее.

Главное, что позволяет сделать RFM-анализ – это понять структуру клиентской базы, увидеть происходящие в ней процессы.

Система бизнес-аналитики OLAP-Эксперт – хороший инструмент для проведения RFM-анализа. Обработка большого объема данных, систематизация, простота масштабирования, визуализация – все это позволит эффективно работать с клиентской базой, повышая лояльность потребителя.