netweek - Business Analytics: Δηµιουργώντας επιχειρηµατική αξία

Σάββατο, 24 Αυγούστου 2019

ΔΙΑΦΗΜΙΣΗ

Software

Business Analytics: Δηµιουργώντας επιχειρηµατική αξία

15 Φεβρουαρίου 2016 | 12:22 Γράφει ο Γιώργος  Φετοκάκης Topics: Analytics,Business analytics,Special Reports

Oι Σταύρος Καρέλος, IT Manager, Mantis Trading Group, Ανδρέας Κρεμαστιώτης, CIO, NN Hellas και Αντώνιος Χλέπας, Business IT Manager, AbbVie Pharmaceuticals S.A. μιλάνε στο netweek για το πώς αξιοποιούν τα Business Analytics στους οργανισμούς τους, αντλώντας την πολύτιμη αξία που κρύβεται στα εταιρικά δεδομένα.

Τα Business Analytics (BA) δημιουργούν μεγάλες προσδοκίες για τις επιχειρήσεις. Μια καλά σχεδιασμένη δράση Αnalytics, στενά συνδεδεμένη με την επιχειρηματική στρατηγική, μπορεί να κάνει τη μεγάλη διαφορά σε έναν οργανισμό. Οι βασικοί λόγοι που οδηγούν τις επιχειρήσεις σήμερα στην αξιοποίησή τους έγκειται στην κρισιμότητα που έχουν για τη λήψη σωστών στρατηγικών επιχειρηματικών αποφάσεων. Τα BA μπορούν να δομήσουν με ακρίβεια οικονομικές και λειτουργικές προβλέψεις, να βελτιστοποιήσουν τις επιχειρηματικές λειτουργίες, να εξορθολογίσουν διεργασίες και να εντοπίσουν νέες ευκαιρίες.

Σύμφωνα με μια πρόσφατη ανάλυση που δημοσίευσε το Harvard Business Review, οι εταιρείες που εναπόκεινται στην καθοδηγούμενη από τα δεδομένα λήψη αποφάσεων είναι, κατά μέσο όρο, 5% περισσότερο παραγωγικές και 6% περισσότερο κερδοφόρες από τους ανταγωνιστές τους. Σε μια έρευνα του TDWI Best Practices, περισσότερο από το 50% των συμμετεχόντων δήλωσε ότι έχει την αίσθηση ότι τα νέας γενιάς εργαλεία Αnalytics ήταν εξαιρετικά σημαντικά στη στρατηγική λήψη αποφάσεων, με το λιγότερο από το 50% να αναφέρει ότι έπαιξαν καταλυτικό ρόλο στη βελτίωση των επιχειρηματικών διεργασιών και στην αποτελεσματικότητα. Στην πραγματικότητα, αναμένεται να διπλασιαστεί η χρήση των προχωρημένων Analytics μέσα στα τρία επόμενα χρόνια. Η νέα γενιά των εργαλείων Analytics καθορίζεται από παράγοντες που είναι σχετικά καινούργιοι και καθοδηγούμενοι από τα αποτελέσματα. Η πραγματικότητα είναι ότι οι απαντήσεις παίρνουν πολύ καιρό να αλιευτούν, μπορεί να κοστίζουν πολύ, ενώ υπάρχει και έλλειψη συνοχής.

Υπερνικώντας τις δυσκολίες
Την ικανότητα ανακάλυψης και πρόσβασης στα σωστά δεδομένα, στη σωστή ποιότητα και στο σωστό χρονικό σημείο είναι πολύ δύσκολη να την αποκτήσει κανείς. Συχνά τα ίδια τα σετ δεδομένων είναι ανακριβή ή ελλιπή και, ως αποτέλεσμα, τα επίπεδα εμπιστοσύνης στην ανάλυσή τους είναι χαμηλή. Αυτό εξηγεί γιατί ακόμα και αν γίνουν σημαντικές επενδύσεις σε εργαλεία ανάλυσης νέας γενιάς, σε ομάδες, σε λογισμικό και σε όλον τον απαιτούμενο εξοπλισμό, ένα μεγάλο ποσοστό των Analytics projects συχνά απογοητεύει ή αποτυγχάνει να πιάσει τους στόχους του. Και ποιες είναι οι αιτίες γι’ αυτό;

Τα προβλήματα ποιότητας δεδομένων και οι προκλήσεις που σχετίζονται με την ενσωμάτωση των δεδομένων αποτελούν τα δύο πιο συνήθη εμπόδια για την επιτυχία ενός analytics project. Αν τα δεδομένα που διοχετεύονται προς ανάλυση δεν είναι καθαρά, αν είναι διπλότυπα, ενσωματώνονται με κακό τρόπο ή διανέμονται καθυστερημένα, τότε τα αποτελέσματα που βγαίνουν από αυτά δύσκολα μπορεί να τα εμπιστευτεί κανείς. Τα εξαιρετικά σετ δεδομένων πρέπει να είναι ακριβή, μονοσήμαντα και πλήρη. Είναι, επίσης, εύκολα επεκτάσιμα, βοηθώντας στο να αποφύγει κανείς να εφεύρει συνεχώς τον τροχό.

Με τις ταχύτατα μεταβαλλόμενες τεχνολογίες analytics data storage, αξίζει να κτίσει κανείς μια αρχιτεκτονική διαχείρισης δεδομένων που λειτουργεί με οποιοδήποτε τύπο δεδομένων, με οποιαδήποτε τεχνολογία storage. Έτσι, μια αποτελεσματική στρατηγική διακυβέρνησης των δεδομένων διανοίγει ένα ασφαλή δρόμο για να επιβλέπει κανείς την ποιότητα δεδομένων, να διαχειρίζεται την ασφάλεια και τη συμμόρφωση ή να τυποποιεί διαδικασίες.

