Планирование

Серия кейсов по аналитике — как из ничего получить что-то (кейс 1)

0

Добрый день, друзья, совсем я в последнее время потерялся, был немного занят, постараюсь писать немного чаще и надеюсь вас порадую в ближайшее время новым интересным материалом.

И хотел бы поделиться несколькими интересными бизнес-кейсами, которые удалось решить на последнем проекте, все они могут быть сведены к общей фразе: как из ничего получить что-то.

Итак — кейс 1:

Наверное поймут только телекомовцы, но постараюсь писать понятным для всех языков. Проведя небольшой аудит межоператорского взаимодействия передо мной открылась такая картина и вводные. Зоновый оператор присоединен на местном и зоновом уровне ко множеству операторов, цены на завершение вызова на своей и чужой сети в рамках встречных договоров одинаковые, то есть нельзя говорить о какой-то дискриминации. Но если сравнивать цены между операторов, то они конечно существенно отличались. Кроме этого, был достаточно большой объем транзитного трафика с тарифом ниже, чем стоимость тарифа на завершение на чужой сети, то есть попросту говоря убыточный трафик. Проведя беседу с руководителем межоператорского блока, установил, что есть ряд присоединений с минимальным гарантированным платежом и конечно ежемесячно проводится работа по снижения минимальных гарантий и больше нет возможности никакой оптимизации, вся работа проводится регулярно. И приходится таким образом заполнять стык, иначе если тариф увеличить, транзитер убежит. Когда я руководителю организации показал какой убыток идет на межоператорском взаимодействии, то конечно все очень удивились. Речь шла о 2 млн. руб. в мес. чистого убытка. Это мало того убыточный транзит, это и переплата за минимальные гарантии трафика, которые не выбирались и это нессиметричный пропуск трафика, когда на сеть оператора шел трафик по одной цене — минимальной, а завершался по более дорогой цене. Я уверил, что все можно исправить, однако можно потерять выручки почти на 1 млн, но при этом сократить 3 млн. расходов. Кроме этого был вариант, при котором транзитер все же останется, но я сразу сказал, что гарантий никаких нет. Собственники приняли-таки решение, что прибыль важнее и дали добро на проведение оптимизации. Что было сделано — я дал команду написать всем транзитерам письма о снижении минимальных гарантий до объемов собственного трафика, а весь трафик что сверх минимального гарантий идет по тарифам желательно ниже предоплаченного объема. Результат этой работы дал сразу результат в течение 2-х недель, мы получили снижение минимальных гарантий на 1 млн. руб. Ну конечно не сразу, а после серии встреч, письма послужили неким катализатором диалога. Несколько операторов отказались это сделать, никакие угрозы не помогли, тогда в результате долгих переговоров я пришел к выводу, что можно сделать размен, снять гарантии на местном уровне, но взять гарантии на зоновом уровне, благо трафика на зоновом было достаточно много, чтобы не заметить этих платежей. Таким нехитрым способом мы выровняли объем стыков до уровня собственного трафика. Оставался убыточный транзит. Но тут порядок был простой, поднять цену до уровня выше, чем мы платим оператору за пропуск трафика. Соответствующее уведомление мы также отправили. Первая реакция для транзитера был шок, конечно нигде на рынке таких цен не было, в итоге мы потеряли порядка 300 тыс. выручки, следом последовало увеличение на второй стык и ожидание что будет снят и второй объем. Но дальше все пошло по оптимистичному сценарию.  Транзитер вдруг не только вернул трафик, но и значительно нарастил транзит, в итоге мы помимо увеличения выручки, получили чистую экономию более 2 млн. руб. в мес. При размене трафика местный на зоновый, удалось еще небольшую экономию сделать, за счет более выгодного распределения завершения по стыкам между операторам.

Как решаются такие задачи, как правило необходимо понимать немного в математике, немного в физике и немного быть погруженным в связь. Трезво оценивать риски и не бояться потерять часть выручки. Для меня это был не новый опыт, однако скорее первый, где таким образом маржинальность операторского бизнеса за 2 месяца выросла почти на четверть. Сравнивая результаты по году я пришел к выводу, что по сути этим одним кейсом больше половины новой прибыли было получено.

Удачи вам, и следите за обновлениями в блоге, будет еще интереснее!

Если у вас после прочтения, появились вопросы, не стесняйтесь задавать, с удовольствием помогу.

