С какими сложностями может столкнуться компания при внесении данных в IT-системы и как упростить этот процесс

Проблема: какие именно данные брать

Один и тот же показатель деятельности компании можно рассчитать несколькими способами. Например, для расчета выручки можно взять оплаченные счета из CRM или банковской выписки в 1С. А можно дополнить их другими данными из 1С: например, данными по прибыли или дебиторской и кредиторской задолженности. Какую именно информацию из этого объема данных брать для BI-системы — всю имеющуюся или какую-то конкретную?

Решение: правильно сформулировать вопрос

Чтобы определиться с данными, нужно в первую очередь понять, какое именно решение предстоит принять. 

Например, руководителю нужно регулярно принимать решение о сроках закупки сырья. На первый взгляд, для этого нужна информация об остатках на складе. Можно настроить загрузку данных из ERP —  для аналитики этого будет достаточно.

Но если задать дополнительные вопросы, например, для чего нужно принять решение именно сейчас, на что повлияет полученный ответ, то окажется, что от результатов зависит, будет ли руководитель привлекать заемные средства на покупку сырья прямо сейчас или отложит закупку до пополнения бюджета.

Тогда правильный запрос к аналитике — это не просто «понять, сколько сырья осталось на складе», а «уточнить количество сырья, чтобы принять решение о привлечении кредитных средств». А уже для принятия этого решения нужны конкретные данные:

• наличие ресурсов на складе и складская вместимость;
• расход ресурсов за определенный период времени;
• данные по ожидаемому объему потребления на базе производственных планов;
• рыночные цены на сырье;
• количество запасов готовой продукции.  

Правильный вопрос влияет на отбор данных и систем, в которых эти данные содержатся. И отсюда может вытекать следующая проблема.

Проблема: где взять нужные данные

Частая ситуация: для управленческих решений нужны конкретные показатели, которых нет в системах. Аналитик пытается оперировать тем, что есть, но результат не показателен и не позволяет принять взвешенное решение.

Решение: проанализировать системы и процессы на предмет недостающих данных

В примере с закупкой сырья важный элемент, влияющий на решение, — данные о ценах на сырье в динамике и информация о вместимости склада. 

Задача этого этапа — понять, кто в компании может восполнить этот пробел и как включить эти данные в постоянный процесс загрузки данных в IT-системы. Возможно, окажется, что в ERP нужно добавить новые поля, содержащие данные о наполняемости склада, и постоянно обновлять эту информацию. 

Решение этой проблемы во многом зависит от бизнес-аналитика и от того, сумеет ли он найти источники необходимой информации. Но даже если всё получается, источники данных обнаружены, а в IT-системы добавлена нужная функциональность, возникает новая сложность.

Проблема: данных теперь очень много, как их вносить

Информация в IT-системах не появится сама по себе: кто-то должен вбивать в программу данные о товарах, поставках и ценах. Значит, для оцифровки данных придется привлекать сотрудников — тратить их ресурсы и время.

Решение: автоматизировать оцифровку данных

Сегодня есть множество решений по оптимизации процессов для разного масштаба и бюджета. Основные — это RPA-роботы и различные инструменты для автоматического сбора данных, например, датчики.

RPA-роботы — компьютерные программы-роботы, имитирующие действия человека в различных системах и приложениях.

Роботы могут практически полностью заменить сотрудников в таких рутинных задачах, как ввод и оцифровка данных. Например, RPA-робот может проанализировать фото или скан документа, внести информацию в IT-систему, выполнить сверку или мониторинг. При этом растет не только скорость, но и точность обработки данных за счет снижения влияния человеческого фактора.

Другой вариант — отдельные решения, например, сканеры штрихкодов и датчики веса, которые посредством ПО интегрируются с информационной системой. Датчик фиксирует показатели — количество предметов на полке или наличие брака на изделии, и данные автоматически переносятся в IT-систему. Такие интеграции вшиты в большинство крупных IT-решений, но компания может разработать собственное ПО, чтобы сделать процесс максимально кастомизированным.

Еще один лайфхак, позволяющий сократить объем вводимых данных — сделать первоисточником одну систему и интегрировать ее с другими. 