Αρχιτεκτονική διαχείρισης δεδομένων
Συντονισμένες προσπάθειες θα πρέπει να γίνουν στην αυτοματοποίηση των διαδικασιών, ώστε αυτοί που παίρνουν τις αποφάσεις να αποκτήσουν τις γνώσεις που χρειάζονται για να αναλάβουν δράση. Θεμελιώδες σε αυτήν τη διαδικασία είναι η ανάγκη καθορισμού μιας αρχιτεκτονικής διαχείρισης δεδομένων σε όλα τα projects και δράσεις analytics. Με αυτόν τον τρόπο θα μπορέσει κανείς να οδηγήσει την προτυποποίηση, τον αυτοματισμό και την παραγωγικότητα της διανομής δεδομένων για να υποστηρίξει τις επιχειρηματικές δράσεις. Αυτή η αρχιτεκτονική χρειάζεται να λειτουργήσει σε όλες τις πηγές δεδομένων, σε οποιαδήποτε περίπτωση χρήσης και σε οποιοδήποτε εργαλείο analytics. Είναι, επίσης, σημαντικό να λειτουργήσει η διαχείριση δεδομένων σε όλους τους νέους, αδόμητους, τύπους δεδομένων όπως είναι τα Big Data. Οι οργανισμοί ανακαλύπτουν ολοένα και περισσότερο ότι οι ενδιαφέρουσες και χρήσιμες επιχειρηματικές γνώσεις προέρχονται συνδυάζοντας δεδομένα από εσωτερικές πηγές με δεδομένα από εξωτερικές, λιγότερο δομημένες, πηγές.

Την ίδια στιγμή, εστιάζοντας μόνο στο ΙΤ, οι οργανισμοί διακινδυνεύουν να σκέφτονται αποκλειστικά με τεχνολογικούς όρους, όταν θα πρέπει να συγκεντρωθούν στα επιχειρηματικά αποτελέσματα που πρέπει να επιτευχθούν. Είναι σημαντικό να εμπλακεί και η επιχειρηματική ομάδα στον καθορισμό της νέας αρχιτεκτονικής διαχείρισης δεδομένων για να διασφαλίσει ότι οι Business Analysts παίρνουν τα δεδομένα που χρειάζονται με την ποιότητα και την ταχύτητα που απαιτούν, ώστε να μπορέσουν να υποστηρίξουν αυτές τις επιχειρηματικές δράσεις. Η αξία των λύσεων analytics δεν εντοπίζεται μόνο στην ικανότητα εξαγωγής δράσεων από μεγάλες ποσότητες δεδομένων, αλλά και στην ικανότητά τους να βελτιώσουν κρίσιμα επιχειρηματικά αποτελέσματα. Η δυνατότητα διανομής εξαιρετικών δεδομένων, σε συνδυασμό με μια έξυπνη διαχείριση δεδομένων αποτελεί το κλειδί για την επιτυχία των λύσεων analytics που θα εφαρμοστούν στο μέλλον.

Analytics=ανταγωνιστικό πλεονέκτημα
Η ανάγκη απόκτησης γνώσεων και συμπερασμάτων από το θησαυρό των δεδομένων που οι επιχειρήσεις αποθηκεύουν σε ψηφιακή μορφή είναι πιο έντονη από ποτέ. Οι οργανισμοί σήμερα πλημμυρίζουν από όγκους δεδομένων αλλά διψάνε για πληροφορίες. Σημαντικό ρόλο στην αξιοποίηση αυτών των πληροφοριών θα παίξουν οι διοικήσεις τους. Σήμερα, οι περισσότεροι επιχειρηματίες δεν γνωρίζουν τι σημαίνουν έννοιες όπως predictive modeling, μαθηματική βελτιστοποίηση και άλλες που άπτονται των Analytics, αλλά στο μέλλον η χρήση τέτοιων πανίσχυρων τεχνικών θα μπει στην καθημερινότητα τους, όπως έχουν μπει και οι υπολογιστές - αν θέλουν, βέβαια, να επιβιώσουν οι επιχειρήσεις τους μέσα σε μια ιδιαίτερα ανταγωνιστική και ρυθμιζόμενη αγορά. Τα διοικητικά στελέχη, οι μάνατζερ και οι εργαζόμενοι που αδυνατούν να κατανοήσουν, να ερμηνεύσουν και να μοχλεύσουν αυτά τα assets θα δώσουν σκληρή μάχη για να επιβιώσουν.

Πάντα υπάρχει ένα αυξημένο ρίσκο, όταν οι αποφάσεις παίρνονται βάση διαίσθησης, συναισθήματος, παραπλανητικών δεδομένων ή πολιτικών. Τα Business Analytics μπορούν να ελαχιστοποιήσουν αυτό το ρίσκο, προσφέροντας στις επιχειρήσεις ένα σημαντικό ανταγωνιστικό πλεονέκτημα. Μετατρέπονται, έτσι, σε ένα πανίσχυρο νέο όπλο για τους οργανισμούς, βοηθώντας τους να ανταγωνιστούν με επιτυχία και να βελτιστοποιήσουν τη χρήση των πόρων, assets και εμπορικών συνεργατών τους.

