Kodėl tradicinės stebėsenos sistemos nebepakanka
Prisimenu, kaip prieš kelerius metus lankiausi vienoje gamybos įmonėje. Jų vadybininkai didžiavosi naujausiais ataskaitų šablonais ir kruopščiai suvestomis Excel lentelėmis. Problema? Duomenys buvo savaitės senumo. Kai pagaliau pastebėdavo problemą, nuostoliai jau būdavo padaryti, o klientai – nepatenkinti.
Šiandien tokia situacija atrodo kaip bandymas vairuoti automobilį žiūrint tik į galinį vaizdą. Verslo aplinka keičiasi per greitai, kad galėtume remtis vakarykščiais duomenimis. Rinkos sąlygos svyruoja, klientų lūkesčiai kinta, o konkurentai nemiega. Organizacijoms reikia matyti, kas vyksta dabar, ir suprasti, kas laukia už kampo.
Realaus laiko duomenų analizė nėra vien technologinis madas žodis. Tai fundamentalus poslinkis tame, kaip organizacijos priima sprendimus. Vietoj to, kad reaguotume į jau įvykusius dalykus, galime veikti proaktyviai, numatyti problemas ir pasinaudoti galimybėmis tą akimirką, kai jos atsiranda.
Kas iš tikrųjų yra efektyvi stebėsenos sistema
Daugelis žmonių klysta manydami, kad efektyvi stebėsenos sistema – tai kuo daugiau duomenų ir kuo sudėtingesnės technologijos. Realybėje tai visai ne taip. Geriausia sistema yra ta, kuri teikia tinkamą informaciją tinkamam žmogui tinkamu laiku.
Efektyvi sistema turi tris pagrindinius komponentus. Pirma, ji renka duomenis iš visų svarbių organizacijos veiklos sričių – pardavimų, gamybos, finansų, klientų aptarnavimo, darbuotojų produktyvumo. Antra, ji apdoroja šiuos duomenis realiu laiku, ne po savaitės ar mėnesio. Trečia, ji ne tik rodo, kas vyksta dabar, bet ir prognozuoja, kas gali nutikti ateityje.
Pažįstu vieną logistikos įmonės vadovą, kuris tai puikiai išreiškė: „Man nereikia žinoti, kiek siuntų pristatėme praėjusią savaitę. Man reikia žinoti, ar šiandien spėsime pristatyti visas siuntas laiku, ir jei ne – kodėl.” Štai tokia ir turėtų būti stebėsenos sistema – orientuota į veiksmą, ne į istoriją.
Duomenų šaltinių integravimas – pirmasis žingsnis
Daugelyje organizacijų duomenys gyvena atskirose salelėse. Pardavimų komanda naudoja vieną sistemą, buhalterija – kitą, sandėlis – trečią. Kai bandai sujungti šiuos duomenis, gauni chaosą. Skirtingi formatai, skirtingi terminai, skirtingi atnaujinimo laikai.
Pradėti reikia nuo duomenų šaltinių inventorizacijos. Surašykite visas sistemas, kurias naudojate. CRM, ERP, sandėlio valdymo sistema, el. parduotuvės platforma, buhalterinė programa – viskas. Tada paklauskite savęs: kokius duomenis iš kiekvienos sistemos mums reikia stebėti realiu laiku?
Nebūtina iš karto integruoti viską. Pradėkite nuo kritiškiausių duomenų srautų. Viena gamybos įmonė, su kuria konsultavausi, pradėjo nuo paprasčiausio dalyko – realaus laiko gamybos linijos stebėjimo. Anksčiau apie gedimus sužinodavo tik pamainos pabaigoje. Dabar sistema automatiškai įspėja, kai linijos greitis sumažėja daugiau nei 15 procentų. Rezultatas? Prastovų laikas sumažėjo 40 procentų per pirmus tris mėnesius.