Интеграция — один из самых эффективных способов структурировать информацию из разных IT-систем. Такой подход позволяет решить сразу несколько задач:

• исключает дублирование, когда одни и те же данные вносятся вручную разными сотрудниками;
• позволяет привести данные к единообразию с точки зрения формы, единиц измерения и т. д;
• снижает риск ошибок из-за человеческого фактора;
• позволяет поддерживать данные в актуальном состоянии.

На этом этапе трудности, связанные с подбором данных уже пройдены, но остаются вопросы технического характера.

Проблема: данных и требований всё больше, а результата всё нет

Частая ошибка: компания сразу планирует внедрить огромную систему, чтобы анализировать максимальное количество процессов. В итоге до реальных результатов внедрения можно так и не добраться, увязнув в промежуточных этапах, организационных вопросах, и потратив бюджет на аналитику, которая не будет давать нужного эффекта.

Решение: идти небольшими шагами 

Опыт показывает, что лучше стартовать с одного дашборда, который позволит как можно быстрее оценить результаты и увидеть пробелы в процессах. После первого успешного результата — двигаться дальше, добавляя аналитику в другие процессы и масштабируя внедрение BI-системы.

Проблема: как работать с разнородными данными

Для того чтобы BI-система работала эффективно, данные для нее должны быть приведены к стандарту — представлены в нужном формате, в одной системе измерения. Но в реальности информация в IT-системы попадает в самом разном виде: скажем, одни и те же данные по клиенту менеджеры могут вносить в системы по-разному. Поэтому еще один важный этап процесса — стандартизация данных. 

Решение: искать человека или выстраивать систему

Есть два подхода: 

1. Выделить отдельного сотрудника, который будет вручную приводить все данные в системе к единому стандарту: проверять, уточнять и исправлять. Это сложно, долго и трудозатратно.
2. Выстроить систему структурирования данных в точке сбора. Это значит, что нужно выработать правила, которые будут соблюдать все сотрудники и подразделения. Например, строго вносить имя и фамилию клиентов в соответствующие поля, а не писать всё в одну строчку просто потому, что «так удобнее». 

На этом этапе решение технических задач ведется параллельно с настройкой организационных процессов. Для того, чтобы сотрудники начали придерживаться правил внесения данных, им нужно объяснить, для чего эти правила вообще соблюдать.

Проблема: как наладить работу с командой

Цифровизация не всегда воспринимается сотрудниками как нечто полезное или само собой разумеющееся. Кто-то будет задаваться вопросами, зачем всё это нужно, а кто-то и вовсе испугается, что теперь его заменят роботы. Результат — игнорирование правил или даже саботаж, которые ставят в тупик любой проект.

Решение: делиться актуальной информацией

В первую очередь убеждать, что новый инструмент — это не пустая трата денег и тем более не конкурент за рабочее место, а возможность сделать работу более интересной и эффективной. 

На уровне руководителя он позволит быстрее принимать взвешенные решения, на уровне сотрудника — избавиться от рутинной работы и переключиться на творческие задачи. 

Вовлечение команды в поддержку проекта — критически важный пункт. Во многих компаниях его игнорируют. Но именно командная работа — залог успешного внедрения любых цифровых проектов, в том числе BI-аналитики. Чем больше людей в команде вовлечены в поддержку и развитие системы, тем более интересной и глубокой она становится, а ее эффективность растёт. 

Итоги

Для того чтобы BI-система работала эффективно, важно наполнить ее консистентными данными. Это значит, что нужно провести непростую работу по настройке процесса загрузки данных в IT-системы, из которых аналитика сможет эти данные забирать.

На практике этот процесс часто бывает сопряжен с трудностями:

1. сложно определить правильный набор данных;
2. данных может не хватать;
3. внесение информации в IT-системы — это долгий, сложный и ресурсоёмкий процесс;
4. информацию нужно стандартизировать, а для этого необходимо вовлекать сотрудников, которые не всегда мотивированы на дополнительную работу.

Но на каждом этапе настройки есть инструменты и подходы, которые могут упростить этот нелегкий процесс:

• правильные вопросы помогут увидеть, каких данных не хватает для построения качественных дашбордов;
• поиск источников данных и настройка IT-систем приведут к восполнению пробелов в данных; 
• RPA-роботы, датчики и интеграция IT-систем компании в единый цифровой контур упростят процесс ввода данных;
• общие правила и работа с командой позволят привести данные к единому стандарту и поддерживать проект по внедрению BI-системы на всём пути развития.

Фото на обложке: Freepik