Бизнестің деректері: аналитика компанияларға стратегиялық шешімдер қабылдауға қалай көмектеседі

Бүгінгі таңда деректер - бұл бизнестің отыны. Wavestone консалтингтік компаниясының зерттеулері көрсеткендей, 2023 жылдан 2024 жылға дейін ұйымдарында «деректер мен аналитика мәдениеті қалыптасқан» деп айтқан топ-менеджерлердің үлесі 21%-дан 43%-ға дейін артты. Data-driven (деректерге негізделген) компаниялардың саны да екі есе өсті - олар бизнес-шешімдер қабылдау барысында деректерге сүйенеді. Мұндай тәсіл әсіресе қаржы мен банкинг сияқты жоғары бәсекеге қабілетті салалар үшін маңызды. Құрылымдалған аналитика деректер көмегімен компанияларға стратегиялық жоспарлауға және бизнес тұрақтылығын ұзақ мерзім бойы сақтауға қалай көмек көрсететінін Citigroup вице-президенті Дана Кауменова Bugin.kz тілшісіне түсіндіріп берді.

Құрылымдалған аналитика - бұл ақпаратты талдаудың нақты әдістемесін қолдануды білдіретін тәсіл. Ол объективті деректерге, статистикалық әдістерге және алгоритмдерге негізделеді, қателіктер мен бейтараптық ықтималдығын төмендетеді және қорытындыларды сенімді етеді. Бұл тәсіл тікелей бизнес тұрақтылығының ұзақ мерзімді сипатына байланысты. Бизнес тұрақтылығы компанияның бәсекеге қабілеттілігін сақтау, ресурстарды тиімді басқару және белгісіздік жағдайында да тәуекелдерді азайту қабілетін білдіреді.

Жүйелендірілген талдау әдістері арқылы компаниялар нарықтағы өзгерістерге жылдам бейімделіп, клиенттерге қажетті өнімдерді дамытуға мүмкіндік алады. Сондай-ақ олар өздерінің бизнес-процестеріндегі бос орындарды анықтап, алдын алу шараларын енгізе алады - мысалы, автоматизация арқылы. Әрине, структурированная аналитика бизнеске маңызды стратегиялық шешімдер қабылдауға көмектеседі.

Қаржылық тұрақтылыққа кілт

Қаржы саласында банктер мен инвестициялық компаниялар тәуекелдерді басқару үшін аналитикалық модельдерді қолданады - олар нарықтың құбылмалылығын, пайыздық мөлшерлемелерді, қарыз алушылардың несие қабілеттілігін бағалайды, дефолт ықтималдығын болжайды. Мысалы, клиенттердің тарихи деректерін талдау арқылы жоғары тәуекелге байланысты мінез-құлық модельдерін анықтап, жоғары тәуекелді сегменттердегі адамдарға қатаң несие шарттарын қолдануға болады. Бұл өз кезегінде шығындарды азайтуға және тұрақтылықты сақтауға мүмкіндік береді.

Инвестициялық банктер аналитиканы сценарийлерді модельдеу және стресстік сынақтар үшін қолданады, бұл нарықтағы өзгерістердің активтер портфеліне әсерін бағалауға көмектеседі. Ал тұтынушылық банкингте қаржы ұйымдары клиенттердің мінез-құлқын талдайды, персонализделген өнімдер мен қызметтер ұсыну үшін. Мысалы, клиент шетелге жиі саяхаттайтын болса, аналитика бұл үрдісті анықтап, банк оған халықаралық операциялар үшін төмен комиссиялары бар несие картасын ұсынуы мүмкін. Бұл клиент тәжірибесін жақсартады және адалдықты арттырады.

