Data-driven-подход: зачем нужен и как приучить команду принимать решения на основе цифр

«Я так чувствую» — очень рискованный аргумент, когда решаешь что-то изменить в компании. По итогу непонятно, сыграют решения в плюс или минус бизнесу. Есть более безопасная и современная альтернатива интуиции. Называется data-driven-подход — это когда решение в компании принимают на основе конкретных цифр. В статье рассказали, почему опираться на данные стоит бизнесу любого масштаба и как внедрить подход у себя в компании.

Содержание

Зачем компании собирать и анализировать данные

Этапы внедрения data-driven-подхода

Data-driven-культура в команде

Как на основе данных принимать решения

Примеры того, как работа с данными помогает бизнесу

Ошибки при работе с данными

Data driven-подход: частые вопросы собственников

Data-driven-подход: в двух словах

Поможем увидеть свой бизнес в цифрах и увеличить прибыль

Зачем компании собирать и анализировать данные

Рассмотрим на примере. Владельцу кафе официанты сказали, что одно из блюд редко заказывают, поэтому он решил убрать его из меню. Так собственник хотел сэкономить на ингредиентах и сократить расходы. Однако после этого выручка кафе просела сильнее, чем ожидалось. Блюдо вернули в меню, и показатели снова стали прежними.

История вроде с хорошим концом, но в ней нет важной детали — причины. Так и непонятно, почему выручка сильно просела и почему блюдо пришлось вернуть в меню. А это значит, что если подобная ситуация произойдет снова, то бизнес не защищен от убыточных решений.

Если продолжать пример с кафе, то данные помогли бы понять ценность выведенного блюда. Вдруг его заказывали не так уж и редко — по несколько раз каждый день, а за счет хорошей наценки оно приносило ощутимую долю прибыли. Либо официантам могло показаться, что блюдо не очень популярное, потому что его редко заказывают только в их сменах.

Этапы внедрения data-driven-подхода

Глобально можно выделить четыре этапа:

1. Главное — понять цель. Нужно решить и зафиксировать, зачем компании использовать данные. Глобально все цели направлены на увеличение прибыли. Например, повысить прибыль в третьем квартале на 20%. Но когда цель такая большая, непонятно, как к ней подступиться. Поэтому лучше разделить ее на более мелкие и конкретные цели — шаги. Допустим:

• выявить 30% высокомаржинальных товаров от всей номенклатуры, чтобы понять, какие товары лучше продвигать в рекламе;

• понять, в какое время совершают больше всего покупок, чтобы распределить нагрузку на сотрудников и сэкономить на оплате труда;

• понять, какие рекламные каналы приводят меньше всего клиентов и с самым маленьким чеком, чтобы отказаться от них и распределить бюджет на более эффективные инструменты.

Когда будут понятные шаги, станет очевидно, хватает ли данных для анализа, какое направление нужно анализировать в первую очередь и какой должен получиться результат.

2. Выбрать инструменты. Классический data-driven-подход подразумевает глобальные изменения в компании и внедрение технических систем для сбора, хранения, обработки и визуализации информации. А для работы нужно арендовать сервера и иногда полностью перестраивать бизнес-процессы. 

Из инструментов используют:

• Все действующие учетные системы и системы аналитики, откуда будут выгружать данные. Например, 1С, МойСклад, рекламные площадки, Excel.

• Системы для хранения данных, которыми управляют с помощью языков программирования SQL и Python.

• Системы для визуализации. Это программы по типу ушедшего из России Power BI, где все данные можно собирать в красивую и понятную инфографику.

Так выглядят данные после того, как им придают понятный вид. Анализировать и принимать решения при таком формате становится проще. Скриншот: Power BI

Внедрение может казаться затратным и слишком сложным для представителей малого и среднего бизнеса, но на деле data-driven бывает разных масштабов. Серьезная перестройка процессов — это, как правило, уровень крупного бизнеса.

На уровне небольших компаний достаточно оцифровывать бизнес и выстроить информационную систему на простых инструментах. Допустим, анализировать данные только с помощью 1С, CRM, МойСклад без подключения дополнительных программ. Даже анализ и визуализация в Excel — это уже очень простой, но тоже data-driven-подход, с которым положение бизнеса становится прозрачнее.

Один из инструментов простого, но эффективного data-driven — финансовая модель, которую Нескучные делают для собственников. Это таблица с актуальными цифрами компании, где можно проигрывать разные сценарии и смотреть, как они скажутся на прибыли

3. Собрать команду. В классическом понимании data-driven-подхода нужно нанимать целую команду. Как минимум в нее входят:

• Технические специалисты и разработчики — работают над алгоритмами сбора данных и следят за тем, чтобы не было сбоев, а данные собирались корректно по заданным критериям и взаимосвязям.

• Аналитики — делают из кучи непонятных цифр понятный отчет для руководителя. Для этого очищают и проводят анализ данных, интерпретируют результаты и оформляют их в удобном виде для конечного пользователя.

