Kteří zákazníci přinášejí 80 % zisku? Jak se změnila úspěšnost udržení zákazníků po zavedení věrnostního programu? Jak různé události ve firmě (kampaně, zavádění nových produktů, změny firemních procesů apod.) a na trhu (aktivity konkurence, změny ekonomických podmínek apod.) ovlivňují kolísání prodeje? Jaké je srovnání s minulým obdobím? Tyto a podobné otázky si klade každý realistický manažer. Každý den se snaží pochopit chování firmy na základě analýzy údajů, které má k dispozici. V dobře fungujících společnostech jsou součástí vybraných oddělení analytici, kteří tuto roli přebírají a manažerům poskytují pouze zdůvodněná doporučení. Všichni tito lidé potřebují mít připravenou infrastrukturu a nástroje, které jim umožňují tuto pro firmu velmi potřebnou činnost vykonávat.


Co a jak zjednodušuje práci
Cesta k úspěšné analýze dat začíná už při jejich přípravě. Prvním důležitým krokem je shromáždění dat z podnikových systémů do formy vhodné pro analýzu a reportování. Již při této přípravě je nutné dbát na správné sjednocení různorodých dat a ošetření jejich kvality. Musíme vždy důvěryhodně zdokumentovat vazby na zdrojové systémy, aby výsledky byly vždy věrohodné a doložitelné - pro případ řešení chyb, které se v původních datech vyskytují. Výsledná data se ukládají do relační databáze, kde jsou k dispozici v rozsahu potřebném k operativním analýzám. Takto relačně připravená data slouží k vytváření detailních reportů o výkonnostních parametrech společnosti a jednodušším analýzám založeným na detailních datech. V následujícím zjednodušeném příkladu si však představme požadavek na jiný typ informací: Firma s celostátní působností prodává různé kategorie výrobků. Manažer člení jednotlivé pobočky do regionů. Kategorie prodávaných výrobků mají tři úrovně - kategorie, podkategorie, konkrétní výrobek. Firma má logicky definováno, že prodej se řídí plánem. Reálné plnění plánu je pak dáno součtem za všechny výrobky a všechny pobočky.

Jak tyto informace získat?
Pro tyto potřeby slouží pokročilé analýzy, které jsou označovány jako multidimenzionální. Manažer může sledovat měřitelné parametry firmy v souvislostech, různých úhlech a různých mírách detailu. K takové analýze je nutná technologie OLAP (on-line analytical processing), která zajistí uložení a předpočítání dat takovým způsobem, že následné dotazy trvají přiměřenou dobu. Technologie OLAP přináší možnost pracovat s daty na sumární úrovni, zde identifikovat problém či zajímavou oblast a tzv. drilováním postupovat k takové úrovni detailu, která je pro naše rozhodování zajímavá. Typickou oblastí, na které se výhody technologie OLAP demonstrují, je analýza prodeje.


Obr. 1: OLAP v nástroji Oracle Business Intelligence - Discoverer

Manažer může prostřednictvím nástrojů pro práci s OLAPem kontrolovat, jak se vyvíjí realita proti plánu. Pokud plán není plněn, trendová křivka včas tuto informaci ukazuje, a konec roku nemusí skončit fiaskem. Sumární čísla je možné snadno rozdrilovat o úroveň níže, pak jsou vidět sumární plnění plánu v jednotlivých regionech. Analýza může ukázat, že problém spočívá pouze v jediném z nich, ostatní plán plní. Dalším drilováním se dostane na úroveň poboček, kde identifikuje pět takových, které v problematickém regionu výrazně zaostávají. Systém umožní rozdrilování na úroveň kategorií a subkategorií až na jednotlivé výrobky, které se v daném místě nedaří prodávat. Na základě takové informace pak lze navrhnout a provádět korektivní kroky, které situaci zlepší. Z příkladu je patrné, že data při použití technologie OLAP jsou vlastně uložena ve stromové struktuře - kostce. Zde jsou pro každou úroveň hloubky tohoto stromu předpočítány hodnoty pro příslušný podstrom. Taková hierarchická struktura je definovatelná na většině podnikových dat. Výrazně zpřehledňuje a zjednodušuje analýzu při jejich vyhodnocování. Cenou za toto zjednodušení je čas a místo potřebné k vypočítání a uložení zmíněného stromu. Je-li však kostka naplněna, dokáže přesně odpovídat na velmi komplikované dotazy, zejména provádět srovnání časových řezů omezených složitými podmínkami. Typický komplikovaný dotaz zní: "Kterých deset zákazníků zaznamenalo nejvyšší nárůst obratu s mojí firmou ve srovnání s minulým rokem, a to v okresech, které patří mezi 20 % mých nejméně ziskových?" Výsledek pak může sloužit pro nadstandardní péči o tyto zákazníky. S technologií OLAP je možno dotazovat data z mnoha úhlů pohledu - mnoha dimenzí - a tyto úhly libovolně parametrizovat. Jak jsme si ukázali, pro tyto typy dotazů není vhodné ukládat data v relační podobě.


Obr. 2: Analýza prodeje v nástroji Oracle Business Intelligence - Discoverer

Analytické nástroje
Až do tohoto okamžiku jsme popisovali způsoby a technologie uložení dat. K práci s nimi (provádění analýz) jsou zapotřebí vhodné nástroje. Volba vhodného analytického nástroje je pro efektivní získávání informací naprosto klíčovou záležitostí. Je nutné zohlednit zejména zkušenosti analytiků, kteří ve firmě již dnes pracují s prostředky, které mají k dispozici - velmi často jsou používány nástroje z rodiny Microsoft Office. Je proto důležité, aby zvolené řešení umožňovalo dostatečnou spolupráci s nástroji, se kterými jsou lidé zvyklí pracovat - to vede k nižším nákladům na adoptování efektivnějšího způsobu práce s informacemi. Zároveň musí být také zajištěna bezpečnost přístupu k informacím, automatizovaná distribuce reportů, kvalitní grafický výstup pro prezentování, případně integrace s firemním intranetem.

Hlavní jsou lidé
Přes záplavu technologií však nesmíme zapomenout na lidi. Jedněmi z nejcennějších lidí, které firma může získat, jsou zkušení analytici. Protože pouze zkušený analytik může vyčíst ze záplavy dat podstatné informace a z nich formulovat doporučení pro management.

Autor článku, Martin Cabák, působí jako solution architect ve společnosti Oracle Czech.