По интернету много лет бродит история о том, как в США интернет-магазин Target попал на гнев разъярённого отца из-за рассылки рекламы товаров для беременных в адрес несовершеннолетней школьницы.  Спустя несколько дней оказалось, что девушка действительно беременна. Тarget узнал обо всём раньше за счёт анализа больших данных. И за счёт использования этой самой системы анализа данных вырастил свою выручку в кратчайшие сроки более, чем на 60%. История потому и тиражируется, что пример завидный даже для первопроходцев использования данных — онлайн-ритейла. В общем, если вы можете похвастаться таким же кейсом — листайте Хабр дальше, если нет — поговорим под катом о том, как приучить себя к аналитике, научиться в любой кризис идти по приборам и наконец повзрослеть.

Я так хочу!

Почему повзрослеть? Всё просто. Вспомните маленького ребёнка или маленького себя — скольким людям надоедает это пресловутое «хочу» безо всяких объяснений или с неубедительной аргументацией «так у других», «а надо», «хочу попробовать». Многие руководители бизнеса продолжают так принимать решения — на основе своего желания (хочу красивую цену 22 000), примера конкурента (давайте сделаем корзину покупки, как у Пятьсофта), моды рынка (всё, уходим в облако и развиваем новое направление, старое закрываем) и т.д. При этом редко кто из работников готов спросить о том, а есть ли какая-то база под таким решением. А если кто и спросит, то в ответ можно рассчитывать в лучшем случае на «Я так решил!»

Рассмотрим корни этой проблемы и оценим, актуальны ли первопричины сегодня.

1. Сложность систем аналитики в 2000-е испугала многих, особенно в крупном бизнесе. Это были громоздкие и баснословно дорогие BI-системы и OLAP-кубы, для обслуживания которых требовались аналитик и SQL-программист, работающие в связке. Вот так взять и дёрнуть данные в нужном разрезе казалось делом за пределами стандартных навыков. Немного менял ситуацию 1С, но этого было мало.
2. Малый и средний бизнес рос и имел одну меру аналитики — прибыль. Методы антикризисного управления тоже были (да что таить, и есть) весьма своеобразные: увольнения, сокращения, урезания выплат и т.д. Аналитика попросту была забыта, данные не собирались.
   

   Да, я принял стратегическое решение. Я решил игнорировать плохие новости.

3. Менеджеры и руководители не дружили с цифрами, не могли правильно прочитать и интерпретировать данные. Аналитика возлагалась на бухгалтера, который тоже был не способен расправиться с массивом чисел или на программиста, который цифрами владел, но совершенно не понимал целей бизнеса.

И я совру, если скажу, что сегодня дела обстоят иначе — аналитика по-прежнему в загоне, особенно в малом и среднем бизнесе. Хотя есть положительная тенденция, обусловленная развитием систем интернет-аналитики и вниманием бизнеса к ней. Но это не совсем то, что помогает решать. Да и вообще, с появлением новых, доступных и простых в использовании инструментов, владельцы бизнеса начали возиться с данными больше. Есть и хорошие новости — первая из описанных причин преодолена рынком. Сегодня бизнес может выбрать и купить систему с той глубиной аналитики, которая ему нужна и найти решение, удовлетворяющее по цене.

— Что такое рентабельность бизнес-аналитики?
— Она выше, чем рентабельность невежества.

В этом смысле CRM-система — качественное решение для аналитики в малом и среднем бизнесе. Она соединяет в себе три важнейших функции.

