Big Data: почему аналитика в FMCG стала не инструментом, а необходимостью

Аналитика данных — это ключ к пониманию текущих процессов и рыночных изменений. Для современного бизнеса данные становятся активом, который позволяет оценивать эффективность, строить прогнозы и принимать взвешенные data-driven решения.

Dialog X5 и Axenix расскажут, какова ценность данных для FMCG-производителей, какие уровни аналитической зрелости существуют и с чего необходимо начать структурированную работу с данными.

Необходимость и ценность аналитики для компаний

Термин «анализ» пришел в русский язык из древнегреческого слова «ἀνάλυσις» (análisis), что означает «разложение» или «распутывание». Изначально он обозначал процесс разделения целого на составные части для более глубокого понимания. В современном бизнесе аналитика эволюционировала в ключевой инструмент для принятия стратегических решений. Используя большие данные, компании могут объективно оценивать свои действия и действия конкурентов и прогнозировать дальнейшие шаги, что укрепляет их конкурентоспособность и снижает издержки.

Это определение подчеркивает необходимость комплексного подхода к работе с данными, где корректность выводов и результаты действий напрямую зависят от качества данных и умения с ними работать.

Примеры из ритейла доказывают, что данные позволяют прогнозировать спрос, планировать объемы и разрабатывать персонализированные предложения для потребителей. По данным McKinsey, компании с оборотом более 1 млрд долларов инвестируют до 25% IT-бюджета в аналитику, повышая обоснованность стратегий и оптимизируя процессы.

Компании без аналитических инструментов лишены возможностей адекватного планирования, что в свою очередь поднимает риски и потенциальные издержки для бизнеса.

• Низкую точность прогнозов.
• Неэффективное использование ресурсов.
• Трудности с адаптацией к рыночным изменениям.

Именно поэтому в 57% лидирующих компаний руководство среднего звена считает, что аналитика – это единственный способ оставаться конкурентоспособными и актуальными в XXI веке.

Роль данных для построения точной аналитики

Данные — основа точной аналитики. Их можно сравнить с сырьем на производстве: качество и доступность данных определяют точность анализа и обоснованность решений.

Как и в производственном процессе, одних данных — «сырья» — недостаточно. Необходимы квалифицированные специалисты, подходящие инструменты и продуманная стратегия их применения. Однако без налаженного потока данных как «сырья» аналитика не сможет функционировать, а значит, и компания лишится важного ресурса для принятия точных, обоснованных решений.

Управление данными в российских FMCG-компаниях

Российские FMCG-компании, в отличие от финансовых, IT-компаний и телекоммуникационных операторов, сравнительно недавно начали активно внедрять практики управления данными. Исторически их основное внимание было сосредоточено на развитии продуктовой линейки и повышении операционной эффективности. Однако сегодня, в условиях высокой конкуренции, этот подход претерпевает значительные изменения.

Причины изменений:

• Новые реалии локализации и независимости от глобальных структур. Отказ от глобальных платформ и самостоятельное развитие аналитических систем стимулируют российские компании к созданию независимых компетенций и технологий управления данными.
• Высокая конкуренция и растущая потребность в данных для улучшения планирования. Использование аналитики позволяет компаниям точнее прогнозировать спрос и планировать логистику, что критично для сохранения позиций в условиях конкуренции.
• Трансформация покупательской среды, развитие digital-технологий и спроса на данные. Быстрое развитие цифровых каналов продаж и взаимодействия требует оперативного анализа потребностей клиентов и адаптации маркетинговых стратегий.
• Спрос со стороны ритейлеров для улучшения взаимодействия с поставщиками и роста бизнеса. Ритейлеры, работающие с данными на высоком уровне, могут оптимизировать сотрудничество с поставщиками, а также совместно улучшать клиентский опыт и повышать прибыль.

Уровни аналитической зрелости

Оценка уровня зрелости в аналитике позволяет понять, какие возможности и ресурсы нужны компании для развития. Она помогает выявить узкие места и оценить себя относительно конкурентов.

