В ситуации, когда объемы первичных данных в розничных сетях существенно возрастают, а бизнес-подразделения приступают к решению более сложных задач управления торговым процессом, характерных для высококонкурентной среды, компании начинают использовать новые решения. Об этом мы беседуем с ИТ-директором розничной сети «Азбука вкуса» Денисом Сологубом.

Intelligent Enterprise: Для начала хотелось бы задать традиционный вопрос: каковы основные мотивы внедрения аналитических приложений? Причём не только у вас к компании, а может быть, и в розничном бизнесе в целом.

Денис Сологуб: Наверное, я не скажу ничего нового, если отмечу, что потребность в аналитических приложениях диктуется потребностями в соответствующих функциях со стороны бизнеса. Это очевидно, хотя умолчать об этом тоже нельзя. Бизнес растет. Это типично для нашей страны вообще, а для розничной торговли тем более.

Соответственно растет количество данных, которые, естественно, надо использовать максимально гибко и эффективно, и при этом очень часто фактически в режиме реального времени. Все это мощные стимулы для внедрения аналитики, хотя и здесь тоже секрета большого нет. Далее следуют, быть может, менее очевидные вещи. Начнем с того, что по мере накопления данных ширится интерес различных бизнес-подразделений к нерегламентированной обработке информации. Если, скажем, сначала такими вещами могут интересоваться финансисты, то затем соответствующий интерес могут проявить работники отдела маркетинга и прочие специалисты, работающие с информацией о материальных потоках на весьма детальном уровне. И с точки зрения необходимых им ИТ-решений это уже несколько иная ситуация. Финансисты, даже если речь действительно идет о полноценной аналитике, а не о формальном учете, вполне могут ограничиться относительно небольшим объемом предварительно агрегированной информации. Да и требования к её обновлению здесь не столь жесткие. Что же касается маркетологов, то для них, условно говоря, может иметь значение каждый факт продаж — каждая строчка чека. Такая информация у нас есть. Для эффективного управления товарным запасом нужно знать остатки по каждому товару в любом магазине и на любой день. Применимо к конкретно нашему бизнесу это означает, что мы имеем порядка ста тысяч наименований товаров (с учетом архивных позиций) и около пятидесяти складов (с учетом транзитных). Если эти цифры перемножить, мы получаем пять миллионов новых записей каждый день. Но для того чтобы обеспечить оперативный и гибкий доступ к такому массиву без потери деталей содержащейся в нем информации, нужны технологии существенно отличные от классических транзакционных СУБД.

Интерес многих подразделений к решению аналитических задач тоже возникает не вдруг и часто бывет обусловлен вполне конкретными (хотя на первый взгляд и не столь фундаментальными) изменениями, которые имеют место в бизнесе. Например, можно длительное время мотивировать работников магазина на достижение максимального оборота, что вполне разумно, например, в условиях, когда конкуренция на рынке не острая, а оптимизации ассортимента в каждом магазине не уделяется слишком много внимания. С обострением конкуренции более целесообразной становится мотивация сотрудников в отношении максимальной прибыли, и здесь анализ ассортимента приобретает уже куда более существенную роль, так как надо решать задачу повышения продаваемости более маржинальных позиций. При этом возникает потребность в ресурсоемких для расчета, но важных для бизнеса показателях, например оборачиваемости по товарной группе или отдельному товару, повышаются требования к дискретности получения данных: месяц, неделя, день. Тут же становится востребованной обработка информации о материальных потоках и в неком «творческом» режиме, который трудно регламентировать заранее.

Но кроме роста числа потребителей информации и дифференциации запросов от них есть и еще один важный фактор. Ведь по сути мы являемся заложниками той ERP-системы, в которой автоматизированы все бизнес-процессы компании. Решение, которое мы используем вот уже более семи лет, сегодня имеет ограничения по быстродействию, масштабируемости и возможностям анализа — прежде всего из-за заложенных технологий, методологии обработки данных, а также их структуры. Но замена ERP — это дорогостоящий во всех отношениях (время, деньги, риски) процесс. И в один прекрасный день становится ясно, что я не в состоянии обеспечить пользователей информацией для принятия стратегических решений в требуемом виде, так как это может отразиться на жизненно важных для компании оперативных процессах бизнеса.

В итоге начинает совершенно четко просматриваться аналитическая функ­циональность. И подобные примеры, разумеется, характерны и для нашей сети.