1. Сбор и накопление данных. Логика CRM-системы устроена таким образом, что все данные собираются в привязке к клиенту, причём можно настраивать маски ввода и получать информацию в унифицированном виде. А поскольку CRM — инструмент оперативной работы, то данные появляются своевременно и всегда актуальны.
2. Интерпретация данных. CRM-система интерпретирует данные и «разносит» их по нужным модулям, где они сопоставляются с другими данными и образуют аналитический материал. Так, например, если клиент купил партию товара, то меняется не только профиль клиента, но и складская, и логистическая аналитика. И если продажнику важно, сколько клиентов готовы купить такую же партию, то кладовщику важна, например, скорость продажи партии, а логисту — как такие клиенты вывозят свои заказы.
3. Построение аналитических и оперативных отчётов. Внутри CRM-системы (традиционно оговорюсь, что я рассказываю на основе того, как всё сделано в нашей RegionSoft CRM, на рынке возможны варианты) заложена возможность строить готовые и пользовательские отчёты, строить выборки с помощью фильтров. Отчёты в CRM — штука гибкая и довольно информативная, поскольку они вытягивают нужные данные с помощью программной логики из базы данных, а значит, могут формировать нужные менеджеру разрезы.

Цикл использования данных в компании с участием CRM-системы

Битвы CRM

Однако какое-то время назад (2005-2010) операционная CRM-система вроде нашей RegionSoft CRM не могла даже заикнуться об аналитике — её мгновенно атаковали представители аналитических CRM. Впрочем, ничего удивительного — раз есть война Apple vs Samsung, Windows vs MacOS, то почему бы не быть локальной войне CRM. Хотя и аналитические CRM-системы сдавались под напором BI-систем. Но обо всём по порядку.

Первыми, кто стал интересоваться аналитикой и аналитическими системами, стали представители отраслей, уже тогда знавшие, что такое по-настоящему большие данные: банки и операторы связи. Безусловно, речи не шло о том, чтобы внедрять отечественные решения — в Россию начали активную экспансию SAP, Oracle Siebel, делала уникальные интеграционные проекты Teradata. Примерно в то же время российские вендоры, уже знающие, что такое CRM и пишущие свои системы, разделились на два непримиримых лагеря. И основания для разделения были.

Операционный CRM накапливал информацию о клиентах, позволял создавать шаблоны документов, активно прикручивал почтовые клиенты и телефонию, углублялся в покрытие всех вопросов менеджмента. В это же время отечественный аналитический CRM как мог, так и встраивал в свои системы OLAP-кубы, рисовал дашборды и панели показателей, с размахом проектировал товарные матрицы. Всё это делалось с использованием дорогих средств разработки и СУБД, отдельные субъекты умудрялись (да и до сих пор умудряются) затачивать всё под Oracle. Естественно, что такие затраты на разработку не могли не сказаться на стоимости. Но это была не единственная проблема — разработчики аналитических систем получили массу проблем с производительностью, код требовал глубокого рефакторинга, вес дистрибутивов разрастался до неприличного, CRM начинали тормозить на клиентских машинах.

Пока вендоры решали свалившиеся на них проблемы, разработчики операционных CRM спохватились и стали писать аналитическую часть, причём уже с учётом ошибок своих конкурентов. Они  не сосредотачивались на сложных OLAP-кубах, не копались в многомерных БД, а целенаправленно создавали отчёты, нужные менеджерам здесь и сейчас: воронку продаж, АВС-анализ, кто-то даже занялся шахматками. Примерно так было и в RegionSoft CRM: мы взяли за правило выпускать в новых релиз не только оперативные фичи, но и новые отчёты. В итоге их стало порядка 100, появились мощные flexi-фильтры, отчёты по взаимодействиям с клиентами, план-фактный анализ, KPI, аналитика по бизнес-процессам и многое другое. Так появился новый тип корпоративного программного обеспечения — универсальные CRM. Именно к ним относятся топовые российские CRM, как в облаке, так и on-premise.

А что стало с аналитическим CRM? Уверен, что есть те, кто меня закидает камнями, но российские вендоры либо перешли в универсальность (их большинство), либо значительно сократили свою долю рынка. Давайте посмотрим, кто во что трансформировался. В 2007 году менеджер по CRM-проектам из Sputnik Labs в своей статье предложил такую вот схему эволюции аналитических систем:

Точнее и не нарисуешь. Единственное, что я бы сегодня добавил — непрерывное взаимодействие с клиентом на основе его поведенческих данных. Тогда IoT, контекст и предиктивные технологии ещё не касались бизнеса, поэтому схема и не включила в себя очередную ступеньку эволюции. Однако на сегодняшний день практически все ступени (кроме последней) реализованы в бывших операционных, а ныне универсальных CRM-системах.