Τα σημαντικά οφέλη των analytics κερδίζονται μέσα από την εφαρμογή μιας συστηματικής εξερεύνησης των ποσοτικών σχέσεων ανάμεσα σε παράγοντες διαχείρισης επιδόσεων. Όταν οι πρωτεύοντες παράγοντες που ωθούν έναν οργανισμό στην επιτυχία μετριούνται, παρακολουθούνται στενά και προβλέπονται, τότε αυτός ο οργανισμός βρίσκεται σε μια πολύ καλύτερη θέση για να δομήσει τη στρατηγική του κατά τέτοιο τρόπο ώστε να μετριάσει τα ρίσκα του. Μια πολύ καλή εικόνα για το πώς οι ελληνικοί οργανισμοί εκμεταλλεύονται τα Analytics μπορείτε να πάρετε στις σελίδες που ακολουθούν, όπου σημαντικά στελέχη ΙΤ από μεγάλους οργανισμούς μάς μεταφέρουν τις εμπειρίες τους από την εφαρμογή των Business Analytics στις επιχειρήσεις τους.

Τα Business Analytics (BA) δημιουργούν μεγάλες προσδοκίες για τις επιχειρήσεις. Μια καλά σχεδιασμένη δράση Αnalytics, στενά συνδεδεμένη με την επιχειρηματική στρατηγική, μπορεί να κάνει τη μεγάλη διαφορά σε έναν οργανισμό. Οι βασικοί λόγοι που οδηγούν τις επιχειρήσεις σήμερα στην αξιοποίησή τους έγκειται στην κρισιμότητα που έχουν για τη λήψη σωστών στρατηγικών επιχειρηματικών αποφάσεων. Τα BA μπορούν να δομήσουν με ακρίβεια οικονομικές και λειτουργικές προβλέψεις, να βελτιστοποιήσουν τις επιχειρηματικές λειτουργίες, να εξορθολογίσουν διεργασίες και να εντοπίσουν νέες ευκαιρίες.

Σύμφωνα με μια πρόσφατη ανάλυση που δημοσίευσε το Harvard Business Review, οι εταιρείες που εναπόκεινται στην καθοδηγούμενη από τα δεδομένα λήψη αποφάσεων είναι, κατά μέσο όρο, 5% περισσότερο παραγωγικές και 6% περισσότερο κερδοφόρες από τους ανταγωνιστές τους. Σε μια έρευνα του TDWI Best Practices, περισσότερο από το 50% των συμμετεχόντων δήλωσε ότι έχει την αίσθηση ότι τα νέας γενιάς εργαλεία Αnalytics ήταν εξαιρετικά σημαντικά στη στρατηγική λήψη αποφάσεων, με το λιγότερο από το 50% να αναφέρει ότι έπαιξαν καταλυτικό ρόλο στη βελτίωση των επιχειρηματικών διεργασιών και στην αποτελεσματικότητα. Στην πραγματικότητα, αναμένεται να διπλασιαστεί η χρήση των προχωρημένων Analytics μέσα στα τρία επόμενα χρόνια. Η νέα γενιά των εργαλείων Analytics καθορίζεται από παράγοντες που είναι σχετικά καινούργιοι και καθοδηγούμενοι από τα αποτελέσματα. Η πραγματικότητα είναι ότι οι απαντήσεις παίρνουν πολύ καιρό να αλιευτούν, μπορεί να κοστίζουν πολύ, ενώ υπάρχει και έλλειψη συνοχής.

Υπερνικώντας τις δυσκολίες
Την ικανότητα ανακάλυψης και πρόσβασης στα σωστά δεδομένα, στη σωστή ποιότητα και στο σωστό χρονικό σημείο είναι πολύ δύσκολη να την αποκτήσει κανείς. Συχνά τα ίδια τα σετ δεδομένων είναι ανακριβή ή ελλιπή και, ως αποτέλεσμα, τα επίπεδα εμπιστοσύνης στην ανάλυσή τους είναι χαμηλή. Αυτό εξηγεί γιατί ακόμα και αν γίνουν σημαντικές επενδύσεις σε εργαλεία ανάλυσης νέας γενιάς, σε ομάδες, σε λογισμικό και σε όλον τον απαιτούμενο εξοπλισμό, ένα μεγάλο ποσοστό των Analytics projects συχνά απογοητεύει ή αποτυγχάνει να πιάσει τους στόχους του. Και ποιες είναι οι αιτίες γι’ αυτό;

Τα προβλήματα ποιότητας δεδομένων και οι προκλήσεις που σχετίζονται με την ενσωμάτωση των δεδομένων αποτελούν τα δύο πιο συνήθη εμπόδια για την επιτυχία ενός analytics project. Αν τα δεδομένα που διοχετεύονται προς ανάλυση δεν είναι καθαρά, αν είναι διπλότυπα, ενσωματώνονται με κακό τρόπο ή διανέμονται καθυστερημένα, τότε τα αποτελέσματα που βγαίνουν από αυτά δύσκολα μπορεί να τα εμπιστευτεί κανείς. Τα εξαιρετικά σετ δεδομένων πρέπει να είναι ακριβή, μονοσήμαντα και πλήρη. Είναι, επίσης, εύκολα επεκτάσιμα, βοηθώντας στο να αποφύγει κανείς να εφεύρει συνεχώς τον τροχό.

