Введение

Занимаясь BI-решениями почти всю сознательную жизнь, я обнаружил, что на самом деле ими пользуются только в случае крайней необходимости.

Про BI вспоминают, к примеру, когда аудиторы запрашивают детализированные данные для подготовки ежеквартальной/ годовой/ другой отчетности акционерам и топ-менеджменту. Причем очень часто business intelligence системы используются, чтобы сформировать итоговый Excel или PowerPoint ????. В лучшем случае BI могут применять аналитики для подготовки планов продаж или закупок. Топ-менеджеры, к сожалению, не пользуются BI практически никогда.

Я сейчас не говорю о моделях ценообразования, промо, таргетированной рекламе. Не имею в виду расчетные модели автозаказов, которые часто используются в ритейле для автоматического создания заказов на перемещение товара со склада в магазин. Речь не о таких вот задачах-отдушинах востребованности для Big data специалистов.

Я говорю о data driven-культуре, которая подразумевает, что данные используются менеджерами для принятия решений и сотрудниками – в их повседневной работе.

Что нужно для data-driven культуры?

О природе data driven-культуры и о том, когда считать компанию data-driven и как такой компанией стать, пишутся целые статьи и даже книги.

Большинство авторов согласны, что для формирования культуры данных в компании необходимы следующие условия: 

1. Запрос топ-менеджеров/ акционеров на то, чтобы выводы и решения подкреплялись данными. 

2. Достаточный уровень автоматизации процессов и работ, когда нужные данные собраны, они качественны и детально описаны.

3. Доступная и понятная BI-отчетность, в которой есть необходимые ответы на вопросы пользователя.

Первое условие лежит за рамками влияния как дата-инженера, так и, как правило, ИТ-директора.

Второе условие относится к внедрению качественных инструментов сбора, обработки, хранения данных и управлению ими. Это как раз то, чем занимаются дата-инженеры и BI-щики, чем потом не пользуются, и с чего я начал эту статью.

Третье условие – про доступность BI-инструментов для пользователей. 

Почему доступность BI-отчетов – это проблема?

Когда сотрудник – для нас это пользователь BI – лоялен к компании и хочет максимально хорошо выполнять свою работу, то логично предположить, что он будет пользоваться BI-отчетами и данными, если они помогут ему лучше справляться со своей работой, улучшить результаты или оптимизировать трудозатраты.

Разберем простой пример работы с данными. 

Финансовый блок эскалировал менеджеру по продажам проблему, что клиент задерживает платеж. Допустим, сотруднику нужно принять решение, как и на каких условиях работать с ним дальше.

Представим, что наш герой пойдет не по легкому интуитивному пути, основанному на воспоминаниях и эмоциональном опыте взаимодействия с клиентом, а обратится к данным.

Вот последовательность его действий:

1. Открыть BI-инструмент (как правило, через веб-интерфейс – то есть, найти ссылку).

2. Залогиниться.

3. Найти нужный отчет через поиск или в каталоге.

4. Ввести необходимые параметры.

5. Получить отчет по объему продаж данному клиенту с отдельным показателем по платежам и срокам платежей. 

6. Проанализировать полученные данные и принять решение.

Хорошо, если все эти данные находятся в одном отчете. Но скорее всего, объемы продаж, информация об оплатах и условиях платежей окажутся в разных документах, и пользователю придется выгружать данные в Excel, чтобы там свести (если BI позволяет делать такие выгрузки).

Кроме того, желательно всесторонне оценить клиента, например, посмотреть динамику оборота с ним, перечень поставляемых ему товаров и т.д. Вполне возможно, это окажутся самые маржинальные позиции, которые наверняка будут в других отчетах. А значит, описанные выше шаги нужно будет повторить несколько раз. При этом каждый отчет может открываться, скажем так, не за 3 секунды. И потом нужно будет свести это в Excel. 

На такое способны единицы, и это скорее аналитики, чем менеджеры по продажам или менеджеры по закупкам, даже самые лояльные и добросовестные.

Человек от природы – очень ленивое создание, и выполнять все шаги, которые описаны выше, простому смертному пользователю подсознательно не хочется.

Кроме того, в примере с менеджером по продажам пользователь BI по определению является экстравертом, он делает десятки телефонных звонков в день, ведет переговоры, параллельно занимается переписками, торгуется с клиентами и поставщиками, выбивает хорошие условия. Чтобы поработать с отчетами, ему нужно переключиться в абсолютно другой режим, а это, к сожалению, крайне маловероятно.

Что же делать?

В 2019 году мы в системном интеграторе Sapiens solutions задумали радикально изменить пользовательский путь доступа к данным. Доля общения в мессенджерах год от года растет, поэтому наша идея была в том, чтобы перенести работу с данными в мессенджер, чтобы пользователь в отдельном чате мог задать вопрос, используя естественный язык. 

