Инструментарий

Умное импортозамещение

0

Всем привет, сегодня мы поговорим об импортозамещении, тренд, который все больше нарастает и от него никуда не деться.

Согласно Приложению к Приказу Минкомсвязи РФ №96 от 01.04.2015 “Об утверждении плана импортозамещения программного обеспечения” максимальная доля импорта к 2025 году по бизнес-приложениям, куда входят в том числе и BI системы, максимальная доля импортного ПО должна составлять не более 25%, а доля импорта ПО для финансового сектора не превышать 50%.

Цели правительство конечно поставило, но вот как их реализовать, особенно не рассказало.

Конечно, сейчас есть и АРПП (Ассоциация разработчиков программных продуктов) и ЦКИТ (Центр компетенции по импортозамещению), которые проводят достаточно большую работу по формированию политики, однако в организациях вопросов больше, чем ответов. Все компании с государственным участием формируют свою политику, потому что «надо», а не потому что хочется подойти к этому как к возможности оптимизировать бизнес-процессы в IT.

Но на мой взгляд, такой подход не принесет компаниям ничего хорошего, кроме бесконечной головной боли, так как такие новообразования (рабочие группы или новые обязанности) в компаниях формируются достаточно стихийно, и по большому счету они сделаны для того, чтобы показать деятельность и отчитаться, что вот все создано, работа идет, формируем планы. Время идет, а четкой политики в компании как не было так и нет, что с этим делать, как переводить все это безобразие на отечественный софт или на open source, что еще хуже, не очень-то и понятно. А прежде всего, а где взять деньги на этот банкет.

Мы со своей стороны готовы предложить методику, которая позволяет компании оценить окупаемость перевода на отечественный софт как проект с финансовой отдачей и тем самым обосновав и получив дополнительное value от такого перехода.

Если говорить про системы класса BI и Advanced Analytics, то такой подход можно описать следующим образом.

Подходы к миграции

  1. Приоритезация бизнес областей (критичные для бизнеса, редко используемые, неиспользуемые)
  2. Дублирование отчетности на новой платформе (критичные и редко используемые отчеты)
  3. Повторение workflow по моделирование (для Advanced Analytics)
  4. Выявление проблем неиспользуемых бизнес-областей и подготовка roadmap по реанимации (если возможно)
  5. Демонстрация отчетов бизнес-заказчикам
  6. Тестирование отчетов бизнес-заказчиками и анкетирование по удовлетворенности
  7. Разработка плана перехода и отказа от предыдущего инструментария (в случае успешного окончания этапа 6)
  8. Для оптимизации стоимости владения на этапе миграции, можно договориться с вендором об отсрочке платежей по новым лицензиям до миграции отчетов на новую систему. Внедрение не должно приводить или должно приводить к минимальному временному повышению стоимости владения (дублирование платежей).

Подход к финансовой оценке миграции

Показатели:

  1. Стоимость владения данными (TCD) – финансовая оценка на сопровождение хранилища данных
  2. Затраты на центры компетенций (FOT) – фонд оплаты труда на сопровождение платформ бизнес-аналитики
  3. Стоимость технической поддержки (TSC) – затраты на техническую поддержку платформ вендорами и интеграторами (лицензия + работы по сопровождению)
  4. Стоимость внедрения новой системы (NEWIMPLCOST)-лицензии + консалтинг
  5. Стоимость лицензий для решение перспективных задач (PLC)
  6. Стоимость консалтинга по решению перспективных задач (PCC)
  7. Текущий финансовый результат от использования данных (DataValue)
  8. Перспективный финансовый результат (PDV) от решения новых задач

Метрики эффективности:

  1. Удельная ценность данных = Финансовый результат/Стоимость владения.
  2. Оценка срока окупаемости = NEWIMPLCOST/(( DataValuenew+PDVnew-TCDnew-FOTnew-TSCnew-PLCnew-PCCnew) — (DataValueold+PDVold-TCDold-FOTold-TSCold-PLCold-PCCold)).
  3. ROI (возврат инвестиций) = ((DataValuenew+PDVnew-TCDnew-FOTnew-TSCnew-PLCnew-PCCnew— NEWIMPLCOST)/ (DataValueold+PDVold-TCDold-FOTold-TSCold-PLCold-PCCold)-1)*100%.

Инвестиция считается удачной, если ROI > 100% за рассматриваемый интервал планирования (например 5 лет, т.е. за этот период инвестиция должна удвоиться)

  • Внедрение считается успешным, если удовлетворенность бизнес-заказчиков выросла по отношению к текущему инструментарию, для чего перед началом миграции работ должно быть проведено анкетирование бизнес-пользователей.
  • Полнота решения задач на новой системе должна быть не ниже текущих систем.

