Предпосылки распространения BI

О бизнес-аналитике в современном понимании всерьез заговорили на рубеже XX–XXI веков, а сам термин Business Intelligence впервые появился в статье Ханса Луна, опубликованной в IBM Journal в далеком 1958 году. Росту интереса к BI-методикам, соответствующим технологиям и программным решениям способствовали несколько обстоятельств.

Достижение несколькими рыночными сегментами стадии зрелости, выход компаний на смежные рынки, глобализация мировой экономики и превращение множества товаров и услуг в продукты массового спроса обусловили обострение конкуренции. Конкурентное преимущество стало определяться не столько потребительскими свойствами и ценой продукта, сколько гибкостью бизнеса, его способностью быстро подстраиваться под стремительно меняющиеся рыночные условия, эффективностью корпоративного управления, оперативностью и качеством принимаемых решений.

Кроме того, к началу текущего десятилетия во многих организациях были накоплены колоссальные объемы данных о клиентах, поставщиках, партнерах и самом бизнесе. Эти данные являются ценнейшим активом, поскольку могут служить базой для систем поддержки принятия решений. К сожалению, до недавнего времени на многих предприятиях этот актив оставался практически невостребованным, да и сегодня интенсивность его использования далека от идеала.

Причины такого положения дел следует искать как в технической, так и в организационной плоскостях. Обработка значительных объемов данных ради получения на их основе ценной информации требует удобного и эффективного инструментария. Такой инструментарий мог появиться, лишь когда информационные технологии пронизали практически все сферы человеческой деятельности, превратившись в ключевой фактор ведения бизнеса. Однако представление о ценности ИТ для бизнеса утвердилось не сразу: во многих компаниях осознание этой ценности топ-менеджерами и руководителями ИТ-служб пришлось на рубеж прошлого и текущего десятилетий.

Тут вступает в игру организационный фактор: даже при наличии мощных аналитических инструментов их применение оказывается неэффективным, если оно не подкреплено изменениями на уровне механизмов принятия решений, бизнес-процессов и корпоративной культуры. Опыт многих компаний показывает, что именно организационные изменения наиболее болезненны и инерционны.

От данных — к информации

При переходе от управленческого уровня к технологическому выясняется, что первым барьером на пути к получению аналитической информации и ее использованию является многочисленность и несогласованность источников первичных данных — БД, справочников, почтовых ящиков, текстовых файлов, электронных таблиц и т.п. Первым шагом к превращению «сырых» данных в информацию, востребованную системами поддержки принятия решений, становится консолидация и первичная обработка данных. Сегодня все чаще для этого задействуют хранилища данных, служащие единым источником информации для разных аналитических приложений. Не последнее значение имеет качество данных, помещаемых в хранилище. Инструменты, которые обеспечивают надлежащее качество данных и их загрузку в хранилище из различных источников, объединяются в категорию средств ETL (Extract, Transform, Load).

Наряду с хранилищами данных распространение получили витрины данных (data marts), содержащие сведения для решения определенной группы аналитических задач.

Комплексные BI-системы и специализированные аналитические инструменты крайне разнообразны. Их основные категории таковы:

  • средства оперативной аналитической обработки (OLAP) — предназначены для многомерного анализа больших объемов данных в целях управления и поддержки принятия решений;
  • средства интеллектуального анализа данных (data mining) — реализуют разные математические алгоритмы (кластерный анализ, нейронные сети, нелинейные регрессионные модели и др.) для выявления скрытых закономерностей, описания трендов, моделирования и прогнозирования;
  • инструментальные панели — представляют собой средства визуализации (иногда в режиме реального времени) бизнес-метрик, ключевых показателей эффективности и других параметров, используемых в процессах принятия решений;
  • средства генерации отчетов — обеспечивают представление результатов применения систем бизнес-аналитики в агрегированном и удобном для восприятия виде.

Каждая из категорий представлена десятками продуктов разных производителей. Выбор конкретного приложения представляет собой непростую задачу, а среди влияющих на него факторов определяющее место принадлежит задачам компании.

Задачка для аналитика

На современном высококонкурентном телекоммуникационном рынке практически невозможно предоставлять услуги связи, не используя аналитический инструментарий. Это обстоятельство в полной мере осознано операторами фиксированной и мобильной связи. Специфика применения BI-систем в телекоммуникационной отрасли проявляется как в составе общих бизнес-метрик, так и в наличии задач, с которыми не сталкиваются другие рыночные сегменты.