• Директор по обработке данных, или CDO, — отвечает за качество предоставляемых данных и стратегию управления информацией, а также связывает результаты анализа с целями бизнеса и помогает их достичь.

Но в малом бизнесе достаточно того, чтобы кто-то из руководителей взял на себя организацию процесса сбора данных, определил ключевые метрики для анализа и анализировал результаты. Этот вариант подходит при работе с простыми инструментами.

4. Провести тестирование и оценить результаты. Начинать переход стоит с одной области бизнеса, например с оцифровки и сбора данных в продажах, а затем приступать к следующим. После внедрения систем для аналитики сразу опираться на собранные данные не стоит. Лучше сначала понять, соответствуют ли они действительности и умеют ли с ними работать сотрудники. 

Как вариант, чтобы оценивать эффективность работы офисных или удаленных сотрудников, можно внедрять системы, которые отслеживают действия человека за компьютером. Прежде чем опираться на результаты, стоит поговорить с командой и узнать, насколько точные получились данные. Если все корректно, то использовать данные для анализа можно уже более уверенно.

Data-driven-культура в команде

Когда компания переходит на data-driven-подход, изменения затрагивают не только собственника бизнеса, но и всех сотрудников, чья работа связана с анализом и использованием данных.

Но, чтобы команда работала с информацией, ее нужно этому обучать. Для этого можно:

• Объяснить сотрудникам, зачем вообще нужны данные, как их использовать, подсветить, насколько это облегчит им работу, повысит эффективность.

• Продемонстрировать продукт. Например, дашборд с необходимыми показателями, где видно вещи, которые обычно упускали сотрудники. Это позволит создать вау-эффект и подчеркнуть пользу изменений.

• Требовать от специалистов не только экспертные заключения, но и данные, на основе которых строится это заключение. Например, сотрудники, которые недовольны созвонами, могут рассчитать, сколько времени на них уходит каждый месяц, и предложить идеи по оптимизации времени.

• Поощрять сотрудника за работу с данными. Работа с данными подойдет в качестве временного KPI, чтобы повысить вовлеченность команды.

Как на основе данных принимать решения

Алгоритм будет примерно следующий:

1. Убедиться, что есть вся необходимая информация. Нужно проверить, по всем ли показателям есть актуальные данные. Чтобы не заниматься этим каждый раз, в компаниях вводят регламенты — документы с правилами сбора информации: из каких источников, по каким показателям и отделам их нужно получать. Без регламентов результатом станут просто хаотичные данные, которые никак не использовать.

2. Провести анализ. Сначала данные визуализируют, после чего изучают интересующие показатели и определяют актуальные тенденции в компании. Например, если мебельная компания хочет увеличить производство кухонных гарнитуров конкретного цвета, она использует данные, чтобы оценить стабильность спроса на них.

3. Сформулировать и протестировать гипотезу. Например, товары группы А занимают 80% наших запасов, но при этом доля выручки с них — только 20%. Возможно, от этого товара пора избавляться и закупать то, что пользуется бо́льшим спросом, но находится в меньшем количестве на складе.

5. Оценить результаты. На этом этапе смотрят, удалось ли достичь поставленную цель и оказалась ли гипотеза рабочей. Например, удалось ли увеличить продажи после дополнительных вложений в рекламу, удалось ли снизить расходы на логистику за счет перехода на новые маршруты.

6. Повторить все во второй раз, в третий и так до бесконечности. Чтобы улучшать бизнес-процессы, анализировать данные нужно постоянно. Так получится вовремя замечать отклонения от показателей и быстро принимать правильные решения. Например, о выводе товара из продажи, добавлении новых продуктов или необходимости повышать качество сервиса.

Примеры того, как работа с данными помогает бизнесу

Привели пару примеров из практики нашего финдиректора Маргариты Шоболовой:

Пример 1. В одном из филиалов транспортной компании ежедневно на смену выходила полная команда сотрудников — около 100 человек. Загрузки на всех не было, но зарплату исправно получали.

Компания была крупная, поэтому могла внедрить полноценную систему работы с данными. Это позволило проанализировать загруженность сотрудников по часам с учетом графиков погрузки, разгрузки и обслуживания клиентов. В итоге удалось понять, в какие дни были стабильные простои.

После оценки результатов решили перейти на гибкий график, при котором все сотрудники выходили только в дни максимальной нагрузки, а в остальные работали по индивидуальному графику. Изменения помогли оптимизировать процессы и сократить расходы на оплату труда.

Пример 2. У собственника не было никакой системы учета, поэтому он не до конца понимал, какую долю занимает каждая статья затрат. Чтобы исправить это, мы собрали и структурировали данные по выручке, переменным и постоянным расходам и себестоимости.

Данные свели в таблицу, и собственник увидел блок затрат, который занимал очень большую долю. Изначально он думал, что это себестоимость, но оказалось, что это комиссия за банковские услуги. Чтобы снизить комиссию, от части услуг в итоге решили отказаться.

