Особенности профессии

Привыкание — плохой признак

0

Сегодня пару мыслей на тему оптимизации затрат. Очень часто случается, что привыкая к чему-либо, даже не задумываешься, а нужно ли это, справедлива ли цена того, чем ты привык пользоваться, не снизилась ли она в последнее время.
Работая маркетологом я очень часто видел ситуации, когда люди не рациональны в своих привычках, до 20-25% доходы телекоммуникационных компаний — это нерациональность поведения абонентов.
Есть некая граница, переходя которую, люди начинают задумываться, а все ли в порядке. Чем выше уровень этой границы у человека (выше его социальный статус, его материальное положение), тем меньше он становится рациональным.
Абсолютно похожий принцип я наблюдаю и на предприятиях. Чем лучше состояние предприятия, тем менее рациональным оно становится. Т.е. бывает так, что компания платит за одно и то же одни и те же деньги на протяжении длительного промежутка времени, меняется конъюнктура рынка, но предприятие по прежнему продолжает исправно платить. Иногда сменяется несколько поколений менеджеров, прежде чем кто-то обращает внимание, а зачем нам платить за то, чем компания не пользуется, что не актуально и т.д.

Когда начинаешь разбираться и задавать вопросы, ответы обычно выглядят как: «Так исторически сложилось», «Все так привыкли работать» и т.д. Вопрос, почему вы не пытаетесь это изменить? А разве можно менять, вдруг что-то перестанет функционировать и нарушится привычный образ жизни.
Иногда я задаю себе вопрос, как снизить уровень комфорта до той границы, чтобы быть постоянно рациональным, но готового ответа на этот вопрос нет.
Вероятно, нужна системная работа, чтобы обращать внимание на все нерациональные расходы.
Удачи вам, будьте рациональны!

Новый взгляд на BI

0

Очень часто я получаю письма от читателей и комментарии в блоге о том, что мол попробуй тот или иной софт, некоторые меня ругают за то, что пишу о дорогих продуктах, совсем не уделяю дешевым внимание.
Мое мнение строится на том, что BI это отнюдь не программное обеспечение, это скорее выстроенный бизнес-процесс применения всех источников информации. Если вы не решаете бизнес-задач при внедрении инструментов, если заказчик не бизнес, который должен понимать как монетизируются данные, которые есть на источниках, значит это не BI, а просто процесс интеграции источников, который рано или поздно загнется, если он не будет применяться. На первое место должны выходить сами задачи, а не софт. Идеальных программных продуктов нет, если покопаться, то у каждого есть своя фишка, которая иногда больше походит на некий PR-ход больше, чтобы запудрить мозги потенциальному покупателю, а на самом деле возможности продуктов одного класса практически одни и те же с той лишь разницей, что кто-то переплачивает за бренд, а кто-то этим не заморачивается. В каждом продукте можно найти изъян, еще раз подчеркну, идеальных решений, как и людей, нет.
Так что еще раз подчеркну не софт решает, а заказчик софта решает задачу, софт в этом может лишь отчасти помочь, никакой самый идеальный софт еще не смог заменить человека.
Это мое мнение, оно конечно же может не совпадать с мнением IT-шников, которые конечно же в 100 раз лучше разбираются в программном обеспечении, чем какой-то менеджер и вообще, если он не знает, что такое Hadoop, с ним вообще нет смысла разговаривать, он безграмотный специалист. Ладно ребят, не обижайтесь, это стеб. Но он основан на реальных событиях))
Удачи вам, помните, не инструменты решают, все решаете вы.

