Автореферат (1026463), страница 4
Текст из файла (страница 4)
Разработку жеаналитической модели и пользовательских отчетов рационально проводить внебольших рабочих группах, ответственных за отдельную бизнес-область – ииспользовать «гибкую» (Agile) методологию, например, Scrum. Этозначительно ускоряет процесс разработки и позволяет итерационноприближаться к желаемому результату, постоянно понимая реальнуюстепень готовности конкретного функционала системы.Разработан подход к измерению и оценке эффективности, в т.ч.окупаемости разработанного инструмента анализа. После прохожденияэтапов преданализа и тестирования с той или иной степенью достоверностирекомендуется рассчитать параметры окупаемости проекта внедрения,основные «стандартные» показатели эффективности вложений: чистыйприведенный доход (ЧДД, net present value, NPV), дисконтированный периодокупаемости (discounted payback period, DPBP), рентабельность13инвестированного капитала (return on investments, ROI). Анализ состоит изоценки доходной и расходной части.Расходы составляют: расходы на программное и аппаратноеобеспечение, консультации при внедрении и поддержке, дополнительныетрудозатраты высокооплачиваемых аналитиков и разработчиков.
Напрактике чаще всего используется метод сравнения альтернатив – годовойстоимости владения аналитической системой «с» и «без» внедрения новогоинструмента. Причем наиболее вероятно стоимость структуры с BIоказывается выше. Не стоит ожидать стандартной для транзакционныхсистем «экономии на человеко-часах аналитиков и программистов», однакоменяется структура работ сотрудников. Аналитики меньше времени тратятна выгрузку и подготовку данных и больше времени – на интерпретацию ибизнес-предложения (по экспертным оценкам вместо ~70%/30% →30%/70%).
Программисты, хоть и более высокооплачиваемые (т.к. требуетсяособая квалификация), тратят меньше времени на поддержкупользовательскихотчетов(т.к.аналитикапереводитсяна«самообслуживание») и больше времени – на развитие и повышениепроизводительности аналитической модели, а также на расширение охватабизнес-областей аналитикой.
Совокупные годовые расходы могут составлятьдля примера ~$1-2М, т.е. <0.5% от оборота крупной розничной компании(~$500М/год).Выгоды от внедрения: дополнительные доходы и снижение расходовбизнеса по результатам аналитики, экономия на непроизводительныхтрудозатратах аналитиков. Выгоды чаще всего оцениваются экспертно,например, в виде дополнительного оборота (снижение скидки на 1-5%пунктов за счет точечной настройки введения селективной скидки отскорости продаж на уровне товарной позиции; повышение среднего чека на5-10% за счет анализа комплексности). Снижение затрат: например, на смсрассылки клиентам на 10-20% через таргетирование по клиентскимсегментам на основе истории покупок и поведения на сайте. По самымскромным оценкам опрошенных в исследовании экспертов, дополнительнаявыгода от внедрения разработанного инструмента превышает 3-5% отоборота крупной розничной компании.Таким образом, подавляющее большинство проектов, в т.ч.приведенный в работе пример, по консервативным оценкам имеет ROI за 5лет >> 100% и период окупаемости не более 1-3 лет.
Причем этот сроксостоит не столько из периода внедрения самого аналитическогоинструмента, сколько требуется время на включение бизнес-аналитики изновой системы в процесс поддержки принятия решений. Несмотря нанеопределенность в прогнозировании выгод от внедрения, у руководителейкрупных компаний в целом не стоит выбор «внедрять/ не внедрять», т.к.обычные инструменты анализа просто не справляются с огромнымиобъемами данных, в любом случае приходится применять ту или инуюкрупную аналитическую систему. Вопрос состоит скорее в выбореплатформы и консультанта по внедрению. Главное – попытка оценки14потенциальных выгод от внедрения на ранних этапах проекта позволяетсформулировать правильные цели проекта внедрения (не просто «внедритьновую систему»), а ориентированные на реальный предполагаемый бизнесрезультат.