Эксперттің жеке тәжірибесінен мысал, структурированная аналитиканың тиімділігін көрсететін жоба - ірі американдық аймақтық банкпен бірге жобалау. Банк белгілі бір штаттарда нарық үлесін арттыруды және жаңа өнімді іске қосуды жоспарлады. Осы мақсатта компания клиенттер деректерін терең талдауды жүргізді - тұтынушылардың профильдерін, олардың таңдауын, банкпен қарым-қатынас әдістерін зерттеді, негізгі заңдылықтарды анықтады және клиенттерді жалпы сипаттамалар бойынша сегменттеді. Анықталғандай, жас кәсіби мамандар әдетте комиссиясыз мобильді банкинг қолданбаларын таңдайды. Осы деректер негізінде банк тиісті шешім қабылдап, маркетингтік стратегиясын бейімдей алды.

Талдауға жүйелі көзқарас

Құрылымдалған талдау процесі әдетте мынадай кезеңдерден тұрады:

Мақсаттар мен міндеттерді анықтау. Бұл кезеңде шешілуі тиіс мәселені және қандай сұрақтарға жауап беру керектігін нақты түсіну маңызды. Мысалы, компания жаңа өнімді іске қоспақшы және өз тұтынушыларының қажеттіліктерін талдай отырып, сұранысқа ие болатын нақты функцияларды ұсынуды жоспарлайды.

Деректерді жинау. Компаниялар CRM жүйелерін, Google Analytics және басқа да ұқсас құралдарды пайдаланады, тұтынушылардан сауалнамалар мен сұхбаттар алады, консалтингтік және зерттеу агенттіктерінен есептер жүктейді. Жиналған деректердің сапасы нәтижелердің дәлдігіне тікелей әсер етеді.

Деректерді тазалау және өңдеу. Деректер жиі қателіктерді қамтиды, сондықтан оларды талдауға дайындап, өңдеу қажет: қателіктерді түзету, бос орындарды толтыру, ақпаратты бір форматқа келтіру (мысалы, күндер YYYY-MM-DD түрінде). Осылайша талдау сенімді болады.

Деректерді талдау. Бұл кезеңде статистикалық талдау, кластерлік талдау, болжау әдістері, оның ішінде машиналық оқыту алгоритмдерін қолдану сияқты әдістер пайдаланылады. Бұл негізгі кезең, мұнда деректер пайдалы ақпаратқа айналады. Осы кезеңде маңызды инсайттар, тәуелділіктер және нәтижеге әсер ететін негізгі факторлар анықталады.

Нәтижелерді түсіндіру. Нәтижелер түсінікті қорытындыларға аударылуы керек. Аналитиктер деректердің маңыздылығын, анықталған трендтер мен байланыстарды түсіндіреді, содан кейін іс-қимылдарға ұсыныстар береді. Мысалы, талдау ең көп сатылатын өнімдер нақты күндерге тиесілі екенін көрсетуі мүмкін. Немесе белгілі бір аймақтардан келген клиенттер қандай да бір өнімді жиі сатып алады.

Нәтижелерді ұсыну. Бұл бөлек және маңызды пункт, өйткені осы кезеңде талдау нәтижелері мен ұсынылған іс-шаралар мүдделі тараптарға ұсынылады. Бұл үшін есептер, презентациялар, инфографика және басқа визуализация құралдары қолданылады. Олар қорытындыларды әртүрлі департаменттер үшін түсінікті етуге көмектеседі.

Жиналған ақпарат негізінде шешімдер қабылданады - топ-менеджерлер компанияның ұзақ мерзімді стратегиясын құра алады, баға саясатын өзгерте алады, жаңа өнім немесе тіпті бағыт іске қоса алады, жұмысқа қабылдау стратегиясын өзгерте алады, процестерді оңтайландырады.

Деректер негізі ретінде
Құрылымдалған аналитиканың негізінде әртүрлі типтегі деректер болуы мүмкін - клиенттерге қатысты деректер (мысалы, транзакциялардың жиілігі мен көлемі), нарықтық трендтер, бәсекелестік орта және т.б. Стратегиялық шешімдер қабылдау үшін ең құнды деректер - бұл өзектілік, дәлдік, жаңалық және түсіндіруге болатын сипаттамаларға ие деректер.