Эту идею предложил один из наших клиентов, а мы ее подхватили. Сначала собрали команду, выделили бюджет на пилот, и через полгода запустили первую бета-версию.

В ядре решения лежит NLP-модель, состоящая из ансамбля нейросетей и детерминированной логики. За первые полгода команда смогла довести точность ответов до 95%.

Бета-версия сервиса всем понравилась, поэтому было принято решение инвестировать в разработку промышленной версии продукта.

К ней выдвигались амбициозные требования: 

• повысить точность ответов, 

• создать удобную среду моделирования мета-слоя и управления загрузками и источниками данных, 

• разработать коннекторы к популярным базам данных и т.д. 

Всеобщим голосованием выбрали название Easy Report и выделили команду разработки и развития продукта в отдельный бизнес. 

В итоге пользовательский путь сократился до 2 шагов:

1. Сформулировать вопрос, на который можно получить ответ, обратившись к данным.

2. Открыть специальный чат в мессенджере и задать в него вопрос.

Это выглядит примерно следующим образом:

В 2021 году наше BI-решение купили несколько early bird клиентов, среди которых –  компании Самолет, СНС и другие.

На примере этих бизнесов мы заметили, что количество запросов к данным от сотрудников резко возросло. При этом не было никакого бизнес-процесса, который обязывал бы их использовать Easy Report в повседневной деятельности.

Как это работает?

Основной принцип, который закладывался при разработке продукта, – пользователь может задать любой вопрос к подключенным витринам данных на естественном языке и получить автоматически сгенерированный "на лету" ответ в виде таблицы или графика. То есть какая-либо разработка отчетов не предполагается при внедрении в принципе.

Если представить упрощенный алгоритм, то пользовательский запрос обрабатывается примерно следующим образом:

То есть пользователь запрашивает данные, например, "какой у меня план по звонкам клиентам на сегодня". Easy Report, получая такой запрос, в первую очередь определяет его суть – это запрос на новые данные, уточнение предыдущего запроса или вообще беседа на отвлеченные темы. В последнем случае бот вежливо говорит о своем предназначении ????. 

В случае нового запроса запускается целый алгоритм, который определяет, откуда (из какой витрины) ему извлечь эти данные, дальше формирует запрос к этой витрине и возвращает ответ пользователю в виде таблицы или графика. 

Какие результаты?

Наши клиенты в основном используют Easy Report в следующих кейсах:

1. Когда доступ к данным нужно предоставить большому числу пользователей. 

Например, менеджерам по продажам или торговым представителям. 

При таком подходе получается не только повысить эффективность работы сотрудников за счет того, что они сами начинают чаще использовать данные для своей работы, но и существенно сэкономить бюджет: 

• Во-первых, решение Easy Report стоит на порядок дешевле классического BI. 

• Во-вторых, полностью отсутствует фаза разработки отчетов и дашбордов, а это – до 80% стоимости владения BI-системами. 

• В-третьих, работа с витриной данных не ограничена разработанным отчетом или дашбордом, пользователь может задать вопрос к любым признакам и показателям витрины данных. При этом, если витрина изменяется, то пользователь просто получает уведомление, что теперь может видеть, например, условия платежа, и они сразу доступны ему для запросов. 

После внедрения Easy Report мы отметили значительное повышение количества обращений к данным среди менеджеров продаж у нескольких наших клиентов, хотя до этого у них был доступ к классическому BI – они просто им не пользовались.

2. Когда необходимо, чтобы отчеты приходили по определенному расписанию.

В этом случае настраиваются push-отчеты в мессенджер с возможностью детализации и дозапроса данных. Например, приходит отчет по статусу выполнения плана продаж. Если пользователю не нравятся цифры, он может детализировать данные по подчиненным/регионам/магазинам/ и т.д.

Кстати, отчеты по расписанию наши клиенты очень часто используют для подключения к данным топ-менеджеров.

3. Когда компания хочет добавить элемент геймификации.

Данный термин предложил наш клиент для рабочего "соревнования" торговых представителей. Каждый день в каждой товарной категории функция постоянно рассчитывает "победителя" на основе нескольких параметров. "Победитель" может в течение дня меняться в зависимости от выполнения нескольких параметров. Таким образом была выстроена оперативная мотивация персонала.

По итогам анализа результатов оказалось, что треть сотрудников статистически значимо улучшила свои показатели (на порядка 3%).

Выводы

Безусловно, решение, подобное Easy Report, не сможет заменить классические BI-инструменты, которые необходимы аналитику данных, как не сможет заменить и сногсшибательно красивый дашборд на огромной панели в главной переговорной комнате.

Но Easy Report идеально закрывает потребности быстрого доступа к информации для оперативных решений, производя эффект "последней мили" в доставке данных пользователю.

Чтобы узнать больше про Easy Report, переходите на наш сайт.