2014-02-12
431
Раздел 2 Маркетинговая информационная система для планирования продаж и закупок
Ключевая особенность MIS-систем заключается в том, что все реализуемые в рамках них процессы осуществляются на регулярной основе. Вернемся к процессу планирования продаж и закупок. В эффективной MIS предполагается, что продажи уже разделены по направлениям и на каждом из них определен круг задач ИАП. В одних случаях эта поддержка сводится к построению определенных отчетов с необходимыми показателями, в других предлагается базовый укрупненный прогноз, который он распределяет по артикулам, а в третьих даются готовые цифры, с которыми он соглашается или нет. Но в любом случае вся ИАП, оказываемая в рамках MIS, стандартизирована. Естественно, в процессе функционирования MIS ИАП по определенным направлениям перестает давать адекватные результаты или появляются новые задачи, которые требуют разработки новых моделей решения. Эти модели разрабатываются в рамках маркетинговых систем поддержки принятия решений (MDSS — marketing decision support system).
Рассмотрим подробно составляющие MDSS и MIS, а также информационные технологии, используемые в этих системах. MIS состоит из трех основных подсистем: подсистемы сбора данных, подсистемы создания справок и подсистемы генерации аналитических отчетов. Система сбора данных предназначена для объединения всех данных, требуемых для поддержки процесса планирования продаж и закупок. Мы уже говорили, что в этом процессе требуются данные из различных источников, в том числе и внешних. Поэтому ни одна учетная система предприятия не может служить основой для системы сбора маркетинговых данных. В качестве подобной системы используются так называемые системы управления хранилищами данных (SAS, Hyperion, Cognos, Business Object, Marketing Analytic). Эти системы позволяют организовать аналитическое хранилище и настроить стандартные процедуры передачи данных из других систем. Иногда, правда, они могут выступать и в качестве учетных систем. В частности, система управления хранилищами данных комплекса Marketing Analytic построена таким образом, что в ней можно настраивать пользовательский интерфейс для ввода данных напрямую в хранилище. Это несколько упрощает администрирование MIS, особенно в условиях, когда большая часть информации вводится в систему самим маркетологом или аналитиком. Тем не менее, общая идея систем управления хранилищами данных заключается именно в консолидации данных — их объединении из других источников: данных о продажах (из ERP-систем), данных о клиентах (из CRM-систем), данных о конкурентах (например, из систем различных информационных агентств) и т. д. Надо отметить, что наиболее распространенными системами, используемыми предприятиями для создания хранилищ данных, являются Access или Excel. Система построения справок предназначена для вывода исходных данных, находящихся в хранилище, либо без изменений, либо с минимальными изменениями. До появления компьютерных технологий вся информация собиралась в виде бумажных носителей. В этих условиях справки использовались для решения многих задач, в том числе требующих представления данных в другом, более удобном для принятия решений виде. Сейчас роль справок в MIS заметно сократилась. Тем не менее, в некоторых случаях справка может оказаться очень полезной (например, когда при планировании продаж возникает необходимость в получении подробной информации о каком-либо клиенте или о свойствах какого-либо товара). Система справок обычно реализуется с помощью так называемых репортинговых систем (от англ. report — отчет). Смысл этих инструментов в том, что они позволяют представить данные, находящиеся в хранилище в виде набора заданных отчетных форм. Сами формы, как правило, создаются программистом, пользователь может их менять лишь в незначительной мере. Обычно он может детализировать определенные показатели, устанавливать условия фильтрации, настраивать форматирование. Следует отметить, что большинство недорогих отчетных средств могут представлять данные только в виде печатных форм. Экспорт в Excel либо вообще не осуществляется, либо осуществляется с очень большими ограничениями. Между тем, с точки зрения принятия решений по продажам и закупкам, данные нужны именно в формате Excel, так как в этом случае менеджер может легко использовать их в дальнейших расчетах. Подобная мелочь на практике приводит к большим затруднениям в работе. Мы не раз встречались с ситуацией, когда репортинговая система создает отчет, например, в виде pdf-файла. Затем этот отчет печатается на принтере, и аналитик или даже менеджер вручную перебивает данные отчета на компьютер. В условиях, когда требуется принимать много решений, такие «бизнес-процессы» просто недопустимы. Система генерации аналитической отчетности предназначена для представления данных хранилища в аналитической форме. Примерами аналитических отчетов могут служить всевозможные отчеты по продажам, прогнозы, расчеты оптимального объема заказа и т. д. Степень информативности отчета определяется двумя факторами:
1) возможностями по применению различных методов информационно-аналитической поддержки в рамках того или иного направления продаж;
2) величиной усилий, вложенных в разработку моделей принятия решений по планированию в рамках этого направления.