Например, у нас в РегионСофт есть три масштабных внедрения, в которых особое внимание уделялось и уделяется именно аналитической составляющей.

1. Внедрение для крупной сети магазинов хозтоваров. Уже несколько лет RegionSoft CRM помогает анализировать ассортимент, вовремя выводить непопулярные наименования, предотвращать хищения на складе и затоваривание. CRM интегрирована с кассой и программой лояльности.
2. Внедрение нашей RegionSoft CRM Media в телекомпаниях и телерадиохолдингах — CRM работает с колоссальным массивом данных, рейтингами, эфирным временем и позволяет связать и наладить работу рекламных отделов и эфира.
3. В крупном супермаркете была внедрена система RegionSoft Retail, которая позволяет регистрировать продажи штучного товара, товара собственного производства, весового товара по заводским и внутренним штрих-кодам (автоматически), а также по коротким кодам (вручную). Система обеспечивает безостановочную регистрацию продаж, рассчитанную на высоконагруженные магазины самообслуживания с торговой площадью до 3000 квадратных метров. Разработка Retail началась достаточно давно. Работая с крупным клиентом, имеющим несколько складов и разветвлённую сеть розничных магазинов, мы научились интегрировать нашу RegionSoft CRM с POS-терминалами, сканерами и другим торговым оборудованием. Мы осуществили масштабное внедрение CRM-системы в огромном гипермаркете, тогда же понадобилась специализированная программа для кассовых терминалов. Мы взялись и разработали. В процессе автоматизации магазина стали понятны направления развития и доработки. Сейчас с помощью RegionSoft Retail могут быть автоматизированы небольшие продуктовые магазины, в том числе с весовыми товарами, хозяйственные магазины, большие супермаркеты с собственными производственными цехами, аптеки, склады с функцией розничной торговли, точки выдачи товара, а также их розничные сети.

Однако под запросы специфических отраслей продолжают развиваться специализированные системы, которые не просто лидируют на рынке в своём сегменте, но и задают рамки роста всем вендорам.

• Отраслевые CRM для банков и телекома — крупнейшие интеграционные решения, связанные с биллингом и внутренними информационными системами, имеют беспрецедентный уровень безопасности.
• Самописные системы анализа данных — биллинги, CRM, написанные внутренними службами компаний или привлеченными разработчиками под цели конкретного бизнеса. Как правило, это выбор компаний средней величины, имеющих узкую специфику.
• Мощные готовые решения (типа SAP) — огромные и сложные проекты для нефтегазовой, добывающей, промышленной, телекоммуникационной отраслей. Дорогие, долгосрочные проекты.
• Иные системы BI (Business Intelligence), позволяющие собирать, хранить и анализировать данные — например, IBM Cognos BI и IBM SPSS, расширенная и бизнес-ориентированная трансформация некогда популярного пакета аналитики и статистики SPSS (продался IBM в 2009 году).

Хотя, за годы работы на рынке CRM я убедился, что каждая система найдёт своего пользователя. Поэтому бизнес должен адекватно относиться к своим потребностям в анализе данных и подбирать CRM «по мерке», поскольку это важная составляющая успешного внедрения (мы об этом уже писали).

Что творится с аналитикой в бизнесе?

Как я уже сказал выше, первое и самое страшное — её почти нет. Часто приходится сталкиваться с компаниями, которые элементарно не считают процент выполнения плана, не говоря уже о рентабельности или окупаемости инвестиций. Второе, не менее страшное, — есть ложные представления о нормативных значениях. Например, приходилось слышать, как бизнес-тренер активно убеждал, что нормальная рентабельность составляет 300-600%. Тут просто без комментариев. Ну или план продаж должен стабильно перевыполняться  на 20-30%. Если у вас стабильно перевыполняется план, пересмотрите его — ваше планирование хромает на две ноги.