Новая работа, новые заботы

0

Хочу попросить прощения у читателей блога, что очень редко стал радовать вас новыми записями. Катастрофически не хватает времени. Произошли 2 события, которые немного поменяли привычный мне образ жизни. Если вы помните, я говорил, что у меня родился 2-ой ребенок, которому уже почти 7 месяцев, а также с 1 февраля я перешел работать в другую компанию директором департамента стратегического развития бизнеса и маркетинга. У меня наконец появился личный кабинет, что немного не обычно для меня, но очень удобно с точки зрения решения вопросов.
Ну и для затравки несколько мыслей о размерах компаний и бизнес-процессах в них.
Я перешел работать в компанию, которая примерно в 80 раз меньше по объему бизнеса, чем я работал до этого и многие вещи мне показались очень знакомыми, так как мне уже доводилось работать в похожей по размеру компании. Что отличает небольшие компании, так это практической отсутствие бюрократии и динамизм во всех вопросах. Решать любой вопрос можно незамедлительно, что очень меня радует, так как засилие бюрократических заковырок в больших компаниях убивает напрочь креатив, что очень сильно расслабляет, становится скучно. Хотя не скажу, что мне было скучно, так как на мне были проекты по автоматизации маркетинговой деятельности, BI, мобильный BI, Data mining, Campaign management, и даже небольшой кусок с точки зрения программы лояльности. Немного печально, что не дожил до того момента, как все полетит, но все равно заложил достаточно прочный фундамент, который послужит компании еще долгое время.
Отвлекся, нахлынули воспоминания о лучшем из того, что было.
Что еще отличает маленькие компании, так это очень размытый информационный фон, но при этом, надо сказать, я очень удивлен качеством тех источников, что есть в моей новой компании. Конечно с точки зрения автоматизации и целостности данных конь не валялся, но с точки зрения важности информации для бизнеса, продвинутость источников маленькой компании на голову выше, чем у меня были раньше. Там это были хотелки, здесь я могу это уже применять, да данные не в одном хранилище, но с точки зрения построения бизнес процессов вокруг этих данных, это нисколько не мешает. Могу сказать, что так или иначе присутствовало в 3-х компаниях до этого, есть в моей новой компании, с чем отчасти и связаны мысли о том, что где-то когда-то я все это видел. Такое ощущение, что работаю я здесь не 2 недели, а уже пару лет, как минимум.
Также замечаю, что вхождение в должность становится тем быстрее, чем больше опыта, наверное это все же связано с тем, что компании в которых я работал из одной отрасли и их бизнесы, как и источники очень похожи.
Еще больше я убеждаюсь в том, что результат дает не автоматизация, а правильное построение бизнес-процессов вокруг источников, и каким рваным бы ни был информационный фон, всегда можно показать результаты при правильном применении данных.
Отдельно хочу сказать на счет инструментов бизнес-аналитики. Коллеги, не парьтесь, лучше практикуйтесь в бизнес-задачках, никакой самый продвинутый инструмент, пока вы его не научили, не сможет ничего сделать самостоятельно.
Отдельно хочу высказаться на тему кадрового подбора в бизнес-аналитике, очень часто отбор кандидатов проходит по формальному признаку знания какого-либо инструмента. Так вот, товарищи кадровики, это ваше самое большое заблуждение, аналитик, если он действительно грамотный специалист, сможет применить любой самый сложный инструмент, обратное не действует, человек, знающий инструмент, никогда не сможет стать грамотным аналитиком, если он пошел именно от алгоритмов, это тупиковое развитие, человек в этом случае зажат рамками алгоритмов, при нестандартной задаче он просто потеряется и не будет знать, что ему делать. Тоже самое я могу сказать про отраслевую специфику, если аналитик грамотный, ему не составит труда решить кейс из любой отрасли, изучить отрасль легко, стать аналитиком, зная только отрасль, будет гораздо сложнее.

Удачи вам, практикуйтесь с задачками, задавайте вопросы, постараюсь отвечать оперативно.

Подходы к контролю качества данных

0

Сегодня мне бы хотелось изложить возможные подходы к контролю качества данных. И не важно, получаете ли вы данные от специалистов вверенных вам подразделений или получаете из автоматизированных систем, которые туда первично также заносятся такими же специалистами, задача контроля данных всегда важна и актуально. Еще не придумано алгоритмов от человеческих ошибок.

Все алгоритмы контроля качества я бы разделил на несколько типов (возможно вы еще что-то добавите, будет интересный FAQ по данному вопросу):

1. Проверка «от дурака». Т.е .контроль данных на какие-то случайные значения, которые либо не могут существовать в принципе, либо отсутствуют те значения, которые должны быть.

Пример из банка, кредит физического лица составляет 700 млн.руб. Вероятнее всего эта ошибка появляется в результате того, что кто-то забыл поделить на 1000 руб. Т.е. указал как 700 000, но при этом уже само поле БД было в тыс. руб., вследствие чего произошла ошибка.