Это небольшое описание умного подхода по импортозамещению. Поэтому, если у вас стоит задача по импортозамещению, а вы это больше рассматриваете как дополнительную нагрузку, а не как возможность, обращайтесь к нам, мы вам поможем по новому взглянуть на ситуацию, проведем аудит, интервью бизнес заказчиков и определим перспективные возможности по оптимизации стоимости владения и получения дополнительного эффекта для вашего бизнеса, основанного на данных!

Скоринг резюме (HR-аналитика)

0

Сегодня хочу рассказать интересный кейс, который мы делали для одного из HR-подразделения. Он релевантен для любой компании с большой кадровой ротацией (это ритейл, это кол-центры и др. массовые вакансии).

Такие компании достаточно динамичны и очень часто перед ними встает вопрос, как набрать достаточно большой штат за короткий промежуток времени. В целом многие компании уже научились это делать, устраивают массовые интервью, однако нет возможности понять, а на сколько долго сотрудники проработают в штате и на сколько они будут эффективны, ведь не всегда успешное прохождение интервью, гарантирует что сотрудник будет также эффективен в компании. Можно конечно нанять большой штат HR, но это не гарантирует, что они не будут субъективны в своих оценках.

Мы подошли к этой задаче более интеллектуально и решали ее с помощью машинного обучения и автоматического приглашение на интервью с помощью робота.

Нам предстояло решить несколько задач:

  1. Выбрать релевантных кандидатов из большого пула резюме.
  2. Отобрать тех из них которые будут с большой вероятностью успешны
  3. Предсказать срок жизни кандидата в компании
  4. Посчитать срок окупаемости кандидата
  5. Приглашать лучших

Прежде всего мы собрали достаточно большую базу резюме, но нужно было не только собрать но и на основе существующих знаний обогатить эту базу резюме дополнительными метриками, попросту мы занимались Feature Engineering-ом (Генерацией дополнительных переменных), например, из непрерывной переменной о возрасте мы делали дискретную переменную с диапазоном возрастов, из образования, сделали несколько бинарных переменных, например, это юридическое образование или другое, и т.д. В нашей витрине по каждому кандидату стало порядка 60 переменных.

Дальше мы выбрали существующих и ушедших сотрудников (благо ротация достаточно большая) и у нас было много наблюдений как одних, так и других, а также добавили знания об из успешности в компании (конкретные финансовые метрики каждого сотрудника), а также сроки жизни в компании. Ну а дальше дело техники, нам нужно предсказать на основе данных резюме — успешность кандидата и срок его жизни в компании, что уже является задачей машинного обучения.

Посчитать срок окупаемости нам также помогала информация о прогнозном сроке жизни компании, а также о затратах на обучение и адаптацию сотрудников, что уже является обычной детерминированной задачей.

Для автоматического приглашения на собеседование использовался IVR с программируемым скриптом диалога. Таких решений достаточно много, конечно многие слышали о роботе Вера, но на самом деле такие IVR появились задолго до ее появления.

Многие кандидаты даже не догадывались что говорят с роботом и пытались пригласить его на свидание))

Если вам интересно решение такой задачи и собственных ресурсов не хватает, то обращайтесь, поможем.

Эффективных вам решений для бизнеса!

Оптимизация работы с поставщиками

0

Продолжаем темы Data Driven Optimization. Поговорим про оптимизацию затрат и управление поставщиками.
Любая закупка генерирует затраты организации и чем лучше компания управляет этим процессом, тем более она эффективна. А я могу вам сказать, что на рынке эта область очень незрелая и с точки зрения обеспечения аналитики сильно отстает от коммерческой функции и это значительная точка роста для вашего бизнеса.

Аналитических кейсов в этой теме с финансовым эффектом очень много, причем как в коммерческих организациях, так и государственных заказчиках.