Με τις ταχύτατα μεταβαλλόμενες τεχνολογίες analytics data storage, αξίζει να κτίσει κανείς μια αρχιτεκτονική διαχείρισης δεδομένων που λειτουργεί με οποιοδήποτε τύπο δεδομένων, με οποιαδήποτε τεχνολογία storage. Έτσι, μια αποτελεσματική στρατηγική διακυβέρνησης των δεδομένων διανοίγει ένα ασφαλή δρόμο για να επιβλέπει κανείς την ποιότητα δεδομένων, να διαχειρίζεται την ασφάλεια και τη συμμόρφωση ή να τυποποιεί διαδικασίες.

Αρχιτεκτονική διαχείρισης δεδομένων
Συντονισμένες προσπάθειες θα πρέπει να γίνουν στην αυτοματοποίηση των διαδικασιών, ώστε αυτοί που παίρνουν τις αποφάσεις να αποκτήσουν τις γνώσεις που χρειάζονται για να αναλάβουν δράση. Θεμελιώδες σε αυτήν τη διαδικασία είναι η ανάγκη καθορισμού μιας αρχιτεκτονικής διαχείρισης δεδομένων σε όλα τα projects και δράσεις analytics. Με αυτόν τον τρόπο θα μπορέσει κανείς να οδηγήσει την προτυποποίηση, τον αυτοματισμό και την παραγωγικότητα της διανομής δεδομένων για να υποστηρίξει τις επιχειρηματικές δράσεις. Αυτή η αρχιτεκτονική χρειάζεται να λειτουργήσει σε όλες τις πηγές δεδομένων, σε οποιαδήποτε περίπτωση χρήσης και σε οποιοδήποτε εργαλείο analytics. Είναι, επίσης, σημαντικό να λειτουργήσει η διαχείριση δεδομένων σε όλους τους νέους, αδόμητους, τύπους δεδομένων όπως είναι τα Big Data. Οι οργανισμοί ανακαλύπτουν ολοένα και περισσότερο ότι οι ενδιαφέρουσες και χρήσιμες επιχειρηματικές γνώσεις προέρχονται συνδυάζοντας δεδομένα από εσωτερικές πηγές με δεδομένα από εξωτερικές, λιγότερο δομημένες, πηγές.

Την ίδια στιγμή, εστιάζοντας μόνο στο ΙΤ, οι οργανισμοί διακινδυνεύουν να σκέφτονται αποκλειστικά με τεχνολογικούς όρους, όταν θα πρέπει να συγκεντρωθούν στα επιχειρηματικά αποτελέσματα που πρέπει να επιτευχθούν. Είναι σημαντικό να εμπλακεί και η επιχειρηματική ομάδα στον καθορισμό της νέας αρχιτεκτονικής διαχείρισης δεδομένων για να διασφαλίσει ότι οι Business Analysts παίρνουν τα δεδομένα που χρειάζονται με την ποιότητα και την ταχύτητα που απαιτούν, ώστε να μπορέσουν να υποστηρίξουν αυτές τις επιχειρηματικές δράσεις. Η αξία των λύσεων analytics δεν εντοπίζεται μόνο στην ικανότητα εξαγωγής δράσεων από μεγάλες ποσότητες δεδομένων, αλλά και στην ικανότητά τους να βελτιώσουν κρίσιμα επιχειρηματικά αποτελέσματα. Η δυνατότητα διανομής εξαιρετικών δεδομένων, σε συνδυασμό με μια έξυπνη διαχείριση δεδομένων αποτελεί το κλειδί για την επιτυχία των λύσεων analytics που θα εφαρμοστούν στο μέλλον.

Analytics=ανταγωνιστικό πλεονέκτημα
Η ανάγκη απόκτησης γνώσεων και συμπερασμάτων από το θησαυρό των δεδομένων που οι επιχειρήσεις αποθηκεύουν σε ψηφιακή μορφή είναι πιο έντονη από ποτέ. Οι οργανισμοί σήμερα πλημμυρίζουν από όγκους δεδομένων αλλά διψάνε για πληροφορίες. Σημαντικό ρόλο στην αξιοποίηση αυτών των πληροφοριών θα παίξουν οι διοικήσεις τους. Σήμερα, οι περισσότεροι επιχειρηματίες δεν γνωρίζουν τι σημαίνουν έννοιες όπως predictive modeling, μαθηματική βελτιστοποίηση και άλλες που άπτονται των Analytics, αλλά στο μέλλον η χρήση τέτοιων πανίσχυρων τεχνικών θα μπει στην καθημερινότητα τους, όπως έχουν μπει και οι υπολογιστές - αν θέλουν, βέβαια, να επιβιώσουν οι επιχειρήσεις τους μέσα σε μια ιδιαίτερα ανταγωνιστική και ρυθμιζόμενη αγορά. Τα διοικητικά στελέχη, οι μάνατζερ και οι εργαζόμενοι που αδυνατούν να κατανοήσουν, να ερμηνεύσουν και να μοχλεύσουν αυτά τα assets θα δώσουν σκληρή μάχη για να επιβιώσουν.

Πάντα υπάρχει ένα αυξημένο ρίσκο, όταν οι αποφάσεις παίρνονται βάση διαίσθησης, συναισθήματος, παραπλανητικών δεδομένων ή πολιτικών. Τα Business Analytics μπορούν να ελαχιστοποιήσουν αυτό το ρίσκο, προσφέροντας στις επιχειρήσεις ένα σημαντικό ανταγωνιστικό πλεονέκτημα. Μετατρέπονται, έτσι, σε ένα πανίσχυρο νέο όπλο για τους οργανισμούς, βοηθώντας τους να ανταγωνιστούν με επιτυχία και να βελτιστοποιήσουν τη χρήση των πόρων, assets και εμπορικών συνεργατών τους.

