1

Фабричная аналитика. 5 шагов для внедрения PowerBI на производстве

(Статья впервые опубликована мной для COSSA.ru).

Согласитесь, конечно, забавно читать в профессиональной прессе про то как космические корабли бороздят просторы вселенной, в очках виртуальной реальности Holo Lens можно листать дашборды Power Bi, искусственный интеллект победил в Го, но все-таки хотелось бы видеть результаты технического прогресса в своих проектах. BI, BigData и Machine Learning могут так и остаться очередным хайпом, если  технологии не начнут использовать компании среднего бизнеса и мы с вами. Не условный Газпром в вакууме, а именно средний бизнес.

Сегодня я расскажу как мы внедряем бизнес-аналитику на основе PowerBI в компании производителе ревизионных люков Revizor.

Оборот компании за прошлый год составил 300 млн руб, по западным стандартам это мелкий бизнес, по нашим российским все-таки средний, согласитесь. Есть собственное производство, оптовые продажи крупным девелоперам и DIY сетям, Интернет-продажи, розничная сеть из собственных магазинов в Москве, Питере и Новосибирске и дилерские магазины-партнеры в регионах России.

image1

До недавних пор решения для Business Intelligence (Qlik, Tableau) были нам не по карману. Впрочем, тут тоже момент спорный. Российский бизнес без проблем тратит на поддержание и доработки 1С суммы вполне сопоставимые со стоимостью даже профессиональных BI-систем. Но появился условно бесплатный PowerBI от Microsoft (лицензия PRO на одного пользователя стоит 10$ в месяц), и мы решили попробовать. Сразу скажу, что эффект того стоил.

Если хочешь, чтобы что-то было сделано хорошо – сделай это сам. Все началось c курсов Макса Уварова по PowerBI в Интернет-маркетинге.

PowerBI часто начинают внедрять именно продвинутые Интернет-маркетологи для сквозной аналитики рекламных кампаний, после чего уже проще делать внедрение бизнес-аналитики, тк руководство понимает преимущества сервиса.

Интернет-маркетологам с помощью аналитики в PowerBI проще всего на цифрах показать эффективность соптимизированных рекламных кампаний. Ты можешь перенести бюджет с неэффективных кампаний на эффективные и получить рост KPI.

image6

(Пример дашборда с расходами на ЯндексДирект)

Когда же дело доходит до KPI бизнеса, то тут результат переноса чего-то из одного места в другое и как результат – увеличение прибыли или уменьшение затрат – не так очевиден. Но именно аналитика, основанная на данных из учетных систем, помогает такие истории обнаружить и найти и залатать дыры в бизнес-процессах, будь то закупки, производство или клиентская база.

image9

(Пример отчета Прибыли и Убытки)

Зачем нужно внедрять BI системы?

Цель любого внедрения – увеличение прибыли и сокращение расходов. Если вы думаете, что это только красивые картинки на смартфоне генерального, то можете даже не начинать проект. Прежде всего – это система поддержки принятия решений – будь то выход на новые рынки, запуск нового продукта или рост продаж после сегментации и проработки клиентской базы.

Какую работу делает ваша панель мониторинга? Что пользователь перестанет делать после того, как начнёт с ней работать (перестанет выгружать данные из 1С в Excel или не будет обращаться за разработкой кастомного отчёта к 1С-программисту).

Давайте посчитаем грубо. Если минимум два дня в месяц уходит на подготовку отчётности у каждого из пяти отделов (маркетинг, продажи, финансы, производство, закупки), то это 120 рабочих дней в год. При средней зарплате 80 000 ₽ получается 480 000 ₽ в год — только на подготовку отчётности, не считая оплаты 1С-программистов по разработке дополнительных отчётов (средняя ставка по Москве 2000 ₽ в час).

В разговоре со знакомым меня пытались убедить, что вот, дескать, в 1С тоже есть диаграммы. Хм, диаграммы то есть, но почему-то на моей практике любой чих, связанный с 1С обходится на порядок дороже, чем альтернативные попытки решить ту же задачу. И кто видел интерактивные дашборды с кросс-фильтрацией и «проваливанием» в данные вплоть до каждого оплаченного счета и контрагента – тот не будет их сравнивать со статичным графиком в 1С.

Посмотреть живые примеры можно на официальном сайте или в галерее на Enterprise DNA.

image15

(Пример отчета по Производству)

Но вернемся к нашей задаче. Можно ли сделать производство и продажи более эффективными с помощью тех данных, которые у нас уже есть?