Кроме перечисленных крайностей, есть и общие основные ошибки, связанные с аналитикой бизнеса.

• CRM или любая другая система (биллинг, ERP, 1С) превращаются в бункер информации. То есть данные собираются, но система используется только как инструмент для оперативной работы.
• «Замусоренные», невалидные данные. Такие данные могут существовать как в Excel, так и в корпоративных информационных системах. Их появление связано с неаккуратным вводом (иным заведением) данных.
• Избыточные данные. Компания покупает биллинг или другую крутую систему, сажает программиста, которые SQL-запросами выбирает из данных огромные таблицы значений. При этом менеджеры не способны анализировать полученные данные и делать на их основании выводы. Более того, бывает так, что менеджер открывает файл в старой версии Excel, неправильно импортируя данные и не замечая, что в файле миллион записей, а строк всего 65536.
• Ошибки при работе с данными. Менеджеры могут поверхностно владеть инструментами типа сводных таблиц или MS Access, и пытаться группировать и интерпретировать выгруженные данные. Что ожидать — в результате бывают отрицательные продажи и дробный персонал.
• Данные, которые рассматривают вне остальной информации — ложь. Обязательно нужно смотреть показатели в сочетании с другими, выявлять закономерности, корреляцию. Тогда выводы могут лечь в основу принимаемых решений.
• Аналитики и маркетологи умеют врать на данных — это разрушительная способность, с которой столкнулся не один руководитель. Одно дело, если график строится не с нуля, а с другого значения (хитрость для наглядности) и совсем другое, если, допустим, данные по трафику округляются до гигабайт или вместо количества клиентов показывается количество покупок и скромно называется «Купившие».

Моё хобби — экстраполяция.
— Как ты можешь видеть, в ближайшие несколько месяцев у тебя появится что-то около четырёх дюжин мужей. Позаботься лучше об оптовых ценах на свадебные торты.

Что делать?

Существуют основные группы данных, которые необходимо собрать любой компании. Они отражают точки роста, помогают управлять ассортиментом, координировать персонал, проводить своевременное обучение и т.д.

Экономические данные — набор информации, дающий качественное представление о компании. К ним относятся, например, отчеты о продажах, доходах и отчеты о расходах. С их помощью вы можете видеть, какие сегменты клиентов, наименования товаров, филиалы зарабатываю вам денег, а какие исключительно тянут средства. После анализа этой информации принимается решение о развитии эффективных каналов и сокращении или оздоровлении токсичных.

Данные о потребителе — колоссальный пласт информации, который можно собрать в CRM и который необходим каждому из подразделений коммерческой службы. Это сегментация клиентов, кластеризация, воронка продаж, группировка по регионам и суммам заказа и проч. Такие данные ложатся в основу персонификации предложений клиентам, которая в последнее время признаётся одним из ключевых драйверов роста.

Исследования продаж нацелены на оценку различных каналов продаж, выполнение плана и выработку новых стратегий общения с клиентами.

Исследование продукта направлено на улучшение продукта для удовлетворения запросов потребителей. Кстати, именно сюда стоит отнести и измерение и анализ качества обслуживания (да, CRM собирает данные и для этого — длительность звонка, запись разговоров, количество наборов номера, конверсия звонка в покупку и т.д.).

В подтверждение тезиса о важности аналитики по перечисленным группам показателей расскажу три абсолютно реальные истории.