Τα σημαντικά οφέλη των analytics κερδίζονται μέσα από την εφαρμογή μιας συστηματικής εξερεύνησης των ποσοτικών σχέσεων ανάμεσα σε παράγοντες διαχείρισης επιδόσεων. Όταν οι πρωτεύοντες παράγοντες που ωθούν έναν οργανισμό στην επιτυχία μετριούνται, παρακολουθούνται στενά και προβλέπονται, τότε αυτός ο οργανισμός βρίσκεται σε μια πολύ καλύτερη θέση για να δομήσει τη στρατηγική του κατά τέτοιο τρόπο ώστε να μετριάσει τα ρίσκα του. Μια πολύ καλή εικόνα για το πώς οι ελληνικοί οργανισμοί εκμεταλλεύονται τα Analytics μπορείτε να πάρετε στις σελίδες που ακολουθούν, όπου σημαντικά στελέχη ΙΤ από μεγάλους οργανισμούς μάς μεταφέρουν τις εμπειρίες τους από την εφαρμογή των Business Analytics στις επιχειρήσεις τους.


Επιτυχία σημαίνει πρόβλεψη

Ο Σταύρος Καρέλος, IT Manager, Mantis Trading Group, μιλάει στο netweek για την καταλυτική επίδραση των Business Analytics στην αποτελεσματική λειτουργία μιας σύγχρονης επιχείρησης.

nw: Μπορούν τα Business Analytics (ΒΑ) να συμβάλουν στην επίτευξη καλύτερων επιχειρηματικών αποτελεσμάτων;

Σταύρος Καρέλος: Τα αποτελέσματα μιας επιχείρησης αποτελούν το πρώτο και βασικό κριτήριο της επιτυχίας της και πρέπει να παρακολουθούνται σε τακτική βάση από όλους τους C Level managers. Τα Analytics προειδοποιούν, δίνουν τις σωστές κατευθύνσεις, αλλά δεν φέρνουν από μόνα τους αποτελέσματα. Μπορούν, ωστόσο, να μας βοηθήσουν να δημιουργήσουμε ένα ακριβές μοντέλο πρόβλεψης πωλήσεων, το οποίο θα μας προετοιμάσει για πιθανές μελλοντικές μεταβολές στο επιχειρηματικό περιβάλλον. Στόχος μας, λοιπόν, είναι να διαπιστώσουμε τις συνδέσεις μεταξύ διαφορετικών τομέων δραστηριότητας και να εφαρμόσουμε τα Analytics με τέτοιο τρόπο, ώστε να προβλέπουμε τα αποτελέσματα.

nw: Θα μπορούσατε να αναφερθείτε σε σημαντικά BA projects που υλοποιήσατε τελευταία και στο πώς αυτά επηρέασαν τη λειτουργία της επιχείρησής σας;

Σ. Καρέλος: O οργανισμός μας δραστηριοποιείται μέσα σε μια πολύ ανταγωνιστική αγορά, η οποία απαιτεί συνεχή εγρήγορση και άμεση πληροφόρηση. Γι’ αυτό επενδύουμε σε τεχνολογικά συστήματα που παράγουν και καταγράφουν έναν μεγάλο όγκο δεδομένων σε καθημερινή βάση, όπως είναι η σουίτα BΙ της Targit, ένα εργαλείο που επιλέξαμε με κριτήριο την ευχρηστία του, την ευκολία διαχείρισης των δεδομένων και την ευκολία εξαγωγής αναλύσεων χωρίς την παρέμβαση του ΙΤ. Από το δεύτερο εξάμηνο του 2015 βρίσκεται σε εξέλιξη ένα μεγάλο έργο που ολοκληρώνεται τον επόμενο μήνα και το οποίο μας επιτρέπει να συνδυάζουμε/επεξεργαζόμαστε δεδομένα από διαφορετικά συστήματα (ERP SAP, WMS, Payroll, σύστημα τιμολόγησης, σύστημα παραγγελιοληψίας, Facebook, Google Analytics, καθώς και δεδομένα από Nielsen and IRI). Αυτό το έργο θα βοηθήσει στην επιτάχυνση της λήψης επιχειρηματικών αποφάσεων και στη χάραξη της στρατηγικής τού Ομίλου. Άλλωστε τα δεδομένα υπάρχουν και η ανάλυσή τους θα μας δώσει τη γνώση που χρειαζόμαστε για να πάρουμε τη σωστή απόφαση.

nw: Τι χρειάζεται κατά την άποψή σας για να πετύχει ένα project BA; Τι συμβουλές θα δίνατε σε όσους συναδέλφους σας επιχειρήσουν να τρέξουν ένα τέτοιο project;

Σ. Καρέλος: Στην υλοποίηση ενός έργου τέτοιου μεγέθους δεν χωράει ο όρος “αποτυχία” -αν και πάντα ελλοχεύει αυτός ο κίνδυνος σε έργα Πληροφορικής. Θεωρώ ότι για να πετύχει ένα BA project θα πρέπει η Διεύθυνση Πληροφορικής και η διοίκηση να συναποφασίσουν τα κριτήρια επιλογής πλατφόρμας, δεδομένου των πολλών και διαφορετικών επιλογών που θα βρουν μπροστά τους. Ακόμα, πριν την έναρξη ενός έργου BA θα πρέπει να έχουν προηγηθεί άλλα μικρότερα projects, όπως Master Data Management και Data Cleansing, ενώ ιδιαίτερη βαρύτητα θα πρέπει να δοθεί στα εξής:

  • Data Reconciliation, ώστε οι χρήστες να πειστούν για την αξιοπιστία της πληροφορίας που καλούνται να διαχειριστούν.
  • Αποδοχή και καθημερινή χρήση από τα εμπλεκόμενα στελέχη της εταιρείας.
  • Σχεδίαση και παράδοση Dashboards and Analytical Reports υψηλού αισθητικού και χρηστικού αποτελέσματος.

nw: Ποιες πιστεύετε ότι είναι οι κυριότερες τάσεις που χαρακτηρίζουν την αγορά των Business Analytics σήμερα;

Σ. Καρέλος: Γενικότερα πιστεύω ότι keywords όπως “Business Intelligence”, “Business Analytics” και “ Big Data Analytics” αποτελεί τάσεις από μόνα τους. Η καλύτερη οπτικοποίηση των δεδομένων / δεικτών που παρέχεται από τις εφαρμογές ανάλυσης σε συνδυασμό με τη χρήση φορητών συσκευών, ώστε κάθε στέλεχος να έχει άμεση πληροφόρηση όπου και όποτε τη χρειαστεί, είναι μια τάση που θα τη συναντάμε όλο πιο συχνά μπροστά μας. Το Internet of Things, η ψηφιοποίηση και η ταχύτατη εξάπλωση των Social Media έχουν δώσει βήμα στο ευρύ κοινό, ώστε να εκφράζει τα αισθήματά του για εταιρείες και προϊόντα μέσα από μια διαδικτυακή πλατφόρμα. Τα Business Αnalytics μπορούν να συλλέξουν και να επεξεργαστούν αχανείς όγκους δεδομένων, δομημένων και αδόμητων, ενώ η αναπόφευκτη ισχυροποίησή τους στο μέλλον θα επιτρέψει τη παροχή πληροφόρησης για τα πάντα, είτε αφορά αντιδράσεις ανθρώπων, είτε οτιδήποτε άλλο.


Δεν νοείται business strategy χωρίς τα Analytics

O Ανδρέας Κρεμαστιώτης, CIO, NN Hellas, αποτυπώνει στο netweek τον καταλυτικό ρόλο που παίζουν τα Business Analytics στην ανάπτυξη ενός σύγχρονου ασφαλιστικού οργανισμού, αποκαλύπτωντας, παράλληλα, τα σημαντικότερα IT Projects που τρέχουν αυτή την περίοδο στην ΝΝ Ηellas.

nw: Πόσο μπορούν τα Business Analytics να βοηθήσουν στην ανάπτυξη ενός σύγχρονου ασφαλιστικού οργανισμού;

Ανδρέας Κρεμαστιώτης: Ο οργανισμός μας, η ΝΝ Hellas είναι μέλος μιας πολυεθνική εταιρείας που δραστηριοποιείται σε ένα συνεχώς μεταβαλλόμενο περιβάλλον. Λόγω αυτού του περιβάλλοντος το management της εταιρείας καλεί σε καθημερινή βάση την Πληροφορική να παρέχει άμεση πληροφόρηση από ένα μεγάλο όγκο δεδομένων που προέρχονται από δομημένα και αδόμητα δεδομένα, εντός και εκτός οργανισμού. Είναι άμεσα κατανοητό ότι η υλοποίηση του business strategy εξαρτάται από την ταχύτητα και ορθότητα αντίδρασης των συστημάτων Πληροφορικής και του προσωπικού που τα αναπτύσσει ή και τα διαχειρίζεται. Οι προκλήσεις σε αυτόν το τομέα είναι πολύ απαιτητικές και την απάντηση έδωσαν σε ένα βαθμό τα συστήματα Business Analytics.

nw: Ποια σημαντικά Business Analytics projects έχετε υλοποιήσει τελευταία (ή βρίσκονται σε εξέλιξη) στον οργανισμό σας και ποια είναι η επίδρασή (τωρινή ή επιδιωκόμενη) τους στη λειτουργία της επιχείρησής;

Α. Κρεμαστιώτης: Η εταιρεία μας ολοκλήρωσε τον τελευταίο χρόνο την εγκατάσταση και λειτουργία του Siebel operational CRM που χρησιμοποιείται ήδη από τις κεντρικές υπηρεσίες μας. Το Customer Call Center της εταιρείας έχει πλήρη πληροφόρηση μετά την υλοποίηση του 360 view πελάτη στο CRM και την ενοποίηση του CRM με το νέο CTI που ολοκλήρωσε την υποδομή μας σε αυτόν το τομέα. Φυσική συνέχεια αυτής της υποδομής ήταν η απόκτηση του συστήματος Siebel Business Intelligence που ήδη χρησιμοποιούμε από τον Δεκέμβριο δημιουργώντας τις πρώτες καμπάνιες προς τους πελάτες μας, αλλά και παρέχοντας σημαντική στοχευόμενη πληροφόρηση για λήψη αποφάσεων. Παράλληλα. προχωράμε στην λύση ΒI cloud της Microsoft (Power BI) που θα χρησιμοποιηθεί αρχικά για ανάλυση δεδομένων από τις διευθύνσεις marketing και finance.

nw: Ποια άλλα σημαντικά ΙΤ Projects γενικότερα υλοποιήσατε τελευταία;