Давайте рассмотрим несколько кейсов на каждом из этапов:
1. Формирование и оптимизация бюджета закупки – задача определения оптимального объема закупки на основе расходования материалов, на выходе сбалансированный бюджет закупок на N месяцев вперед.
2. Оценка волатильности цены и подбор оптимального сезона для закупки, некоторые товары имеют сезонный спрос. Определение сезонов с наименьшей ценой позволяет здорово оптимизировать затраты.
3. Проверка поставщиков – на аффилированность (явная, неявная — сговор), на надежность (возможности выполнить условия конкурса/потенциальное банкротство, отсутствие претензий со стороны третьих лиц, одновременное участие в большом объеме закупок).
4. Подбор поставщиков также ваша задача, важно сформировать пул надежных поставщиков по каждой номенклатуре закупаемой продукции. И никакого нарушения, если вы просто помимо открытого конкурса, отправляете уведомления еще и по своему списку, гарантируя себе, что закупка точно состоится и вы не потеряете время впустую.
5. Выявление подозрительных конкурсов – нужно проводить регулярный мониторинг подозрительных конкурсов через интегральную оценку по надежности поставщика, цене, длительности, снижении цены от первоначальной, отклоненным заявкам, подозрению на сговор и пр. Тогда настроенные контроли, позволят вам на ранних этапах выявить риски.
6. Контроль над уровнем цен – тут важно по каждой номенклатуре проводить регулярный анализ цен поставщиков на основе открытой информации на сайте, каталогах, или запрашивать предложения с определенной частотой. В этом случае вы будете точно понимать рынок и возможную цену. И тут детальные номенклатуры очень важны, потому как изменение на 1 букву в индексе может привести к увеличению цен в три раза, и вам отгрузят товар с бантиком, который вам не нужен, но задорого.
7. Контроль над объемом закупаемой продукции – вы не допускать затоваривание склада, информируя если объем закупаемых товаров слишком большой (в погоне за минимальной ценой покупается слишком большая партия товаров), либо наоборот объем закупаемой продукции слишком низок (что приводит к дорогой закупке).
8. Контроль над видами закупаемой продукции – ведите реестр товаров заменителей/наличия их на складах/ближайших складах, это позволяет оптимизировать бюджет закупок. Если покупаете технологические товары и услуги, важно отслеживать тренды, все быстро меняется, появляются новые более дешевые технологии, иногда малоизвестные вендоры поставляют более качественные продукты.
9. Объединение закупок между филиалами либо шэринг закупки на паях – самый изящный способ сэкономить, это купить партию, договорившись с кем-то кому нужна такая же продукция.

Далее когда вы купили, потратили деньги, это не значит что уже нужно расслабиться, начинается самое интересное это управление затратами:
1. Вы можете оптимизировать затраты на хранение
2. Можете пересматривать цену если арендуете какой-то ресурс/помещение/пользуетесь услугами. Рынок не стоит на месте и важно проводить работу по мониторингу рынка регулярно, это вам может дать достаточно большую экономию.

Давайте приведу несколько примеров, когда сложно выявить превышение затрат, но можно. Анализируя расходные договора на аренду и покупку ресурсов, я выявлял такие кейсы:
1. Закуплены коммутаторы с количеством портов много больше рынка конкретного региона, это иногда может быть дом, иногда подъезд, а иногда и целый населенный пункт.
2. Закуплены каналы на 50% превышающий нужный объем со скидкой 20% за единицу. То есть вроде бы дешевле на 1 Мбит, но все равно потратили лишних денег, иногда и просто скидку получили, остались в тех же деньгах, хотя могли бы сэкономить. Эксплуатация очень часто перестраховывается и не отслеживает рынок, рынок может быть падающим, а технари планируют развитие.
3. Критичный анализ утилизации ресурсов — вообще проанализируйте чем забиты ваши каналы, я находил и убыточный трафик и технологический трафик, который можно было пускать по дешевому маршруту, но так исторически сложилось.
4. Посмотрите критично на резервирование — я иногда находил такие маршруты, которые по 3 раза зарезервированы было по разным маршрутам.
5. Просто старые договора на аренду, по которым цены снизились на рынке в 3 раза, вроде сумма небольшая поэтому никто не обращает внимание.
6. Использование самого дорогого маршрута для пропуска — вроде бы и канал забит, но переключение трафика на дешевый маршрут и отказ от дорогого приносит дополнительную экономию.
И на самом деле много что еще.

А вы когда-нибудь анализировали прейскуранты Западных IT вендоров — у некоторых они составлены так, чтобы вы никогда в этом не разобрались, а у некоторых содержат более 1000 страниц. А мы в этом очень хорошо разбираемся и знаем как не переплачивать за то, что вам не нужно.

Поверьте если вы проведете эту работу, а по хорошему ее еще и автоматизировать можно, вы получите очень качественный прирост маржинальности и окупите систему к моменту запуска ее в эксплуатацию.

