Диссертация (1026464), страница 22
Текст из файла (страница 22)
Разработка первой рабочей версии, базовыйфункционал: ключевым фактором успеха на данном этапе являетсянеобходимость на сколько возможно четкого указания и утверждениякритериев получения 1-го положительного результата, чтобы не дать срокампроекта выйти за управляемые рамки. Обычно 1-ый результат необходимополучить через 6 месяцев после начала внедрения. Сдача базовойаналитической модели в опытную эксплуатацию. В данной фазе необходимопровести: Обучение ключевых пользователей интерфейсам работы ссистемой; Обеспечить пути сбора отзывов/пожеланий/предложений поработе новой системы; Подготовить первую полноценную версию SLA(Service Level Agreement – соглашение о качестве предоставляемого сервиса),с описанием регламента работы системы и схемы эскалации и решениявозникающихпроблемиразрешенияспорныхвопросов.Сдачавпромышленную эксплуатацию.
Поддержка и развитие на основаниифинальной версии SLA силами IT и бизнес подразделений Компании.На этом завершим рассмотрение проекта внедрения и опишем, какиенаправления развития ожидают системы поддержки принятия решений этогокласса.1473.4. Будущее многомерной оперативной бизнес-аналитикиВедущие мировые эксперты в области бизнес-аналитики прогнозируютразвитие «сетевой бизнес-аналитики». В качестве ключевых причинразвития называется потребность в повышении скорости принятия решенийна основе постоянно увеличивающегося спектра данных (в т.ч. текстовых,видео, аудио); межотраслевая и мультиканальная интеграция; передконтроллерамистоитнепростаязадачапредугадыватьменеджеров в информации; самая первая задачапотребностипомочь принимать«рутинные» бизнес-решения без участия руководителя.По мнению одного из самых авторитетных аналитиков в областиBusiness Intelligence Найджела Пендза (редактор The BI Verdict, авторежегодного обзора The BI Survey) [105], можно сделать следующиезамечания.
Архитектура бизнес-приложений за период с 1970 совершилаполный круг: в 1970-х BI-приложения были «облачными» сервисами (SaaS –Software as a Service). Через терминалы аналитики подключались мейнфреймс разделением времени. Компании оплачивали время работы машины, а непокупали «железо» и приложения. Сейчас BI-продукты (как «коробочные»,так и «облачные») использовать намного проще. У них «красивый»графический интерфейс.
Многие процессы стали делаться автоматически сучетом огромного роста вычислительных мощностей. Объемы данных, скоторыми работают аналитики, существенно возросли. Современные ERPсистемы придали «стандартизованности» методам сбора, хранения иобработки бизнес-данных. Поэтому доступ к данным для аналитики и еенастройка под аналитические нужды стали проще. Но в ряде областейпрорывы не так значительны.В области визуализации бизнес-данных в течение долгого времени непроисходит существенных прорывов, т.к.
не смотря на развитие технологий,когнитивные способности человека в восприятии информацию хорошоописаны в классических работах по инфографике и визуализации данных.Однако,некоторыеновыеудобныеспособывизуализациивсе-таки148появляются, например, микрографики (spark line), маркированные графики(bullet charts) выдающихся специалистов по визуализации данных СтивенаФью (Stephen Few) и инфографика Эдварда Тафти (Edward Tufte).Cамообучающиесяаналитическиесистемы,которыедолжныанализировать, какие показатели в каких разрезах вы используете наиболеечасто, какие маршруты анализа выбираете, какой способ визуализациииспользуете. На основе этого они могли бы подстраиваться под конкретнуюаналитическую задачу и предлагать оптимальный по времени способанализа.
Однако успешных продуктов такого класса реализующих подобный«автоматизированный» функционал в полной мере на данный момент несоздано.МногиеBI-вендорыактивнопродвигаютупрощенныедляиспользования конечным пользователем механизмы data mining. Но этимметодам не достаточно доверяют специалисты-статистики.
Волшебный«черный ящик» при использовании недостаточно квалифицированнымианалитиками часто дает неадекватные результаты. Также только начинаетразвиваться аналитика нечисловых данных в BI.Несмотря на активное агрессивное развитие мобильных технологий вмаркетинге, применение мобильных платформ в узкоспециализированныхBI-приложениях для аналитики не получило существенного успеха. Несмотря на прорыв в технической реализуемости, на практике оказалось, дажевне офиса сотрудникам для реальных аналитических задач удобнее ипривычнее работать на стационарных компьютерах или ноутбуках, даже нена планшетных компьютерах.Наиболееактивныевнастоящеевремянаправленияразвитияинтерактивной бизнес-аналитике это Big Data [185, 186] (Большие Данные, вт.ч. работа со слабоструктурированной и неструктурированной, в т.ч.социальнойинформацией, обработка потоков данных), которые находятсвое применение в задачах персонализации предложений клиентам компанийв мультиканальной модели взаимодействия.
Важным технологическим149развитием являются технологии in-memory (аналитическая обработкаданных в оперативной памяти).В текущих быстро меняющихся экономических условиях, когда затратына ИТ будут серьёзно пересматриваться, спрогнозировать спрос на системыбизнес-аналитики в России крайне сложно. Однако, не смотря насущественные потребные затраты, компании, оказавшиеся в непростыхусловиях, прибегнут к комплексному анализу данных по всем направлениямбизнеса, чтобы сохранить его, повысить эффективность и снизить издержки.Таким образом, можно увидеть еще очень широкое поле для развитияинструментов интерактивного анализа в системе контроллинга современныхкомпаний.Судяпопредыдущемуопыту,развитиеинтерактивныхинструментов пойдет по пути перерождения старых идей в новыхтехнологических обрамлениях.