Не могли бы вы рассказать о том, какая информационная политика проводится в «Азбуке вкуса» в деле внедрения аналитических систем и какие собственно продукты используются?

Для начала отмечу, что потребность в аналитике хоть и может в те ли иные моменты развития существенно увеличиться, но все же не растет скачкообразно.

Соответственно решения в области аналитической обработки информации не появляются в один день. Далее речь здесь в принципе следует вести именно о совокупности решений, то есть об аналитике как направлении автоматизации, а не о системе как таковой. Это могут быть решения и от одного поставщика, а могут быть и от разных. Но все это, конечно, общие замечания, а теперь о ситуации в нашей компании.

На сегодняшний день в «Азбуке вкуса» об аналитике также можно говорить как о направлении, а не о системе, поскольку мы имеем дело если не со всеми, то по крайней мере с большинством популярных типов решений. Существуют ETL-средства для выгрузки информации в хранилище из операционных баз данных, в качестве которых у нас используется Microsoft SQL. Есть мощный инструмент доступа к данным со стороны конечного пользователя и средства их визуализации. У нас в компании в качестве таких инструментов используются элементы Oracle BI Suite, но вот само хранилище данных мы взяли от другого производителя. На рынке у нас присутствует в общем ограниченное количество специализирующихся на ИТ-аналитике вендоров (в том числе, кстати, и отечественных), хотя в то же время выбирать тоже есть из чего. Ставилась задача расширения возможностей анализа, ускорения формирования статистических отчетов (в том числе создаваемых вновь). Попутно очень важно было разгрузить систему оперативного учета. Проанализировав предложения в области непосредственно хранилищ данных, мы остановились на решении Sybase IQ и смежном продукте Industry Warehouse Studio этой же компании, по сути добавляющем к Sybase IQ возможности изначально строить именно отраслевые решения. В нашем случае можно говорить о хранилище информации, «заточенном» под бизнес розничной торговли. По сути речь идет о модели хранилища, причем это даже не логическая модель, которая в угоду быстродействию далека от традиционной нормальной формы, а физическая, реализованная с учетом особенностей работы уникальной СУБД Sybase IQ.

Компания Sybase развивает эту технологию уже больше тринадцати лет, при этом несмотря на всю инновационность и эффективность до недавних пор продвигала свои решения не очень бойко. Сами сотрудники Sybase в шутку говорят, что если бы они продавали суши, то маркетологи называли бы их не иначе, как «изделия из мертвой рыбы». Однако данная технология дает поражающий воображение результат.

Здесь я, пожалуй, не буду подробно останавливаться на технических деталях выбора (хотя они важны, и мы их очень внимательно изучали), а отмечу более общие моменты. Как я уже сказал, аналитические решения не появляются внезапно, и их элементы вполне могут быть использованы при развитии иных имеющихся на предприятии систем автоматизации. Скажем, той же ERP-системы. Так, например, в продукте Microsoft Dynamics NAV, который мы сейчас используем, еще со времен существования независимой компании Navision была реализована так называемая технология индексного суммирования SIFT, которая позволяет фактически за одну операцию рассчитать сумму определенных показателей с учетом наложения тех или иных фильтров. Данная функция довольно часто используется в аналитических запросах. Иными словами, в большинст­ве случаев аналитические функции можно непрерывно наращивать средствами имеющихся систем, выбирая весь заложенный в них потенциал. Но все это работает лишь до определенного момента, пока не становится ясно, что этих средств уже явно не хватает. Для нас таким порогом стало существенное увеличение информационного объёма (в настоящий момент число записей в некоторых таблицах центральной базы данных составляет около двухсот миллионов), дифференциация бизнес-пользователей и их запросов, а также потребность в большей оперативности получаемой информации. В мире, полагаю, не много компаний, использующих Microsoft Dynamics NAV с объемом данных около терабайта. В России я знаю всего три подобных проекта, считая наш.

Поскольку вы выбирали принципиально новое для себя решение, хотелось бы, чтобы вы не только остановились на выборе конкретного хранилища данных, но и прокомментировали процесс выбора как таковой.

