Начнем с простого вопроса. Нужно ли учитывать прогноз погоды на завтра? Если речь идет об эксплуатации солнечной электростанции или запуске космического корабля – очевидно, да. А для торгового центра, расположенного на выезде из города? Сколько дачников на автомобиле заедет завтра за покупками, какими именно? Это зависит от завтрашней погоды? Может, не только от погоды, от чего-то другого? Одни вопросы!
Тут мы плавно переходим к усложнениям. Например, важно знать, на каком выезде из города расположен торговый центр, откуда и куда идет основной трафик, как он структурирован по времени. Неслучайно задолго до постройки здания ТЦ выполняется множество замеров – возле выходов из метро, на пешеходных переходах, на парковках и т.д. Это большой массив информации, сбор которой стоит денег. Но связи с конечной целью – управляющим решением – на этом этапе еще нет. Пока только данные.
Уровень глубже. Анализ данных по покупателям, определение частоты посещений и покупок. С помощью скидочных карт, различных анкет и конкурсов можно получить много информации, построить графики, гистограммы, OLAP-кубы. Простой анализ готов, вроде как появляется основа для выработки управляющих решений. Многие на этом останавливаются и пытаются прогнозировать.
Но такие прогнозы почему-то часто не сбываются. Яркий пример колебания курсов валют. В период стабильности системы – один сценарий, а когда внешние условия меняются – совершенно иная картина. Похожие ситуации сильно усложняют принятие управленческих решений во многих областях. Анализ есть (подробный, графический) – результата нет!
Задачи систем поддержки принятия решений
Основные сферы применения современных систем поддержки принятия решений (СППР) связаны с такими бизнес-задачами как:
- Управление кредитными, операционными, рыночными и другими видами рисков;
- Удержание клиентов за счет повышения их лояльности;
- Управление продажами с помощью кластеризации клиентской базы, а также предложения сопутствующих товаров и услуг;
- Управление спросом, планирование товарных остатков;
- Оптимизация ценообразования;
- Транспортная и складская логистика;
- Противодействие мошенничеству, в том числе связанному с сокрытием доходов, получением бонусов и различных выплат;
- Управление персоналом, и т.д.
Звучит довольно обыденно и, на первый взгляд, входит в функционал «обычного» IT-обеспечения. Так и есть, с одной существенной поправкой. Современная СППР, конечно же, служит для сбора и углубленного анализа данных. Но главное – это совокупность многоцелевых и многофакторных вычислительных моделей, решающих прямые и обратные задачи.
Подробное иллюстрирование займет слишком много места, поэтому в качестве примера приведу только один график. Я – физик, но поскольку соответствующих грантов по моей специальности в сфере СППР нет, участвую в самых разных программах, в том числе социологических. Подробнее можно прочитать в статье «Счастливый брак: Анализ и управление семейными отношениями с помощью искусственных нейронных сетей».
Кликните, чтобы посмотреть картинку полностью.
Пример анализа ожидаемой продолжительности брака с помощью нейронной сети. На диаграмме показан необычный вывод о том, что для рассматриваемой невесты лучше выйти замуж за мужчину, для которого этот брак будет вторым
Как создавать СППР?
Инструменты для интеллектуального анализа данных за рубежом называют «Data Mining». Дословный перевод «добыча данных», но Google, например, переводит определение как «интеллектуальный анализ данных», что значительно ближе по смыслу.
Задачи, которые решает Data Mining: классификация, кластеризация (можно говорить – сегментация), аппроксимация, регрессия, поиск ассоциаций и последовательных шаблонов, обнаружение отклонений от шаблонов и т.д. Желающие могут вписать в этот перечень и другие задачи, которые приходится решать в бизнесе. Не бойтесь добавлять, не ошибетесь!
Что конкретно делать
Попробую сформулировать практические рекомендации:
1. Определите цели (целевые функции) бизнеса, своей организации или свои личные – настоящие и будущие.
2. Оцените свои силы (интеллект). Сможете определить «в уме», что надо сделать для достижения целей в нетипичной ситуации – флаг вам в руки, дальше можно не читать. Нет? Тогда переходим к следующему пункту.
3. Посмотрите в интернете результаты поиска по запросам «аналитическая платформа» и «data mining». Определите поставщика решения для создания СППР – очевидно, исходя из устраивающей цены, потому что для оценки качества нужен опыт. Я могу порекомендовать аналитическую платформу Deductor, по-моему, у нее оптимальное соотношение цены и качества.