 

Какая точность считается нормальной?

0

Каждый раз когда речь заходит о моделировании, мне очень часто приходится слышать вопрос — как вы считаете, какая точность является нормальной. И я всегда не могу на него ответить однозначно, назвав какую-то величину.  В моем блоге достаточно примеров, когда точность важна, когда я писал про моделирование потребления электроэнергии, когда каждый закупленный в пустую киловатт может пропасть, а не закупленный может не принести желанной прибыли, но мог быть реализован. В то же время бывают другие ситуации, когда точность прогноза не столь важна, особенно если для достижения точности приходится значительно усложнять модель, которая в конечном итоге плохо интерпретируется, а иногда и вовсе становится неустойчивой на более длительных отрезках времени.

Попробуем на примерах показать, что есть хорошо, а что есть плохо.

Пример 1

Модель на тестовой выборке показывает 60%. Я бы не советовал брать такую модель. Это очень низкий показатель, близкий по сути к угадыванию, которая на боевых данных может не дать хорошего результата, особенно, если сам прогнозируемый фактор имеет очень маленький вес.

Но бывают и другие ситуации, нужно с чего-то начать, и если сравнивать взять просто список клиентов и начать обзвон или применить модель а потом по полученному списку начать обзвон, то я бы советовал использовать модель, чем совсем бездумно начать звонить. Эффект может быть все же выше с моделью. Да, эффект будет незначительным, но это лучше, чем ничего.

Пример 2

Модель на тестовой выборке показывает 87%. Такая точность может дать неплохие результаты на реальных данных, но они могут быть далеки от идеала по следующим причинам: недостаточно данных для обучения. Модель была построена на маленькой выборке, не являющейся репрезентативной, что обязательно скажется на качестве прогноза. Но если задача начать, то это тоже неплохо.

Пример 3

Модель показывает результат 97%. Модель должна показывать неплохой результат, если конечно вы не заигрались с ее переобучиванием. Но в некоторых случаях и такой точности может быть недостаточно. Когда это может произойти. Если переменная, которую вы прогнозируете может зависеть от случайного фактора, вес которого может быть значительный. Например, вы прогнозируете отток абонентов и знаете, что в 50% случаях отток происходит по причине переезда. Да, модель может выделить тех абонентов, которые были похожи на тех, кто переезжал, но это не значит что спрогнозированный абонент переедет. Отсюда нужно всегда выделять факторы, которые случайны и по возможности работать с меньшей выборкой, потому как прогнозировать абонентов, которые переедут не ваша задача, ваша задача прогнозировать абонентов, которые уйдут в отток.

В этом случае достичь 97%, конечно никогда не удастся. Поэтому всегда важно определить что именно вы прогнозируете и от каких факторов зависит прогнозируемая величина.

Можно попробовать ответить универсально, если больше 95% то это хорошо, главное что вы прогнозируете ту величину, которую можно прогнозировать.

Также на точность может влиять сезонность, если у вас недостаточно данных, вы, например, использовали данные в пиковый сезон, а на фактический данных вам предстоит получить прогноз в сезон меньших продаж. В этом случае модель не будет устойчивой и величина в 97% вообще ничего не значит.

Удачи вам, будьте внимательны!

PSPP — бесплатная замена SPSS Statistics

1

Обнаружил интересный проект, по мнению авторов которого, они считают свое решение полноценной заменой SPSS Statistics, информацию можно найти по адресу https://www.gnu.org/software/pspp/. Там же можно найти и скачать дистрибутив и документацию.

Как пишут авторы есть всего несколько отличий: ваши лицензии никогда не закончатся, нет никаких ограничений по количеству строк и столбцов, система поддерживает больше миллиона значений и переменных, вся функциональность содержится в базовом пакете, не нужно искать никаких расширений, как это сделано в SPSS. Все эти ограничения конечно же положительные.

Небольшое добавление: если у вас windows придется немного повозится чтобы поставить cygwin.

Ну что же, нужно протестировать и составить свое впечатление. Мое убеждение о том, что инструмент сейчас обесценивается, только растет. В тренде именно отраслевые бизнес-решения.

Удачи вам и не спешите платить за инструмент, пусть даже вам его продает команда лучших маркетологов!

Как улучшить показатели бизнеса

0

Сегодня несколько мыслей вслух на тему улучшения показателей бизнеса. Любой бизнес — это нерациональная система, это механизм, который требует к себе постоянного внимания и улучшения.