Приведенный в работе подход к оценке окупаемости позволиткомпаниям взвешенно оценить потребность во внедрении новогоинструмента, а также оценить предполагаемые выгоды от его использования.В работе отмечены пути дальнейшего развития разработанногоаналитического инструмента и его совершенствования на основе обратнойсвязи, получаемой по результатам внедрения в крупных мультиканальныхторговых сетях.В основных выводах и результатах работы приведены ключевыерезультаты диссертационной работы, сформулированы общие выводы онаучной новизне и практической ценности результатов исследования.ОСНОВНЫЕ ВЫВОДЫ И РЕЗУЛЬТАТЫ РАБОТЫВ соответствии с актуальностью темы исследования, а такжепоставленными целями и задачами в диссертационной работе были полученыследующие основные результаты, характеризуемые научной новизной:1. Сформулированы ключевые особенности рынка непродовольственноймультиканальной розничной торговли в России, которые существенновлияют на подходы к поддержке принятия управленческих решений.2.
Предложена авторская классификация методов поддержки принятияуправленческих решений в рознице. Выделены ограничения ивозможности усовершенствования. Сделан вывод, что необходимаадаптация применяемых в российской и мировой практикетеоретических подходов, методов, механизмов и инструментовподдержки принятия управленческих решений для использования всистеме контроллинга крупных мультиканальных торговых сетей.3. Разработан новый инструмент многомерного оперативного факторногоанализа с учетом особенности российской мультиканальной розницы.Выработаны маршруты многомерного анализа.
Разработан наборвзаимосвязанных моделей факторного анализа для управленияключевыми бизнес-процессами мультиканальной розничной компании:оперативное управление продажами по магазинам, валовой прибылью потовару, валовой прибылью по рекламным акциям. Для каждой моделиобоснован выбор вида факторной модели, ключевых факторов иприменяемых методов расчета влияния факторов; разработана матрица«фактор –> ответственный –> действие», предложен рациональныйспособ визуализации результата факторного анализа; приведен числовойпример.4.
Разработана модифицированная схема поддержки принятия решений приуправлении операционной эффективностью крупной мультиканальнойрозничной сети, отличающаяся от стандартной применением при анализе15усовершенствованных методов многомерного оперативного факторногоанализа.5. Реализован «полный цикл» поддержки принятия решений: разработанподход к анализу, предложена модифицированная схема управления наоснове анализе, разработан способ выбора реализующего их инструментаавтоматизации, разработан проект внедрения.6. Разработан комплексный подход к подготовке, внедрению и поддержкеразвития системы многомерного оперативного факторного анализа, сучетом особенностей крупных российских мультиканальных розничныхкомпаний.7.
Проведена апробация нового инструмента (в т.ч. на международныхконференциях), сделаны выводы об эффективности и параметрахокупаемости разработанного подхода. Разработанные в результатедиссертационного исследования подходы и инструменты имеютпрактическую значимость и были успешно внедрены в мультиканальныхторговых сетях «Спортмастер», «O’Stin», «Funday», «Columbia»,«Спортландия», «Weekender», «Skechers» (что подтверждено актами овнедрении).8. Результаты диссертационной работы используются в учебном процессеМГТУ им. Н.Э. Баумана при проведении семинарских занятий подисциплине «Контроллинг».По мнению автора, результаты диссертационного исследования вносятсущественный вклад в развитие теория управления розничным бизнесом иразработку прикладных рекомендаций, обеспечивающих его использование впрактике российских и международных компаний.Основное содержание диссертации отражено в следующих публикациях:По теме диссертации опубликовано 16 научных работ, общим объемомоколо 7.8 п.л., в т.ч.
на английском языке, из них 5 научных работ в изданиях,рекомендованных ВАК РФ общим объемом 4.0 п.л.:1. ЧаплыгинЮ.В.Факторныйанализрекламныхкампаниймультиканальной розничной сети // Экономический анализ: теория ипрактика. 2015. №5 (404). С.15-30. (1,0 п.л.)2. Чаплыгин Ю.В. Многомерный факторный анализ рентабельностиассортимента розничной сети // Управленческий учет. 2014. №10. С.5467. (0,9 п.л.)3.