Excel или аналитик: как заставить цифры работать на вашу компанию каждый день

Бизнес ежедневно имеет дело с разными данными: объемы продаж, показатели рекламы, конверсия на сайте, количество посетителей в магазине и многое другое. Анализируя их, можно эффективнее развивать компанию и справиться с широким спектром задач, как ежедневных, так и экстренных.

Рассмотрим на реальных кейсах как эффективнее решать управленческие задачи, используя анализ данных в Excel, и какие остаются подходы, когда его становится недостаточно.

Вызовы 2020 для руководителей

Ряд будничных вопросов, стоящих перед руководителем, можно решать используя предлагаемый интеллектуальный подход. Даже такие рядовые вопросы, как:

У кого делать закупку и по какой цене?
Где и кому продавать?
Давать ли скидки клиентам, работают ли они вообще?
Где и как рекламироваться?

В "коронавирусном" 2020 этот ряд пополнили новые вызовы:

Выгоднее открываться или отложить запуск?
Если подождать, то сколько, и как проводить перезапуск?
Как переместить каналы продвижения и сбыта в онлайн?
Как оптимизировать доставку?
Что делать с людьми, сокращать штат или платить за простой?

В России для многих отраслей ещё не наступила эпоха, когда решения принимаются на основе анализа больших данных. Иногда малый бизнес даже не использует компьютер, все пишется на бумаге, а в расчетах помогает калькулятор. Интуитивный выбор – это обычная практика, и для ряда задач это даже нормально. Однако, вся ответственность за результат при этом ложится на руководителя, а его рабочий день удлиняется до 10+ часов.

Опереться на один лишь опыт и здравый смысл становится сложно, когда:

Информация, важная для принятия решения, уже не умещается в голове.

Даже у обычного розничного магазина уже много наименований товара, которыми в уме оперировать невозможно. Сети небольших магазинчиков в Чехии с помощью аналитиков, используя современные методы анализа данных, удалось отладить автоматические вычисления вплоть до часа: какой именно товар, когда, по какой цене продавать. За счет такой оптимизации под локального клиента, крошечная сеть смогла выиграть конкуренцию у сетевых гигантов рынка.

Когда становится много филиалов и людей, которые принимают решения, ответственность за принятие решений распределена и один может не знать, что думает другой.
Когда интуитивное решение не очевидно.

Показательной здесь будет история из Петровских времен о металлургах Демидовых. Ее разбирает в своем телеграм-канале Эдуард Бабушкин, эксперт по кадровой аналитике. Акинфий Демидов пригласил на завод немецких мастеров, чтобы обучить своих. Спустя какое-то время он решил проверить эффективность обучения. Немцы были в одной группе, русские мастера в другой. Обеим группам дали одинаковое количество руды (условно 100 тонн). Русские из этой руды наплавили 12 тонн меди, а немцы 10 тонн.

Вопрос: можно ли сказать, что русские выплавили статистически значимо больше меди? Иными словами: это была случайность или русские – действительно молодцы?

Попробуйте решить её сами. А в конце статьи вы узнаете, в чем было дело. Во времена Демидова еще не знали про статистический анализ данных и способы его применения для решения этой лишь с виду простой задачки, однако, сейчас, даже при таком минимальном количестве исходных данных, аналитика быстро нашла бы верное решение.

Интеллектуальный анализ данных

Мы видим, что в последнее время повышаются требования к кандидатам на руководящие должности, в том числе появилось требование уметь проводить анализ данных. Однако общая аналитическая система на предприятиях, как правило, отсутствует. Руководителю здесь остается два пути: делать анализ данных в Excel, поручая подчиненным вручную заносить все данные в таблицы. И к этому способу сейчас привычно прибегают чаще всего. Либо, привлечь аналитика.

Существует широкий спектр инструментов анализа данных, доступных бесплатно. Но, не будучи специалистом, не зная теоретические и практические основы анализа данных, маловероятно самому качественно наладить их работу.

Сегодня, грамотный аналитик - это программист, владеющий языками программирования SQL, R, умеющий делать анализ данных в Python. Он использует специальные системы анализа данных и средства их визуализации Power BI, Tableau, Google Data Studio или продвинутый Excel. А главное, он способен адаптировать их под конкретные нужды своей компании, автоматизировать сбор данных с разрозненных и разноформатных источников, оптимизировать их обработку, застраховать от ошибок.

