Логистика в ритейле
Аналитика
Логистика
14 сентября 2020, 14:09 228 просмотров

Как эффективно реализовать аналитический проект в логистике и управлении цепями поставок

Reshape Analytics

Как улучшить качество аналитических проектов?

Зачастую компании испытывают те или иные проблемы при внедрении аналитических проектов. Одним из самых распространенных барьеров на старте внедрения аналитического проекта - качество данных. Данные собираются из нескольких источников, каждый источник со своей структурой и бизнес-спецификой. На этом этапе важна качественная генерация и сбор данных.

В то же время, без возможности качественно анализировать данные и выявлять важные закономерности пользы от данных не очень много. Только качественно обработанные данные позволяют принимать взвешенные стратегические решения, направленные на повышение эффективности логистических цепочек. Для этого нужны аналитические компетенции, которые на рынке дефицитны.

Эффективность от внедрения аналитического проекта напрямую зависит от пути его внедрения

Некоторые системы, например готовые тиражные решения, не способны оценить и повысить качество данных, поэтому данные визуализируются и считываются в исходном виде. В качестве альтернативы сотрудник компании может потратить ресурсы и позаботиться о качестве данных самостоятельно, подготовить и загрузить их. Таким образом, 80% ресурсов и времени у компании-заказчика уйдет на предподготовку данных. Еще одна альтернатива - внедрение решений low-code платформы, которые имеют автоматические алгоритмы проверки и повышения качества больших массивов данных, настраиваемые аналитиками в зависимости от “проблемных мест” заказчика.

Реализация аналитического проекта на low-code платформе предполагает минимум программирования. Получаются интуитивно понятные решения. На изображении видно, как группируются визиты, выделяется период, дальше строится когорта, численность, период. Объемная задача декомпозируется на большое количество мелких задач, которые можно интерпретировать.

Любые, даже самые сложные операции можно делать визуально, то есть не надо владеть навыками программирования. Если заказчик самостоятельно реализует проект на low-code платформе, понадобиться немного времени, чтобы сотрудники разобрались с платформой, научились на ней работать, шаг за шагом перенесли наработки на платформу.

Любая low-code платформа - это комфортная и гибкая среда для совместной работы пользователей, аналитиков, администраторов. В таких системах есть готовые компоненты, ориентированные на решение любых задач в логистике.

Большой плюс low-code платформы - возможность модифицировать, адаптировать и развивать систему в ходе ее эксплуатации с минимумом кодирования и максимумом визуальной разработки. То есть при изменении каких-либо данных, нет необходимости все перестраивать. Всегда есть возможность добавить какие-то новые данные, добавить новый источник данных - функционал low-code платформы подразумевает возможность визуализации данных в виде изменяемых графиков и сводных таблиц. Все это легко интегрируется в один конвейер внутри low-code платформы. Допустим, сотрудник разработал какой-то блок логики – например, когортный анализ, ABC анализ, - все остальные сотрудники могут им повторно воспользоваться. Так происходит тиражирование знаний.

Тиражируемые решения не настолько гибкие, они не перепрограммируются под каждого клиента. К примеру, у многих вендоров один раз в месяц новый релиз, функционал которого должен быть востребован всеми клиентами. Им неудобно и невыгодно делать отдельную версию программы под каждого клиента - у них монолитная система, которую сложно адаптировать под потребности любого бизнеса.

Иногда low-code платформа может работать немного медленнее чем тиражное решение - чем более высокоуровневая система программирования, тем она медленнее. Но при грамотной работе аналитиков разница в скорости уменьшается.

Кроме того, только специалисты по аналитике могут формулировать гипотезы, качественно подтвердить или опровергнуть их и интерпретировать результаты. Аналитика всегда начинается с гипотез.

Достаточно непросто внедрять аналитические проекты даже на low-code платформе без аналитических компетенций. Некоторые компании выбирают путь, который изначально кажется более простым - самостоятельно реализуют проект на low-code платформе, что безусловно является недостаточно эффективным и соответственно не оправдывает в полной мере вложения.