Α. Κρεμαστιώτης: Το 2015 ήταν πολύ σημαντική χρονιά για την Πληροφορική της NN Hellas, καθώς παρέδωσε πολύ σημαντικά projects που κατέδειξαν την ολοκληρωμένη προσέγγιση που έχουμε τα τελευταία χρόνια στον σχεδιασμό του digital strategy. Ολοκληρώσαμε και παραδώσαμε, αλλά και συνεχίζουμε να βελτιώνουμε τα δυο portals της εταιρείας - Agent Portal και Client Portal - δίνοντας όλα τα απαραίτητα εφόδια στον ασφαλιστικό σύμβουλο και στον ασφαλισμένο μας. Τέλος, στο κλείσιμο του 2015 παραδώσαμε την εφαρμογή Direct Sales που επέτρεψε στην εταιρεία να στηρίξει τη νέα στρατηγική της, λανσάροντας στην αγορά ένα νέο ψηφιακό κανάλι απευθείας διανομής προϊόντων και υπηρεσιών, το NN Direct Health.

nw: Τι άλλα σημαντικά ΙΤ Projects σκοπεύετε να υλοποιήσετε μέσα στο 2016;

Α. Κρεμαστιώτης: Το 2016 θα είναι η χρονιά του digitalization, του cloud, του straight-through processing (STP) και των Big Data για την NN Hellas. Έχουμε ωριμάσει αρκετά για αυτή τη μετάβαση και ήδη τα πρώτα σχέδια είναι προς υλοποίηση. Το Φεβρουάριο είμαστε έτοιμοι να μεταβούμε στην πλατφόρμα Office 365, τόσο για το δίκτυο πωλήσεων όσο και για τις κεντρικές υπηρεσίες. Στην συνέχεια,τον Ιούνιο του 2016 ξεκινάμε την υπόλοιπη υποδομή μας να τη μεταφέρνουμε στο Cloud. Στο project που αξίζει να σταθούμε, καθώς με αυτό θα ξεκινήσουμε τη νέα χρονιά, είναι το λανσάρισμα της νέας εφαρμογής eApplication/eSignature/eIssue, μέσα από την οποία θα μπορεί ο ασφαλιστικός σύμβουλος να συμπληρώνει την αίτηση του ασφαλιστηρίου και να παίρνει την ηλεκτρονική υπογραφή του πελάτη σε πραγματικό χρόνο, βελτιώνοντας σημαντικά την εικόνα της εταιρείας και τον χρόνο έκδοσης των συμβολαίων.

nw: Πόσο συνέβαλε το ΙΤ στην ανάπτυξη της εταιρείας σας;

Α. Κρεμαστιώτης: Η NN Hellas είχε εξαιρετική επίδοση το 2015, διευρύνοντας το μερίδιό της στην ασφαλιστική αγορά (από 13% στο 17%) και ανεβαίνοντας στη δεύτερη θέση στην κατάταξη των εταιρειών του κλάδου ζωής και υγείας, πάρα τους περιορισμούς στην κίνηση κεφαλαίων. Νομίζω πως η κατάκτηση αυτή έγινε δυνατή και λόγω του σύγχρονου και υψηλού επιπέδου υπηρεσιών Πληροφορικής που ήταν διαθέσιμες.


Αέναη ανάλυση

Ο Αντώνιος Χλέπας, Business IT Manager, AbbVie Pharmaceuticals S.A., μιλάει στο netweek για τα οφέλη που προσφέρουν τα Business Analytics σε ένα σύγχρονο οργανισμό, αλλά και για τα σημεία που θα πρέπει να προσεχθούν ώστε να στεφθεί με επιτυχία ένα BI project.

netweek: Γιατί είναι σημαντικό για μια φαρμακευτική εταιρεία σήμερα να εκμεταλλευτεί μια λύση BI/Business Analytics;

Αντώνιος Χλέπας: Ένα ολοκληρωμένο σύστημα BI/BA θα δώσει τη δυνατότητα λήψης αποφάσεων βασισμένων σε πραγματικά, αντικειμενικά δεδομένα της αγοράς και λιγότερο σε προσωπικές εκτιμήσεις των τάσεων (τα λεγόμενα “gut feelings”). Οι σύγχρονοι διευθυντές πωλήσεων και marketing οφείλουν να εστιάσουν στην ανάλυση των δεδομένων για να κατευθύνουν με μεγαλύτερη ακρίβεια τις επενδύσεις τους, ιδιαίτερα στις μέρες μας όπου η πίεση για συρρίκνωση των budgets είναι μεγάλη. Οι παραδοσιακοί τρόποι «διαίσθησης» της αγοράς τείνουν να εκλείψουν, καθώς οι απαιτήσεις για σαφέστερα μοντέλα πρόβλεψης μεγαλώνουν, αναδεικνύοντας την αξία των πολλών, πλέον, διαθέσιμων δεδομένων.

nw: Με ποιο τρόπο εκμεταλλεύεστε το BI/Business Analytics στο δικό σας οργανισμό;