Techniškai integravimui galite naudoti API jungtis, duomenų bazių replikavimą arba specializuotas integravimo platformas. Pasirinkimas priklauso nuo jūsų sistemų sudėtingumo ir biudžeto. Bet svarbiausia – užtikrinti, kad duomenys atsinaujintų pakankamai dažnai jūsų verslo poreikiams.
Kokius rodiklius stebėti ir kaip juos pasirinkti
Čia prasideda tikrasis iššūkis. Teoriškai galite stebėti šimtus rodiklių. Praktiškai tai tik atitrauks dėmesį nuo to, kas iš tikrųjų svarbu. Vienas mano klientas kartą pasidalino ekrano nuotrauka su 47 skirtingais grafikai. „Kaip manai, ar tai per daug?” – paklausė. Taip, tai tikrai per daug.
Rodiklių pasirinkimas turėtų prasidėti nuo strategijos. Kokie yra jūsų pagrindiniai verslo tikslai? Auginti apyvartą? Didinti pelningumą? Gerinti klientų pasitenkinimą? Kiekvienam tikslui reikia 3-5 pagrindinių rodiklių (KPI) ir kelių papildomų, kurie padeda suprasti, kodėl pagrindinis rodiklis kinta.
Pavyzdžiui, jei jūsų tikslas – didinti klientų pasitenkinimą, pagrindinis rodiklis galėtų būti NPS (Net Promoter Score). Bet tai tik rezultatas. Norėdami suprasti, kaip jį pagerinti, stebėkite papildomus rodiklius: vidutinį atsakymo į užklausą laiką, problemų sprendimo greitį pirmą kartą, pakartotinių kontaktų dėl tos pačios problemos procentą.
Svarbu, kad rodikliai būtų ne tik išmatuojami, bet ir veikiami. Jei matote, kad rodiklis blogėja, turite žinoti, ką galite padaryti, kad jį pagerintumėte. Kitaip tai tik beprasmiai skaičiai ekrane.
Dar vienas patarimas – naudokite pirmaujančius (leading) ir atsiliekančius (lagging) rodiklius kartu. Atsiliekantys rodo rezultatus – kiek pardavėte, kiek uždirbo. Pirmaujantys rodo veiklas, kurios veda prie tų rezultatų – kiek susitikimų surengta, kiek pasiūlymų išsiųsta. Stebėdami abu tipus, galite ne tik matyti rezultatus, bet ir suprasti, kaip juos pagerinti.
Realaus laiko analizės įrankiai ir technologijos
Geros naujienos – šiandien realaus laiko analizės įrankiai yra prieinami įvairaus dydžio organizacijoms. Nebereikia milijoninių investicijų į IT infrastruktūrą. Debesų technologijos pakeitė žaidimo taisykles.
Mažesnėms organizacijoms puikiai tinka platformos kaip Microsoft Power BI, Tableau ar Google Data Studio. Jos leidžia prijungti įvairius duomenų šaltinius ir kurti interaktyvius valdymo skydelius (dashboards) be programavimo žinių. Kaina – nuo kelių dešimčių iki kelių šimtų eurų per mėnesį.
Vidutinio dydžio įmonėms verta pažvelgti į specializuotas verslo analizės platformas – Qlik Sense, Sisense ar Domo. Jos siūlo galingesnes analizės galimybes, geresnį našumą su dideliais duomenų kiekiais ir pažangesnius prognozavimo įrankius.
Stambesnės organizacijos dažnai renkasi korporatyvines platformas kaip SAP Analytics Cloud ar Oracle Analytics. Jos integruojasi su kitomis įmonės sistemomis ir siūlo išplėstines saugumo bei valdymo funkcijas.
