Современный бизнес стремительно меняется. На первый план всё чаще выходят технологии и личностные компетенции сотрудников. Руководители, начальники отделов и просто специалисты ежедневно используют в своей работе десятки цифровых систем, а потому ключевым умением для них становится способность замечать закономерности, тренды и отклонения показателей – всё это относится к бизнес-аналитике. О том, какие навыки нужны специалистам по анализу данных и как развить такие компетенции, рассказывает Андрей Бушуев, основатель и CEO компании A17.

Основной задачей бизнес-аналитики является максимально эффективное проектирование процессов в бизнесе, а также поддержка управленческих решений на основе достоверной информации. Результатом работы являются метрики, показатели и их интерпретация, отвечающая на вопросы: в каком состоянии находится бизнес сейчас, каким он был в прошлом и каким может быть в будущем. Ответы на эти вопросы помогают руководителю принимать решения и сократить (алгоритмизировать) его аналитическую работу.

Использование бизнес-анализа может распространяться на всю без исключения деятельность и управление компанией: продажи, маркетинг, производство, финансы, логистику, HR, информационную безопасность и т.д. Область применения инструментов анализа напрямую зависит от задач управления, зрелости компании и используемых бизнес-процессов.

Процессное мышление

Мыслить как бизнес-аналитик – означает мыслить процессами, ведь бизнес по своей сути – это набор разнообразных процессов. Например, перед руководителем отдела продаж стоит задача – построить максимально эффективный процесс обработки клиентских заявок. Итогом процесса является сделка.

В компетенцию бизнес-аналитика при этом входит разбиение этой задачи на этапы и оценка того, какие ресурсы потребуются для их максимально эффективного выполнения. При этом задачу бизнес-аналитика может выполнить либо сам руководитель отдела продаж, либо сторонний человек внутри компании или извне. После того как процесс отлажен, начинается этап поиска улучшений, анализируются качественные изменения.

В современных компаниях управление и принятие решений базируется на процессном подходе. Благо, что для этих целей разработаны десятки стандартов семейств IDEF, UML, BPMN и другие. Все эти инструменты автоматизации процессов – база для системного аналитика. Причём большая часть этих онлайн-систем ориентирована на мониторинг и сопровождение постоянно повторяющихся корпоративных процессов.

Ярким примером такой системы является CRM, которая есть на каждом предприятии. Она используется на ежедневной основе для работы с данными клиентов и сделками. Помимо этого, к компаниях есть система управления складом (WMS), которая, предназначена для автоматизации управления процессами склада и работы складского комплекса, если он разнесён территориально. Если мы говорим о крупных предприятиях, то в них используются BPMS-системы для настройки отдельных бизнес-процессов, управления компанией в целом и её эффективностью, включая функции моделирования, исполнения, контроля и поиска способов оптимизации процессов. Финансовые отчёты о прибыли и убытках также входят в перечень инструментов процессной модели.

Процессный подход применим практически к любой деятельности в компании, а значит, освоивший её бизнес-аналитик будет востребован на любой позиции: от продаж до поддержки в контактном центре.

Нужно понимать, что специалисту придётся иметь дело с цифровой моделью процесса, которая представляет собой не только диаграмму последовательности шагов, нарисованную на доске. Это также и данные о том, как этот процесс функционирует, а также временные, количественные характеристики. По этой причине бизнес-аналитику стоит изучить все аспекты процессного подхода. Сделать это можно благодаря Стандарту ИСО 9001. Но поскольку он написан достаточно сложным официальным языком, для лучшего усвоения могут потребоваться развёрнутые комментарии практикующих экспертов. Как вариант, можно пройти отдельный обучающий курс.

Методика анализа

Главная ценность бизнес-аналитика заключается не столько в его способности описывать идеальные корпоративные процессы в правильной нотации, сколько в умении улучшать уже действующие процессы. Работа по последовательному и постоянному улучшению – сама по себе тоже очень важный процесс.

По этой причине аналитик должен уметь грамотно описывать текущее состояние процесса, его числовых параметров, метрик, значений. Гигантскую помощь в этом оказывают разнообразные автоматизированные инструменты, процессы сбора и интеграции данных (ETL).

Аналитик должен обладать навыками подготовки данных и моделирования. Он должен ответить на вопрос, какие именно показатели (параметры) стоит рассматривать. Например, это может быть количество обработанных заявок за сутки или загруженность розничных точек за каждый час рабочего времени и т.д.

Специалист по бизнес-аналитике должен обладать навыками визуального анализа. В этом случае ему придётся изучать разнообразные таблицы, графики и диаграммы. В последнее время всё большую популярность приобретают и программные виды анализа, когда для работы привлекаются дата-сайентисты и разработчики ПО под конкретную аналитическую задачу. Например, с ответом на вопрос: «В каком городе следует открыть или закрыть филиал?» или «На каком этапе рассмотрения заявок от клиентов происходит теряется конверсия?» и т.д.

В задачи аналитика также входит генерация изменений (предположений, гипотез) в существующем процессе, которые могут улучшить процесс. Например, сократить время доставки грузов с учётом ремонта и загруженности дорог или увеличить количество обрабатываемых менеджером заявок, благодаря выбору адреса контрагента из справочника КЛАДР вместо ручного набора.

После внедрения изменений необходимо убедиться в положительном результате нововведений. Нужно продолжать контролировать целевые показатели. Для этого разрабатываются контрольные отчёты. Возникает потребность в управлении этими отчётами и контроле данных.