Α. Χλέπας: Η ανάπτυξη ενός συστήματος BI, θα μπορούσε να ισχυριστεί κανείς, δεν σταματάει ποτέ. Μπορεί να εξελίσσεται συνέχεια και να εμπλουτίζεται με δεδομένα από πολλά συστήματα, με σκοπό να αναλύει και να παρέχει όσο το δυνατόν ακριβέστερα στοιχεία από την αγορά και τις σχετικές πρωτοβουλίες του marketing και των πωλήσεων. Η ενσωμάτωση, λοιπόν, στοιχείων από το ERP και το σύστημα διαχείρισης πελατών (CRM) συνιστά απόλυτη προτεραιότητα για εμάς, έχοντας πάντα στον προγραμματισμό μας τον εμπλουτισμό με ποιοτικά δεδομένα από έρευνες αγοράς, εξωτερικούς συνεργάτες (π.χ. IMS) κ.ο.κ. Ο συνδυασμός των παραπάνω, με γεωγραφικά δεδομένα για παράδειγμα, θα μπορούσε να βοηθήσει στον σχεδιασμό στρατηγικής για ανάπτυξη περιοχών που φαίνεται να υστερούν σε σχέση με άλλες ή απλά να οδηγήσει σε περαιτέρω έρευνα για εξήγηση κάποιων φαινομένων ή και συμπεριφορών της αγοράς.

nw: Τι πρέπει να προσέξει κανείς κατά την υλοποίηση ενός project BI/Business Analytics, ώστε να γίνει με επιτυχία; Ποια είναι τα πιο συνήθη προβλήματα και πώς μπορεί κανείς να τα διαχειριστεί;

Α. Χλέπας: Ο όγκος των δεδομένων που μπορεί να αποθηκευτούν προς ανάλυση από τα συστήματα BI μπορεί να είναι τεράστιος. Ένα από τα συνηθέστερα λάθη που γίνονται είναι η προσπάθεια ανάλυσης δεδομένων, χωρίς να έχει προηγηθεί σαφής κατεύθυνση των μετρητικών που έχουν αξία για έναν οργανισμό. Οι τελικοί χρήστες των συστημάτων «χάνονται», έτσι, μέσα σε μακροσκελείς αναφορές και αριθμούς, χωρίς να μπορούν να βγάλουν χρήσιμα συμπεράσματα. Αυτό θα μπορούσε να αποφευχθεί απαντώντας σε απλές ερωτήσεις που θα θέσουν το εισαγωγικό πλαίσιο, όπως, για παράδειγμα, «τι πραγματικά θα ήθελα να ξέρω αυτή τη στιγμή για να κάνω την επόμενη στοχευμένη ενέργεια;».

Ξεκινώντας με μικρά βήματα και απλά ερωτήματα πετυχαίνουμε τη μεγαλύτερη αποδοχή από τον οργανισμό, αναδεικνύοντας την αξία των δεδομένων, θέτοντας τις βάσεις για συστήματα BI υψηλότερης ποιότητας. Ένα άλλο σημείο κλειδί είναι η ακρίβεια των δεδομένων. H δημιουργία κοινής γλώσσας ανάμεσα στις ομάδες που δουλεύουν τα πρωταρχικά συστήματα, συμβάλλει σε μεγάλο βαθμό στην επίτευξη αναλύσεων υψηλών προδιαγραφών. Όσο καλύτερους συμβατικούς κανόνες έχουν οι ομάδες μεταξύ τους για τον χαρακτηρισμό κοινών στοιχείων, τόσο ευκολότερη και ακριβέστερη είναι η ανάλυση στο σύστημα BI.

nw: Πώς σκοπεύετε να εκμεταλλευτείτε τα BI/Business Analytics στο μέλλον;

Α. Χλέπας: Για να έχει επιτυχία η υλοποίηση BA συστημάτων, πρέπει ταυτόχρονα να καλλιεργείται η αντίστοιχη κουλτούρα στον οργανισμό. Οφείλει, δηλαδή να εξοικειωθεί ο οργανισμός με έννοιες όπως KPIs, benchmarking, metadata κ.λπ., ώστε να μάθει να μετράει την επιτυχία μιας ενέργειας. Θα θέλαμε, λοιπόν, να εμπνεύσουμε αυτήν τη νοοτροπία στις ομάδες μας, να κάνουν στοχευμένες καμπάνιες και να είναι έτοιμες να μετρήσουν την επιτυχία τους, το λεγόμενο Return On Investment (ROI), εκτιμώντας τα αποτελέσματα που είχε μια συγκεκριμένη επένδυση. Με αυτόν τον τρόπο θα καταφέρουμε να ανεβάσουμε την ποιότητα των ενεργειών analytics, θέτοντας συγκεκριμένους μετρήσιμους στόχους, εξοικονομώντας παραγωγικές πηγές της εταιρείας και εξελίσσοντας το ανθρώπινο δυναμικό μας.

netweek (T. 383)
« 1 2 3 4 »
Έχετε άποψη;
Ο σχολιασμός των άρθρων προϋποθέτει την Είσοδο σας στο Netweek Online.
ΔΙΑΦΗΜΙΣΗ

Δείτε ακόμη...

Αυτοί που διάβασαν αυτό διάβασαν επίσης

Τα πιο δημοφιλή Topics

Οι πιο δημοφιλείς ειδήσεις σε αυτήν την ενότητα

Οι πιο δημοφιλείς ειδήσεις σε άλλες ενότητες

ΔΙΑΦΗΜΙΣΗ
ΔΙΑΦΗΜΙΣΗ

Συνεντεύξεις / Πρόσωπα

 
ΔΙΑΦΗΜΙΣΗ

Topics

Banking / Finance

International

Τηλεπικοινωνίες

Πολιτισμός / Ψυχαγωγία

e-government

Μουσική Βιομηχανία

Retail

Ευρωπαική Ένωση

Services

Ενέργεια / Περιβάλλον

©2019 Boussias Communications, all rights reserved. Κλεισθένους 338, 153 44 Γέρακας, info@boussias.com, Τ:210 6617777, F:210 6617778