Это можно вылавливать с помощью валидного диапазона по накопленной статистике. Т.е. выбирать значения, которые не укладываются в валидный диапазон и проверять на ошибки.

Другим примером может быть некорректное заполнение поле «пол». Например, указывается Сергей Петрович Иванов, а пол указан «женский».  В данном случаи таки ошибки также могут быть отловлены проверками. Как правило, все мужские отчества заканчиваются на «ич». Конечно, бывают исключения, но очень редко, все таки исключения можно проверить глазами. По хорошему, составить справочник таких исключений.

Иногда забивают фиктивные данные в обязательные для заполнения поля «телефон», «инн», «паспортные данные» и т.д., т.е. ставят любое числовое значение, если заранее не предусмотрена такая проверка. Каждое из этих полей имеет определенную маску, на основе которой можно проверять корретность заполнения данных полей.

 2. Проверка данных на бизнес-логику.

Здесь помимо диапазонных проверок, можно делать трендовые проверки. Трендовые проверки позволяют выявлять выбросы в данных и попытаться разобраться с ними.

Давайте рассмотрим на примере: предположим, что вы собираете отчетность по продажам. В первый период 10 единиц, второй период 12, третий период 15 единиц, четвертый период 60 единиц. Вам нужно проверить данные за 4 период. Если построить линию тренда по первым трем периодам и сравнить с данными за четвертый, то вероятнее всего цифра в 60 единиц должна вызвать у вас сомнение. Какой диапазон чувствительности установить вы решаете исходя из вариации в данных по продажам. Отдельные выбросы должны быть объяснимы, например, сезонностью или проведением стимулирующих мероприятий. Но если не было ни того, ни другого, то вероятнее всего проверку стоит продолжить. При стимулирующих акциях иногда снижают стоимость на товары, в данном случае, можно проверить среднюю стоимость единицы. Если падает и натуральные показатели растут, то вероятнее всего было стимулирующее воздействие. Хотя в некоторых случаях это может быть не так. Т.е. закралась ошибка в натуральный показатель и при этом она совпала с периодом проведения стимулирующей кампании.

3. Емкостные или ресурсные ограничения. Если вы можете продать всего X товаров, за период вы поставили Y, то вероятно, что объем продаж не должен превышать суммарного значения обоих величин. Простая проверка на значение позволяет отсеять некорректные данные. Можно задать еще границы чувствительности и работать с данными, попадающими в верхний диапазон границы X+Y. Если у вас информация по остаткам, то арифметика должна работать. Если арифметика не работает, вероятнее всего какие-то данные не корректны, что требует пристального внимания.

Некоторые другие примеры:

Объем продаж Интернет не может быть больше численности региона, в котором идут продажи. Есть исключения, когда заводятся несколько каналов интернет в коттеджные поселки, но это скорее исключение из правила. Но тоже лучше внимательно отнестись к данным.

Возможно, прочитав материал, вы сможете привести примеры ошибок, которые не попадают ни под один представленный типа, мы тогда вместе с вами добавим еще один типа ошибок и подумаем над способами реализации контроля.

Удачи вам! И корректных данных.

Автоматизируем процесс подготовки отчетности

0

Сегодня хотел бы сказать несколько слов о скорости подготовки отчетности. Если ваша отчетность формируется полностью в автоматическом режиме, то, наверное, дальше будет читать не столь интересно, хотя данный опыт может быть полезен и в других областях.

Все мы сталкиваемся в своей работе с большой долей монотонных одинаковых операций, когда получая какие-нить выгрузки из транзакционных систем, нам приходится очень долго обрабатывать информацию, чтобы превратить наконец «сырую» информацию в красивый отчет для менеджмента компании (подставить свое). Самое интересное, что подавляющее большинство специалистов при этом клянут эту часть своей работы, предпочитая не сбор и трансформацию данных, а анализ, поиск новых алгоритмов, т.е. креативную составляющую работы аналитика. Чем дольше приходится решать задачу сбора информации и ее обработки, тем меньше остается времени на ее анализ, поиск «жемчужины» и т.д. Как правило, даже правило Парето отдыхает, потому как до 90% времени уходит именно на сбор информации, проверку ее качества и приведение ее в божеский вид, который уже действительно можно использовать для анализа.