Если вам интересна эта тематика — тогда вам в ЛК или в аутстафинг http://fsecrets.ru/service/

Хотите оставаться в теме самых интересных кейсов применения больших данных, подписывайтесь на telegram-канал https://t.me/fsecrets

Оптимизация обслуживания (QoS)

0

Продолжаем тему оптимизации. Давайте немного поговорим про железо, CEM (клиентский опыт) и QoS (качество сервиса), SLA (соглашение об уровне сервиса), или Fault Management (в общем управление техническими проблемами), ну и много других. В общем сегодня я бы хотел коснуться темы выхода из строя оборудования с одной стороны, либо как экономить на плановых проверках оборудования и какие кейсы оптимизации могут возникать вокруг этих вопросов.
Первый кейс — это прогнозирование выхода из строя оборудования, иногда прогнозируют еще срок дожития оборудования, чтобы встраивать мероприятия по проактивной закупке, доставке оборудования или внеплановом обслуживании. Если есть показатели датчиков и есть корреляция между показателями и выходом из строя оборудования, то конечно такие задачи решаются классическими методами Data Mining (используются 3 класса алгоритмов — классификация для прогнозирования наступления событий, последовательность для выделения паттерна поведения, прогнозирование — для уточнения периода наступления событий), либо если паттерн более четкий с понятной сезонностью (что скорее будет поводом понять почему событие периодически повторяется с заданным интервалом) — то можно обойтись и методами прогнозирования временных рядов. Когда оборудование стоит дешево, задача простая, когда оборудование стоит очень дорого, то задача более комплексная, так как метрики эффективности немного другие, например, как минимизировать простой или когда необходимо инициировать закупку и поставку оборудования или обеспечить резервное оборудование для горячей замены. Иногда сложность задачи заключается в отсутствии какой-либо информации, но не стоит опускать руки, можно начать с простых данных, обогащая их данными планового осмотра оборудования, главное это делать систематически. Также в ход должны обязательно идти все показатели, которые использовались, при детальном разборе инцидентов, если таковые случались. Также предельные уровни заданы в технической документации к оборудованию, их также можно использовать за основу. Иногда необходимо само преобразование показателей с оборудования с помощью специальных устройств.
2. Как экономить на плановых проверках или замене устаревшей инфраструктуры. Сразу хочу сказать, это не панацея от всех бед, но в условиях дефицита бюджета такой подход имеет право на жизнь. Каждый производитель конечно заявляет регламентный срок жизни и рекомендует проводить какие-то профилактические осмотры оборудования, иногда оказывает техническую поддержку. Указывается как правило некий предельный уровень утилизации оборудования и срок жизни. Если вы понимаете, что утилизируете оборудования намного меньше указанных уровней, то конечно вы можете продлить срок жизни оборудования. Можно это сделать, закрыв глаза и махнув рукой, авось итак сойдет, а можно подойти к этому по умному, настроив мониторинг показателей и задав определенные уровни контроля и нотификаций для оперативного реагирования на возможные инциденты. Такой подход позволит увеличить срок жизни, провести проверку только когда есть к этому предпосылки, а когда оборудование работает в штатном режиме — увеличить временной интервал плановых проверок, что позволит экономить деньги на этих работах. При этом конечно можно и просто машине отдать право принимать решения, получив сразу значимую экономию, однако я за поэтапный переход, потому как многие из событий могут быть выловлены на тех данных, что вы не собираете или только при визуальном осмотре. В зависимости от сложности оборудования конечно можно и визуальный осмотр заместить камерой + алгоритмом, уже доказано, что многие подходы к решению задач машинного зрения намного лучше человека выделяют значимые изменения между двумя картинками, и тут нам тоже есть что предложить.
В общем, есть чем поделиться в части реализации подобных кейсов. Кому интересно, добро пожаловать в ЛС.

Удачи и будьте более эффективны!

Управление клиентской базой (Customer Base Management)