Деректердің өзектілігі - оларды қойылған мақсатқа сәйкестігі. Мысалы: интернеттегі жарнамалық кампанияның тиімділігін бағалау үшін, басулар, конверсиялар, сайтта өткізілген уақыт және мақсатты аудиторияның демографиялық деректері пайдалы болады. Дәлдік - бұл ақпараттың қателер мен бұрмалаусыз берілуін білдіреді. Жаңалық - бұл деректердің жаңартылған және ескірмегендігі. Мысалы, инвестициялық мүмкіндіктерді бағалауда нарықтың ағымдағы жағдайы мен экономикалық көрсеткіштерін талдау маңызды, ал өткен айлар мен жылдардағы деректер жеткіліксіз болуы мүмкін.

Соңында, түсіндірілетіндік - деректердің түсінікті және талдауға қол жетімді болуы дегенді білдіреді. Олар осындай формада ұсынылған, ол маңызды қорытындыларды оңай алуға мүмкіндік береді. Қарапайым мысал: егер компания жалпы сатудан түскен табысты көрсетсе, бірақ оны сегменттерге бөлмесе (мысалы, бөлшек сауда, көтерме сауда және т.б.), қай санаттың ең көп пайда әкелетінін түсіну мүмкін болмайды.

Бұл деректерді өңдеу үшін әртүрлі құралдар қолдануға болады. Excel және Tableau үлкен көлемдегі ақпаратты визуализациялау мен талдауға жарайды. SQL деректерді сақтау мен оларға қол жетімділікті ұйымдастыру және оңтайландыру үшін қолданылады. Ал Python терең талдау мен күрделі модельдер құру үшін жетекші бағдарламалау тілдерінің бірі болып қала береді. Бұл салада ресурстарды жылдам масштабтауға және әртүрлі дереккөздерді біріктіруге мүмкіндік беретін бұлтты шешімдер де үлкен рөл атқарады - AWS, Google және Microsoft бұл бағытта жетекші орын алады.

Анализдің қиындықтары

Деректерді талдау процесінде компаниялар бірқатар қиындықтармен кездеседі. Дана Кауменова келесі негізгі факторларды атап өтеді:

Деректер сапасымен байланысты мәселелер - оны шешу үшін Citi сияқты банктер ұйым деңгейінде стандарттар мен саясаттар әзірлейді. Олар сондай-ақ арнайы data governance командаларын құрады. Бұл командалар деректер сапасын жақсарту және олардың стандарттау, сондай-ақ деректерді жинау және өңдеу кезінде қателіктердің алдын алу процедураларына жауап береді.

Құпиялылықты басқару және реттеуші талаптарға сәйкестік - бұл сезімтал деректермен (мысалы, жеке немесе қаржылық ақпарат) жұмыс істеуді және оның сыртқа шығып кетуін болдырмауды қамтиды. Қызметкерлерге ережелерді сақтау бойынша тұрақты тренингтер өткізіледі және ақпаратқа қол жетімділікті бақылау мен мониторинг жүйелері қолданылады.

Нәтижелерді түсіндіру және коммуникация мәселелері - кейде нәтижелер әртүрлі командалармен әртүрлі түсіндірілуі мүмкін. Бір команда сатылымдардың өсуіне назар аударса, екіншісі шығындардың төмендеуін көре алады. Бірлескен шешімдерге келу үшін нәтижелерді көрсету үшін қарапайым әрі түсінікті визуализациялар қолдану пайдалы болады. Сондай-ақ, процестерді дұрыс құру және техникалық мамандар мен бизнес-пайдаланушылар арасындағы тиімді коммуникацияларды қамтамасыз ету маңызды.

Аналитикадағы қиындықтар тек технологиялармен ғана емес, корпоративтік мәдениет пен басқарумен де байланысты. Адамдарды оқыту, процестерді автоматтандыру және деректермен жұмыс істеуге жауапкершілікті жоғары деңгейде қолдау өте маңызды.

