Прогнозная аналитика и возможности для современных компаний

В статье рассказывается о том, что такое прогнозная аналитика и как она
может быть использована для повышения эффективности бизнеса и приобретения
конкурентных преимуществ.

По мере развития программных средств управления эффективностью бизнеса включение в них возможностей прогнозной аналитики все больше рассматривается как ключевой элемент будущего поколения этих программных продуктов. Для компаний, стремящихся усовершенствовать процесс принятия решений в корпоративном масштабе, это, безусловно, хорошая новость.

Обещания создания динамичных организаций оказались столь же иллюзорными, как и надежды на наличие информации, необходимой для осуществления активных действий, в компьютере каждого менеджера. Истинная картина заключается в том, что лишь некоторые компании способны обеспечивать лиц, принимающих решения, всей необходимой им информацией. Более того, немногие компании, производящие программные средства для управления эффективностью бизнеса (ВРМ), способны помочь организациям в этом деле. Большинство их решений используют отчетность и аналитику, основанную на эффекте "зеркала заднего вида". Но те системы ВРМ, которые включают возможности прогнозной аналитики, могут реально помочь в создании динамичных корпораций, способных прогнозировать свое будущее.

Десятилетие назад программные средства Business Intelligence (BI) обеспечивали определенную группу бизнес-пользователей возможностями создания отдельных запросов к данным, подготовки отчетности и проведения анализа. Но тот факт, что эти средства использовали только исторические данные, ограничивал их возможности в сфере улучшения процесса принятия решений в текущий момент времени. Кроме того, традиционные приложения BI способствовали тому, что все данные об эффективности компании были сконцентрированы только в руках финансовых аналитиков организации. Таким образом, эти приложения не могли обеспечивать сбор, агрегирование и оценку данных в корпоративном масштабе, поскольку лишь квалифицированные пользователи обладали доступом, временем и опытом, необходимыми для гарантированной работы данных средств.

Первое поколение программных средств ВРМ, которое многими рассматривалось как эволюция или стратегическое применение традиционных инструментов и технологий BI, позволило организациям по-настоящему почувствовать, как можно использовать аналитические возможности для повышения эффективности. Во-первых, эти новые средства дали доступ к аналитическим возможностям широкому кругу пользователей: от исполнительных директоров до менеджеров отдельных направлений. Во-вторых, поставщики средств ВРМ обращали внимание на необходимость обеспечения информации в режиме реального времени, указывая, что использование только данных о прошлой эффективности существенно ограничивает возможности организации. Средства ВРМ оказались очень эффективными для централизации данных и автоматизации рутинных, но требующих много времени задач по сбору и оценке данных, а также различных манипуляций с ними. Таким образом гарантировалась не только точность информации, но и ее оперативная доступность в масштабах всей компании.

Средства ВРМ приобретают прогнозные возможности

Хотя переход от BI к ВРМ и представлял собой существенный шаг, этого оказалось недостаточно для того, чтобы обеспечить лиц, принимающих решения, всей информацией, необходимой им для понимания и результативного прогнозирования финансовой и операционной эффективности организации. Поэтому многие поставщики средств ВРМ стали задумываться об использовании в своих системах потенциала прогнозной аналитики.

В то время как традиционные инструменты BI вынуждали пользователей тратить слишком много времени на сбор и агрегирование данных и тому подобные операции, системы ВРМ иногда "обвиняют" в том, что они обеспечивают слишком много данных. Застарелая проблема "аналитического паралича" может существенно ограничить возможности пользователей.

Большинство традиционных решений ВРМ в разной степени качественно выполняют работу по сбору, консолидации и оценке корпоративных данных, собранных из различных источников, а также позволяют готовить отчеты на основе таких данных. Это дает лицам, принимающим решения, более четкую общую картину эффективности бизнеса. Но выполнение основной задачи - анализа того, что эти данные говорят о текущей эффективности бизнеса, и, что еще важнее, - в каком направлении он движется - остается по-прежнему весьма непростым делом. Менеджер, желающий понять вариативность бизнес-результатов (т.е. выяснить причину разрыва между ожидаемой и реальной эффективностью), должен сначала выявить ключевой показатель эффективности, значения которого вышли за допустимые пределы, а затем вручную углубляться в исторические данные для получения деталей. Этот непростой поиск причин отклонений показателей, занимающий много времени и осуществляемый уже после наступления события, не только оставляет менеджерам мало времени для реального принятия решений, но и затрудняет работу "на опережение".

Современным руководителям требуются более быстрые ответы на более глубокие вопросы: какие направления их бизнеса успешно развиваются, где существуют проблемы и что должно быть сделано для их решения. И все это - на ежедневной основе.