0

Продолжаем тему постов по оптимизации. Затронем вопрос управления клиентской базой (CBM — Customer Base Management, некоторые называют еще CVM — Customer Value Management), он достаточно комплексный, и не укладывается в один пост либо этот пост будет очень большой.
Мне нравится приложенная к посту картинка, она в принципе достаточно наглядно описывает все активности на протяжении всего срока жизни клиентов, не описывает она пожалуй только монетизацию оттока, но это пока не сильно прижившийся механизм, но он есть и имеет право на жизнь.
В рамках этой работы возникает широкий класс задач, которые необходимо решать, у нас накоплена достаточно большая экспертиза по решению этих задач. Перечислю некоторые из возникающий задач из каждого блока.
1. Распределение бюджетов по каналам продаж и коммуникации.
Внутри каждого канала продаж может возникать такая же активность по оптимизации в зависимости от форматов, географии, площадок и множества других параметров. Математика с одной стороны простая, это классическая задача линейного программирования, однако требует большой организационной работы, чтобы построить грамотную сквозную воронку продаж и «подружить» данные как внутренних CRM систем с данными внешних систем (а иногда и «дружить» не с чем, как в наружке, радио и телеке, где информация об аудитории скажем так сомнительна), а также построить целевую функцию и задать правильные ограничения. Тут возникают 3 типа задач — 1. как минимизировать бюджет на привлечение для достижения заданных показателей по прибыли 2. максимизировать прибыль при заданном бюджете на привлечение. Иногда задача решается в комплексе, 3. Какой бюджет на привлечение нужен чтобы добиться максимальной прибыли, при заданных параметрах маржинальности.
По своему опыту могу сказать, что после детального анализа данных, если вы до сих пор это не анализируете вы получаете прирост по эффективности от 15%. Меньше я не получал, возможно где-то есть best practics, рад буду если кто-то меня удивит.
2 Распределение между активностями (оферами), потому как в каждом канале могут действовать свои активности (массовые, таргетированные, региональные) — также требует выстраивание сквозных прозрачных процессов, в противном случае одна активность может нивелировать эффект от другой. Тут нужна и грамотная коммуникационная политика и сквозной процесс оценки эффективности. Кроме этого, грамотный подход к тестированию активностей, чтобы не давать максимальные скидки, а делать оптимальное предложение каждой целевой группе.
3. В задачах допродаж/кросс-продаж возникает также широкий класс задач и организационных работ.
Под каждый целевой сегмент должен быть подобран правильный продукт, правильная коммуникация, правильное предложение, лучший канал коммуникации. Это сложная оптимизационная задача. Можно внедрять элементы, например, прогнозировать отклик на кампанию и делать сортировку списков клиента на кол-центре или делать адаптивный дизайн email-а в зависимости от сегмента и результата split-тестирования. Конечно, даже в этом виде такой подход даст значительный импульс, но если вы не будете работать над упрощением цикла продажи для абонента и не будете учитывать риски коммуникации, вы можете получить обратный эффект. Например, вы делаете предложение по upsell абонентам, чей тарифный план выше минимального тарифа в текущей линейке при большем объеме услуг или вы предлагаете товар, который уступает по характеристикам текущему предложению или заменителю при меньшей цене, будьте готовы к тому, что если вы не отправили сразу доставщика товара или не сменили тарифный план, а отправили его делать заявку на сайт или в личный кабинет, где он видит все доступные оферы, 50% и более будут подходить к выбору очень рационально и эффект от такой коммуникации будет сильно размыт, а иногда и прямо противоположен, абонент может выбрать самое дешевое предложение а то и вовсе передумать (разница в % конвертации между импульсивным решением и я подумаю иногда разнится в 10 раз). А уж тем более, если вы делегируете часть работ внешним агентам, будьте готовы к тому что вы заплатите деньги за работу все равно, только ваши цели не будут достигнуты, в некоторых случаях вы получаете чистый убыток и unit экономика никогда не сойдется.
4. При работе с оттоком также возникает широкий класс задач, от прогнозирование клиентов, которые возможно уйдут, до решения по выбору лучшего офера, его имплементации, подбора лучшего канала и оценки эффективности этих мероприятий. И я вам так скажу, что здесь грамотная организация процесса намного важнее, чем выбранный алгоритм прогнозирования клиентов, склонных к оттоку. Несомненно это важно, но куда важнее, выделяя предикторы оттока, фокусироваться на том, чтобы их устранять, в противном случае вы тушите огонь бензином — либо будете терять выручку окучивая все больше абонентов новыми оферами, а иногда не одним, а двумя и более, потому что прокисшее молоко не станет свежим молоком. И абонент может конечно поверить один раз, но отток резко возрастает, если причина повторяется и возрастает не меньше чем в 5 раз, а то и на порядок.
Получилось конечно очень по верхам и без конкретики, кто узнал себя, вы не одиноки, но я вам точно могу сказать, что это работает и дает значимый и видимый доказанный неоднократно прирост эффективности.
Пользуйтесь на благо компаний, а кого интересует комплексное решение, то welcome в ЛС, поможем и с методиками и с организацией и автоматизацией бизнес-процесса. А для тех, кто чувствует, что что-то делается но не все, что процесс существует, но не прозрачен и думается, что может быть хоть как-то улучшен, мы можем провести аудит и показать extra value от оптимизации процессов и сформировать RoadMap по изменению процессов, методик и подходов. Иногда процесс очень сильно рвется из-за того, что нет сквозного подхода, сквозной системы мотивации и получается, что вроде бы есть, только результата нет. Мы также поможем выявить эти разрывы и сделать точечные настройки процесса.

Удачи Вам, будьте более эффективны!

Вверх
Яндекс.Метрика