4. Сами почитайте или найдите студента с 3-5 курса (специальности – информатика, математика, физика). Если студент быстро разберется в продукте и объяснит вам, смело обращайтесь в эту фирму. Жалко денег на фирму – заплатите студенту, пусть он скачает демо-версию и решит пару ваших задач. При устраивающих результатах поручите ему остальные задачи и пользуйтесь СППР на здоровье, а студента примите на работу. Если регулярная работа со студентами не идет, обращайтесь к разработчику напрямую.
5. С фирмой поступите так. Если денег хватает, просто закажите себе СППР. Все остальное «фирмачи» сделают с большим удовольствием и достаточно быстро. Про все, что нужно, вас спросят, СППР создадут и настроят под ваши задачи, а потом будут сопровождать. Главное, не забыть выяснить, может ли их аналитическая платформа создавать многоцелевые и многофакторные вычислительные модели, решающие прямые и обратные задачи.
Вот и все, всего пять простых шагов. Конечно, есть тонкости. Вот некоторые из них:
1. Поиск в интернете можно вести и по словосочетаниям: Business Intelligence, Advanced Business Analytics. Но за этими громкими словами в 90% случаев в России понимаются различные графики и диаграммы, очень красивые и цветные, с точки зрения СППР – бесполезные (если, конечно, вы не гений).
2. Главное «научное» условие создания СППР: вы сами, ваши опытные коллеги или эксперт должны составить как можно более подробный список факторов, которые могут влиять на ваши целевые функции.
3. Главное техническое условие: вы должны организовать непрерывный сбор данных по своим факторам и целевым функциям. Здесь тоже можно обратиться к спецам – они вам помогут, хотя бы советом.
4. Построение моделей многоцелевых и многофакторных вычислительных моделей, решающих прямые и обратные задачи, лучше поручить «фирмачам». Студенты или выпускники выглядят экономичнее, но они могут уйти, причем пойдут, скорее всего, к вашим конкурентам (чтобы применить полученную специализацию). Кстати, на этот случай тоже можно построить вычислительную модель, которая покажет, какого выпускника надо брать и сколько ему платить, чтобы работал долго и стабильно.
5. Последней инстанцией в выборе управляющих решений по-прежнему будете только вы сами! СППР – ваш «интеллектуальный» помощник, но IT-система не может отвечать за деньги. Зато, в отличие от помощников-людей, она объективна, расторопна, и на ваше место не претендует, а наоборот повышает вашу ценность.
В принципе, если в вашей организации уже есть IT-отдел, то все задачи, связанные с созданием и обслуживанием СППР, можно поручить ему. Правда, сразу возникает вопрос: почему вы должны рассказывать своим IT-специалистам о том, какая хорошая штука эта СППР? Почему они сами не пришли к вам с этим предложением? Может быть, у вас не те люди в IT-отделе?
Редактор рубрики «IT для бизнеса» – Сергей Соловьев
Источник
изображения: photogenica.ru
Виктор привет!
Анатолий Панин понаставил Вам минусы я компенсировал потому, что нехорошо минусовать без тезисов.
В маркетинге, маркоме постоянно считали те факторы, которые Вы описываете для Клиентов.
Но общая проблема следующая - выбор и иерархию факторов нужно с боем доказывать, так как представление о реальности ''out-in'' или как говорят в MBA ''из внутреннего домена во внешний'' не всегда адекватное.
Именно поэтому торговые центры и не посещаемы, огромные затратные выставки и концерты прогорают и разоряются, сбытовые сети уходят к брэнду конкуренту и так далее.
Вы правильно пишете о том, что факторы индивидуальны по ситуации каждого бизнеса и социологи старой школы говорили что к каждой ситуации нужно писать методику. Но вот ясный взгляд на реальность это самый трудный шаг. Поэтому во многих брэндах тома маркетинговых исследований лежат как сакральные ценности ''мы наняли маркетологов и унас уже есть маркетинговые исследования'' дело сделано и возвращаться к нему не нужно. Никто туда и не смотрит потом. Так и лежат на полках, для красоты и отчетности.
Похоже факторная кастомизация и иерархия это самый сложный к согласованию набор.
Если видел лет 20 как это постоянно срабатывает на разных рынках, то есть с чем сравнивать а если нет, то личный опыт руководителя может стать последним опытом для бизнеса ^_^