Чтобы ответить на этот вопрос, сначала разберемся какие данные обычно есть у среднестатистического российского производителя среднего масштаба. Во-первых, конечно же, в большинстве случаев это 1С в качестве учетной системы и CMS Bitrix на которой сделан сайт. Кроме того могут быть варианты, когда в качестве CRM используется не 1С, а AMO CRM или Bitrix 24. Это не принципиально. У всех современных CRM есть API и забрать данные можно.

image4

1) Получите данные

1С, API рекламных систем и счетчиков аналитики, API яндекс и гугл вебмастера, ваша CRM, таблицы в XLS, API системы почтовых рассылок и тд и тп. Сделайте список всего, что вы можете использовать для анализа и к чему можете получить доступ. В этой статье я не буду затрагивать подробно сквозную аналитику рекламных кампаний с помощью PowerBI, тк на эту тему уже вышло довольно много информации и есть даже специальный курс от Максима Уварова. Я сделаю упор на анализе бизнес-показателей и получении данных из 1С, тк это самая популярная учетная система.

image14

У нас интересная история получилась с обогащением своих данных данными из открытых источников, с помощью парсинга (Использовали Content Downloader). Так из данных CIAN мы сделали для себя карту новостроек в России, анализ размещения DIY сетей в российских городах, а также составили карту присутствия наших магазинов и магазинов наших дилеров, совместив ее с расположением магазинов наших конкурентов.

Обратите внимание на другие источники открытых данных, а также на датасеты Kaggle (платформа с конкурсами по машинному обучению). Интересен, например, конкурс от Сбербанка, в котором можно взять данные по Российской экономике и рынку недвижимости.

Из забавных фишек, которые мы тоже попробовали – анализ продаж розницы в Москве в зависимости от погодных условий (Снег влияет на продажи хуже, чем дождь). Данные о погоде забираем с http://rp5.ru

image7

Но вернемся к получению данных из 1С. Если у вас 1С версии 8.3 и ваших разработчиков не пугают такие слова как ODATA — то считайте, что вам очень повезло. Самая большая проблема – получить данные из 1С и потом разобраться в каких таблицах нужные вам показатели и справочники находятся. Вот так например выглядит модель данных в одном из отчетов.

image10

С OData все не так просто, поэтому лучше пройти курс на bi-team.ru и воспользоваться их генератором запросов.

В начале мы хотели сделать только отчет P&L (Отчет о Прибылях и Убытках), но в процессе оказалось, что в 1С данных много и все они интересны и количество отчетов начало расти. Сейчас их больше 20-ти.

Если можно посмотреть аналитику по производству в разрезе бригад – почему бы ее не посмотреть? Каждый этап производства у нас заносится в 1С (у рабочих в цехах есть планшеты, в которые они вводят данные).

image17

(Пример фильтра в отчете о производстве – можно посмотреть выработку в разрезе конкретных этапов работ)

2) Определитесь по каким направлениям вам нужны панели мониторинга

Когда вы понимаете какие данные у вас есть, разберитесь с тем какие KPI вы будете считать и какие панели мониторинга для кого из сотрудников/отделов и руководителей нужны.

Также на этом этапе согласуйте частоту обновления информации для каждой панели. Кому-то будет достаточно и еженедельного обновления, а где-то данные нужно обновлять раз в час, например.

Лично мне симпатична теория Job-To-Be-Done.

Например:

Когда я _____, я хочу _______, чтобы я мог _______.

image11

Когда я просматриваю дашборд, я хочу проверить растут ли продажи в розничных магазинах в этом месяце по сравнению с предыдущим, чтобы скорректировать рекламные активности и объем производства.

Итак, что мы хотели узнать?

  • Воронку продаж по подразделениям, менеджерам.
  • План-фактный анализ продаж.
  • Продажи по городам и филиалам.
  • Статистику звонков (количество входящих и исходящих, пропущенные звонки, процент пропущенных по номерам и по сотрудникам).
  • Отчёт о прибылях и убытках, анализ движения денежных средств.
  • RFM-анализ клиентской базы.
  • Загрузку производства (по бригадам, по количеству выпускаемой продукции и в разрезе артикулов).
  • ABC-анализ производимой продукции.
  • Закупки (по брендам, поставщикам).
  • Остатки на складах (по производителям, по стоимости товара на складе, оборачиваемость).
  • Продажи розничной сети (оборот и маржа по магазинам и продавцам, сравнение месяц к месяцу, процент продаж своих брендов и сторонних производителей и так далее).
  • Отчёты по интернет-рекламе (анализ контекстной и таргетированной рекламы), SEO (отчёт из API SEOLib), анализ email-маркетинга (отчёт из API Unisender).

