В статті розглядається роль бізнес-аналітика в процесі прогнозування продажів в компаніях-виробниках FMCG. Процес прогнозування продажів описано відповідно до етапів бізнес-аналітики даних, наведених в посібнику Guide to Business Data Analytics від IIBA (Store – Guide to BDA PDF – IIBA Portal). Рекомендації про участь бізнес-аналітика в процесі прогнозування ґрунтуються на практичному досвіді прогнозування в компаніях FMCG українського ринку.
Що таке ринок FMCG?
FMCG – це абревіатура англійських слів “Fast Moving Consumer Goods”, що в дослівному перекладі означає товари повсякденного попиту. Для цих товарів характерна відносно низька вартість, швидкий продаж і багаторазове придбання. Ринок FMCG є доволі стабільним та прогнозованим (в порівнянні з іншими ринками), більш прогнозовано реагує на різні кризи та зміни в економіці.
Проблеми, які виникають при прогнозуванні продажів в компаніях-виробниках FMCG.
- Точно спрогнозувати продажі товарів в реальній економіці досить складно, оскільки в майбутньому виникають події, які не ставались в минулому. Або деякі події настають нерегулярно, спрогнозувати їх на основі історичних даних буває складно.
- Точність прогнозу не відповідає бізнес-цілям компанії. Наприклад, точність прогнозу складає 70%, а для бізнес-процесів компанії точність прогнозу має бути мінімум 90%.
- Форма звітності з отриманими прогнозами не відповідає вимогам стейкхолдерів різних відділів компанії.
- Недостатня доступність даних. Не всі необхідні дані можуть бути доступні. На відміну від точних наук, в економіці неможливо провести повторний експеримент і зафіксувати всі необхідні змінні. Тому, в процесі прогнозування може виникати необхідність отримувати уточнюючі дані від експертів з предметної галузі.
- Перед початком процесу прогнозування не визначається перелік бізнес-потреб\цілей, для яких будуть використовуватись прогнозні дані, та\або цілі не доносяться до фахівця з аналізу даних. За відсутності розуміння цілей прогнозування, аналітик може виконати задачу не в повній мірі.
Покращення якості прогнозування за допомогою взаємодії зі стейкхолдерами та експертами з предметної області.
Для вирішення проблем, зазначених вище, пропонується процес прогнозування продажів будувати відповідно до нижченаведеної схеми з “Guide to Business Data Analytics”, із залученням бізнес-аналітика, стейкхолдерів та експертів з предметної галузі. Схему взято з посібника Guide to Business Data Analytics від IIBA (Store – Guide to BDA PDF – IIBA Portal):
Схема включає шість етапів процесу бізнес-аналітики даних:
Етап 1. Identify the Research Questions (Формулювання питання для дослідження),
Етап 2. Source Data (Збір даних),
Етап 3. Analyze Data (Аналіз даних),
Етап 4. Interpret and Report Results (Інтерпретація та представлення результатів),
Етап 5. Use Results to Influence Business Decision-Making (Використання результатів для прийняття бізнес-рішень),
Етап 6. Guide Organizational-Level Strategy for Business Data Analytics (Стратегія організаційного рівня для процесу прогнозування продажів).
Аналітик даних або фахівець Data science зазвичай зосереджений на зборі та аналізі даних (2 та 3 етапи), тоді як процеси до та після цього базуються на бізнес-аналізі. Для аналізу даних потрібен бізнес-аналіз, щоб гарантувати, що аналіз даних зосереджений на дослідженні питань, на які важливо відповісти, і що дані дають цінну інформацію для вирішення важливих бізнес-ситуацій (проблем чи можливостей).
Далі в статті ми детальніше розглянемо кожен етап та визначимо які задачі в ньому рекомендується виконувати бізнес-аналітику для організації процесу прогнозування продажів в компанії.
Етап 1. Identify the Research Questions (Формулювання питання для дослідження)
Визначення бізнес-проблеми або можливості (Define Business Problem or Opportunity)
Прогноз продажів повинен бути не сам по собі, а вирішувати конкретні бізнес-проблеми чи можливості. Визначення бізнес-проблем чи можливостей, для яких буде використовуватись прогноз продажів – це задача бізнес-аналітика. Виконувати цю задачу може як бізнес-аналітик, так і аналітик даних, який має відповідні знання та навички з бізнес-аналізу.
