На сегодня одной из ключевых задач в российском ритейле является повышение эффективности бизнеса. В этой связи очень важно обеспечить оперативность, точность и качество принятия решений. А с учетом того, что в рознице, наряду с банковским и телекоммуникационным сектором, генерируются наибольшие объемы данных, в том числе неструктурированных, качество управления этой информацией напрямую влияет на позиции торговой сети на рынке, ценность ее бренда и лояльность потребителей.

Все данные, которыми оперируют ритейлеры, зачастую хранятся в различных информационных системах, слабо связанных между собой. Чем больше торговая сеть, тем сложнее ей собрать, структурировать и проанализировать имеющуюся информацию классическими средствами. Необходимость в современных инструментах BI, способных построить выверенные аналитические модели и служить надежным «источником правды», испытывают не только федеральные ритейлеры, но все чаще и региональные сети.

Анализ на всех уровнях

Многие компании, реализовав первичные задачи автоматизации бухгалтерского учета, кадров, склада и т.п. приходят к необходимости оптимизации бизнес-процессов с помощью внедрения соответствующих автоматизированных систем, в числе которых системы анализа. Такой подход позволяет существенно сократить сроки принятия и реализации управленческих решений, подчеркивает Денис Леонов, директор краснодарского офиса компании «Микротест».

BI включает в себя программные решения для визуализации, хранения, загрузки, очистки, трансформации и интеллектуального анализа данных (Data Mining). Как правило, чем меньше сеть, тем более узкие возможности у ее решения. До интеллектуального анализа доходят единицы, основная масса локальных игроков ограничивается визуализацией.

Системы класса Business Intelligence позволяют анализировать не только справочные данные о товарах и клиентах, но и бизнес-показатели: эффективность работы сотрудников, эффективность того или иного канала продаж, особенности движения товара и т.д.

«BI-cистемы дают возможность работать со всем объемом информации по компании, видеть и строить взаимозависимости между разными потоками данных. Причем бизнес-аналитические решения позволяют делать это быстро, чего не скажешь о таких инструментах, как Excel или самописные скрипты к ERP-системам», - отмечает Геннадий Махов, руководитель Центра компетенции по индустрии торговли компании «Инфосистемы Джет».

Для крупных ритейлеров наличие мощной BI-системы уже стало жизненно необходимым условием, обычно гиганты используют промышленные решения уровня Business Warehouse. В последние годы российская розница все чаще останавливает выбор на западных платформах на основе лучших мировых практик – от Microft, SAP, IBM, QlikView и других вендоров. Например, в сети «Детский мир» внедрена информационно-аналитическая система на базе IBM Cognos. Хранилище данных служит единым источником данных для подготовки отчетов и анализа информации в центральном офисе и филиалах. Сеть имеет возможность получать целостную картину бизнеса по всем необходимым аналитическим срезам, обеспечена интеграция и надежная сохранность исторических данных, снижена нагрузка на торговую систему в период активной подготовки отчетов.

Хорошие позиции на рынке удерживают решения локальных производителей BaseGroup Labs, «Прогноз», «Галактика». Так, розничная сеть МТС использует решение Deductor от BaseGroup Labs. Этот инструмент позволяет аналитикам успешно решать ряд сложных задач, связанных с управлением ассортиментом.

Кaк правило, у средних, преимущественно региональных, сетей спектр показателей, которые включены в круг ответственности BI-системы, не слишком широк, поэтому обычно используются классические OLAP-решения. В основном потребности региональной розницы касаются торговых операций. «Наша система, построенная на платформе Microsoft, используется бизнес-подразделениями для план-факторного анализа следующих финансовых показателей: доход, наценка, оборачиваемость товарных остатков, реализация в розничных ценах и себестоимости. Безусловно, мы отслеживаем и эффект от проводимых маркетинговых акций, проводим анализ их успехов и неудач», - рассказал Сергей Кухарев, директор департамента информационных технологий сети «Высшая лига».

Аналитическим инструментом небольших сетей и локальных торговых точек остается Excel. «С помощью Excel мы анализируем оборот, чек… Бизнес-аналитика выполняется через сводные таблицы, которые создаются в учетных задачах», - поделился опытом Александр Черемушкин, начальник отдела ИТ торгового дома «Крестовский».