Наиболее простой подход к оценке — модель зрелости аналитики от Gartner, которая включает несколько уровней:

• Описательная аналитика — определение ключевых событий, анализируя исторические данные.
• Диагностическая аналитика — поиск причин произошедших событий.
• Прогнозирующая аналитика — предсказание будущих событий и трендов.
• Предписывающая аналитика — рекомендации по дальнейшим действиям.

Компании на начальных уровнях зрелости могут начать с оценки своих ресурсов и задач, что позволит постепенно развивать аналитические компетенции. Повышение уровня аналитической зрелости становится реальным конкурентным преимуществом, предоставляя возможность обойти тех, кто ещё не уделяет достаточного внимания системной работе с данными.

Что означает системная работа с данными?

Создание стратегии D&A (данных и аналитики) — это формирование долгосрочного плана развития, позволяющего ответить на вопрос: какая поддержка с точки зрения данных требуется для выполнения основных бизнес-целей организации. В стратегии данных и аналитики важно объективно определить текущее состояние, установить измеримые цели, сформировать планы и контролировать реализацию.

• Оценка текущего состояния. Важно понять,  удовлетворяют ли текущим целям компании существующие процессы, роли, технологии по работе с данными и аналитикой. В крупных структурах для определения текущего состояния необходимо проведение интервью с представителями разных функций, в том числе бизнес-функций, ИТ, Data-офиса, архитектуры.
• Целеполагание и планирование. Включает формулирование целей и разработку сценариев. При формировании целей рекомендуется опираться на такие факторы, как изменения в бизнес-среде, амбиции компании, текущее состояние конкурентов, при этом важно также учитывать ведущие технологические тренды. . Цели должны быть конкретными и измеримыми Инициативы могут представлять собой как планы по повышению качества и доступности данных (например, внедрение каталога данных), так и бизнес-инициативы по аналитике (например, расчет MROI для определенного сегмента продукции).
• Реализация и адаптация. В процессе реализации важно получать обратную связь и своевременно корректировать подход. Например, данные о предыдущих продуктах могут оптимизировать ресурсы на разработку новых аналогичных продуктов.
• Подведение итогов. Оцениваются результаты, анализируется прогресс и определяются следующие шаги.

Методы работы с данными

Одним из ключевых элементов стратегии компании является выбор подходов к хранению и аналитике данных. Это позволяет не только эффективно поддерживать текущий рост и потребности бизнеса, но и закладывать фундамент для будущих улучшений и масштабирования.

Для определения оптимальной стратегии компании необходимо пройти ряд развилок, среди которых:

Подход к хранению данных

• «Храним всё»: Сбор и хранение максимально широкого набора данных из большинства доступных источников.

Преимущества: открывает больше возможностей для анализа и поиска инсайтов.

Недостатки: требует значительных затрат на поддержание порядка в хранилище и управление данными.

• «Храним только необходимое»: Хранение только тех данных, которые нужны для конкретных аналитических задач.

Преимущества: снижает затраты на хранение и обеспечение высокого качества данных.

Недостатки: резко сужает возможности для аналитики и поиска неочевидных инсайтов.

Управление аналитическими ресурсами

• Self-service подход: возможность для бизнес-команд самостоятельно решать аналитические задачи.

Преимущества: высокая скорость принятия решений на местах.

Недостатки: требует компетентности сотрудников и продуманной архитектуры (например, широких, пред-заготовленных витрин данных).

• Централизованная аналитика «под ключ»: Реализация задач через выделенную высококвалифицированную команду.

Преимущества: позволяет сосредоточить экспертизу в едином месте и контролировать качество аналитики и соблюдение стандартов.

Недостатки: может замедлить процесс из-за формирования «бутылочного горлышка», не способствует росту data-культуры в бизнес-подразделениях.

Выбор модели распространения ПО

• On-Premises: Полный контроль над данными и инфраструктурой.

Преимущества: соответствует строгим требованиям безопасности и конфиденциальности.

Недостатки: высокие затраты на оборудование, сложность масштабирования.