Автоматтандырылған шешімдер мысалы ретінде - Citigroup-те деректер сапасының мәселелерін ескерту жүйесінің дамуы. Бұл мәселелер кепілдік акцияларының өтімділік есебін жүргізудің дәлдігін төмендетті, бұл ішкі және реттеуші тәуекелді есептеулерге әсер етті. Компания деректердің сапасы туралы есептер мен хабарламаларды автоматты түрде жіберетін шешімді енгізді. Бұл жауап беру процесін жылдамдатып, қателіктерді анықтау мен түзету уақытын қысқартуға мүмкіндік берді.

Болашақ - нейрожелілерде (бірақ тек оларда емес)

Деректер аналитикасының негізіне жасанды интеллект жатады. Машиналық оқыту алгоритмдері бірнеше секунд ішінде миллиондаған транзакцияларды және басқа деректерді талдай алады. Мысалы, нейрожелілер болжамды аналитикада белсенді қолданылуы мүмкін - олар компанияларға тәуекелдерді бағалау мен жоюда реактивті емес, белсенді болуға көмектеседі. Олардың көмегімен проблемалы аймақтарды дағдарысқа айналмай тұрып болжауға болады. Мысалы, нейрожелілер несие қабілеттілігін бағалауды оңтайландырып, тарихи деректерді пайдаланып, болашақтағы несие тәуекелдерін, дефолт ықтималдығын және ықтимал шығындарды болжауға көмектеседі.

Зерттеулер технологияның қаншалықты перспективалы екенін растайды - Future Market Insights болжауларына сәйкес, жасанды интеллект аналитикасы нарығы келесі онжылдықта 22,6% орташа жылдық өсу қарқынын көрсетеді. Индустрия 2024 жылы 29 миллиард доллардан 2034 жылы 223 миллиард доллардан астамға дейін өседі.

Сонымен қатар, экологиялық, әлеуметтік және басқарушылық (ESG) факторларының аналитикадағы рөлі артып келеді. Тұрақты даму мәселелеріне өсіп келе жатқан қызығушылық жағдайында компаниялар өздерінің аналитикалық жүйелеріне ESG көрсеткіштерін енгізуге ұмтылады. Бұл қаржы секторы үшін әсіресе маңызды, себебі ESG факторлары активтерді инвестициялау тартымдылығын бағалауға тікелей әсер етеді. E&Y мәліметтері бойынша пандемия ESG мәселелерінің маңыздылығын арттырып, «инклюзивті капитализмге» көшу үдерісін жылдамдатты. Инвесторлар ESG-ге назар аударатын компаниялардың тәуекелі төмен, ұзақ мерзімді перспективаға бағытталған және белгісіздікке жақсы дайындалған деп сенеді.

Ақырында, бизнес нақты уақытта деректерді талдауға мүмкіндік беретін шешімдерді белсенді түрде қолдануда. Бұл нарықтардың жоғары құбылмалылығы жағдайында әсіресе өзекті. Деректерді «ұшып кету» кезінде талдайтын компаниялар сыртқы ортадағы өзгерістерге, нарықтағы өзгерістерге немесе клиенттердің жаңа талаптарына дереу жауап бере алады. Қаржы секторында бұл сауданы жүргізу немесе өтімділікті басқару стратегиясын дереу өзгерту түрінде көрінуі мүмкін.

Құрылымдалған аналитика - бұл тек құрал емес, деректермен басқарудың негізді тәсілі. Егер аналитикалық процестер тиімді болса, олар дәл және негізделген шешімдер қабылдауға көмектеседі. Сондықтан аналитиканың тиімділігін бағалауға көмектесетін KPI - бұл шешімдер қабылдаудың жылдамдығы, процестердің орындалу уақытын қысқарту, қателіктер санын азайту және клиенттер мен негізгі мүдделі тараптардың қанағаттанушылығын арттыру.

Дегенмен, ақпарат сапасы, құпиялылық және түсіндіру мәселелерін ескеру маңызды. Оларды жеңу автоматтандыру, алгоритмдерді пайдалану, құпиялылық стандарттарын бақылау және деректерді қорғауды, сондай-ақ командаларды оқытуды қамтамасыз етеді.
Дана Кауменова