CNews: Как в современной экономической обстановке меняется спрос на информационные системы для бизнес-аналитики, какие решения наиболее востребованы?

Андрей Байбутов: В настоящее время ИТ-рынок работает в условиях значительного сокращения бюджетов. Поддерживающее влияние на рынок сейчас оказывают отдельные крупные поставщики решений, которые фиксируют свои прайс-листы в рублях. Благодаря этому компании понимают, какие продукты они могут себе позволить приобрести в рамках ограниченных бюджетов и, соответственно, какие проектные работы могут быть выполнены в текущем году.

В последние годы сформировался тренд: вместо ранее популярных мощных комплексных BI-решений внедряются системы класса Data Discovery. Они дают возможность строить более легкую и быструю аналитику, позволяя оптимизировать внутренние ресурсы компании.

В первую очередь интерес к таким технологиям стали проявлять ритейлерские и страховые компании. В меньшей степени – финансовый сектор, поскольку банки основное внимание уделяют регуляторной отчетности.

За последние несколько лет на российском рынке стали широко применяться решения компаний Qlik, Tableau, «Прогноз» и др. Они стали достойными конкурентами крупнейших мировых вендоров. При этом зачастую они выгоднее и на этапе внедрения, и при последующей поддержке, что сейчас весьма актуально.

CNews: Многие компании сегодня расширяют свои аналитические блоки. Что подталкивает их к этому?

Андрей Байбутов: Это сильно зависит от предметной области. Возьмем для примера финансовый рынок. Зачастую катализатором развития аналитических решений выступают частые изменения требований регулятора. Как только ЦБ РФ информирует банки о новых требованиях, им необходимо быстро внести соответствующие изменения в свои системы. Мощные тяжеловесные решения требуют большой вовлеченности ИТ-служб в этот процесс. В случаях, когда необходимо внести изменения в отчетность в сжатые сроки, а процесс этот технологически сложный и долгий, приходится делать новые отчеты вручную. В противном случае сроки сдачи отчетности будут пропущены, и банк получит штрафные санкции за несоответствие новым требованиям. Таким образом, финсектору необходимы гибкие инструменты, чтобы изменения в формы отчетности могли вносить либо сами пользователи, либо ИТ-подразделение, но легко и быстро. Каждый банк к решению этого вопроса подходит по-своему: кто-то кастомизирует учетные системы, а кто-то на базе современных BI-решений разрабатывает конструкторы отчетов, которые позволяют быстро построить любой отчет с любым набором необходимых атрибутов.

В коммерческом секторе на развитие аналитических решений влияют другие факторы. Раньше отчеты руководству предоставлялись в печатном виде, и работать с ними было неудобно. В последние несколько лет большую популярность приобрела мобильность. Сейчас принято, чтобы у высшего руководства, акционеров, инвесторов на персональных устройствах всегда была актуальная информация о состоянии бизнеса для оперативного принятия управленческих решений.

CNews: Есть ли общие векторы развития BI-систем для разных сегментов?

Андрей Байбутов: Да, это прогнозирование. Пока немногие хорошо понимают, что нужно делать, как и какие параметры прогнозировать, с помощью каких инструментов. Но само по себе стремление бизнеса знать, что и сколько можно продать в следующем году, сколько людей держать в штате, что и в каких количествах хранить на складе, говорит о том, что этот тренд будет только усиливаться.

Мы внимательно следим за этими тенденциями. С их учетом мы разработали подходы к решению подобных бизнес-задач наших клиентов. В частности, наши наработки в области прогнозирования востребованы многими ритейлерами. Их интересует прогнозирование остатков товара в магазинах и на складах, сезонных колебаний спроса, изменений среднего чека в конкретных регионах и т.д. Причем ритейлерам это нужно не только для планирования операционной деятельности, но и для мониторинга KPI своих менеджеров. Если, например, на второй неделе месяца мы понимаем, что с текущими показателями прогноз не оправдается, можно уже сейчас принять обоснованное решение, а не подсчитывать убытки в конце периода.

CNews: Многие компании предпочитают иерархическую систему KPI. По вашему мнению, при формировании ключевых показателей эффективности нужно идти «сверху вниз» или «снизу вверх»?

Андрей Байбутов: Наша компания много лет занимается решениями в области бизнес-аналитики. В первых проектах мы действовали в строгом соответствии с изначальными требованиями заказчика. Мы интервьюировали конечных специалистов и руководство среднего звена, а потом автоматизировали отчетность на уровне конкретных подразделений. Вот только в итоге оказывалось, что топ-менеджменту половина этих отчетов вообще не нужна.