Бізнес-проблеми та можливості можна узагальнити (але не обмежити) наступними двома твердженнями:
- бізнес-проблема: зацікавлені відділи компанії не мають інформації про точні прогнози продажів, через що не можуть коректно та ефективно планувати свою діяльність (наприклад, відділ виробництва не може коректно планувати виробництво товарів відповідно до попиту на ринку, фінансовий відділ не може коректно планувати надходження грошових коштів в наступному періоді, відділ продажів не може коректно розрахувати план продажів для менеджерів з продажу);
- бізнес-можливість: компанія може мати можливість збільшити свої продажі, якщо знатиме який саме попит на товари буде в наступному періоді, та зможе відповідно до попиту відкоригувати свою пропозицію для ринку.
Наведені формулювання приблизні, бізнес-аналітик повинен обговорювати їх зі стейкхолдерами та коригувати відповідно до конкретної ситуації.
Визначення та вивчення стейкхолдерів (Identify and Understand the Stakeholders)
Дані, отримані в результаті процесу прогнозування продажів, повинні задовольняти потреби стейкхолдерів компанії. Для цього стейкхолдерів та їх потреби потрібно спочатку визначити – це також задача бізнес-аналітика. Для виконання цієї задачі бізнес-аналітику необхідно розуміти бізнес-процеси компанії. Якщо це компанія FMCG повного циклу (виробництво, зберігання, маркетинг, продажі), то маємо приблизно такий перелік стейкхолдерів:
- співробітники відділу виробництва
- співробітники відділу логістики
- співробітники відділу маркетингу
- співробітники відділу продажів
- співробітники фінансового відділу
- партнери дистриб’ютори
- клієнти
Наведений перелік стейкхолдерів не є точним та вичерпним, бізнес-аналітик повинен його уточнювати та доповнювати для конкретної компанії.
Для кожного стейкхолдера окремо необхідно визначити перелік його потреб щодо даних прогнозування продажів:
- Для чого буде використовувати прогнозні дані
- В якій формі хоче отримувати результати прогнозування (який формат даних, в розрізі яких товарів\товарних груп\клієнтів?)
- Яка точність прогнозування та чому є критичною для даного стейкхолдера
Наведений перелік запитань до стейкхолдера не є вичерпним, повинен уточнюватись та доповнюватись.
Оцінка поточного стану “As Is” (Assess Current State)
Бізнес-аналітику варто вивчити поточний процес прогнозування в компанії для того, щоб знати відправну точку та зрозуміти основні проблеми поточного процесу.
Опис майбутнього бажаного стану “To Be” (Define Future State)
Перед початком робіт з прогнозування бізнес-аналітику необхідно описати майбутній бажаний стан “To Be”. Для цього бізнес-аналітику необхідно виконати наступне:
- описати майбутній процес взаємодії всіх стейкхолдерів та систем при побудові прогнозу та отриманні кінцевого результату
- описати погоджені форми звітів з результатами прогнозування, які хочуть отримувати стейкхолдери
- визначити трудові та інформаційні (системні) ресурси, які необхідні для процесу прогнозування. Впевнитись, що вони доступні
- впевнитись, що ключові стейкхолдери не мають протиріч щодо цілей прогнозування
- визначити вимірювані цілі для забезпечення досягнення бажаного бачення. Наприклад, бажаний відсоток точності прогнозу, терміни deadline в які повинен бути готовий прогноз продажів на наступний період.
Формулювання питання для дослідження (Formulate Research Questions)
По результатам проведеної роботи з бізнес-аналізу необхідно сформулювати питання для дослідження для фахівця з аналітики даних чи фахівця Data science.
Наприклад, у випадку прогнозування продажів питання для аналітичного дослідження може звучати так:
“Яким є прогноз продажів на задані періоди (наступний місяць\рік) в визначених розрізах (клієнтів\товарів) в заданих термінах (до 20 числа кожного місяця на наступний місяць) із заданою точністю (90%)?”
Етап 2. Source Data (Збір даних)
Збір даних для аналізу можна розділити на пасивний та активний. Розглянемо ці два види збору даних в контексті прогнозування продажів.
Пасивний збір даних – дані що накопичуються в ІТ системах компанії внаслідок щоденних операцій. Це можуть бути дані в реляційних базах даних, дані про дії користувачів на сайті компанії, дані з мобільного додатку компанії, тощо. Такі дані з ІТ систем може отримати технічний фахівець або аналітик даних.
Активний збір даних – активний пошук інформації від зацікавлених сторін (стейкхолдерів) для конкретної мети (прогнозування продажів). Цей тип даних не є легкодоступним в організації. Бізнес-аналітик може відігравати важливу роль у роботі зі стейкхолдерами для отримання від них таких додаткових даних. Наприклад:
- В роботі зі стейкхолдерами визначати якими даними, які впливають на об’єм продажів, вони володіють.