Повышение эффективности бизнеса и поддержка управленческих решений. Использование аналитических решений для улучшения бизнез-результатов, прежде всего финансовых, типично для компаний разной специализации. На практике оно требует интеграции и автоматизации процессов мониторинга специально построенной системы бизнес-метрик, аналитических приложений, средств модельного прогнозирования и приложений бизнес-планирования.

Тенденция последних лет заключается в том, что использование инструментов Business Intelligence перестало быть уделом исключительно аналитиков. Аналитические средства все чаще встраивают в другие категории ПО, что делает возможным их применение бизнес-пользователями. Только в этом случае удается довести стратегические задачи, поставленные топ-менежментом, до рядовых работников, синхронизовать систему приоритетов всех сотрудников, снабдить их надежной и достоверной информацией о деятельности компании. В итоге повышаются оперативность и качество управленческих решений, улучшаются бизнес-показатели.

В качестве таких показателей операторы связи используют ряд стандартных финансовых параметров, таких как совокупный доход, EBITDA, чистая прибыль. Вместе с тем специфика отрасли связи находит отражение в применении особых бизнес-метрик, набор которых изменяется с развитием самого оператора и рынка в целом (см. врезку).

Обслуживание абонентов. Управление взаимоотношениями с клиентами (CRM) исторически стало едва ли не первой сферой активного применения BI-приложений. Здесь следует различать два уровня — операционный и аналитический. Поддержка текущей работы оператора в центре обработки вызовов, выражающаяся в выводе на экран полного профиля звонящего абонента, делает общение с ним более эффективным, но это — еще не совсем бизнес-аналитика. Аналитический компонент CRM-системы должен выдавать рекомендации по дальнейшей работе с абонентом, подсказывать, какие услуги ему предложить, как стимулировать к продлению контракта. В качестве сведений об абоненте могут фигурировать продолжительность его работы с оператором, состав и характер использования услуг, доход и прибыль от этого абонента, сопоставление дохода с показателем ARPU, ретроспективные данные о динамике поступления платежей и т.д.

Такая информация и результаты ее всестороннего анализа используются и при решении более масштабных задач. Только на их основе оператор может корректно сегментировать клиентов, разработать адресные маркетинговые кампании, провести акции, направленные на повышение лояльности определенных групп клиентов, снизить уровень оттока абонентов и спрогнозировать собственные финансовые показатели.

Борьба с мошенничеством. Противостояние мошенникам, деятельность которых заметно активизировалась в последние годы, является для операторов вопросом сохранения рентабельности бизнеса. Согласно данным консорциума Communications Fraud Control Association (CFCA), в 2004 году потери операторов от мошенничества превысили в мировом масштабе 12 млрд долл., и с тех пор их величина только возрастала.

В отношении бизнес-аналитики борьба с мошенничеством во многом аналогична задачам управления взаимоотношениями с клиентами. Здесь также играют ключевую роль профили абонентов и сведения о характере их поведения, а вот дальнейшее использование этой информации оказывается иным. На сей раз основная задача оператора — выявление случаев нетипичного поведения, которое зачастую (хотя и не всегда) является признаком неблаговидных намерений. В противодействии замыслам злоумышленников решающую роль играет разносторонний анализ имеющихся у оператора данных.

Оптимизация телекоммуникационной инфраструктуры. Этот класс задач входит для операторов связи в число ключевых. Состояние инфраструктуры, с одной стороны, влияет на текущие издержки, а с другой, определяет возможности вывода на рынок новых услуг и расширения абонентской базы. BI-приложения применяют для анализа данных, поступающих от средств мониторинга инфраструктуры. Они позволяют выявлять узкие места, сопоставлять моменты возникновения перегрузок с суточным и недельным циклами потребления услуг, отслеживать изменения загрузки инфраструктуры после запуска новых сервисов или проведения маркетинговых кампаний. Можно выявлять и анализировать скрытые тренды использования инфраструктуры и на их основе выдавать рекомендации по ее оптимизации, уменьшать затраты на предоставление услуг и прогнозировать, как в связи с теми или иными факторами нагрузка на инфраструктуру изменится в будущем.

Поставщики и операторы

Основную массу поставщиков комплексных BI-систем и отдельных бизнес-приложений составляют компании, исторически специализировавшиеся на разработке аналитических продуктов. Наиболее известны среди них Business Objects, Cognos, Hyperion, Information Builders, MicroStrategy, SAS, SPSS, Teradata (подразделение NCR). Несколько лет назад в данном рыночном сегменте начали активно действовать и ведущие поставщики крупных корпоративных приложений, поскольку BI-решения оказались органичным дополнением к ПО других типов. Появление в секторе BI «большой четверки» разработчиков ПО (IBM, Microsoft, Oracle и SAP) привело к изменению расстановки сил на рынке, прежде всего благодаря поглощению ими прежде независимых производителей.

