Czy analizy self-service to dobry pomysł dla biznesu?

Choć każda firma jest wyjątkowa, to jednak podobieństwa między organizacjami są oczywiste, a co za tym idzie, podobne mogą być także potrzeby analityczne i raportowe. Czasami nie warto robić rzeczy od początku, a wykorzystać gotowe rozwiązania, które bazują na najlepszych praktykach z innych firm. W artykule przedstawione zostaną przykłady gotowych analiz self-service na bazie platformy Infor d/EPM, które umożliwiają łatwe i szybkie wyciąganie informacji z danych zgromadzonych w systemach informatycznych, bazach danych i hurtowniach danych.

Obszar analiz self-service koncentruje się, niezależnie od wykorzystywanych narzędzi, na gotowych analizach, szybkich szablonach, które pozwalają popatrzeć na konkretny obszar bez konieczności wdrażania dedykowanych raportów, analiz i dashboardów. Dla celów zobrazowania możliwości i konkretnych elementów obszaru, w niniejszym artykule analizie poddana zostanie baza danych przykładowej, fikcyjnej firmy Genesis, globalnego producenta opon. W ramach obszaru Self-service BI platformy Infor d/EPM dostępnych jest kilka obszarów umożliwiających gotowe analizy (rysunek 1). Są to: analiza poziomu istotności, analiza złożoności oraz analiza rankingów w czasie.

Rysunek 1. Elementy obszaru Self-service BI d/EPM.

Analiza ABC

Analiza ABC automatycznie grupuje dane, z którymi użytkownik ma do czynienia, w obszary zainteresowania, których progi statystyczne można wyznaczać za każdym razem. Przystępując do analizy ABC, wystarczy wskazać źródło danych (rysunek 2) oraz elementy, które chcemy oglądać (rysunek 3). Wizardy w Self-service BI, które mają podlegać analizie, za każdym razem zawierają podpowiedź odnośnie tego, gdzie konkretne elementy znajdą się w danej analizie (rysunek 4), co bardzo pomaga w wyobrażeniu sobie, jak będzie wyglądała analiza czy gotowy wykres.

Rysunek 2. Wybór źródła danych.

Rysunek 3. Wybór elementów do analizy.

Rysunek 4. Gotowa podpowiedź odnośnie elementów analizy.

Przedmiotem przykładowej analizy będzie marża uzyskiwana na sprzedaży poszczególnych produktów. Rozpoczynając analizę, należy dokonać wyboru produktów (rysunek 5). Istnieje możliwość wyboru do analizy poszczególnych produktów, określonej ich grupy lub całej hierarchii. Następnie konieczne jest zaznaczenie zakresu analizy – w tym konkretnym przypadku będzie to marża brutto (rysunek 6).

Rysunek 5. Wybór produktów do analizy marży uzyskiwanej na sprzedaży.

Rysunek 6. Wybór zakresu analizy – marża brutto.

Po dokonaniu wyboru produktów i zaznaczeniu zakresu analizy, istnieje możliwość nałożenia filtrów, które umożliwią ograniczenie zakresu danych w analizie m.in. do konkretnego regionu, wersji danych, budżetu, okresu czy prognozy. Po zaznaczeniu lub odrzuceniu filtrów, można zobaczyć, jak będą wyglądać dane, które zostały wybrane do analizy (rysunek 7), a także progi zainteresowania grupowania, które będzie wykonane. Przykładowo: aby sprawdzić, które produkty stanowią połowę sprzedaży, należy odciąć pierwszy próg segmentacji danych na poziomie 50% skumulowanej wartości, a drugi próg na poziomie 80% (żeby odciąć ostatnie 20%, które generuje najmniej marży) (rysunek 8).

Rysunek 7. Podgląd danych do analizy.

Rysunek 8. Ustalanie progów segmentacji danych do analizy.

Po dokonaniu wyboru progów procentowych można przystąpić do generowania analizy, która pokazuje produkty pogrupowane na wykresie pod względem marży (rysunek 9).

Rysunek 9. Gotowy wykres pokazujący produkty pogrupowane pod względem marży, którą generują.

W pierwszej, najbardziej interesującej grupie, widać, że 50% sprzedaży jest realizowane przez 5 produktów. Są to zdecydowanie najlepsze produkty, z których firma uzyskuje najwyższą marżę, zatem warto się na nich skupić. Kolejna grupa to 5 produktów, które generują kolejne 30% marży. Można wysunąć wniosek, że 10 produktów generuje 80% sprzedaży i zgodnie z zasadą Pareto są to te produkty, na których należy się skoncentrować, bo cała reszta – 15 produktów – generuje dużo mniej marży. Niekoniecznie jest to jednoznaczny dowód, że są one złe, czy też, że należy je usunąć z oferty, ale widać bardzo dobrze, gdzie powinny przebiegać poszczególne obszary zainteresowania, a także, które produkty są najbardziej istotne z punktu widzenia generowania marży, które produkty są mniej istotne, a które generują tej marży na tyle niewiele, że być może należy zastanowić się, w jaki sposób tę marżę poprawić.

Oprócz automatycznie generowanego wykresu, który pokazuje dla każdego produktu procentową wielkość wytwarzanej marży, można obejrzeć wszystkie dane w postaci tabeli (rysunek 10).

Rysunek 10. Tabela prezentująca produkty z przypisaną im marżą brutto, skumulowaną wartością brutto marży i sposobem prezentacji na wykresie.