Поэтому ключевым фактором успеха, скореевсего, будет не столько развитие самих инструментов анализа, их базовых ирасширенных возможностей, сколько степень их реального включение врегулярный процесс менеджмента. В заключение хочется отметить, сможетли«умная»,«всезнающая»и«всевидящая»,«самообучающаяся»информационная система эффективно принимать управленческие решениясамостоятельно, или человеческий фактор все же останется решающим дляуспеха любого бизнеса, покажет время!150ОСНОВНЫЕ ВЫВОДЫ И РЕЗУЛЬТАТЫ РАБОТЫВсоответствии сактуальностью темыисследования, атакжепоставленными целями и задачами в диссертационной работе были полученыследующие основные результаты, характеризуемые научной новизной:Группа результатов 1. Подходы к поддержке принятия решений в рознице.1.
Сформулированы ключевые особенности рынка непродовольственноймультиканальной розничной торговли в России, которые существенновлияют на подходы к поддержке принятия управленческих решений.Основные из них это большое число географически распределенныхторговых точек, широкий ассортимент и большое число лиц,принимающих решений, что ставит перед системой поддержкирешений дополнительные ограничения.2. Предложена авторская классификация методов поддержки принятияуправленческихрешенийврозниценаосновекритерияуправленческого масштаба торговой сети.
Выделены ограничения ивозможности усовершенствования. Сделан вывод, что необходимаадаптацияприменяемыхтеоретическихвроссийскойимировойподходов, методов, механизмов ипрактикеинструментовподдержки принятия управленческих решений для использования всистеме контроллинга крупных мультиканальных торговых сетей.Группа результатов 2. Многомерный оперативный факторный анализ.3. Разработанфакторногоновыйинструментанализасмногомерногоучетомоперативногоособенностиироссийскоймультиканальной розницы.
Выработаны маршруты многомерногоанализа (магазины, товар, время, клиенты, атрибуты магазинов,атрибуты товара, типы рекламных акций и т.д.). Разработан наборвзаимосвязанных моделей факторного анализа для управленияключевыми бизнес-процессами мультиканальной розничной компании:оперативное управление продажами по магазинам, валовой прибылью151по товару, валовой прибылью по рекламным акциям. Для каждоймодели обоснован выбор вида факторной модели, ключевых факторови применяемых методов расчета влияния факторов; разработанаматрица «фактор –> ответственный –> действие», предложенрациональный способ визуализации результата факторного анализа(водопадная диаграмма в абсолютных и относительных значениях);приведен числовой пример.
Разработанный инструмент позволяетпровести глубокий комплексный анализ «где» и «почему» в 3ключевыхобластяхрозницы(торговаясеть,товар,клиенты),персонифицировать ответственность за результат и предложитьстандартизованный алгоритм управления ситуацией.4. Разработанамодифицированнаяэффективностьюотличающаясякрупнойотусовершенствованныхсхемауправлениямультиканальнойстандартнойметодовоперационнойрозничнойприменениеммногомерногоприсети,анализеоперативногофакторного анализа. Внедрение данной схемы управления позволяетснизить число циклов согласования при принятии управленческогорешения (на основе стандартной матрицы принимать решения науровне линейного менеджмента и только нерешенные вопросыэскалировать на уровень высшего менеджмента), т.е.
повыситьскорость и качество проработки решений а также производительностьтруда большого числа руководителей торговой сети.Группа результатов 3. Автоматизация многомерного оперативногофакторного анализа.5. Сформирован набор критериев и обоснован подход к выборуинструментаавтоматизации,которыйреализуетразработанныеалгоритмы анализа. Обоснованный выбор инструмента позволяетсущественно снизить трудозатраты на подготовку управленческихрешений и повышает вероятность успешного применения нового видаанализа в схеме управления мультиканальных розничных компаний.1526. Разработан комплексный подход к подготовке, внедрению и поддержкеразвития системы многомерного оперативного факторного анализа,учитывающий особенности крупных российских мультиканальныхрозничных компаний.
Разработан подход к измерению и оценкеэффективности, в т.ч. окупаемости разработанного инструментаанализа, что позволит компаниям взвешенно оценить потребность вовнедрении нового инструмента, а также оценить предполагаемыевыгоды от его использования.7. Проведена апробация нового инструмента анализа (в т.ч. намеждународныхконференциях).Разработанныеврезультатедиссертационного исследования подходы и алгоритмы были успешновнедрены в торговых сетях «Спортмастер», «O’Stin», «FunDay»,«Спортландия»,«Columbia»,«Weekender»,«Skechers»(чтоподтверждено актами о внедрении).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 их использование вреальной практике российских и международных компаний.ПубликацииРезультатыдиссертационногоисследованияотраженыв16 опубликованных работах общим объемом 7.8 п.л., в т.ч.
на английскомязыке, из них 5 научных работ в изданиях, рекомендованных ВАКМинобрнауки России общим объемом 4.0 п.л.:1. Чаплыгин Ю.В.Факторныйанализрекламныхкампаниймультиканальной розничной сети // Экономический анализ: теория ипрактика. 2015. №5 (404). С.15-30. (1,0 п.л.)1532. Чаплыгин Ю.В. Многомерный факторный анализ рентабельностиассортимента розничной сети // Управленческий учет. 2014. №10. С.5467. (0,9 п.л.)3.
![](https://s.studizba.com/z.php?f=/templates/si/i/noavatar.png&w=100&h=100&t=1"){kind=avatar}