Если использовать кастомизированные решения, разработанные на low-code платформе, результат получится быстрее и качественнее. Если привлекать команду аналитиков из Reshape Analytics - результат будет чуть дольше чем коробочное решение, потенциал намного лучше, чем «голая» low-code платформа, и времени потратится чуть меньше чем low-code платформа.

«Мы используем low-code платформу, на которой мы разработали ряд готовых апробированных компонентов. Используя свою функциональную экспертизу, мы интегрируем и адаптируем решения под специфику бизнеса и компании. Этот подход позволяет нам получить довольно быстрый результат - первый результат буквально за несколько недель, в течение 2-3 месяцев - полное внедрение максимально прозрачного и управляемого решения. Бывает, что клиент хочет решение на Excel или Qlik, тогда мы естественно идем навстречу и делаем на той платформе, которую он предпочитает. У нас есть собственные готовые коробочные решения, которые мы тоже адаптируем под потребности клиента,» - рассказывает Мансур Кадимов, Основатель и управляющий партнер консалтинговой компании Reshape Analytics.

Ознакомьтесь с кейсами аналитических проектов и возможностями Reshape Analytics https://reshape.team/category/cases/. Команда готова разработать демо-проект, который продемонстрирует low-code подход и те результаты, которые можно будет получить с минимумом усилий.

Статья относится к тематикам: Логистика в ритейле, Аналитика, Логистика
Источник: Reshape Analytics
Подписывайтесь на наши новостные рассылки, а также на каналы  Telegram  и  Яндекс.Дзен , чтобы первым быть в курсе главных новостей Retail.ru.
Отвечает директор по технологиям Hitachi Vantara в...
465
Союз НСР и Brandford создают благоприятную среду д...
1285
О фирменной рознице цифровой техники и перспектива...
597
О роботизированной сборке заказов, работе с маркет...
1635
Учитываем индекс цветопередачи, цвет товара, разво...
566
Когда боты удобнее приложений и в чем их преимущес...
1150

Как улучшить качество аналитических проектов?

Зачастую компании испытывают те или иные проблемы при внедрении аналитических проектов. Одним из самых распространенных барьеров на старте внедрения аналитического проекта - качество данных. Данные собираются из нескольких источников, каждый источник со своей структурой и бизнес-спецификой. На этом этапе важна качественная генерация и сбор данных.

В то же время, без возможности качественно анализировать данные и выявлять важные закономерности пользы от данных не очень много. Только качественно обработанные данные позволяют принимать взвешенные стратегические решения, направленные на повышение эффективности логистических цепочек. Для этого нужны аналитические компетенции, которые на рынке дефицитны.

Эффективность от внедрения аналитического проекта напрямую зависит от пути его внедрения

Некоторые системы, например готовые тиражные решения, не способны оценить и повысить качество данных, поэтому данные визуализируются и считываются в исходном виде. В качестве альтернативы сотрудник компании может потратить ресурсы и позаботиться о качестве данных самостоятельно, подготовить и загрузить их. Таким образом, 80% ресурсов и времени у компании-заказчика уйдет на предподготовку данных. Еще одна альтернатива - внедрение решений low-code платформы, которые имеют автоматические алгоритмы проверки и повышения качества больших массивов данных, настраиваемые аналитиками в зависимости от “проблемных мест” заказчика.

Реализация аналитического проекта на low-code платформе предполагает минимум программирования. Получаются интуитивно понятные решения. На изображении видно, как группируются визиты, выделяется период, дальше строится когорта, численность, период. Объемная задача декомпозируется на большое количество мелких задач, которые можно интерпретировать.

Любые, даже самые сложные операции можно делать визуально, то есть не надо владеть навыками программирования. Если заказчик самостоятельно реализует проект на low-code платформе, понадобиться немного времени, чтобы сотрудники разобрались с платформой, научились на ней работать, шаг за шагом перенесли наработки на платформу.

