Консалтинг и автоматизация в области управления
эффективностью банковского бизнеса

Журнал ВРМ World

Использование Хранилищ данных для расчета ключевых показателей эффективности (KPI)

Исторически Хранилища данных разрабатывались для подготовки отчетов, то есть для управления эффективностью работы предприятия. В многочисленных определениях Хранилищ, которые можно было встретить на заре их появления, говорилось, что данная технология была разработана "для управленческих нужд". Это была прекрасная идея, и мощный потенциал Хранилищ данных смог раскрыться только тогда, когда эта технология стала доступной более широкому кругу пользователей. Ее повсеместное применение, в частности, среди специалистов, работающих с информацией (knowledge workers), - яркое подтверждение.

Тем не менее не прекращаются попытки сделать Хранилища данных технологией управления эффективностью работы предприятия. В большинстве случаев управленческие потребности сводятся к расчету ключевых показателей эффективности (key performance indicators, KPI). При расчете большинства таких показателей используются итоги данных, которые находятся в Хранилище данных и доступ к которым есть у всех сотрудников - для этого достаточно специализированного интерфейса.

То, что за основу берутся данные, используемые и для других целей, в значительной мере способствует консолидации усилий внутри организации. Существует утверждение, что "невозможно улучшить показатель, предварительно не измерив его"; следовательно, при расчете KPI необходимо опираться на данные, которые должны быть достоверными, актуальными, объединенными, общими и предоставлять возможность исторического анализа; именно такие данные и содержатся в Хранилище данных.

KPI обычно рассчитываются сверху вниз - начиная с более общих; однако если менеджер цепочек поставок (supply chain manager) имеет доступ к тем же показателям KPI, что и исполнительный директор (chief executive officer, CEO), он может анализировать эффективность на своем участке и принимать своевременные решения. Тем не менее очень часто разные подразделения используют для расчета KPI различные источники данных; очевидно, если эти показатели затем учитываются при подсчете агрегатов, ни о какой целостной бизнес-стратегии не может идти и речи.

Какие KPI же тогда вычислять? Вам могут посоветовать несколько сотен различных показателей. Тем не менее, как правило, компании, наиболее эффективно использующие KPI, начинают с показателей прибыли и заканчивают специфическими коэффициентами, так или иначе отражающими структуру доходов и расходов. Очевидно, нет необходимости рассчитывать сотни KPI. Даже компании, работающие в одной отрасли, иногда должны использовать разные наборы показателей, и очень часто попытки обработать слишком большой объем данных приводят к неудаче.

Перечислим некоторые направления деятельности компании, которые заслуживают особого внимания.

  • Снабжение: показатели заполнения, эффективности рабочего времени, издержки, управление поставками, управление качеством.
  • Цепочки поставок: продолжительность цикла, издержки цепочек поставок, транспортные расходы, производственные мощности, соблюдение графика.
  • Клиентская база: загрузка каналов, предпочтения по форме оплаты, загрузка контактных центров, мошенничества, доходы, степень удовлетворения клиентов, гарантийные работы, недовыполненные заказы.
  • Производительность: уровень запасов, показатели времени ожидания, производительность рабочей силы, неоплаченные поставки за день, затраты на оплату труда, доход.

Первым делом лучше вычислять показатели, непосредственно влияющие на прибыль. Далее следует последовательно вычислять KPI, используя данные Хранилища.

Главное достижение технологии Хранилищ данных за последние несколько лет заключается в возможности подробного детального анализа (углубления в данные). Для расчета любого KPI необходимо использовать подробную информацию, которую можно "выкопать" из KPI-приложения. При этом показатели не должны представлять собой один единственный итог данных. Более эффективный метод состоит в обобщении нескольких коэффициентов в одном на пропорциональной основе. Хорошим примером может послужить показатель степени удовлетворения клиентов.

В общем случае, показатель степени удовлетворения клиентов выводится по нескольким итогам, таким, как непосредственный анализ клиентской информации, число клиентов, прекративших использование какого-либо продукта за период времени, или оставшихся верными марке (churn and retention), доля кошелька покупателя (доля от всех затрат в товарной категории, приходящаяся на марку компании, share of wallet) и т.д. Каждый из перечисленных показателей интересен лишь как отражение клиентских предпочтений. При этом выбор наиболее значимых итогов просто необходим для объективной оценки степени удовлетворения клиентов.

Соотнесенность с реальным временем - основное свойство KPI - выдерживается и при использовании технологии Хранилищ данных. Поскольку эти показатели вычисляются с помощью присоединяемых процедур или по окончанию процесса пакетной загрузки (batch ETL), они никогда не бывают характеристикой, "оторванной от действительности". А с учетом того, что сегодня многие Хранилища данных предоставляют информацию в реальном времени, KPI становятся "отражением действительности". При этом при работе с большими объемами информации трехмерная визуализация может существенно облегчить процесс сортировки данных в режиме реального времени.

Наконец, недостаточно просто рассчитать KPI, нужно еще сформировать причинно-следственные отношения (cause-and-effect relationships). Более "продвинутые" KPI-приложения генерируют не только такие основные причины оценки, но еще и ранние значения будущих уровней показателей.

Если вы еще не начали использовать технологию Хранилищ для расчета KPI, рекомендуем подумать об этом. Возможно, для этого у вас уже есть достаточно данных. Обобщая детальные данные, вы сможете добиться более эффективного управления, консолидировать усилия в рамках организации и, следовательно, достигнуть поставленных целей. Используя данные Хранилища для расчета KPI в реальном времени, вы сможете эффективно решать стратегические задачи, отслеживать процессы в режиме реального времени, осуществлять детальный анализ, генерировать модели причинно-следственных связей и, что самое важное, значительно повысить прибыль.