Представим работающий бизнес со своими выстроенными бизнес процессами. И даже если вам кажется, что ваш бизнес работает как часы или вы, как менеджер, полностью удовлетворены текущим состоянием дел, это вовсе не означает, что ситуацию нельзя улучшить. Что самое обидное, то, что работает сейчас как часы, завтра может барахлить и не показывать идеальных результатов. Виной тому может быть изменившееся внешнее окружение.

На бизнес влияет множество факторов и, более того, эти факторы могут изменяться с течением времени, к ним добавляются другие факторы на каждом участке вашего бизнеса. Так, например, Вы можете выстроить идеальную дистрибуцию и отвлечь ресурсы с одного участка, как появляются проблемы с логистикой или нехваткой ликвидности.

Понятно, всегда есть решение для каждого конкретного случая и участка вашего бизнеса, даже если вам порой кажется, что решения нет, оно все равно есть.

Для того, чтобы постоянно держать руку на пульсе компании и выстраивают аналитику каждой функции, для того, чтобы выстраивать цепочку получения ценности, компании внедряют сложные метрики мониторинга бизнеса.

Конечно, при построении аналитической отчетности нужно не просто ее выстраивать, но и повышать уровень компетенции всех исполнителей и руководителей, проводить соответствующие обучения, чтобы все видели ценность в этой работе. В противном случае, если хотя бы один из блоков бизнеса начинает игнорировать принятую систему мониторинга, считайте, что это как нарыв, от этого блока будут исходить дальнейшие проблемы.

Поэтому, если подходить к мониторингу, то он должен покрывать как можно больше областей бизнеса, чтобы все блоки были увязаны на единую систему ценностей или KPI.

Например, есть KPI расход на персонал, при этом в другом блоке KPI это обеспечение выручки. Если их не привести к единой системе, то получится блоку персонала выгоднее сократить персонал, либо по крайней мере его не брать, а у второго блока не будет хватать ресурсов для выполнения плана продаж. Тоже может быть и в рамках одного блока, у одного подразделения расходы на маркетинг, у другого выполнение плана продаж. Если первому не ставить план продаж, то не важно как он потратит деньги, на сколько эффективно, ему главное потратить и не больше чем есть. Второму важно продавать, но если первый не сгенерирует своей рекламой Lead-ы, то второй не выполнит свои KPI при выполнении KPI первым. И чем больше подразделений со своими разрозненными, не подчиненными общей системе ценностей KPI будут участвовать в процессах, тем более неэффективной становится система.

Абсолютно по этому же принципу должна строится система мониторинга KPI, KPI должны быть для каждого блока а также межфункциональными.

То есть, если у HR количество сотрудников и расходы на персонал, то у руководителя, отвечающего за продажи, выручка на сотрудника. В этом случае показатели становятся взаимоувязанными, т.е. не взяли человека, значит и требования должны изменится. Но и общие показатели по компании должны быть и у одного и другого, чтобы не стремились искусственно выполнить KPI в ущерб выполнения общих целей.

Должна быть сформулирована главная цель, а от нее уже должна идти декомпозиция целей и сформулированы межфункциональные конфликтующие KPI, которые будут подчинены общей цели, а не противоречить ей.

В литературе этой теме посвящено множество литературы и есть целая теория Нортона и Каплана о системе сбалансированных показателей.

Но на практике мало кто имеет действительно сбалансированную систему. И тут даже дело не в том, работает система или нет, дело в грамотности ее внедрения и регулярного перестроения.

У нас же как в России, не знаю, может и в мире, похожая история, нанимают дорогущий консалтинг, внедряют систему и работают, особо не задумываясь, что система начинает устаревать, как автомобиль выехавший из салона. Еще одна проблема кроется в нерациональности менеджмента. Все конечно думают о своих деньгах и своей премии, на показатели компании наемным менеджерам в большинстве своем наплевать. И важно при минимальных усилиях получать большие деньги и чем выше менеджер стоит по уровню иерархии тем он больший вес имеет при принятии решения и блокировании интересов других подразделений и менеджеров. Кроме этого, есть еще одна особенность, чем выше менеджер по уровню иерархии, тем меньше его срок жизни в компании, отсюда, менеджер приходя на новое место стремится как можно быстрее показать результат, даже если его краткосрочный положительный эффект убивает всю основу для долгосрочного роста бизнеса. «Пока я здесь, будет результат, а дальше хоть трава не расти, пусть приходят и разгребают, даже если после меня пепелище». Для исключения этого эффекта система должна  внедряться в идеале собственником и мониторинг должен быть независим от внутреннего вмешательства, в этом случае можно хотя бы как-то гарантировать работоспособность системы.