Если говорить кратко, то дисперсионный анализ и анализ основных причин - это совершенно необходимые инструменты для бизнес-менеджеров, стремящихся лучше понять эффективность бизнеса, быстро выявлять новые возможности или проблемы и предпринимать необходимые действия для решения последних. К сожалению, современные программные системы подготовки отчетности и ВРМ не обеспечивают более автоматизированного и опережающего способа для понимания причин, лежащих в основе колебаний эффективности, причем в контексте других факторов. Реализация автоматического выявления основных причин явлений и их анализа в контексте других обстоятельств, а также возможностей для прогнозирования будущих колебаний - это логическая ступень эволюции программных средств ВРМ. Вместо перекладывания всей тяжести анализа колебаний на плечи менеджера, который может не обладать необходимым временем или техническими навыками для глубокого анализа данных, необходимо средство автоматизации выявления и прогнозирования колебаний и доставки этой информации в соответствующем контексте каждому пользователю.

Идея использования прогнозной аналитики применительно к ВРМ состоит в том, чтобы помочь пользователям преодолеть информационные перегрузки за счет ускорения аналитического процесса. Автоматизированный "агент" может оперативно уведомлять лиц, принимающих решения, о проблемах и имеющихся возможностях.

Как и стандартные решения ВРМ, инструменты прогнозирования используются для анализа как исторических, так и текущих проблем. Но, вдобавок к этому, они позволяют бизнес-менеджерам предпринимать упреждающие действия. Они дают возможность заглянуть в будущее, одновременно объясняя причины текущих явлений, а также автоматизируют такие процессы, требующие много времени, как сбор, агрегирование и анализ данных и выявление возможных вариантов развития событий. Кроме того, они могут предложить возможные направления действий лицам, принимающим решения о развитии бизнеса.

Большинство приложений ВРМ предлагают возможности углубления в данные для анализа вариантов эффективности и причин, лежащих в их основе. Но обычно такой анализ выполняется вручную, требует много времени, является реактивным и слишком громоздким. Временные интервалы между такими шагами, как подготовка отчетности о колебаниях (т.е. какие события происходили), их анализом (почему это случилось) и принятием окончательного решения о требуемых действиях, могут оказаться достаточно значительными. А программные средства прогнозирования для ВРМ позволяют исключить эти временные задержки за счет автоматизации процесса выявления событий и их причин. Они предлагают инструментальные панели, которые автоматически информируют о всех колебаниях и вариантах. Для вариантов, оказывающихся за пределами приемлемых границ, прогнозные средства ВРМ могут обеспечить анализ основных причин этих явлений, а также объяснение того контекста, в котором они происходили. Например, если эффективность работы по одному из ключевых бизнес-показателей, такому как период погашения дебиторской задолженности, выходит за пределы заранее определенных параметров, прогнозные средства ВРМ могут автоматически уведомить об этом лиц, принимающих решения, и предоставить им объяснение причин, их анализ и контекст, в котором произошли данные отклонения.

Прогнозная аналитика в контексте

Концепция использования прогнозной аналитики для понимания в реальном времени причин колебаний эффективности и необходимых действий представляет следующую эволюционную ступень по сравнению с современными предложениями программных средств ВРМ. Прогнозная аналитика в рамках единой системы ВРМ, которая консолидирует данные из всех важных бизнес-процессов компании (например, планирования, бюджетирования, прогнозирования и т.д.) на основе единой платформы приложений, должна обеспечивать следующие ключевые элементы:

• возможность автоматически выявлять колебания и анализировать их ключевые причины или причины, лежащие в данных об эффективности бизнеса, которые вызвали превышения пороговых значений показателей;
• инструменты, которые могут на основе результатов анализа ключевых причин создавать прогнозы о других возможных сценариях отклонений показателей эффективности и вероятном влиянии этих отклонений на общую эффективность бизнеса. Такие прогнозы могут разрабатываться по требованию или генерироваться автоматически в форме предупреждений или индикаторов раннего информирования;
• средства доставки всей этой информации ключевым лицам, принимающим решения, - в соответствующем формате и контексте.

Эти три элемента обеспечивают основание для оценки сравнительной мощности различных структур программных средств ВРМ в области прогнозной аналитики.