Ошибки при работе с данными

Выделили три ошибки:

Некачественные данные. Это данные, которые собирают без единого принципа, и поэтому они не дают верной картины. Если на их основе принимать решение, то оно с большей вероятностью может оказаться неверным.

Например, бизнес по выращиванию растений контролирует температуру в теплице в разные периоды, чтобы при необходимости изменить условия выращивания.

Неправильными данные будут, если в один день температуру зафиксировали только в 9 утра, на следующий день — в 5 вечера, а затем — в 12 дня. То есть температурные показатели в этом случае несопоставимые.

В итоге данные вроде бы есть, но их невозможно проанализировать, потому что нет общего правила, по которому организовали их сбор.

Данные собирают нерегулярно. Работа с данными — это постоянный процесс, поэтому всю информацию нужно поддерживать в актуальном состоянии. Иначе придется анализировать устаревшие показатели или ждать, пока их актуализируют, а это не всегда быстрый процесс.

Ошибки в анализе. Например, собственник увидел, что в одной точке продаж часто покупают определенный товар, и решил увеличить его долю в других магазинах. Но может оказаться, что в других местах больше конкурентов с аналогичным продуктом и по более выгодной цене, поэтому там этот товар почти не будут покупать. Во избежание подобных случаев нужно сравнивать данные по всей компании с данными по какой-то ее конкретной части. 

А еще бывают ошибки в выборе самой методики анализа. Такие ошибки лечат обучением ответственного за сбор данных сотрудника.

Data-driven-подход: частые вопросы собственников

Отвечает Маргарита Шоболова,
финансовый директор «Нескучных финансов»

В каких сферах используется data-driven-подход?

Везде, где есть данные, которые можно оцифровать. А это абсолютно все сферы, но в первую очередь IT-компании, финансовые и маркетинговые направления.

Какие есть достоинства и недостатки у data-driven-подхода?

Главное достоинство в том, что работа с данными повышает эффективность бизнеса и помогает быстрее принимать решения, которые могут повлиять на прибыль компании. 

Недостаток в том, что по мере развития бизнеса рано или поздно настанет момент, когда простых инструментов будет недостаточно и все-таки придется внедрять системы для хранения, обработки и визуализации данных и нанимать профессиональную команду.

Есть ли советы и рекомендации для успешного внедрения?

Как оценить результат от внедрения подхода?

Оценить можно по тому, насколько данные помогают достигать поставленных целей. То есть если собственник может в любой момент обратиться к данным, на их основе оперативно принять решение и это решение даст положительные результаты, то внедрение прошло успешно. 

А если для принятия решений данных каждый раз недостаточно и все равно что-то нужно уточнять у подчиненных, то, возможно, стоит доработать систему сбора информации.

Data-driven-подход: в двух словах

• Data-driven-подход — это принятие решений на основе данных. Такой подход эффективнее тем, что собственник опирается на объективные показатели, а не только на свою интуицию и субъективное мнение остальной команды.

• Чтобы перейти на работу с данными, крупные компании внедряют специальные решения и нанимают отдельную команду, но для малого и среднего бизнеса это необязательно. Легче начать с простых, но не менее полезных вещей: структурировать информацию в Excel или внедрить учетную систему.

• Для большей эффективности data-driven-подхода его стоит внедрить в корпоративную культуру. Нужно показать сотрудникам, как данные могут упростить работу и повысить их продуктивность. В дальнейшем можно требовать, чтобы сотрудники предлагали изменения, только если могут аргументировать это с помощью объективной информации.

• Сначала данные собирают по понятным правилам, чтобы в них не было хаоса и было проще принимать решения. Потом анализируют, смотрят тренды и выдвигают гипотезы, например стоит ли избавляться от товара с низкой выручкой. После теста гипотезы оценивают результат: сработало или нет. И так по кругу: постоянно собирают данные, проверяют и улучшают процессы.

Поможем увидеть свой бизнес в цифрах и увеличить прибыль

Мы не внедряем системы аналитики, зато помогаем сделать первый шаг к data-driven-подходу — внедряем управленческий учет. С ним и другими финансовыми инструментами становится понятно, на что уходят деньги компании, сколько на самом деле зарабатывает бизнес и какие дивиденды может получать собственник без ущерба для компании. А еще проще разобраться, в каком направлении нужно развивать бизнес и как увеличить прибыль.

Вот лишь несколько примеров того, какие результаты получают при работе с нами:

• Нашли 8 млн рублей на выполнение крупного заказа. Без кредита!

• Разморозили 12 млн рублей со склада автосервиса

• Вычислили снабженца-вора, который стоил компании 9,9 млн рублей в месяц

• Избавились от кассовых разрывов и накопили 3 млн рублей резервов

Вы тоже можете прийти к нам со своей бизнес-задачей: тип бизнеса, город и даже страна не важны. Мы работаем онлайн, поэтому можем сотрудничать с бизнесом из любого города России, СНГ и Европы.

А самый простой способ подробнее узнать о том, как финдир НФ помогает решать бизнес-задачи, — это онлайн-экскурсия. ↓