Андрей Байбутов: Сама по себе BI-система не предназначена для борьбы с мошенничеством, но она может выявить случаи воровства

Андрей Байбутов: Главное в проекте – понимать, зачем формируется отчетность

Андрей Байбутов: Наши наработки в области прогнозирования востребованы многими ритейлерами

Андрей Байбутов: В нашей стране локомотивами развития «больших данных» стали телекоммуникационные компании

Андрей Байбутов: Зачастую катализатором развития аналитических решений выступают частые изменения требований регулятора

Андрей Байбутов: Сама по себе BI-система не предназначена для борьбы с мошенничеством, но она может выявить случаи воровства

Поэтому главное в проекте – понять, зачем формируется отчетность и как бизнес управляет посчитанными показателями. Правильно идти «сверху вниз», а не наоборот, т.е. сначала определить потребности высшего руководства – зачем считаются показатели, какие управленческие решения принимаются на основе их анализа, что нужно делать с этими данными, как руководство будет их смотреть и т.д. Исходя из этого сначала строятся KPI для топ-менеджеров, разрабатывается dashboard, который будет показывать им агрегированную информацию. И только потом нужно спускаться на уровень подразделений и смотреть, что нужно операционному, финансовому подразделениям, что – отделам доставки, маркетинга, логистики и т.д.

CNews: Всегда актуален вопрос качества данных. Нужно ли объяснять потенциальному клиенту важность наполнения баз качественными данными, или эта проблема уже решена?

Андрей Байбутов: Да, каждому из наших заказчиков так или иначе приходится наглядно демонстрировать «узкие места», порождающие проблемы с качеством данных в их системах.

Стоит отметить, что по опыту наших проектов ошибки и коллизии в данных проявляются на конечных этапах разработки, внедрения и опытной эксплуатации. То есть ТЗ с заказчиком согласовано, методика создания отчетности по ключевым показателям деятельности понятна, процессы настроены правильно, процедуры отрабатываются, работоспособность системы проверена конечными пользователями… А начинаешь сравнивать конечные цифры с теми, что есть у бизнеса, и понимаешь, что они не сходятся.

Причин расхождений может быть много: например, при расчете итоговых показателей деятельности компании были учтены тестовые транзакции; при расчете выручки в учетный период не были учтены транзакции, которые уже есть в накладных, но еще не попали в систему, и т.д. Поэтому опытная эксплуатация решений и приведение отчетов к требуемому виду занимают примерно столько же времени, что и разработка вместе с внедрением. На этапе обсуждения проекта бывает очень сложно убедить заказчика, что соотношение разработки и тестирования с опытной эксплуатацией будет именно таким.

В качестве одного из аргументов мы предлагаем заказчику протестировать его учетные системы, выявляем коллизии данных в источниках. Ярким примером был проект у одного из наших заказчиков – переход от действующей учетной системы к SAP. Это сложный и долгий процесс, связанный с изменением логики расчета различных показателей. Первым этапом нашего проекта было внедрение BI «над» старой учетной системой. На втором этапе необходимо было перенастроить ее на другой источник данных. Для этого потребовалось не только тестирование нашей разработки, но и длительное тестирование источника с выверкой новых витрин данных.

CNews: В связи с активным развитием «легких» решений не появилась ли на рынке бизнес-аналитики ниша для «коробочных» решений?

Андрей Байбутов: Я считаю, что отрасль развивается по тем же законам, что и человеческая история – по спирали. Вначале были популярны коробочные аналитические решения, настроенные под потребности конкретных отраслей экономики – госсектора, финсектора, ритейлеров и т.д. Затем в течение 5–10 лет доминировали мощные мировые вендоры – IBM, Oracle, SAP, которые предоставляют платформы для разработки решений для различных сегментов.

Сегодня доступны и коробочные решения. Но надо понимать, что они применимы только в тех случаях, когда у компании есть типовые источники данных. Хороший пример таких систем – отраслевые решения «1С», разработанные для организаций малого и среднего бизнеса. Если же говорить о решениях для крупного бизнеса с большим «зоопарком» систем, то там «коробки», конечно, не могут использоваться.

Есть довольно интересный пример, когда из частного решения получилась «коробка». Одна из ресторанных сетей проявила интерес к решению на платформе QlikView. Владельцы сети особенно заинтересовались тем, что весь проект мог быть реализован за несколько недель, а предлагаемое решение отвечало их задаче – создать удобный аналитический инструмент для акционеров, маркетологов, операционистов, службы доставки.