По словам экспертов, небольшие компании довольствуются возможностями транзакционных систем, часто теряя детальную информацию, например, по чекам за предшествующие периоды.

Виталий Порубов, директор по развитию бизнеса (Retail & Wholesale) компании «Техносерв Консалтинг» рассказал, что задачи загрузки, очистки и трансформации данных в небольших компаниях, как правило, решаются встроенными средствами транзакционных систем, в средних - средствами СУБД (на котором реализуется OLAP хранилище), в больших обычно используется промышленная интеграционная шина от SAP, IBM, Oracle и др.

ERP не панацея

Современные ERP-системы включают немало возможностей для бизнес-анализа, но тем не менее проигрывают большинству специализированных BI-решений по функциональности. Отчасти отставание объясняется разницей в задачах, которая заложена при разработке обеих систем: если ERP, как правило, концентрируется на производственных вопросах с точки зрения общей логики бизнеса, то BI способны абстрагироваться от общих вопросов и строить более глубокие отчеты.

Максим Андреев, руководитель направления бизнес-приложений компании КРОК советует использовать специализированные инструменты для интеграции и построения аналитических приложений и выбирать решения этого класса независимо от учетной системы. «По нашему опыту, для некоторых задач оптимальны SaaS-услуги или решения, предлагаемые Open Source сообществом», - говорит специалист.

«Большинство российских торговых компаний могут покрыть свои потребности бизнес-анализа функционалом ERP-систем: благо у современных продуктов такой функционал сильно развит. Только немногие компании реально нуждаются в отдельных специализированных системах BI», - не соглашается Александр Заржецкий, руководитель департамента автоматизации непродовольственных предприятий розничной торговли «1С-Рарус».

По словам Геннадия Махова, на рынке большим спросом пользуются сравнительно простые и понятные BI-cистемы, то есть такие решения, с которыми могут работать не только высококвалифицированные аналитики, создающие отчеты для высшего руководства, но и категорийные менеджеры, логисты, маркетологи и другие сотрудники среднего звена. Таким образом, BI-системы повышают эффективность принятия решений на всех уровнях. Как следствие – рост эффективности бизнеса.

Наталья Гурова, директор практики Non-Food Retail, Columbus Россия и СНГ, говорит, что популярность также завоевывают аналитические CRM-системы. Эти инструменты связаны с концепциями Data Warehousing и Data Mining. «Теперь даже чисто розничные торговые компании хотят управлять работой с каждым своим клиентом», - отмечает Александр Заржецкий.

Новые тренды

В последние пару лет большие компании начинают применять технологии In-Memory, что позволяет значительно ускорить обработку и анализ огромных объемов данных (например, проекты в «Эльдорадо» и «М.Видео» на основе SAP HANA).

По словам Виталия Порубова, ведущим трендом также является использование решений для интеллектуального анализа данных (Data Mining). Подобные проекты достаточно дороги, поэтому в основном характерны для больших компаний. Но значительный сдвиг в данной области дало развитие технологии In-Memory.

Реализация проектов Data Mining позволяет получить новые возможности для развития бизнеса, например, при оптимизации управления товарными запасами.

Анализ эффективности маркетинговых акций и программ лояльности – одни из новейших задач для аналитических систем. Понимание привычек своего покупателя позволяет предложить наиболее оптимальный состав товаров и услуг и в итоге получить с клиента максимум денег или продать ему максимум продуктов и сервисов. Объем анализируемых данных при этом увеличивается, включаются множество параметров, описывающих характеристики клиента и его поведение.

Среди тенденций ближайшего будущего специалисты называют массовое внедрение в крупном ритейле систем прогнозирования.

Скорость возврата инвестиций в BI-решение зависит от размера сети и особенностей ее работы. По данным компании Digia, заказчики систем Microsft BI из продуктового ритейла в среднем говорят о ROI в 3-4 месяца. У ряда ритейлеров из других отраслей сроки окупаемости могут быть еще меньше. Например, одна из сетей аптек смогла оправдать затраты на проект уже в первый день использования системы.

Специалисты призывают тщательно готовится к созданию систем бизнес-аналитики. Нельзя забывать, что внедрение решений данного класса накладывает серьезные требования к чистоте данных.