Для создания аналитических отчетов используются три вида инструментов: репортинговые системы, OLAP-системы (OLAP — online analytical processing —анализ данных в реальном режиме времени) и datamining системы-mining — добыча данных).
Репортинговые средства уже были рассмотрены в предыдущем разделе. Рассмотрим теперь OLAP и datamining-системы. Первый класс систем предназначен для того, чтобы пользователь мог сделать запрос данных из хранилища и осуществить их анализ без помощи программиста. Обычно это достигается за счет того, что пользователю предоставляется минимум возможностей по форматированию получаемых отчетов, а также накладываются серьезные ограничения на сложность рассчитываемых показателей. При этом пользователь получает практически неограниченные возможности по доступу к данным хранилища, перестраиванию отчета, агрегированию и детализации данных. Приведем небольшой пример, показывающий использование OLAP-технологий. Предположим, менеджеру необходимо спрогнозировать продажи определенного артикула. Он выясняет, что в целом тенденции продаж достаточно очевидна, однако в некоторых месяцах присутствуют выбросы. Для выявления природы этих выбросов менеджер детализирует продажи по покупателям и выясняет, что выбросы связаны с покупками покупателя N. Далее при составлении плана менеджер ориентируется на статистику продаж без покупателя N и отдельно пытается выяснить, когда и в каком объеме N совершит следующую закупку. Термин data-mining изначально применялся к методам, позволяющим находить наиболее значимые взаимосвязи между большим количеством статистических переменных. Такие методы необходимы, например, когда по статистке продаж магазина необходимо определять продукты, которые люди предпочитают покупать совместно. Сейчас к data-mining часто относят системы, реализующие любые статистические методы анализа, включая и нейронные сети. Не последнюю роль в этом играют, видимо, звучность термина.
В планировании продаж и закупок data-mining-системы используются в основном для прогнозирования и (в меньшей степени) для расчета моделей, характеризующих взаимозависимость между статистическими переменными (например, для прогнозирования объемов продаж в зависимости от выкладки товаров на витрине). Системы MDSS менее структурированы, чем MIS. По сути, они предназначены для выдвижения и проверки гипотез, которые ложатся в основу процессов и алгоритмов MIS. Поскольку системы MDSS предназначены не для создания отлаженных процессов, а для проверки разнородных гипотез, то инструменты здесь используются более легкие. В частности, практически не используются репортинговые средства. Используются более простые OLAP-средства, не предполагающие создания сложных централизованных хранилищ. Более активно используются средства data-mining. Стандартной задачей является поиск разрезов данных, в которых может применяться статистическое прогнозирование (по группам артикулов, сегментам покупателей и т. д.). В рамках MDSS обычно используются статистические пакеты (SPSS, Statistica, MiniTab и другие), электронные таблицы Excel для проведения всевозможных вычислений, Access в качестве простой базы данных для хранения требуемых показателей и т. д. Таким образом, планирование продаж и закупок слишком важный процесс для компании, чтобы можно было вывести его неэффективно. Основной резерв повышения эффективности этого процесса — улучшение его информационно-аналитической поддержки. Реализация информационно-аналитической поддержки планирования продаж и закупок предполагает:
1) разделение продаж по направлениям;
2) разработку принципов принятия решений и процессов информационно-аналитической поддержки по каждому из направлений;
3) реализацию процессов информационно-аналитической поддержки по каждому направлению в MIS.
Существует несколько уровней информационно-аналитической поддержки: от расчета показателей, требуемых в процессе планирования, до непосредственно подготовки самих решений. Переход с уровня на уровень — вопрос эволюции, и поэтому требует длительного времени. Однако даже первые шаги в этом направлении (создание аналитического хранилища, содержащего ключевые данные, требуемые в процессе планирования продаж и закупок) уже дадут возможность снизить трудозатраты и значительно повысят качество принимаемых решений. MIS — сложная система. Ее работа невозможна без тесного взаимодействия многих отделов компании, наличия четких регламентных процедур, использования современных информационных технологий. Поэтому процессом создания маркетинговой информационной системы необходимо управлять. Если его пустить на самотек, то лучшее, что получит менеджер, — небольшое количество новых отчетов и большое количество новых неуправляемых процессов.