Поскольку начинающие бизнес-аналитики привлекаются лишь на отдельные части задач в рамках больших проектов, научиться методике только в теории вряд ли получится. Здесь нужна практика и видение того, как небольшое изменение влияет на общую картину бизнес-процессов. Кроме того, все компании уникальны и стандартизированных решений по улучшению процессов нет.

Моделирование данных

Моделирование данных – чуть более сложная штука в арсенале бизнес-аналитиков. Явно или нет, но маркетологам, финансовым специалистам достаточно часто приходится обращаться к этому инструменту. Яркий пример – бухгалтерский учет. По своей сути, это чёткая модель данных, которую руководитель, экономист или финансист осваивает по роду своей деятельности. На деле же моделей гораздо больше.

Де-факто стандартом для бизнес-аналитики является многомерный анализ и многомерная модель данных. Термины «разрез», «показатель», «измерение» – все они родом из него и являются частью экосистемы обработки и исследования данных OLAP (Online Analytical Processing).

Моделей данных существует великое множество и каждая из них подходит для определённого круга задач. Тем не менее, все из них можно поделить на дву большие группы – кластерный и регрессионный анализ. Первый помогает находить определённые закономерности, например, найти неочевидные группы покупателей в программе лояльности, которые, скорее всего, уйдут к конкурентам в течение года. Второй используется для прогнозирования будущих продаж.

Знакомиться с моделированием данных для молодых специалистов лучше всего с курса дискретной математики и теории множеств. Владение базовыми операциями на множествах и их соотношениями – минимально необходимая база для понимания любой сложной модели данных.

Визуализация

Какой бы правильной не была выборка данных, формулы расчёта, да и сама гипотеза – всё может перечеркнуть плохое представление данных для анализа. Потратив на изучение сводной таблицы кучу времени, лицо, принимающее решение, может не увидеть зависимости из-за несовершенного формата представления.

Из-за таких проблем некоторые графики, если они использованы неправильно, например, с логарифмической шкалой и автомасштабированием, и вовсе могут привести сотрудника к ложным выводам. Визуализации нужно учиться.

Нередки случаи, когда вы должны защитить результаты своего анализа перед руководителем, чтобы запустить процесс изменений в компании. А начальник не смог считать информацию за первые три секунды. Ему некогда вникать и разбираться, он рассматривает данные поверхностно. Работа оказывается малоэффективной.

В настоящее время существует большое количество разнообразных программ и курсов по визуализации, которые помогают устранять проблемы с восприятием.

Инструменты для работы с данными

Уверенное владение сервисами для визуализации и анализа данных – неотъемлемый навык для бизнес-аналитика. Молодым специалистам можно рекомендовать такой инструмент как Tableau. Его можно скачать на свой компьютер и бесплатно упражняться на протяжении тестового периода. Этот сервис обладает отличными настройками визуализации и очень мощным редактором модели данных, который берёт на себя значительную часть работы аналитика. Однако для по-настоящему эффективной работы в системе потребуется пройти полное обучение.

Наиболее распространенным инструментом для аналитики и визуализации данных во многих компаниях в настоящее время является Power BI от Microsoft. Этой системой удобней и дешевле пользоваться по подписке. Платформа работает как единый конструктор отчётов для различных отделов на предприятии. Кроме простоты, Power BI может похвастать полной интеграцией в экосиcтему Microsoft. По этой причине многие ИТ-специалисты в крупных компаниях предпочитают работать именно с инструментами от Microsoft, они видят понятный знакомый интерфейс, как если бы это был Windows или Excel. Чтобы воспользоваться Power BI по полной программе, придётся пройти обучение. Тем не менее, даже с нулевым опытом молодой специалист сможет строить базовые отчёты.

Если говорить о самых высокооплачиваемых аналитиках, то они работают с Qlik. Это наиболее продвинутый, гибкий инструмент, а потому достаточно сложный в настройке инструмент. Нужно быть готовым потратить не один десяток часов для освоения его функций. На практике настройку и сопровождение проектов на Qlik доверяют внешним консультантам.

В крупных российских компаниях сотрудники априори знакомы с наиболее востребованными платформами, включая продукты от Google, SAP и Oracle. Многие самостоятельно изучают их, даже если на корпоративном уровне системы пока не используются.

Кроме того, приветствуется знание SQL – языка выборки данных из хранилищ. На нём пишут короткие сценарии для извлечения данных и трансформаций – объединений, пересечений, средних и так далее. Знание SQL нельзя назвать обязательным для бизнес-аналитика сейчас, это скорее козырь в рукаве. С его помощью можно существенным образом ускорять решение поставленных задач. Но отрасль движется в сторону самообслуживания при анализе, происходит постепенный переход этого навыка в класс базовых.

Владение языками программирования для анализа данных (например, R, Python) и статистическими пакетами типа IBM SPSS скорее нетипично для бизнес-аналитика. Разработка программ и моделей под задачу – работа для дата-сайентистов и дата-инженеров. Как правило, на этом этапе к работе привлекается внешний подрядчик.

Развитие и практика

Аналитика данных постепенно превращается в ключевой навык современных специалистов вне зависимости от направления их деятельности (финансы, маркетинг, продажи, HR, управление). Конкурентные преимущества получают те бизнесы, которые регулярно вкладывают в образование своих сотрудников и развивают нужные компетенции.

Максимальную эффективность при этом показывает не обучение бизнес-аналитике с нуля, а интеграция профессионального опыта в новую область знаний. Именно в этом сплаве возникает суперсила аналитика, который не просто нажимает на кнопки и получает графики, а понимает происхождение и смысл важных для бизнеса показателей.