 

image5

(Пример отчета по телефонии)

3) Проектирование KPI

После того как вы определились со списком нужных дашбордов, сделайте таблицу — в каком дашборде какие показатели у вас будут считаться. Чтобы было от чего отталкиваться, посмотрите примеры отчётов и KPI на сайтах datapine.com и dataself.com и в галерее решений на официальном сайте.

Также теме бизнес-аналитики с помощью PowerBI посвящён канал Enterprise DNA на YouTube.

На этом этапе важно провести интервью с коллегами, которые будут пользоваться отчётами, но имейте в виду, что зачастую они не знакомы со всеми возможностями системы и не являются бизнес-аналитиками, поэтому рекомендации и корректировки с вашей стороны обязательны. Предлагайте свои варианты KPI, если считаете их важными для проекта и принятия решений.

Примеры KPI

  • Оборот на 1м2 в рознице.
  • План/факт по продажам.
  • Прибыль на одного сотрудника.
  • Топ-5 менеджеров по обороту/прибыли.
  • Топ-10 регионов по обороту/прибыли.
  • % выигранных сделок.
  • Маржа по брендам и категориям товаров.
  • Товары бестселлеры.
  • LTV.
  • Конверсия звонка в сделку.
  • Конверсия во второй заказ.
  • Рост год к году (YOY), месяц к месяцу.
  • Скользящая средняя продаж.
  • % новых клиентов.
  • Средний чек.
  • Загруженность производства.
  • % отклонений от нормы выпуска.
  • Оборачиваемость запасов.
  • Среднемесячный товарный запас.
  • Отгрузок в день.

И так далее.

Как понять какие метрики показывать на дашборде? Ответьте себе на вопрос – а это действительно важно? На какие вопросы этим графиком или цифрой мы хотим ответить? Возможно в будущем появится такая профессия как редактор дашбордов, который будет редактировать и убирать все лишнее и ненужное.

4) Визуализация

Тема визуализации дашбордов довольно обширная и сама по себе тянет на отдельную статью, поэтому просто рекомендую ознакомиться с двумя книгами:

Можно проектировать панель мониторинга аналогично, как вы проектировали бы мобильное приложение или сайт.

  • Определиться с целевыми аудиториями (в нашем случае — CEO, финансовые директоры, руководители филиалов, руководители производства и маркетологи).
  • Написать Use Case.
  • Нарисовать на «салфетке» прототип. Я рекомендую именно бумажный прототип, но можно воспользоваться и Axure или Sketch.
  • Утвердить прототип с человеком, который будет пользоваться панелью. Например, обнаружится, что он хочет не столбиковую диаграмму, а линейный график. Или ему важен будет именно мобильный дашборд, а не десктопный.
  • После всех корректировок приступить к визуализации в PowerBI Desktop. Советую не увлекаться «рюшечками» и кастомными визуализациями, если можно обойтись стандартными. Не забываем про сетку (можно сделать в Photoshop и загрузить фоном).

 

image16

(Пример отчёта по розничным продажам)

5. Публикация в PowerBI сервис и обучение пользователей

После публикации окончательного варианта дашбордов в PowerBI-сервис, настройки доступов пользователям и частоты обновления данных сделайте мини-презентацию проекта. Расскажите, какие показатели считаются, какие возможны фильтры, что можно доработать дальше.

Важно напомнить базовые понятия статистики, иначе люди начнут видеть то, чего на самом деле нет. Корреляция на графике ещё не означает наличие причинно-следственных связей.

Correlation does not imply causation.

image8

Полезные книги:

  • Паклин Н.Б. Орешков В.И. «Бизнес аналитика. От данных к знаниям».
  • Чарльз Уилан «Голая статистика».

Не бойтесь внедрять современные методы анализа данных

Возвращаясь к началу статьи, на своём опыте мы хотим доказать, что не нужно бояться внедрять современные методы анализа данных и даже машинное обучение в небольших производственных компаниях. Аппетит приходит во время еды. Сейчас мы изучаем возможности Azure ML, PowerBI и R для прогнозной аналитики. Следующая статья будет посвящена именно этой теме. Из возможных интересных для нашего производства задач — прогноз остановки (поломки) лазерного станка в зависимости от показателей датчиков в режиме реального времени.

Оставить комментарий

Ваш email не будет опубликован. Обязательные поля отмечены *

Вы можете использовать это HTMLтеги и атрибуты: <a href="" title=""> <abbr title=""> <acronym title=""> <b> <blockquote cite=""> <cite> <code> <del datetime=""> <em> <i> <q cite=""> <strike> <strong>