Простая история 1. Компания продавала растения и товары для дачи. Решив поступить по-умному, она открыла один салон на перекрёстке нескольких дачных массивов, а второй — на выезде из города, где нет садов. Выручка в магазинах была примерно одинаковая, всё было нормально, пока не грянул кризис и люди не начали прижиматься в своих тратах. К тому же, была почти осень, и спад был и так, и так. Когда пришла весна, выручка в магазине у садов сократилась в разы, на выезде дела обстояли получше. Ближе к лету на выезде из города стало ещё лучше, а первый магазин уверенно шёл к закрытию. Путём долгого анализа и опроса сотрудников менеджеры выявили причину.
Те, кто посещал сады, как правило, в них не жили, поэтому покупали много растений, которые могут расти и без хозяина типа рассады, саженцев кустов и т.д. Сокращение спроса совпало ещё и с насыщением узкого рынка — люди отказались от товаров, покупаемых из любопытства. А на выезде аудитория была шире — и те, кто жил лето на большой загородной даче, покупали более дорогие саженцы и к тому же разные там вазы для клумб, фонарики и прочее. Вся беда была в том, что владельцев заботил только чек, а ассортимент завозили бездумно, почти рандомно. Если бы учёт вёлся по номенклатурным позициям, то владельцы могли бы перестроить ассортиментную политику и продавать, например, у садов, удобрения, инструменты и т.д. Но этого не случилось, фирмы больше нет.

Простая история 2. Примерно то же самое произошло с городским магазином недорогой одежды. Но ребята быстро обнаружили проблемы с ассортиментом и избавились от запасов, избежав затоваривания. А дело было в том, что основными посетителями «семейных» магазинов оказались женщины с детьми, и мужская дешёвая одежда почти вся была тяжким грузом. А вот добавление в ассортимент игрушек и детской бижутерии увеличило средний чек. Кстати, в отличие от героев простой истории-1, в этой сети стояла учётная система, а директор по маркетингу не праздно интересовалась тем, что в CRM учтено.

Обратная история. Небольшой сотовый оператор гнался за объёмом продаж. Точка А делала план и около 1000 продаж SIM в месяц, точка Б не делала план, было около 300 продаж. В итоге продавцы Б оставались без премий, да ещё получали от руководства нагоняй за отставание от плана. Так длилось почти год, пока новая команда службы продаж не решила для своих целей посмотреть начисления абонентов в разрезе точек, в том числе этих двух собственных офисов. Так вот, из объёма А 85-90% выговаривали 100 рублей на счету и выбрасывали SIM, а из Б около 70% пользовались номером более трёх месяцев со средним счётом 95 рублей в месяц, а 30% — более полугода. Когда стали вникать, нашли огромный фрод и даже правонарушения у точки А. В результате были переработаны KPI и пересмотрены планы продаж.

Собрать данные мало, важно уметь их использовать во благо бизнесу. Есть несколько основных путей, как это можно сделать.

Внедрить CRM, если её ещё нет. CRM-система может стать источником данных не только для топ-менеджеров, но и для самих сотрудников. Ваша задача — научить их работать с данными, использовать их для принятия оперативных решений. С того момента, как сотрудники погружаются в аналитику, начинают происходить чудеса:

• они видят результат работы и долю своего результата в общих достижениях;
• они осознают причастность к общему делу;
• они ищут новые закономерности и радуются, обнаруживая их;
• у них растёт лояльность, поскольку доступ к определённым данным — символ доверия человеку.

— У меня хорошие новости для тебя. (На самом деле, CRM открывает огромные возможности расширить знания о своём бизнесе и нащупать зоны роста).

В принципе, современный бизнес ничем не рискует — почти во всех CRM-системах, и в RegionSoft CRM в том числе, предусмотрена процедура разграничения прав доступа к различным данным.

Работать с сегментами. Если вы научитесь делать сегменты и пользоваться созданными группировками, вы решите огромный пласт задач бизнеса. Исходя из выделенных групп вы будете создавать точечные предложения, рассылки, делить группы между менеджерами и получите клиентскую базу с большей лояльностью.

Визуализировать данные и демонстрировать их на планёрках и отчётных собраниях. Одно дело, если по итогам месяца вы монотонно бубните перед сотрудниками о выполнении плана и дальнейшем развитии, а другое — показываете графики и наглядно поясняете, что есть, а к чему следует стремиться. Визуализация значительно облегчает понимание и запоминание — смело берите её на вооружение.

Есть ещё один интересный путь использования собранных данных — создание аналитических вестников и листков и распространение их на широкую аудиторию с целью пиара. Не каждая компания на такое осмелится, но если вам есть, чем делиться с клиентами, потребителями или СМИ — смело делайте это в удобочитаемой и понятной форме. Такие действия обычно окупаются ростом известности и доверием к компании.