Процесс агрессивной скупки свободных BI-активов можно было наблюдать на протяжении последних двух лет, когда Oracle поглотила Hyperion, IBM приобрела Cognos, а SAP заявила о покупке Business Objects. В гонку включилась и Hewlett-Packard, которая на протяжении многих лет была известна семейством продуктов OpenView, но сегодня предлагает корпоративным заказчикам широкий ассортимент ПО разной функциональности. В 2007 году HP поглотила компанию Knightsbridge Solutions, хорошо зарекомендовавшую себя на американском рынке BI.

Детальный анализ BI-решений и аналитического инструментария разных поставщиков выходит за рамки нашего рассмотрения. Однако краткое описание некоторых проектов даст представление о спектре задач, которые выполняются с помощью таких решений.

BT. Задача крупнейшего оператора Великобритании была похожа на те, с которыми частенько связываются телекоммуникационные компании. В рамках программы Business Highway фирме предстояло выявить наиболее перспективных клиентов среди представителей малого бизнеса, построить их профили, сформировать новые пакеты услуг и оценить потенциальную доходность. Компания предоставляла клиентам три телефонных номера по одной физической линии, но уровень отклика на это предложение ее не удовлетворял.

Сделав ставку на систему экспресс-моделирования Clementine фирмы SPSS, BT сразу столкнулась с проблемой низкого качества данных и необходимостью их очистки (удаления выбросов, восстановления пропущенных значений, фильтровки параметров, не имевших отношения к программе Business Highway). Затем предстояло оценить прогностическую ценность составляющих профилей клиентов с точки зрения возможной подписки на новую услугу и построить несколько моделей ожидаемого поведения. Как отмечает старший консультант BT Стефен О’Брайен, использование бизнес-аналитики принесло ощутимую выгоду еще до появления окончательных моделей: уровень клиентского отклика на новое предложение вырос вдвое. Окончательные результаты моделирования, переданные в отделы маркетинга и продаж, позволили заметно повысить доходы от новой услуги.

NTT DoCoMo. Японский оператор прибегнул к бизнес-аналитике для сокращения оттока клиентов, памятуя о давней истине: затраты на привлечение нового абонента в несколько раз превышают расходы на удержание существующего. Основными задачами NTT DoCoMo стали изучение потребностей индивидуальных подписчиков и изменение собственной стратегии для повышения их лояльности. Компания сделала ставку на средства интеллектуального анализа данных SAS и разработала специальные программы повышения лояльности.

Так, при появлении в офисе продаж NTT DoCoMo абонента, для которого BI-система спрогнозировала повышенную вероятность расторжения контракта, на терминалы менеджеров выводились минимум три варианта упреждающих действий. Абоненту могли предложить более привлекательный тарифный план, кредитную карту DoCoMo либо продление гарантийного срока на телефон. Эти меры позволили уже в 2005 году снизить отток абонентов с 1,01 до 0,77%. Руководство японского оператора с 50-миллионной абонентской базой расценило такой результат как несомненное достижение. Компания сохранила 120 тыс. клиентов, которые уже готовы были перейти к другому оператору, и дополнительно получила 84 млн долл. прибыли.

Кстати, ранее большинство бизнес-пользователей и руководителей подразделений NTT DoCoMo не имели опыта работы с BI-инструментами. Поэтому существенной причиной успеха проекта стало формирование центра компетенции по BI, отвечавшего за координацию всех инициатив в данной области.

Vodafone. Фирма избрала необычный сценарий использования аналитических инструментов. На базе решения WebIntelligence от Business Objects она построила экстранет-систему Vision Online для корпоративных клиентов в Великобритании. В распоряжение последних были предоставлены мощные средства формирования запросов к биллинговой системе, анализа данных и генерации отчетов. Обслуживаемые оператором предприятия получили удобный инструмент контроля над уровнем использования сотрудниками услуг мобильной связи и над связанными с этим затратами. Существенно, что экстранет поддерживает анализ не только текущих, но и ретроспективных данных по каждому абоненту. Например, можно сопоставить увеличение расходов на мобильную связь с периодами активных продаж или запуска маркетинговых кампаний, разнести расходы по структурным подразделениям, оперативно выявить случаи применения сотового телефона в личных целях.

Iridium Satellite. Сегодня BI-системы востребованы не только операторами фиксированной и мобильной связи, обслуживающими миллионы абонентов. В августе 2006 года MicroStrategy распространила информацию о том, что глобальный оператор спутниковой связи Iridium решил внедрить интегрированную BI-платформу для улучшения отчетности о продажах и клиентах, а также более детального анализа результатов маркетинговых программ. Речь, в частности, шла о подробном анализе ретроспективных сведений о подписчиках и информации об эффективности применения инфраструктуры. Цели — повышение лояльности клиентов, получение прозрачной картины продажи услуг Iridium в разных регионах мира, более корректная сегментация абонентов.