Bet technologija – tai tik įrankis. Svarbiau yra tai, kaip jį naudojate. Viena mažmeninės prekybos įmonė įsigijo brangiausią analizės platformą rinkoje. Po metų ji tebenaudojo tik 10 procentų jos galimybių, nes niekas neskiria laiko mokytis ir eksperimentuoti. Kita įmonė su paprasčiausiu Power BI pasiekė nuostabių rezultatų, nes skyrė laiko darbuotojų mokymui ir nuolat tobulino savo valdymo skydelius.
Prognozavimo modelių kūrimas praktikoje
Prognozavimas – čia prasideda tikroji stebėsenos sistemos vertė. Vietoj to, kad tik žiūrėtume į dabartį, galime numatyti ateitį ir pasiruošti jai.
Pradėti galite nuo paprastų prognozavimo metodų. Laiko eilučių analizė leidžia numatyti būsimus pardavimus remiantis istoriniais duomenimis ir sezonišku modeliu. Jei parduodate šaldytuvus, žinote, kad vasarą pardavimai išauga. Bet kiek tiksliai? Prognozavimo modelis gali tai pasakyti su 80-90 procentų tikslumu.
Pažangesni metodai naudoja mašininio mokymosi algoritmus. Jie gali analizuoti šimtus kintamųjų ir rasti neakivaizdžius ryšius. Pavyzdžiui, viena draudimo bendrovė atrado, kad klientų atsisakymo tikimybė didėja ne tik dėl kainų, bet ir dėl to, kaip greitai atsakoma į jų el. laiškus ir net dėl to, kokiu paros metu jie kreipiasi.
Nebijokite pradėti nuo paprastų modelių. Vienas restoranų tinklas pradėjo nuo paprasto klausimo: ar galime prognozuoti lankytojų srautą kitai savaitei? Jie surinko duomenis apie istorinius lankytojų skaičius, oro prognozes, vietinius renginius ir net mokyklų atostogas. Paprastas regresijos modelis davė 75 procentų tikslumą – pakankamai gerą, kad optimizuotų personalo grafiką ir sumažintų maisto švaistymo.
Svarbu nuolat tikrinti ir tobulinti prognozes. Palyginkite, ką prognozavote, su tuo, kas iš tikrųjų įvyko. Kur modelis klydo? Kodėl? Galbūt reikia papildomų duomenų ar kitokio algoritmo. Prognozavimas – tai ne vienkartinis projektas, o nuolatinis tobulinimo procesas.
Kaip įtraukti komandą ir užtikrinti sistemos naudojimą
Galite turėti tobulą stebėsenos sistemą, bet jei niekas ja nenaudojasi – ji bevertė. Didžiausia klaida, kurią matau organizacijose – IT skyrius sukuria sistemą ir „numeta” ją darbuotojams be jokio įtraukimo ar mokymo.
Pradėkite nuo to, kad įtrauktumėte būsimus naudotojus į sistemos kūrimo procesą. Paklauskite jų: kokios informacijos jums reikia kasdieniam darbui? Kokiu formatu norėtumėte ją matyti? Kaip dažnai? Kai žmonės jaučia, kad sistema kuriama jiems, o ne jų kontrolei, priėmimas būna daug geresnis.
Viena gamybos įmonė padarė protingą dalyką – sukūrė „šampionų” programą. Kiekvienoje komandoje išrinko po vieną žmogų, kuris tapo sistemos ekspertu. Šie žmonės gavo papildomą mokymą ir tapo pagalbos tašku savo kolegoms. Tai veikė daug geriau nei bandymas apmokyti visus iš karto.
Svarbu parodyti greitą vertę. Nesistenkite iš karto įdiegti viską. Pradėkite nuo vienos problemos, kuri kamuoja komandą, ir parodykite, kaip sistema gali ją išspręsti. Kai žmonės pamato konkrečią naudą, jie patys pradeda ieškoti kitų būdų, kaip naudoti sistemą.