Любая low-code платформа - это комфортная и гибкая среда для совместной работы пользователей, аналитиков, администраторов. В таких системах есть готовые компоненты, ориентированные на решение любых задач в логистике.

Большой плюс low-code платформы - возможность модифицировать, адаптировать и развивать систему в ходе ее эксплуатации с минимумом кодирования и максимумом визуальной разработки. То есть при изменении каких-либо данных, нет необходимости все перестраивать. Всегда есть возможность добавить какие-то новые данные, добавить новый источник данных - функционал low-code платформы подразумевает возможность визуализации данных в виде изменяемых графиков и сводных таблиц. Все это легко интегрируется в один конвейер внутри low-code платформы. Допустим, сотрудник разработал какой-то блок логики – например, когортный анализ, ABC анализ, - все остальные сотрудники могут им повторно воспользоваться. Так происходит тиражирование знаний.

Тиражируемые решения не настолько гибкие, они не перепрограммируются под каждого клиента. К примеру, у многих вендоров один раз в месяц новый релиз, функционал которого должен быть востребован всеми клиентами. Им неудобно и невыгодно делать отдельную версию программы под каждого клиента - у них монолитная система, которую сложно адаптировать под потребности любого бизнеса.

Иногда low-code платформа может работать немного медленнее чем тиражное решение - чем более высокоуровневая система программирования, тем она медленнее. Но при грамотной работе аналитиков разница в скорости уменьшается.

Кроме того, только специалисты по аналитике могут формулировать гипотезы, качественно подтвердить или опровергнуть их и интерпретировать результаты. Аналитика всегда начинается с гипотез.

Достаточно непросто внедрять аналитические проекты даже на low-code платформе без аналитических компетенций. Некоторые компании выбирают путь, который изначально кажется более простым - самостоятельно реализуют проект на low-code платформе, что безусловно является недостаточно эффективным и соответственно не оправдывает в полной мере вложения.

Если использовать кастомизированные решения, разработанные на low-code платформе, результат получится быстрее и качественнее. Если привлекать команду аналитиков из Reshape Analytics - результат будет чуть дольше чем коробочное решение, потенциал намного лучше, чем «голая» low-code платформа, и времени потратится чуть меньше чем low-code платформа.

«Мы используем low-code платформу, на которой мы разработали ряд готовых апробированных компонентов. Используя свою функциональную экспертизу, мы интегрируем и адаптируем решения под специфику бизнеса и компании. Этот подход позволяет нам получить довольно быстрый результат - первый результат буквально за несколько недель, в течение 2-3 месяцев - полное внедрение максимально прозрачного и управляемого решения. Бывает, что клиент хочет решение на Excel или Qlik, тогда мы естественно идем навстречу и делаем на той платформе, которую он предпочитает. У нас есть собственные готовые коробочные решения, которые мы тоже адаптируем под потребности клиента,» - рассказывает Мансур Кадимов, Основатель и управляющий партнер консалтинговой компании Reshape Analytics.

Ознакомьтесь с кейсами аналитических проектов и возможностями Reshape Analytics https://reshape.team/category/cases/. Команда готова разработать демо-проект, который продемонстрирует low-code подход и те результаты, которые можно будет получить с минимумом усилий.

Как эффективно реализовать аналитический проект в логистике и управлении цепями поставок
https://www.retail.ru/local/templates/retail/images/logo/login-retail-big.png 243 67
Как эффективно реализовать аналитический проект в логистике и управлении цепями поставок
https://www.retail.ru/local/templates/retail/images/logo/login-retail-big.png 243 67
SITE_NAME https://www.retail.ru
https://www.retail.ru/rbc/pressreleases/reshape-analytics-kak-effektivno-realizovat-analiticheskiy-proekt-v-logistike-i-upravlenii-tsepyami-/2021-03-06


public-4028a98f6b2d809a016b646957040052