Резюмируя, старайтесь взвешенно подходить к выбору системы KPI и проверять, что они не противоречат общей цели компании, а в идеале приводят к улучшению. Убедитесь, что KPI не устаревают с течением времени и своевременно их актуализируйте изменившимся обстоятельствам. В этом случае улучшение показателей бизнеса гарантировано.

Удачи вам и успешного процветающего бизнеса.

Особенности сезонности

0

Хотел бы сегодня поговорить об особенности применения моделей сезонной декомпозиции.

Думаю все, кто так или иначе занимался прогнозированием, сталкивались с сезонной составляющей и вероятнее всего ее применяли. Но вероятно не многие задумывались о том, что за сезонностью могут скрываться абсолютно другие причины.

Всегда ли нужно применять модель сезонной декомпозиции, когда вам кажется что есть сезонная составляющая и я вам даже больше скажу бывают ситуации, когда и математические модели говорят о наличии сезонной составляющей, но после получение такого прогноза, факт может быть абсолютно другим и не всегда соответствующим тренду.

Давайте попробуем разобраться в каких ситуациях это происходит. Для универсальности и упрощения выявления факторов, я бы порекомендовал использовать классификацию CRTconnection(единовременные платежи), rent (регулярные платежи, основанные на ежемесячной фиксированной плате за месяц), traffic (платежи за конкретно потребляемый объем услуг).

С точки зрения Connection — тут все просто, как правило зависимость от изменения тарифов (например акции, распродажи и др. управляемые факторы) и сезонность достаточно очевидна, например, увеличение объемов продаж кондиционеров в летнее время. Поэтому достаточно проверить действительно ли менялись тарифы и товар подвержен сезонности.

С точки зрения rent — как правило, изменение может наступить в двух причинах, вы изменили тарифы, возможно предоставили скидку какому-то из клиентов с целью его удержания либо изменилось количество клиентов, увеличились продажи или отток. Для выявления этих факторов, достаточно иметь под рукой тренд продаж, оттока, список клиентов по которым проводилась работа по удержанию, список клиентов склонных к оттоку. Так как этот показатель не подвержен сезонности, а полностью зависит от управляемых вами факторов, то достаточно просто определить.

Самым сложным для выявления и анализа является traffic — объемы потребления конкретных услуг, например, для операторов связи это объем исходящих соединений. Здесь куда больше факторов может влиять на тренд. В этом случае в обязательном порядке присутствует сезонная составляющая, но она может быть «зашумлена». Во-первых, может меняться количество клиентов, во вторых клиент может изменить структуру потребления и резко уменьшить или увеличить объем, тренды этого изменения могут совпасть с сезонностью, тогда их достаточно сложно распознать по сгруппированным показателям. Решение найдется в детальном анализе клиентской базы. Если trafic сезонно себя ведет, в этом случае тренд будет однонаправленным по всем клиентам. Для упрощения анализа выгрузки при увеличенной базе клиентов, достаточно выделить только тех клиентов, чей тренд изменился больше чем в среднем. В этом случае объем выборки будет много меньше и выявить клиентов, у которых появились аномалии в поведении, будет много проще, эта же выборка сможет быть использована для проведения работы с клиентами, например, по удержанию. Если у вас есть список клиентов, с которыми проводилась работа, вы всегда сможете определить как изменилась среднедоходная такса на единицу продукции, а значит скорректировать тренд в соответствии с этим изменением, исключив этот фактор из сезонной составляющей.

Не ленитесь проводить детальный анализ, в этом случае вы, как аналитики, сможете не только построить корректный прогноз, но также выявить сегменты клиентов, с которыми требуется проведение дополнительной работы, а это более значимый вклад вашей работы в деятельность предприятия, чем простой прогноз трендов. Тут конечно стоит оговориться, что для некоторых отраслей угадывание трендов стоит дороже, но в большинстве коммерческих розничных предприятий не связанных с финансовыми рынками, этот подход вполне может оправдывать себя.

Удачи вам! Будьте полезны для своих компаний.

Вверх