Важно подчеркнуть, что здесь приходится делать несколько иные акценты, чем это, быть может, принято в практике оценки более привычных нам транзакционных систем. Исчерпав возможности ИТ-аналитики неспециализированных программных продуктов, нужно сразу рассматривать системы совершенно иной технической идеологии построения. Вдобавок они часто могут быть не сильно распространены на местном рынке, а еще не надо забывать, что лицензии на такие системы очень не дешевы. Все эти факторы лишь добавляют потенциальную неопределенность на стадии выбора, то есть мы имеем дело с довольно высоким риском принятия решения, что является в общем-то объективным обстоятельством, с которым надо смириться. Но не следует недооценивать и того, что здесь мы рассматриваем решения, которые зачастую позволяют увеличить производительность запросов буквально на порядки. Собственно, все приведенные выше тезисы в полной мере относятся к нашему случаю, когда мы выбирали решения Sybase IQ.

Мы могли бы, например, остановиться на решениях для хранилища той же Oracle. В принципе это тоже один из разумных вариантов. Мы имели бы тогда «аналитический набор» от одного извест­ного и надежного поставщика со всеми положительным факторами, характерными для подобной ситуации, и риски проекта тем самым можно было бы существенно снизить. Но ведь их снижение не самоцель. Мы ищем действительно инновационное для бизнеса решение, которое, кстати говоря, трудно получить еще одним популярным на практике «обходным маневром» — повышением производительности аппаратных платформ. Ведь исходя из вышеперечисленных целей проекта в данном случае мы имеем существенный акцент на оперативности доступа к огромному массиву данных при минимальных требованиях к дорогостоящей физической системе хранения. Повышение же потенциала аппаратных средств, как известно, значительно легче и дешевле достигается в том случае, когда речь идет о производительности вычислений, а не о подсистемах ввода-вывода. Ну и уж конечно совершенно несопоставимым является выигрыш, который даёт логическая оптимизация, применение передовых алгоритмов. Именно хороший программист способен без существенных затрат увеличить производительность на два порядка, аналогичный же рост производительности за счет совершенствования аппаратной части выльется просто в астрономическую сумму.

Что касается клиентских средств доступа и средств визуализации, то мы делаем акцент на обеспечении максимально комфортной работы с данными со стороны самих бизнес-пользователей, что, впрочем, сегодня служит общеизвестным приоритетом при внедрении аналитических приложений. Быть может, менее очевидным моментом является то, что хаотическая картина нерегламентированных запросов — тоже далеко не оптимальная ситуация, но уже не с точки зрения ИТ, а с точки зрения управления бизнесом. Лучше, когда у нас все же ограниченное количество шаблонов с возможностями настройки, и это тоже извест­ная методологическая проблема, над которой стоит работать.

Если же в случае внедрения аналитических информационных систем приходится выбирать инновационные для бизнеса решения и ставить перед собой также во многом новые задачи, что можно сказать о готовности к использованию подобных решений в принципе?

Речь о готовности конечно же целесообразно вести в контексте деятельности конкретной организации, и говоря об этом, можно разделять зрелость продуктовых предложений на рынке, готовность бизнеса к тому, чтобы заниматься аналитическими решениями, и соответственно готовность ИТ-департамента к тому, чтобы их внедрять. О выборе конкретного решения мы уже частично поговорили, хотя вообще-то это тема отдельного разговора. Скажу, что мы весьма основательно подошли к оценке. Решения рынок предлагает, выбирать есть из чего, и при ближайшем рассмотрении предложения далеко не так и похожи друг на друга. Что касается готовности бизнеса, то мы частично затронули эту проблему в начале нашей беседы, так что сейчас я остановлюсь на более близкой мне теме готовности ИТ-департамента.

Один из основных моих тезисов состоит в том, что в глубоко проактивном режиме пытаться объяснить бизнесу, какие принципиальные выгоды могут принести системы информационной аналитики, большого смысла не имеет.

Иными словами, если бизнес не готов воспринимать подобные вещи, то убеждать его в этом не надо. Адекватного понимания скорее всего не будет, и даже если выделять деньги, скажем, на пилотный проект, при слабой востребованности бизнеса в аналитике вряд ли получится что-либо практически значимое. Это тем более важно отметить, если учесть потенциальную привлекательность данного типа решений, что в свою очередь может ввести в соблазн начать их пропаганду в компании вне какой-либо связи с реальным интересом со стороны бизнеса. Вообще, на мой взгляд, внедрение успешно лишь тогда, когда через полгода оно остается востребованным.