Мы выполнили пилотный проект для службы маркетинга, после чего наше решение получило развитие в других департаментах компании. Далее мы инициировали внутренний проект, в рамках которого создали готовые коннекторы к платформе для интеграции с R-Keeper (учетная система для ресторанов), отчетные формы для разных подразделений, сводный dashboard для акционеров компании. Таким образом мы создали коробочное решение для ресторанных сетей Jet Restaurant Analytics (JeRA).

CNews: Как развивается направление Больших данных в России? Имеет ли это понятие смысл без бизнес-аналитики?

Андрей Байбутов: Сегодня существует много интерпретаций термина Big Data, каждый видит в нем что-то свое. Большие данные – это набор методов, методологий, инструментов для обработки огромных массивов структурированной и неструктурированной информации. BI – это только «верхушка айсберга», нужная, чтобы представить всю информацию конечному пользователю.

Как минимум в нашей стране локомотивами развития Больших данных стали телекоммуникационные компании. Именно они первыми внедрили технологии, предназначенные для обработки больших массивов данных, и таким образом дали толчок развитию всего направления. В некоторых компаниях даже были организованы подразделения с соответствующим названием («Отдел по работе с Большими данными»).

Телекомы владеют гигантскими объемами информации об абонентах, из которой можно извлечь пользу. В частности, с помощью быстрой обработки больших массивов данных маркетинг может формировать оперативные предложения своим абонентам для повышения конверсии продаж.

В этом направлении нам интересно, в частности, научить BI-инструменты работать напрямую с Hadoop – брать оттуда большие массивы данных и быстро их визуализировать. Для этого мы разрабатываем коннекторы к системам и изучаем западный опыт – конкретные кейсы по применению таких технологий.

CNews: Какие проекты вы считаете самыми интересными в 2014–2015 годах?

Андрей Байбутов: Я могу рассказать об очень интересном проекте в розничной сети, где компания «Инфосистемы Джет» внедряла BI-решение. В таких проектах перед нами и заказчиками всегда встает вопрос, насколько созданное решение соответствует требованиям производительности. Готовы ли мы предоставить такую функциональность, которая позволит обрабатывать большие объемы данных и работать без потерь производительности? Это интересная и серьезная задача. Кроме того, это был первый крупный проект, где мы применили кластерное решение, развернутое на 12 серверах.

В этой системе должны были одновременно работать 60 пользователей, были отчеты, содержавшие массив данных с детализацией до строк чеков со всех магазинов за два года. Время отклика системы не должно было превышать одну минуту.

С задачей мы справились, в результате проекта бизнес получил возможность формировать необходимые аналитические выборки на больших массивах данных. Как только ритейлер получил мощный инструмент для анализа двухлетней выборки, он смог оценить влияние на продажи самых разных факторов.

В розничной торговле даже небольшое повышение среднего чека сказывается на общем состоянии дел. Если с помощью аналитической системы удается повысить общую маржинальность хотя бы на половину процента – это большая победа.

CNews: Как ваши клиенты могут подсчитать экономический эффект от внедрения аналитической системы?

Андрей Байбутов: Первый способ очевиден – сначала нужно подсчитать затраты на ту же работу при старой системе: сколько тратили на лицензии, поддержку, «железо», сколько человек занимались подготовкой отчетности. Затем подсчитать стоимость владения новой. Сравнив то и другое, можно рассчитать время окупаемости.

Второй способ очевиден не всегда. Например, сама по себе BI-система не предназначена для борьбы с мошенничеством, но она может выявить случаи воровства. Допустим, в ресторанной сети есть некий KPI для менеджеров в виде среднего чека за доставку. Что порой делают менеджеры: пробивают чеки заказов в зале как чеки за доставку. Средний чек растет, менеджер готов получить незаслуженный бонус, но старший руководитель видит эти действия в системе и принимает соответствующее управленческое решение. Так бизнес-аналитика может предотвращать финансовые потери бизнеса.

CNews: Сколько человек работают в вашей BI-команде?

Андрей Байбутов: Наша команда, работающая на BI-проектах, состоит из нескольких десятков человек. Это специалисты со знанием различных технологий: одни специализируются на SAP, другие на Oracle, третьи на Qlik и т.д. Есть высококвалифицированные аналитики, пришедшие к нам из разных отраслей, – они знают процессы клиентов и очень помогают нам работать с бизнес-заказчиками. В целом наш Центр программных решений насчитывает более 150 человек.