Внедренные оператором инструментальные панели оказались весьма востребованными топ-менеджерами и маркетологами компании. Они позволили в режиме реального времени отслеживать доходы от продаж, а значит, более оперативно принимать управленческие решения.

Все эти примеры свидетельствуют: BI-решения используются операторами, прежде всего, для развития основного бизнеса — роста продаж, повышения отдачи от маркетинговых инициатив, достижения большей лояльности клиентов.

BI в России

У отечественных корпоративных заказчиков бизнес-аналитические решения стали популярны только в последние три-четыре года. Изменения приоритетов в этой области наглядно демонстрировали осенние конференции Business Intelligence, которые на протяжении ряда лет проводило издательство «Открытые системы» совместно с IDC, причем по-настоящему переломным оказался 2005 год.

Изменение настроений объясняется стремительным ростом крупных и средних предприятий (по объемам бизнеса они в ряде случаев сравнялись с зарубежными «аналогами»), выходом отечественных фирм на международные рынки (в том числе заключением новых партнерских соглашений и приобретением активов за пределами страны), подготовкой к IPO и изменением вследствие этого требований к уровню корпоративного управления и финансовой отчетности. Перечисленные процессы не обошли стороной и сферу телекоммуникаций.

«ВымпелКом». В использовании аналитических решений этот оператор продвинулся дальше других отечественных телекоммуникационных компаний. В 2001 году «ВымпелКом» построил на базе ПО Business Information Warehouse корпорации SAP (обеспечивающего сбор, хранение и обработку информации для систем поддержки управленческих решений) единую систему корпоративной отчетности. Ее внедрение позволило повысить качество операционной, маркетинговой и финансовой информации, сократить сроки ее предоставления топ-менеджменту. По свидетельству IBS, исполнителя проекта, продукт SAP представляет собой специализированную надстройку над действующими учетными системами, что дает возможность обойтись без внедрения систем ERP. Одновременно он допускает развитие и расширение функционала системы. Вот почему следующим этапом проекта стало внедрение средств, обеспечивающих информационную поддержку стратегического мониторинга деятельности оператора.

Наличие ощутимой отдачи от внедрения решения SAP стало мощным стимулом к запуску в «ВымпелКоме» проекта, нацеленного на аналитическую работу в области взаимоотношений с абонентами (анализ поведения, сегментирование клиентской базы, планирование новых продуктов и услуг), а также организацию персонализированных маркетинговых кампаний (совмещенные и перекрестные продажи, удержание клиентов). Для решения подобных задач обычно используются средства интеллектуального анализа данных; «ВымпелКом» сделал выбор в пользу ПО Clementine фирмы SPSS.

Основным источником данных стало имевшееся в компании хранилище данных. Как сообщил Сергей Федечкин, заместитель директора по архитектуре систем управленческой информации и отчетности «ВымпелКома», в конце 2006 года объем хранилища превысил 70 Тбайт, а общее число таблиц БД перевалило за 500. При этом для каждого абонента было создано 450 KPI, и ежедневно в хранилище загружалось около 150 Гбайт новых сведений. Помимо решения SPSS в проекте использованы ETL-инструментарий фирмы Informatica, средства OLAP и генерации отчетов от Business Objects, СУБД компании Oracle, программы управления маркетинговыми кампаниями производства SAS.

Благодаря более эффективному целевому маркетингу, уменьшению оттока клиентов, управлению ожиданиями заказчиков и дополнительным продажам срок возврата инвестиций составил три года, а рентабельность проекта превысила 65%. Проект, стартовавший в июне 2004 года и рассчитанный на шесть лет, предполагал постепенное дополнение массового маркетинга сегментированными, а затем и целевыми кампаниями. Эти задачи, в основном, были решены к концу 2006 года. На 2008 год запланирована реализация маркетинговых акций, управляемых событиями, а в 2010 году «ВымпелКом» намерен перейти к методам интерактивного маркетинга.

МГТС. В условиях строгого регулирования тарифов государством и необходимости выполнять важную социальную функцию (обеспечения москвичей доступной телефонной связью) в середине 2002 года руководство признанного московского оператора задалось целью привлечь инвесторов путем развития особо прибыльных услуг. Это стало возможным благодаря тому, что регулированию подлежат немногим более половины всех сервисов МГТС. Потери компании от предоставления заведомо убыточных социально значимых услуг компенсируются государством, в связи с чем МГТС обязана регулярно предоставлять в ФАС прозрачные достоверные отчеты и скрупулезно анализировать структуру собственных затрат для снижения издержек.