Все это, однако, совершенно не означает, что к внедрению решений не следует проактивно готовиться вообще. Наоборот, это крайне необходимо, и в соблюдении этих пропорций как раз и состоит тонкость подхода ИТ-подразделения к обсуждаемой нами проблеме. Выше я говорил о том, что развитие бизнеса конкретного розничного предприятия, равно как и изменения конкурентной среды, может толкнуть его на изменения акцентов в мотивации. Это бизнес-решение, и здесь вряд ли кто-то со стороны сотрудников, непосредственно занимающихся данными проблемами, будет (да и вряд ли должен) задумываться о том, как это изменение поддержать информационно. Хотя на самом деле соответствующие изменения в сфере автоматизации могут оказаться весьма серьезными, и по сложности проблема имеет шанс превзойти проблему трансформации самих мотивационных схем. В этих, казалось бы, текущих изменениях ИТ-подразделение должно не только разглядеть предстоящую востребованность в аналитике, но и оценить содержание и объем будущих работ. В нашем случае к проекту внедрения конкретного аналитического решения мы подошли с устоявшимися требованиями и пониманием тех задач, которые нужно реализовать. По сути у нас было разработано техническое задание на аналитические отчеты — это был отдельный проект, давно уже законченный.

Но при этом надо учитывать, что решение неких первичных аналитических задач неминуемо потянет за собой необходимость решать следующие, появится потребность во взаимодействии различных бизнес-подразделений. А вслед за этим речь может пойти о неких дальнейших внедрениях в области аналитики, равно как и о некоторой трансформации уже сложившихся отношений между бизнесом и ИТ. Допустим, мы можем предоставить бизнесу ИТ-решение, способное оперативно отслеживать оборачиваемость каждого товара в магазине, что может быть сделано как раз с помощью аналитических инструментов. Является ли это конечным решением бизнес-проблемы? Конечно, нет. Далее возникает вопрос, что такое плохая оборачиваемость, как ее определить и с чем соотнести. По идее в здоровом бизнесе оборачиваемость товарной массы должна быть соотнесена с оборачиваемостью денежной, а последняя связана с отсрочкой платежа, по поводу которой мы договариваемся с нашими поставщиками. Поскольку и товарных групп, и поставщиков у нас много, а поведение товаров объективно различно, мы по сути имеем новую оптимизационную (а стало быть, аналитическую) задачу, которую рано или поздно придётся решать. Сюда же можно добавить учет всех потерь из-за порчи, истечения срока годности, воровства, соотнести реальную наценку с теоретической — и всё это в разрезе товарных групп, магазинов, товаров. Здесь же появляется упомянутая проблема взаимодействия различных бизнес-направлений — в данном случае финансистов и коммерсантов. Недостаточная оборачиваемость опять-таки не обязательно означает выведение позиции из товарной матрицы. Речь может идти о не всегда очевидном взаимовлиянии спроса на смежные товары, и выявление таких закономерностей — фактически тоже вопрос применения аналитических систем определенного класса. Неправильно было бы сказать, что все эти задачи так или иначе не решались в нашей компании и раньше, но очень важным фактором является простота и скорость извлечения данной информации.

Кстати, по поводу деятельности финансистов и коммерсантов можно сделать и еще одно интересное замечание. Для первых правильный учет имеет первостепенное значение, и даже если речь идет о нерегламентированной аналитике, им нередко бывает важнее получить необходимую информацию о свершившемся факте. Коммерсанты же направлены на решение предстоящих задач, на то, как может изме­ниться спрос в ближайшем будущем, что бу­дет хорошо продаваться завтра и т. д. Удовлетворить эти разные за­просы путем предоставления каждой группе потребителей адекватной оперативной информации можно, пожалуй, только с помощью специализированных аналитических приложений. Но ИТ-отдел здесь должен не просто заниматься внедрением ИТ-систем, но во многом еще и стать содержательным посредником, примиряющим конфликты интересов различных бизнес-единиц. То есть понимать проблему в целом и различия в акцентах, которые делаются теми или иными подразделениями в аналитической работе. Ведь в отличие от работы с более привычными нам транзакционными системами здесь мы больше автоматизируем не должностные обязанности сотрудников, а их индивидуальные склонности к каким-то видам работ. И это мы тоже должны адекватно учесть.

Известно, что покупающему дрель сам инструмент не нужен — ему нужны дырки. Однако пользователь подчас не знает, какие дырки ему необходимы, и наша задача — найти инструмент, который обеспечит его самыми лучшими «дырками». И не факт, что этим инструментом обязательно окажется дрель. Возможно, именно потому, что мы пытаемся подойти к внедрению с учетом широты парадигмы всего бизнеса, решения иногда могут быть рискованными и инновационными. При этом кто-то должен принимать решение о выборе, и я как профессионал готов нести ответственность за этот выбор.