Рассмотрим кратко принципы работы средств прогнозной аналитики. Программные средства автоматически сканируют пакеты данных для выявления причин, лежащих в основе успехов и неудач. Это сканирование основывается на иерархии данных, которая устанавливается в процессе внедрения системы. Выявленные причины обычно отражают составные элементы бизнеса, такие как сдвиги в продажах, не до конца использованные географические возможности, рост цен на сырье или другие факторы. Если чистый доход корпорации оказывается ниже ожидаемого, средства прогнозной аналитики приложения ВРМ могут провести сканирование показателей всех бизнес-подразделений компании, чтобы выявить, какое из них больше всего вышло за пределы бюджета. Таким образом, средства прогнозной аналитики могут автоматизировать процесс углубления в данные, который обычно выполняется вручную пользователями программного обеспечения ВРМ.

Анализ основополагающих причин использует доступ системы ВРМ к внешней информации. Это позволяет глубже понять факторы, вызывающие отклонения показателей. Технологии прогнозной аналитики дают возможность изучать данные о транзакциях и операциях за пределами приложения управления эффективностью, что позволяет выявлять определенные особенности данных, которые коррелируют с теми или иными характеристиками ключевых показателей эффективности (KPI) организации. Например, передовая прогнозная система ВРМ может быть способна установить связь между низкими значениями KPI качества продукции компании с авариями в цехах и прогулами - проблемами, которые могут быть выявлены при автоматическом анализе детальной информации в операционной системе компании.

Прогнозная система ВРМ должна также включать автоматический контекстный поиск, который помогает конечным пользователям понимать причины различных колебаний показателей. В эти возможности может входить поиск во вспомогательных документах компании или неструктурированных данных для нахождения необходимой информации. Аналогично тому, как поисковые системы Интернета, например, Google, могут проиндексировать сайт компании, прогнозная система ВРМ способна осуществлять поиск необходимой информации в корпоративной сети в неструктурированных файлах, таких как документы Word, электронные таблицы, презентации PowerPoint и сообщения электронной почты. Большинство полезной информации в компании хранится именно в документах подобного типа (согласно данным исследовательской компании Gartner, до 80%). Достаточно сложные решения ВРМ способны идентифицировать те из них, которые имеют отношения к колебаниям определенного KPI, и использовать эту информацию для объяснения глубинных причин данных отклонений.

Системы ВРМ, включающие технологии прогнозной аналитики, могут также давать информацию о возможных рисках по определенным KPI и о вероятном влиянии тех или иных событий. Они способны предсказывать колебания эффективности и представлять возможные причины этих отклонений, а также просчитывать вероятность повторного отклонения в будущем. Передовые статистические методы позволяют предвидеть изменения в KPI более высокого уровня посредством анализа показателей базовых компонентов. Таким образом они выполняют роль ранних систем предупреждения для бизнес-менеджеров.

По мере развития программных средств ВРМ они будут способны не только прослеживать связи между KPI и другими показателями, но и между KPI и событиями, имеющими отношение к бизнес-процессам. Эти средства смогут выявлять те стадии процессов, которые имеют значение для KPI, находящихся "в зоне риска", а затем информировать менеджеров о том, на какие именно показатели следует обратить внимание для улучшения каждой характеристики. Что еще более важно, история событий, значения KPI и действия, предпринятые для того, чтобы повлиять на них, будут храниться в системе управления эффективностью. И когда приложение ВРМ выявит KPI, находящийся "в зоне риска", оно сможет предоставить бизнес-менеджерам описание действий, предпринятых в предыдущем случае, когда риск был связан с этим KPI.

Ценность информации, полученной с помощью автоматического выявления колебаний KPI и предсказания их влияния на эффективность работы компании в будущем, может быть в полной мере реализована на практике только после того, как эта информация достигает лица, принимающего решения, которое способно предпринять нужные действия на основе данных сведений. И прежде чем бизнес-менеджер сможет совершать какие-то эффективные шаги, ему необходимо понять, какую же именно информацию он получил. Поэтому программные средства ВРМ должны обеспечивать соответствующий контекст и уровень прогнозных деталей в зависимости от роли и ответственности того или иного пользователя в организации. Кроме того, система должна быть способна представлять одну и ту же ключевую информацию в разных форматах. Например, для главного операционного директора, которому необходим быстрый обзор результатов по основным KPI, результаты дисперсионного анализа могут быть лучше всего представлены в форме круговой диаграммы. Напротив, аналитику определенного бизнес-направления, скорее, потребуются детальные диаграммы вместе с индикаторами KPI на уровне отдельных сделок. Но в любом случае программные средства должны обеспечивать непосредственный доступ из любого из этих форматов к одному и тому же уровню детальных данных, созданных на этапах выявления колебаний и прогнозирования сценариев.