Руководство фирмы решило внедрить методологию анализа затрат по видам деятельности (Activity-Based Costing, ABC). Это предполагало выявление достоверных расходов, подсчет прибыли от каждого вида услуг и оценку стандартного уровня рентабельности по текущим видам сервисов. В качестве программного инструмента было использовано решение Activity Based Management компании SAS. Ситуация осложнялась тем, что тарифы на основные услуги МГТС были занижены, но степень их отставания от реальной себестоимости каждой услуги оставалась неизвестной.

Тем не менее удалось построить корректную модель бизнес-процессов, обеспечивавших предоставление отдельных услуг, и уже через три месяца такая работа дала первые плоды. Выяснилось, что некоторые услуги, которые руководство считало прибыльными, на деле приносили убытки. Однако главный результат заключался в другом. МГТС доказала, что установленные государством тарифы на некоторые из услуг слишком занижены. В итоге оператор добился разрешения на повышение тарифов до уровня, максимально приближенного к себестоимости этих услуг.

Упомянем еще несколько проектов на базе ПО Oracle/Hyperion, реализованных на российском рынке компанией «Ланит». За последние годы ее специалисты внедрили системы бюджетного планирования у операторов «МегаФон», «Голден Телеком» и «COSCOM» (Узбекистан). Кроме того, они инсталлировали инструменты OLAP и системы анализа данных в «Дельта Телеком» и «Примтелефон».


Архитектура BI-системы «ВымпелКома»


Ключевые показатели эффективности

Концепция ключевых показателей эффективности (Key Performance Indicators, KPI) предполагает использование системы метрик для мониторинга степени достижения поставленных бизнес-целей. Она была предложена Робертом Капланом и Дэвидом Нортоном — авторами наиболее распространенной сегодня методологии стратегического управления Balanced Scorecard (BSc). Принципиальным моментом стало включение в состав KPI нефинансовых характеристик и прогнозных оценок, охватывающих сведения о клиентах, внутренних бизнес-процессах, обучении и профессиональном росте персонала.

Набор KPI должен корректироваться в соответствии с изменением рыночных условий и особенностями развития компании. В этом отношении несомненный интерес представляет исследование Convergence KPI, опубликованное Ernst&Young в мае 2007 года. Его авторы утверждают, что эпоха конвергенции требует от операторов пересмотра традиционного набора KPI. При этом, как развитие традиционной методологии BSc, основной упор делается на повышении капитализации оператора и информировании о результатах его деятельности потенциальных инвесторов. Переход на конвергентные технологии не только открывает богатые возможности расширения спектра предоставляемых услуг, но и требует внедрения более прогрессивных бизнес-моделей, что должно найти отражение в наборе KPI.

Показатели эффективности, применяемые сегодня операторами связи, разрабатывались в доконвергентную эпоху. Они разделяются на три основные категории: параметры доходности, операционные метрики и смешанные (дополнительные) показатели (табл. 1).

Как свидетельствует исследование аналитической отчетности 27 крупнейших операторов разных стран, включая AT&T, British Telecom, France Telecom, Deutsche Telekom, China Mobile, Sprint-Nextel, SK Telecom, Verizon и Vodafone, операторы фиксированной и мобильной связи присваивают разный вес одним и тем же показателям (см. рисунок). После обновления портфеля услуг и бизнес-моделей информативность таких показателей снижается. Однако, отмечают аналитики Ernst&Young, нынешние метрики требуют не замены, а большей детализации, причем поначалу разной у разных операторов. Авторы исследования подчеркивают: когда некий «идеальный» набор KPI, полностью устраивающий инвесторов, будет внедрен хотя бы одним крупным оператором, он сразу же станет стандартом де-факто.

Общий вектор предполагаемых изменений состоит в смещении акцента с уровня доходов и использования имеющейся инфраструктуры к размерам прибыли и востребованности сервисов. А детализация KPI означает, например, что вместо определения общих значений ARPU или процента оттока клиентов оператор начнет рассчитывать среднемесячные доходы с абонента, обеспечиваемые разными пакетами услуг. Кроме того, он будет сопоставлять интенсивность оттока в группах подписчиков, которым были предложены разные наборы сервисов. Ernst&Young отмечает, что крупные операторы уже переходят на новые KPI (табл. 2), учитывающие специфику их деятельности, и в ближайшие годы эта тенденция будет набирать силу.

Поделитесь материалом с коллегами и друзьями