Oczywistym jest, że przedstawione powyżej analizy można prowadzić w bardziej wyszukany sposób, prezentując bardziej szczegółowe dane, natomiast niepodważalną zaletą obszaru Self-service BI jest to, że jedyną wymaganą czynnością jest zaznaczenie źródła danych i elementów do analizy, a gotowe zestawienie jest dostępne od razu. Na jego podstawie można budować dalsze gotowe analizy lub podjąć inne kroki, do których zaplanowania będzie ono podstawą. Analiza jest dynamiczna, co oznacza, że można w każdej chwili zmienić granice progów procentowych segmentacji, aby sprawdzić np. ile produktów generuje 60 czy 70% marży. Uzyskane dane można również analizować w innych obszarach, np. sprawdzając konkretne regiony. Możliwe jest też stworzenie podsumowania poszczególnych regionów, które pokaże, w których z nich firma traci, generując ujemną marżę. Służą do tego inne elementy z gotowego zestawu analiz Self-service BI. Uzyskane dane można w danym momencie wykorzystać do budowy pełnego dashboardu, ale też zapisać i wrócić do nich w dowolnym momencie. Można je również wyeksportować w formacie PDF i przesłać dalej. Każdorazowo można zmodyfikować uzyskane dane, wybierając inne elementy do analizy, takie jak np. przychód oraz dowiedzieć się więcej na temat konkretnego produktu, np. opony, która generuje największą marżę oraz największy przychód. Służy do tego analiza złożoności (rysunek 11).

Analizę złożoności można przeprowadzić w dwóch wymiarach: grupowanie segmentacji ABC przedstawić w macierzy, przedstawiając ilość sprzedaży i marżę lub też wykonać analizę statystyczną przedstawiającą histogram danych.

Rysunek 11. Analiza złożoności.

Analiza rankingów w czasie

Analiza ruchów umożliwia analizę w jaki sposób w kolejnych okresach kształtują się rankingi np. produktów lub innych wybranych do analizy obiektów. Aby wygenerować dashborad również należy wybrać wszystkie produkty, ale tym razem zaznaczając, że analiza będzie przebiegać w czasie, według miesięcy z 2021 r. Analizować dane można również według regionów, punktów sprzedaży – w tym celu wystarczy zaznaczyć odpowiednie filtry.

Rysunek 12. Analiza ruchów.

Analiza ruchów pokazująca zachowanie produktów w czasie (rysunek 13) obrazuje produkty posegregowane według marży brutto uzyskane w ciągu roku, ale w poszczególnych miesiącach widać, którą pozycję zajmował dany produkt w danym miesiącu.

Rysunek 13. Analiza ruchów – jak zachowują się produkty w czasie.

Produkt z najwyższą marżą mógł mieć najlepszą sprzedaż w kilku miesiącach w roku, jego marża sumaryczna w roku była najwyższa, ale uzyskana została w ciągu zaledwie kilku miesięcy. Może to pokazywać pewną sezonowość, która w przypadku opon zdaje się nabierać szczególnego znaczenia. Czas nie jest jednak jedynym kryterium wzdłuż którego będziemy analizować dany produkt, można go również analizować według regionów czy punktów sprzedaży. To niewątpliwie bardzo pomocne dane przy analizowaniu i porównywaniu produktów.

Wybierając konkretny produkt, można przejść do wykresu porównawczego dla tego produktu (rysunek 14). Wykres ten pozwala analizować konkretne produkty, pokazując np. pozycję i marżę w danym okresie, co umożliwia wyciąganie wniosków dotyczących konkretnego produktu, ale też całościowej sprzedaży i sytuacji na rynku. Można również przygotować wykres ruchu, który pozwala analizować, jak się mają produkty wzajemnie (rysunek 15). Wygląda on jak pajęczyna, która po najechaniu myszą pokazuje jak ma się do siebie wzajemna sprzedaż dwóch produktów, które produkty są mniej lub bardziej skorelowane, a które sprzedają się komplementarnie (sprzedaż jednego produktu rośnie wraz ze spadkiem drugiego).

Rysunek 14. Wykres porównawczy dla produktu.

Rysunek 15. Wykres ruchu.

Analiza nawigacji

Powyżej przedstawiono najciekawsze przykłady zastosowania Self-service BI do analizowania danych w prosty sposób, prezentując wymiar produktów lub też produktów i czasu. Często, zanim jednak przejdziemy to tak konkretnej analizy potrzebujemy narzędzia do szybkiego wyboru zakresu danych (np. odpowiednich wymiarów, miar i hierarchii), na którym powinniśmy się skoncentrować. Służy temu analiza nawigacji (rysunek 16), która umożliwia analizowanie np. marży brutto według wymiarów, takich jak np. punkty sprzedaży, produkty, regiony i kanały sprzedaży, pokazując, jak wygląda marża w zależności od wszystkich tych obszarów jednocześnie. Dane w tej analizie można przeglądać dynamicznie, klikając w poszczególne elementy albo też zagnieżdżając się w hierarchię. Tak przygotowana, szybka i wielowymiarowa analiza stanowi idealną podstawę do rozmów biznesowych. Dzięki narzędziu jesteśmy w stanie szybko i sprawnie wyszukiwać ten zakres danych, który nas interesuje i który jest potrzebny do dalszych analiz.

Rysunek 16. Analiza nawigacji.

W ramach całej platformy Self-service BI można kilkoma kliknięciami ograniczyć każdy raport i każdą analizę do takiego zakresu, który jest w danym momencie potrzebny i dodać np. tabelę danych, która przedstawi prezentowane informacje w sposób ciekawszy i co więcej, będzie stanowić element gotowy do wykorzystania w dashboardach, prezentacjach i raportach. Wszystko po to, żeby umożliwić podejmowanie lepszych decyzji biznesowych.

Artykuł został opublikowany w dwumiesięczniku Informacja Zarządcza 29/2021 (PAŹDZIERNIK-GRUDZIEŃ) Analizy self-service, Informacja Zarządcza 29