Что интересно, большинство менеджеров не пытаются автоматизировать свою функцию, т.е. они продолжают из месяца в месяц готовить один и тот же отчет, доводя себя до изнеможения. Я хотел бы обратиться к таким горе-аналитикам, вам себя не жалко? Почему нельзя автоматизировать эту часть монотонной работы. Не нужно обладать глубокими знаниями и навыками программирования, чтобы сделать автоматические мэппинги в формате Excel. Для этого, конечно же придется выкроить какое-то время, чтобы один раз его настроить и затем им пользоваться постоянно, экономя значительное время, которое может быть потрачено действительно с пользой.

Давайте вспомним как мы формируем отчетность:

1. Мы дождались, когда информация появится из всех источников. А лучше подождали, когда до конца отчетного срока останется 2-3 дня. Мы же уверенны в собственных силах, нам 2-3 дня на подготовку всей отчетности всегда достаточно. Проверять за собой — это удел неуверенных в себе людей.

2. Мы начинаем делать выгрузки из всех источников, в это время начинаем ругать IT блок, что системы начинают сбоить и что-то у нас не получается. Если все прошло удачно, то у нас на руках наконец оказываются большие простыни данных.

3. Трудностей мы не боимся, теперь нужно перелопатить простыни и скопировать всю необходимую информацию в заранее подготовленный «красивый» шаблон. А так как простыней много и шаблон огромный нам бы неплохо себя перепроверить, но на это нет уже времени. Срок подходит.

4. Так осталось часа 3 рабочего времени и целый вечер впереди, чтобы написать какие-то мысли по поводу всего этого безобразия. 3 часа — ерунда — хватит и получаса, мы же профессионалы, можно и кофейку попить, обсудить планы на вечер, за пол часа до конца рабочего дня пишем отчет, все отчет готов, нажимаем кнопочку «Send», и скорее бежим с работы, а то вдруг шеф что-то захочет уточнить или ему что-то не понравится.

Узнаете? Напишите мне в комментарии, если у вас все выстроено идеально, страна должна знать своих героев. Я могу вам сказать, что этим грешат не только мелкие компании, но и крупные компании с хорошо выстроенными, прописанными бизнес-процессами.

Это конечено сарказм и написано в стиле «как не нужно делать». Что бы я посоветовал вам для того, чтобы сократить время на подгтовку отчетности.

Если бюджета на автоматизацию нет и у нас под рукой только Excel, то подход следующий:

1. Формируем универсальный шаблон, первый лист которого повторяет ваш «красивый» шаблон.

2. Каждый следующий лист должен повторять формат выгрузки из источника, т.е. чтобы выгрузку можно было скопировать один к одному.

3. После этого формируем мэппинг ячеек из выгрузки в ячейки «красивого» шаблона.

Это первый этап. Желательно после этого потестировать, чтобы после копирования данных источников на листы, данные действительно попадали в нужные ячейки «красивого» отчета.

Что касается проверки качества. Используя условное форматирование можно проверять данные на наличие каких-либо выбросов. Либо заранее подготовить еще один лист в шаблоне и на нем организовать проверку качества. Настроить шаблоны графиков, если есть в этом необходимость. Прописать необходимые формулы в ячейках по всем расчетным показателям.

Настроив один раз таким образом шаблон, вам стается вместо монотонного копирования и трансформирования данных каждый месяц, скопировать данные из всех источников и вставить в листы заранее подготовленного шаблона. Перейти на вкладку анализ качества данных и посмотреть на результаты. Остается, один самый ответственный шаг — написать комментарии для руководства.

Могу вас заверить, что у вас появится намного больший интерес к работе, вы будете успевать делать намного больше. Руководство вас от этого начнет ценить еще больше, так как в единицу времени вы сможете успевать делать много больше. Практически все ручные операции, которые повторяются каждый период, можно заменить машинным трудом.

Конечно, есть и минус такого подхода. Если раньше вы были ценны за то, что перелопачивали столько материала, то сейчас за вас это сделает компьютер. Но компьютер никогда не сделает за вас анализ данных и не опишет рекомендации, которые помогут увеличить эффективность предприятия. Так что не стоит бояться автоматизации. Времени на анализ будет больше и выводы ваши будут намного ценнее, чем те, которые были написаны за пол часа до окнчания рабочего времени.

Удачи вам, цените свое время!

Вверх