Что можно делать с данными в CRM?

CRM — мощный источник данных в компании. Причём можно использовать готовый набор отчётов, а можно выгружать информацию и работать с ней самостоятельно — главное, что она у вас уже есть в унифицированной форме. И главное правило — собирать данные непрерывно и итеративно, сравнивать результаты от периода к периоду, смотреть на развитие показателей в динамике.

• Сегментировать клиентов и персонализировать предложения. Персонализация значительно сказывается на отношении клиента к компании.
• Анализировать рентабельность — выявлять группы клиентов или наименований, которые приводят с течением времени к большей прибыли (помните кейс про оператора связи?).
• Отслеживать события по клиенту — например, оценивать объём покупок, чтобы подключить клиента к программе лояльности.
• Проводить план-фактный анализ — оценивать выполнение плана в разрезе филиалов или сотрудников, находить факторы влияния.
• Проводить АВС анализ и выявлять наиболее рентабельные услуги и товары среди вашего ассортимента.
• Анализировать состояние складов, прайс-лист.
• Оценивать работу менеджеров по продажам в различных разрезах.

В принципе, на основе данных, полученных в CRM, можно построить довольно глубокую бизнес-аналитику. Однако есть набор показателей и действий с ними, которые являются минимумом и должны быть в работе всегда.

• Считайте темп роста показателя — отношение величины показателя на данное время к его величине за непосредственно предшествующее такое же время. Формула: темп роста = (текущее значение / предыдущее значение) * 100%. Этот показатель служит отличной иллюстрацией динамики процесса, наглядно демонстрирует прогресс или регресс относительно предыдущего периода.
• Оценивайте темп прироста, который есть ни что иное, как темп роста минус 100%. Если он получается отрицательным,  то речь идёт о темпе снижения.
• Считайте доли — то есть оценивайте не только абсолютные показатели, но и относительные. Например, можно посчитать количество заказов и их сумму, можно выяснить, что 10% заказов приносят 48% выручки и нацелиться на оптимизацию бизнес-процессов.
• Считайте моду ряда — значение во множестве наблюдений, которое встречается наиболее часто. Например, у вас работает 5 продажников и вы видите, что каждый день они делают разное количество контактов с клиентами. Проанализировав моду, вы увидите самое частое количество взаимодействий — скорее всего, это наиболее объективная норма.
• Считайте ROI (рентабельность инвестиций), будь то затраты на рекламу, выставку или обучение сотрудников. Формула: ROI = (прибыль от инвестиций — стоимость инвестиций) * 100% / стоимость инвестиций. Чем выше, тем лучше.
• Помните, что есть абсолютные (штуки, разы, рубли), относительные (доли и проценты), средние показатели — и только в совокупности они дадут вам картину происходящего у вас в бизнесе.

CRM-система выступает отличным источником данных, их вы можете обрабатывать сами и они обрабатываются в самой CRM. Обязательно должны существовать измеримые метрики, которые к тому же вы будете готовы измерять — то есть использовать для каких-то целей. Если по каким-то причинам показатель не нужен — не тратьте время на сбор данных для его расчёта. Для целей бизнеса и принятия решений не нужно охватывать весь массив цифр, важно уметь выделить главное, подходить к вопросу не формально. При этом руководитель не должен насиловать цифрами и отчётами своих подчинённых — его задача научиться работать с данными и показать своим сотрудникам, насколько это круто. И, наконец, главное, не собирать данные бессистемно и не использовать информацию как антураж бизнеса. Аналитика должна работать — на всех уровнях.

---

А мы продолжаем опрос, о результатах которого обязательно расскажем. Просим вас ответить на вопросы в простенькой форме — их всего 10 плюс 3 для тех, кому интересно узнать о нас больше. Просьба дойти опрос до конца, ненужные вам пункты просто пропустить.

Пройти опрос тут

Автор:

Источник