Профессиональные вычисления уже выходят далеко за рамки возможностей обычных таблиц. Так вы сможете узнать о компании то, о чем могли даже не догадываться спросить.

Возможности и границы анализ данных в Excel

Рассмотрим подробно задачи, в которых возможна бизнес аналитика средствами Excel, как его можно оптимизировать. И определим, в каких случаях его «полномочия заканчиваются» и для чего может понадобиться профессиональный аналитик?

Сбор данных и автоматизация отчетов

Первая задача для руководителя тут – собрать сведения из разных источников в одном месте. Это и выгрузка из 1C, онлайн и офлайн отчеты от сотрудников, анализ данных сайта через Яндекс Метрику и Google Analytics, данные по клиентам из CRM, что особенно актуально для B2B сектора, и даже анализ данных опросов.

Основные задачи, которые решает автоматизация отчетов:

Оценка выгодности проведения рекламных компаний
Расчет LTV (lifetime value, ценность потребителя)
Оценка эффективности работы менеджеров
Оптимизация затрат предприятия

Проблемы при анализе данных в Excel и их решения

Можно столкнуться с рядом проблем, возникающих при работе в обычном Excel:

Сбор и выгрузка данных отнимает у руководителя много времени.

Специальное программное обеспечение полностью снимает этот вопрос, автоматизируя сбор данных со всех источников сразу и занося их в единую базу. Есть системы, которые обрабатывают даже то, что на первый взгляд автоматизировать трудно. Например, вместо человека они могут зайти в почту, скачать файл и занести сведения из него в соответствующий раздел, или собирать информацию напрямую из соцсетей через API.

Замедление работы Excel с большими файлами.

Скорость работы снижается уже при удаленном доступе к документу множеством сотрудников, и тем более при росте количества строк в нем. В конечном итоге, это приводит к сбоям, зависанию и остановке работы. Сегодня, проводя анализ данных в excel 2016, появились возможности оптимизировать хранение данных, не требующее загрузки непосредственно всего массива в таблицу – это инструменты анализа данных Power Query и Power Pivot. Однако, их использование требует определенных навыков.

C:\Users\User\AppData\Local\Microsoft\Windows\INetCache\Content.Word\эксель 4.jpg

Пакет анализа в excel, эта надстройка и модели данных позволяют хранить их в таком виде, что они не занимают места, а работа ведется уже со сводными таблицами. Ее использование позволит не перегружать Excel. Однако, на практике, даже с такой оптимизацией, разворачивая работу аналитика в excel на полную мощность, с документами на 2 млн. строк уже начинались проблемы, тогда как в Power BI мы могли свободно работать и с 10 млн.

Если же вы все-таки хотите пока продолжить использовать Excel, то посмотрите, как вы можете начать их оптимизацию:

Ошибки в данных и формулах.

Если мы поручаем сотрудникам собирать данные вручную, то неизбежно столкнемся с ошибками. Элементарно не протянули формулу, что-то сдвинули – и уже неверные подсчеты. По данным исследований, 80-90% файлов Excel содержат ошибки, которые приводят к недополучению прибыли. Бесстрастность автоматических систем полностью исключает из сбора данных человеческий фактор, а использование хотя бы моделей в Excel данных позволяет избежать ошибок в формулах, которые больше не надо будет копировать.

Мониторинг изменений

Он предполагает уже не одноразовый сбор данных, а постоянное отслеживание происходящих изменений в компании и интеллектуальный анализ данных. Это позволяет не только держать руку на пульсе, но и решать ряд важнейших задач:

Мониторинг происходящего на рынке. Особенно это актуально во времена кризиса и короновируса, когда ситуация меняется быстро и непредсказуемо. Многие сферы подвержены скачкам и колебаниям и в обычное время – ресторанный бизнес, ритейл, туризм.
Борьба с мошенничеством в компании. Проявления могут быть самыми разнообразными на всех уровнях работы: начиная от простой недостачи и воровства, продолжая подтасовкой среднего чека или иных показателей для получения бонусов и надбавок, бухгалтерские махинации, жульничество в секторе интернет и мобильной рекламы. По данным исследований компании теряют до 5% прибыли из-за воровства среди сотрудников.

Аналитические платформы позволяют не только в режиме реального времени, онлайн наблюдать за всеми показателями, но и организовать систему сигналов, маркировок, при которых руководитель сразу поймет, что идет не так и куда утекают финансы, и для этого не нужно будет самому долго копаться в цифрах. И что важно – так потерю можно выявить вовремя, а не через полгода, когда могут накопиться большие недостачи.