- Від відділу маркетингу отримувати інформацію про планові маркетингові активності, які будуть впливати на продажі в майбутніх періодах, тощо
- Від відділу продажів отримувати інформацію про планові продажі новим клієнтам, яких ще немає в історії продажів компанії; про клієнтів з якими планується припинити співпрацю; про клієнтів, які планують значно змінити об’єми закупок, про що неможливо дізнатись з аналізу історії продажів, тощо
- Від відділу виробництва отримувати дані про планові обмеження у виробництві певних груп товарів, про розширення асортименту, про введення нових груп товарів, що вплине на об’єми продажів в майбутньому періоді, тощо
- Від фінансового відділу отримувати дані про планові підняття\зниження цін, що також очевидно вплине на об’єм продажів, тощо
- Від різних відділів отримувати інформацію про плани конкурентів
Активний збір даних відіграє критичну роль в розрахунку прогнозу продажів, наскільки точним він буде. Активний збір даних повинен проводитись ітераційно, на постійній основі.
Етап 3. Analyze Data (Аналіз даних)
Задачі цього етапу відносяться до задач аналітика даних або Data Science. Аналітик даних на цьому етапі працює з даними, отриманими на попередньому етапі 2 (Source Data). Детально розглядати задачі цього етапу не будемо, оскільки вони не є задачами бізнес-аналітика і не є предметом висвітлення в даній статті.
Етап 4. Interpret and Report Results (Інтерпретація та представлення результатів)
На даному етапі результати прогнозування повинні бути надані зацікавленим стейкхолдерам згідно погоджених термінів та погоджених форм звітності на етапі 1 (Identify the Research Questions).
Етап 5. Use Results to Influence Business Decision-Making (Використання результатів для прийняття бізнес-рішень)
На даному етапі стейкхолдери використовують дані прогнозування продаж в своїх бізнес-процесах, наприклад:
- Відділ продажів формує план продажів для продавців;
- Відділ виробництва звіряється з прогнозним об’ємом продажів, щоб впевнитись, що може забезпечити виробництво необхідного об’єму товару;
- Відділ маркетингу використовує дані прогнозування, щоб в подальшому відслідкувати чи дійсно є такий ефект від маркетингових активностей, який був закладений в прогноз;
- Фінансовий відділ закладає прогнозні показники продажів в фінансові планові показники на майбутній плановий період
Бізнес-аналітик на даному етапі може отримувати фідбек від стейкхолдерів щодо застосування ними прогнозу продажів в своїх бізнес-процесах, та відповідно до фідбеку коригувати свою діяльність в наступних ітераціях.
Етап 6. Guide Organizational-Level Strategy for Business Data Analytics (Стратегія організаційного рівня для процесу прогнозування продажів)
Якщо в процесі виконання задачі прогнозування було досягнуто бізнес-цілі, визначені на етапі 1 (Identify the Research Questions), то можемо впроваджувати розроблений процес прогнозування на постійній основі в операційну діяльність компанії. Задачею бізнес-аналітика є опис бізнес-процесу прогнозування (наприклад, за допомогою моделі процесів, діаграми послідовності чи таблиці), погодження його з усіма стейкхолдерами та презентацію відповідальним менеджерам.
Висновки:
участь бізнес-аналітика в прогнозуванні продажів допомагає тісніше взаємодіяти зі стейкхолдерами та отримувати дані про майбутній період, які неможливо було б отримати лише аналізуючи історичні дані продажів. Оскільки ринок FMCG є доволі стабільним та прогнозованим (в порівнянні з іншими ринками), описаний підхід дозволяє підвищити точність прогнозування продажів до 90%-95%, що є дуже гарним показником.
Визначення:
Стейкхолдер (stakeholder, зацікавлена сторона) – група осіб або особа, що мають відношення до певної зміни, потреби чи рішення.
Посилання:
- Guide to Business Data Analytics, IIBA (Store – Guide to BDA PDF – IIBA Portal)
- BABOK_Glossary_IIBA_Ukraine_Chapter.pdf
- Технологія створення прогнозів попиту товарів масового споживання з застосуванням експертів / О.С. Сичов // Мат. машини і системи. — 2013. — № 2. — С. 73-80. — Бібліогр.: 6 назв. — укр. http://dspace.nbuv.gov.ua/handle/123456789/83840
- Що таке FMCG? – Бізнес-UA! (biznesua.com.ua)
Автор: Оксана Темрук, провідний аналітик даних, член Міжнародного інституту бізнес-аналізу (IIBA), сертифікований бізнес-аналітик (CCBA)