Прогнозные программные средства ВРМ также могут вырабатывать рекомендации для определенных действий на основе предсказанных колебаний и результатов. В некоторые решения эта логика разработки рекомендаций уже встроена, а предложения о тех или иных действиях для менеджеров основываются на природе определенных колебаний. Пусть, например, в некотором бизнес-подразделении такой показатель, как период погашения дебиторской задолженности, в среднем составляет 90 дней, тогда как по плану он не должен превышать 75 дней. Одновременно с автоматическим информированием соответствующего бизнес-менеджера об этом отклонении от плана и выявлением его основных причин (это может быть отдельный клиент или их категория), прогнозное решение ВРМ способно также рекомендовать необходимое направление действий. Например, оно может предложить, чтобы бизнес-менеджер следовал определенной, заранее заданной процедуре сбора долгов. Преимущество такого подхода по сравнению с обучением каждого сотрудника порядку действий, рекомендуемому компанией, заключается в том, что программные средства гарантируют, что каждый менеджер будет следовать одним и тем же инструкциям. Программное обеспечение автоматически укрепляет корпоративную политику и стандартные операционные процедуры.

Практическое использование прогнозной аналитики

Корпорации в самых разных отраслях экономики - в области производства товаров, финансовых услуг, розничной торговли и высоких технологий - используют прогнозные возможности программных средств управления эффективностью для предсказания продаж, планирования сезонных кампаний, анализа сценариев ценообразования (который включает и потенциальное влияние изменения цен конкурентами) и оценки эффективности своих каналов поставок.

Часто основную причину снижения эффективности можно понять и без применения специальных программных средств. Например, нетрудно догадаться, почему на рынках Нового Орлеана возникли проблемы прошлой осенью. Но менеджеры все больше осознают, что второстепенные или третьестепенные события, влияющие на эффективность компании, могут быть гораздо менее очевидными. Во многих случаях финансовым аналитикам или бизнес-менеджерам понадобится гораздо больше времени для того, чтобы выявить эти факторы вручную. Кроме того, если в системе ВРМ компании используются методы статистического анализа (в т.ч. линейная регрессия), то это позволяет обнаружить такие факторы, влияющие на эффективность работы организации, которые легко могли быть выпущены из поля зрения при анализе данных вручную (или же замечены, но впоследствии не приняты во внимание).

Следующее поколение средств ВРМ

По мере роста требований, предъявляемых компаниями к своим системам управления эффективностью бизнеса, возможности прогнозной аналитики будут играть все более важную роль в принятии решений благодаря их применению для стратегического и тактического планирования. В недавнем исследовании, проведенном совместно компанией OutlookSoft и журналом BPM Magazine, 87% респондентов заявили, что они рассматривают прогнозную аналитику как важный элемент процесса планирования и бюджетирования. Но при этом только 17% реально используют технологии, которые включают данные возможности. К счастью для большинства участников этого исследования, ряд решений для управления эффективностью бизнеса уже включает технологию прогнозирования и предоставляет возможности для ее использования.

Цель управления эффективностью бизнеса - помочь лицам, принимающим решения, улучшить процессы управления эффективностью и ее планирования, а также обеспечить более глубокое понимание этого явления. Прогнозная аналитика - естественное дополнение традиционных программных средств и процессов ВРМ. Она обеспечивает информацию о событиях, их причинах и о том, как именно они происходят. Это помогает компаниям лучше понимать тенденции своей эффективности, предвидеть эффективность бизнеса в будущем и предпринимать необходимые действия. Имея возможности прогнозной аналитики, встроенные в единую систему ВРМ, лица, принимающие решения, могут существенно сократить время и затраты, связанные с переходом от обнаружения колебаний KPI и сообщения о них к выявлению причин этих колебаний и осуществлению действий, направленных на снижение остроты или предотвращение будущих проблем.

Новое поколение программных средств ВРМ может превратить любую корпорацию в компанию, обладающую хорошими прогнозными возможностями. А это значительный шаг вперед на пути к повышению эффективности. Обладая более детальной картиной реальных причин колебаний эффективности бизнеса, а также связанного с ними контекста, менеджеры могут лучше предсказать будущие результаты работы компании и принять опережающие решения, которые позволят корпорации идти впереди конкурентов и рыночных сил.

Публикации

1. Крисчиан Джодж (Christian Gheorghe). Прогнозная аналитика: ВРМ способствует созданию динамичных организаций (Predictive Analytics: BPM Drives the Dynamic Organization).
2. Крисчиан Джодж (Christian Gheorghe). Как прогнозная аналитика позволяет корпорациям опережать рыночные силы (How Predictive Analytics Enables Enterprises to Stay Ahead of Market Forces).

Автор: Крисчиан Джодж (Christian Gheorghe)