Контроль исполнения работы большого количества сотрудников.

В нашей практике есть опыт разработки систем, в которых промежуточные результаты каждого из работников автоматически собирались на одной панели и руководитель сразу мог видеть, кто отклоняется от целей или совершает невыгодные сделки. Сбор отчетов от сотрудников зачастую ведется с помощью обычной таблицы. Однако, это будет каждый день отнимать время на внесение данных и у исполнителей, и у руководителя.

Например, в рекламном агентстве 20 сотрудников продвигают рекламу с помощью 20 аккаунтов на каждого. По каждой рекламе нужно зафиксировать не один показатель. В этой ситуации, используя расширенные возможности Excel, аналитикам удалось сделать эту работу удобной и наглядной. Если работа с трафиком была в норме, это помечалось зеленым ярлычком, а если, например, использовалась слишком высокая цена за клик, то выскакивало предупреждение.

Каждому предпринимателю также элементарно хочется знать, не убыточна ли его компания – и это тоже требует вычислений и постоянного мониторинга.

Сложные вопросы в анализе данных

Не все и всегда в бизнесе очевидно, не все можно решить в одном лишь Excel. Ряд чуть более сложных вопросов, чем мониторинг можно решать интуитивно, если у руководителя есть предпосылки и подозрения, своя версия. Но здесь никто не застрахован от ошибки, тогда как с помощью математических и статистических методов можно быстро дать однозначный ответ.

Вспомним задачу из начала нашей статьи. Вопрос, который встал перед Демидовым, заключался в том, чтобы понять - говорящие ли это значения, 10 и 12 тонн? Это важно, ведь от этого зависело с кем сотрудничать и заключать договоренности. А такой вопрос встает перед каждым руководителем.

Демидов, конечно, не знал про Хи квадрат и Z критерий, с помощью которых аналитики могли бы найти ответ на его вопрос, но он знал своих и немецких мастеров. И потому выдал две причины результата:

Наши ребята ушлые – договорились с поставщиками, чтобы те дали им руду лучшего качества
А качество выплавляемого металла у наших было не тоже самое, что у немцев.

В современной практике бизнес каждый день сталкивается с подобными вопросами, ответить на которые без изучения данных не легче, чем в этой задаче. И в каждом случае, оказывается удобно использовать математические и статистические методы анализа данных, Excel тут уже бессилен.

Современные кейсы использования аналитики для принятия решений

Несколько примеров применения описанных принципов анализа данных на практике:

Оценка эффективности бесплатной примерки для интернет-магазина

Например, нужно было определить, как сервис бесплатной примерки повлиял на количество заказов и их выкупаемость. Мы получили несколько цифровых значений, и некоторые из них были значимы в контексте, а другие - нет. В такой ситуации аналитики всегда предоставляют ко всем диаграммам комментарии с оценкой значимости полученных величин.

Посчитать прогноз, сделать корреляционный анализ в excel

С виду это сделать достаточно просто и в Excel. Так выглядит создание автоматического прогноза в Excel:

C:\Users\User\AppData\Local\Microsoft\Windows\INetCache\Content.Word\э прогноз.jpg

Важно понимать, если автоматический прогноз Excel верно предсказал, допустим, результаты предыдущего месяца и этих данных вам достаточно, то вы можете и дальше его использовать. В таком случае не стоит тратить деньги на аналитиков. При использовании автоматического прогноза Excel не забудьте проверить, правильно ли указана сезонность, убрать лишние, не характерные максимумы.

Для оценки текущей ситуации по цифрам всегда необходимо их с чем-то сравнивать. Если у вас нет прогноза, можно их сравнивать с аналогичным периодом предыдущего года. При этом надо понимать, что тренд как правило идёт вверх, и может быть недостаточно просто сравнивать значения с предыдущим периодом. При заметном тренде лучше всего всё же сравнивать полученные значения с прогнозом на этот же период. При этом важно учитывать влияние рекламы и других факторов. В итоге, если мы видим, что дела идут также как в том году, то это может оказаться не хорошо, а скорее плохо.

Ниже пример отчета аналитиков, где прогноз (серым цветом) позволяет понять добавочный эффект от разных каналов рекламы.