Dar vienas svarbus aspektas – mobilumas. Šiandien vadovai ir darbuotojai nėra pririšti prie darbo stalų. Sistema turi veikti ir mobiliuose įrenginiuose. Vienas pardavimų direktorius man sakė, kad pradėjo tikrai naudoti jų stebėsenos sistemą tik tada, kai galėjo patikrinti pagrindinius rodiklius telefone pakeliui į susitikimą.
Kada sistema pradeda atsipirkti ir kaip matuoti jos vertę
Vadovai dažnai klausia: kiek tai kainuos ir kada pamatysime rezultatų? Atsakymas priklauso nuo daugelio veiksnių, bet galiu pasidalinti realiais pavyzdžiais.
Viena logistikos įmonė investavo 50 000 eurų į realaus laiko stebėsenos sistemą. Per pirmus šešis mėnesius jie sumažino degalų sąnaudas 12 procentų, optimizuodami maršrutus pagal realaus laiko duomenis. Tai sutaupė 180 000 eurų per metus. Sistema atsipirko per tris mėnesius.
Kitas pavyzdys – gamybos įmonė, kuri įdiegė realaus laiko įrangos stebėjimą. Investicija – 30 000 eurų. Rezultatas – 25 procentų mažiau neplanuotų prastovų, kas reiškė 400 000 eurų papildomų pajamų per metus. Atsipirkimas – du mėnesiai.
Bet ne visada nauda yra tokia akivaizdi ir išmatuojama pinigais. Viena mažmeninės prekybos įmonė negalėjo tiksliai apskaičiuoti, kiek sutaupė dėl geresnio atsargų valdymo, bet jų vadybininkai sakė, kad dabar priima sprendimus per minutes, o ne dienas. Tai leidžia greičiau reaguoti į rinkos pokyčius ir lenkti konkurentus.
Matuodami sistemos vertę, žiūrėkite ne tik į tiesiogines sąnaudas ir sutaupymus. Apsvarstykite ir kitus aspektus: greičiau priimami sprendimai, mažiau klaidų, didesnis darbuotojų pasitenkinimas (nes mažiau laiko eikvojama rankiniams duomenų rinkimui), geresnis klientų aptarnavimas.
Kelias į duomenimis grįstą organizaciją
Efektyvi stebėsenos sistema su realaus laiko analize ir prognozėmis nėra tikslas savaime. Ji yra priemonė tapti organizacija, kuri priima geresnius, greitesnius ir labiau pagrįstus sprendimus.
Kelias prasideda nuo kultūros pasikeitimo. Vadovai turi pradėti klausti „ką rodo duomenys?” vietoj „ką aš manau?”. Susitikimuose sprendimai turėtų būti grindžiami faktais, ne nuojauta. Tai nereiškia, kad patirtis ir intuicija tampa beverčiai – jie papildo duomenis, bet nebepakeičia jų.
Pradėkite mažai, bet pradėkite dabar. Pasirinkite vieną verslo sritį, kur duomenų trūkumas labiausiai juntamas. Integruokite pagrindinius duomenų šaltinius. Sukurkite paprastą valdymo skydelį su 5-7 svarbiausiais rodikliais. Išbandykite vieną prognozavimo modelį. Kai tai veiks, plėskite toliau.
Investuokite į žmones, ne tik į technologijas. Mokykite savo komandą dirbti su duomenimis. Ne visi turi tapti duomenų analitikais, bet kiekvienas turėtų suprasti pagrindinius principus ir mokėti interpretuoti rezultatus.
Ir svarbiausia – būkite kantrūs. Tikra vertė atsiranda ne per pirmas savaites ar mėnesius. Ji ateina, kai sistema tampa kasdienio darbo dalimi, kai sprendimai natūraliai pradedami grįsti duomenimis, kai organizacija mokosi iš praeities ir gali numatyti ateitį. Tai kelionė, ne vienkartinis projektas, bet kiekvienas žingsnis šiame kelyje jus artina prie organizacijos, kuri ne tik reaguoja į pokyčius, bet juos formuoja.