• Cloud: Быстрая масштабируемость и гибкость.

Преимущества: экономия на инфраструктуре, высокая скорость адаптации к изменениям.

Недостатки: зависимость от провайдера и модели тарификации.

Как выбрать подходящий вариант?

Компании могут самостоятельно выбрать подход к работе с данными, опираясь на свои стратегические задачи. Однако привлечение профессиональных консультантов позволяет:

• объективно оценить текущее состояние благодаря независимому взгляду со стороны,
• внедрить лучшие рыночные практики, доказавшие свою эффективность.

Начинайте принимать эффективные data driven решения уже сегодня – оставьте заявку на демо-встречу с консультантами Dialog X5 и партнеры помогут вам сформировать стратегию цифровой трансформации уже сегодня. В результате проработки развилок выше, компания выбирает один из подходов к хранению и аналитике данных. Сами подходы отличаются, в первую очередь, готовностью инструмента для принятия.

Основные из них разберем ниже.

Подход I. Хранение сырых максимально гранулярных данных и работа с ними. В таком случае данные обрабатываются ресурсами компании. Big data собирается в хранилища, которые могут находиться как on-premise (на собственных серверах), так и в облаке. Доступ к данным, как правило, предоставляется через BI-системы.

При II подходе данные хранятся в файловой системе либо сразу в Excel, либо в CSV-формате. Пользователи работают с данными там же в Excel.

III подход лишен необходимости собирать, хранить и даже визуализировать данные. Речь идет о потреблении аналитики через Self-Service SaaS – ядро Dialog X5, где пользователи получают возможность работать с готовыми дашбордами и графиками. При этом сохраняется определенная самостоятельность, так как пользователи могут работать с определенной группировкой, сортировкой, фильтрацией данных, задавать периоды и ряд других параметров. Можно сказать, что пользователи работают в веб-версии BI.

Следующий IV подход (он же – готовые отчеты) и вовсе не требует от пользователей действий и настроек. Можно сразу переходить к анализу. Более того, графики и отчеты снабжены комментариями относительно тех трендов, которые они визуализируют. Например, «Бренд 1 опережает конкурентов на 14 пунктов».

И V метод – исследование под ключ – содержит в себе все этапы работы с данными: помимо комментариев вы получите выводы и рекомендации по дальнейшим шагам. По сути, готовое сформулированное решение любой проблемы и план развития.

У каждого подхода есть свои плюсы и минусы. Подходы и методы по работе с данными компании выбирают в зависимости от целей, возможностей и ситуации. Нередко в рамках одной компании можно встретить комбинацию некоторых или даже всех описанных подходов. Особенно если данные используют разные функции в организации.

Ключевые ошибки компаний в части D&A

Отсутствие комплексного подхода к работе с данными и аналитикой часто приводит к проблемам управления, несогласованности между отделами и снижению доверия к аналитическим инструментам.

Среди типичных ошибок

• Отсутствие стратегии, приводящее к разногласиям между бизнес- и ИТ-отделами.
• Недооценка качества данных и отсутствие процессов управления ими.
• Неправильные приоритеты при локализации, когда текущие бизнес-процессы вытесняют стратегическое развитие аналитики.

Эти ошибки можно минимизировать, если в компании создается системное представление о данных как о важном компоненте конкурентоспособности, а не как о задаче аналитического отдела.

Заключение

Несмотря на некоторое отставание от других отраслей, FMCG-сектор в России все активнее внедряет работу с данными и аналитикой. Компании на разных уровнях аналитической зрелости демонстрируют растущий интерес к использованию данных как стратегического ресурса. С ростом ритейла и digital-технологий становится очевидной необходимость системного подхода к данным для повышения эффективности и конкурентоспособности.

Создание стратегии D&A — это отправная точка для компаний, стремящихся интегрировать аналитику в бизнес-процессы. Продукты Dialog X5 и Axenix помогают компаниям не только выстраивать системную работу с данными, но и эффективно взаимодействовать с ритейл-партнерами, обеспечивая устойчивое развитие и укрепление рыночных позиций.