Клиенты сейчас заказывают моделирование использования рекламы еще до её запуска. С его помощью мы выясняем, выгодно ли применять ее на той или иной площадке.

Внедряем системы оценки отдачи и от уже имеющейся рекламы, ведь часто руководителю не совсем понятно, приносит ли она вообще клиентов.

Аналогично, разрабатываются методы оценки кадровых решений. Используя анализ качественных данных мы смогли оценить, стоило ли нанимать сотрудников, изменилась ли эффективность предприятия, и какое влияние на нее оказали именно они.

Расчет метрики ценности клиента (прогноз LTV)

И набирает спрос анализ программы лояльности – бесценная возможность понять, действительно ли работают скидки, или компания только терпит убытки.

Для этой задачи мы вычисляли доход на клиента, что иногда бывает непросто подсчитать вручную, при большом количестве записей не слишком удобно проводить финансовый анализ в excel. В таких областях бизнеса, как HoReCa, ритейл, медицина, образование, различные он-лайн сервисы и мобильные приложения, важно считать именно прибыль на клиента (LTV), а не средний чек, потому что она гораздо больше.

Зная, сколько людей к вам ходит постоянно и от чего это зависит, проще планировать будущее. Мы сравнивали количество клиентов, приходящих повторно, как часто они возвращаются, как влияет на это система лояльности.

C:\Users\User\AppData\Local\Microsoft\Windows\INetCache\Content.Word\куртош.jpg

И в HoReCa, и в ритейл, и во многих других областях мы часто обнаруживаем, что большую часть прибыли приносят клиенты прошлых лет. Поэтому, если уходят старые – бизнес много теряет, ведь новые обходятся дороже, требуют больше затрат на рекламу и привлечение. Сейчас, когда клиентскую базу многим приходится фактически восстанавливать заново, важно делать анализ больших данных без ошибок, чтобы воссоздать постоянный стабильный поток клиентов, приносящих доход.

Товарная аналитика - расчет прибыли и рентабельности

Товарная аналитика расскажет, что приносит основной доход, что сейчас растет и будет двигателем доходов в будущем, а что только занимает место на полке.

Аналитики помогут провести поиск популярных товарных ниш, определить средние цены на товары/группы/бренды/категории. Можно выделить ценовые интервалы, маркировать популярные товары или товары с более высокими скоростями движения в цепях поставок. Актуален анализ чувствительности продаж к уровню товарной наценки, выявление факторов эластичности спроса, сезонности по дням недели, по месяцам и декадам.

Для многих компаний более актуальна стратегическая аналитика, к которой относится создание финмодели, иначе говоря, моделирование ближайшего финансового будущего предприятия. Это позволяет планировать открытие нового направления с минимальными рисками и оценить возможность достижения успеха. Моделирование подходит, например, для интернет-проекта при намерении использовать он-лайн каналы сбыта, для рекламной кампании, найма дополнительных сотрудников отдела продаж.
Одна из актуальных задач - выгодно ли делать бесплатную доставку? В ряд регионов "цена курьера" может оказаться выше прибыли. С помощью анализа данных можно подобрать и оценить несколько вариантов решения. Например, разделить регионы на 3 типа: бесплатная доставка при определенном чеке; области, где можно оптимизировать тарифы за перевозку – выбрав другую компанию-перевозчика; отказаться от бесплатной доставки.

Подсчет посетителей с помощью камер - новый тренд. Он позволяет запоминать людей "в лицо", отслеживать популярные маршруты покупок по магазину и многое другое. А сегодня в связи с требованиями безопасности во время пандемии нашими клиентами востребован и подсчет количества человек в очереди.

Как выглядят результаты интеллектуального анализа данных?

В результате обработки всех собранных аналитиком данных получается дашборд. Дашборд - это актуальные данные, представленные в наиболее удобном виде для принятия решений руководителем. Что в нем должно быть, всегда обсуждается индивидуально. Рассмотрим наиболее общие аспекты дашбордов и как их "читать".

Нужно отметить, представление итоговых данных в аналитических системах – удобнее, нагляднее, чем в Excel и адаптировано к постоянному притоку сведений. Здесь используются обновляемые отчеты. Они наглядно демонстрируют в режиме онлайн актуальную информацию, которую можно фильтровать по времени и другим параметрам (разные подразделения, типы продукта, ответственный менеджер, уровень доходности и т.п).

В пример приведем несколько, с комментариями поверх основных графиков.