Об особенностях применения аналитических решений в ритейле мы беседуем с заместителем руководителя департамента ИТ по корпоративным информационным системам розничной сети Spar Максимом Владимировым.

Intelligent Enterprise: Аналитические приложения для бизнеса очень разнообразны. Наиболее грубая классификация позволяет говорить о решении с их помощью оперативных и стратегических бизнес-задач. В этих двух случаях часто используются разные методы, а иногда даже разные аналитические системы. Какие задачи вы ассоциируете с подобным инструментом?

Максим Владимиров: Ра­­зу­­­меется, используемые методы анализа информации прежде всего зависят не от имеющегося в арсенале ИТ-инструмента, а от того, какие задачи ставит бизнес, от степени зрелости внутреннего заказчика и его готовности обращаться к ИТ-системам для подготовки управленческих решений.

Если классифицировать все запросы на разработку, поступающие от внутреннего заказчика, то только четверть из них связана с задачами, которые требуют долгосрочного анализа и которые, как следствие, можно использовать для принятия стратегических решений.

Наверное, не открою ничего нового, если скажу, что оперативными проблемами приходится заниматься гораздо чаще, чем стратегией. Особенно наглядно это видно, если говорить о задачах, которые по сути имеют единую постановку, но разные временные горизонты. Одна из них — прогнозирование товарного запаса и спроса. Ее можно решать и в краткосрочной, и в долгосрочной перспективе. Методы решения действительно будут существенно различаться, равно как и потребность в исходных данных в обоих случаях. Долгосрочный прогноз скорее всего потребует более специализированных подходов, учитывающих ряд отраслевых особенностей, в нашем случае характерных для розничной торговли, а может быть, даже для ее отдельных направлений. Что касается нашего бизнеса, то сейчас мы в основном решаем задачи прогнозирования на неделю-две вперед. Может быть, на месяц, но не более. В то же время я отчетливо вижу, что продукт QlikView, который мы используем для аналитических вычислений, позволяет решать и задачи стратегического прогнозирования. Немного сложнее здесь будут обстоять дела с получением исходных данных для анализа, хотя это в любом случае не проблема программного продукта.

В общем, резюме таково: аналитические системы должны быть универсальными, способными учесть отраслевые особенности бизнеса, но вместе с тем текущая практика диктует необходимость решать задачи в краткосрочной перспективе. А это часто не позволяет системам проявить всю свою мощь, несмотря на то что мы говорим о задачах очень схожей постановки.

Из того, что вы сказали, особенно интересным представляется отраслевой акцент. При том, что тема отраслевой специфики в бизнес-системах очень популярна и часто обсуждается, до сих пор нет четкого понимания, что же в данном случае мы под этим подразумеваем. И аналитические системы здесь отнюдь не исключение...

Мне кажется, поставщики аналитических приложений сейчас могут наиболее успешно завоевывать рынок, если они в состоянии обеспечить максимальную простоту и комфортность работы со своим приложением, высокую скорость и должный уровень технологичности разработки приложений, а также низкие издержки на обслуживание. Следствием таких преимуществ является простая и надежная реализация бизнес-модели рыночного продвижения продукта, согласно которой развитие отраслевой экспертизы в основном передается партнерам по внедрению. Важно не перегружать базовую конфигурацию продукта дополнительными отраслевыми решениями, привнесёнными на стороне вендора, потому что локальные игроки, как правило, лучше владеют отраслевой и региональной спецификой. Собственно, ориентируясь именно на эту модель, мы и выбирали как компанию-производителя, так и партнера.

В некотором смысле альтернативным, используемым на рынке подходом является создание решения, которое изначально было доведено до состояния отраслевого самим поставщиком. Такой подход можно даже назвать традиционным, поскольку его, как правило, исповедовали признанные лидеры рынка корпоративного ПО. В значительной степени они продолжают делать ставку на такой подход и сейчас. Но в этих решениях мы все-таки видим довольно много функций, которые вряд ли будут использоваться вообще или же в том виде, в каком они там реализованы.

Как обычно рождается потребность в аналитических решениях в розничной торговле? Какое направление является здесь своего рода драйвером спроса и как впоследствии аналитика «врастает» в культуру информационной поддержки бизнеса?

В качестве такого драйвера для нашей отрасли я назвал бы анализ спроса для целей продаж и маркетинга. Надо сказать, что бизнес-аналитика здесь выступает в качестве основного инструмента, и хотя бы по одной этой причине потребность в ней очень ясно просматривается. Далее следуют более традиционные и в общем универсальные для любого бизнеса направления. Я имею в виду, например, управление дебиторской и кредиторской задолженностью, товарными запасами, формированиие управленческой отчетности на регулярной основе. Иными словами, за направлением-драйвером «раскручивается» другая потребность в средствах BI, уже связанная с выполнением ежедневной и даже рутинной работы.

Здесь конфигурация информа­ционной поддержки часто предполагает своего рода смешивание аналитических и транзакционных систем. Например, такие важные для нас показатели, как стоимость и оборачиваемость запасов по самым разным разрезам, мы можем эффективно анализировать в QlikView не в последнюю очередь и потому, что у нас есть ERP- и WMS-системы, способные управлять складскими операциями на уровне транзакций. Вследствие такого смешения аналитической и транзакционной функ­циональности потребность в бизнес-аналитике на этих этапах видна, быть может, не так отчетливо. Но от этого она не становится менее необ­ходимой.

Какие еще интересные для розничной компании задачи, которые решаются или могут быть решены с помощью инструментов BI, вы могли бы назвать?

Привлекающим внимание направлением сегодня, как известно, является геоаналитика, и в нашем бизнесе тоже есть спрос на системы соответствующего класса. Сегодня, в эпоху весьма жесткой конкуренции в ритейле, решения о том, где должен быть открыт очередной магазин, принимаются предельно взвешенно. Тут бывает необходимо проанализировать большое число параметров, и гораздо эффективнее это делать с использованием геоинформации.

Здесь, правда, нужно вернуться к уже упомянутому вопросу исходных данных. Зачастую мало предоставить бизнесу надежные алгоритмы решения задачи. Для вычисления некоторых важных для реализации таких решений параметров необходимо иметь исходные данные, которыми бизнес просто не располагает. Если возвращаться к примеру с открытием магазинов, можно говорить, например, о плотности проживания в том или ином районе, о социальном составе его жителей, об интенсивности людских и транспортных потоков в то или иное время. Мы этими данными не располагаем, хотя многие из них в принципе можно собрать. И, наверное, по этой причине подобные аналитические задачи при наличии на рынке адекватных предложений целесообразно было бы отдать на аутсорсинг. Впрочем, это уже скорее вопрос зрелости рынка как такового, а не вопрос качества используемого решения. Важной для ритейла задачей, где существенно востребована аналитика, является оптимизация использования полочного пространства. Мы ее тоже начинаем решать с помощью QlikView.