Analytics

Vékony füzetet hozott tegnap a posta: az üzleti intelligencia 2007-es évkönyvét. Thomas Davenport és Jeanne Harris új könyve mellé tettem, hiszen összetartoznak. Az utóbbi címe Competing on Analytics.

Szóval analytics. A SZTAKI szótár szerint ilyen kifejezés nincs, bár kétségtelenül van egy olyan, ami hasonlít hozzá, mégpedig az, hogy analytical. A Wikipedia szerint van ilyen szó, szánnak is neki egy szép szócikket, de rögtön az elején figyelmeztetnek: This article or section may be confusing or unclear for some readers. Ilyenkor nem lehet tudni, mire gondolnak: vajon a kút mély, vagy a kötél rövid? Majd hozzáteszik: Please improve it! Bizony, kritizálni könnyű, alkotni nehéz.

De lássuk a Davenport-Harris-könyvet. A páros szerint az analytics az üzleti intelligencia része. Az utóbbinak van tehát egy olyan szelete,  ami nem analytics: ez az adatok manipulálása (gyűjtése, tisztítása, rendezése, tárolása, karbantartása, hozzáférhetővé tétele stb.) és a jelentéskészítés, újmagyarul a „riporting” vagy ami még jobb, a „riportolás”. A könyv szerzői szerint e tevékenységek fölöttébb fontosak, de ami az ő szívükhöz igazán közel áll, az az analytics: az adatok kiterjedt, intenzív és fondorlatos használatát jelenti, bedobva mindenféle matematikai és statisztikai elemzést, magyarázó és előrejelző modellt, szóval mindent, ami segíti a döntéshozókat abban, hogy a megérzéseik, a sejtéseik vagy egyszerűen a vakszerencse helyett tényekre, bizonyítható vagy nagy valószínűséggel bíró összefüggésekre, törvényszerűségekre, tényekkel, logikával igazolt mintákra támaszkodjanak.

Mert a vezetés már csak ilyen: van benne szerencse, sejtés, szimat, meglátás, ráérzés, rögeszme, hit az egyik oldalon, és adat, elemzés, valódi tudás a másikon. Aki a kettő közötti határvonalat odébb tudja tolni az utóbbiak javára, aki meg tudja gyökereztetni és erősíteni a tényeken alapuló vezetést, az versenyképesebb lehet.

Na, pont erre jó az a bizonyos analytics. Gyűjts adatokat minden fontos dologról (vevőkről, vásárlói viselkedésről, költségekről, árakról stb.), keféld le, pucold meg őket, és szép rendben tárazd be valamennyit egy megfelelő helyre. Ez nem lesz nehéz, ha egyébként a tranzakcióidat már elektronizáltad, elektronikusan kereskedsz, a raktárad, a boltod tele van tömve elektronikával, egyszóval mindenütt ott az IT, integráltan, kiterjesztetten és valós időben persze.  Csináld meg belőlük a jelentéseket, de ne állj meg itt, mert erre mások is képesek, vagy ha most még nem, rövidesen azok lesznek. Ne feledd: a stratégia lényege a megkülönböztetés. Ha valamit nem nehéz másolni, legyen egyébként bármennyire is fejlett meg automatizált, az nem ad tartós előnyt.

Miben tudsz különbözni? Na, erre való az analytics, mondja Davenport és Harris. A kérdés az, hogy a gyűjtésen, a tároláson meg a jelentéskészítésen kívül mit csinálsz azzal a rengeteg adattal. Tudsz-e kérdezni tőlük valamit, és aztán mindenféle furmányos elemző technikával megtalálod-e a választ. De még itt sem lehet megállni, hiszen a válasz mit sem ér, ha a birtokában nem csinálsz semmit. Az analytics tehát gyermekded játszadozás, ha nincs hozzá menedzsment, amely megérti az eredményeket, dönt, beavatkozik, változtat, kezdeményez, számon kér. Ráadásul az analytics határait is folyamatosan előre kell tolni, mert a többiek is tanulnak, és ami ma különlegességnek számít, azt holnap kilóra mérik a Bosnyák téri piacon.

Davenport és Harris rengeteg példát hoz mindezekre, talán túlságosan is sokat: az olvasónak gyakran az az érzése, jobb lenne néhányat alaposabban megnézni, és nem azonnal ugrani a következőre. Ha az ember ezeket a példákat tanulmányoszza, fel kell figyelnie valamire. Ennek az egész analytics-bulinak a kísérletezés az egyik legfontosabb eleme. Ha nem kísérletezel, csak arról tudsz meg valamit, ami van. Ha kísérletezel, arról is, ami eddig nem volt. Kezedben a vállalatod vagy valamelyik fontos tevékenység elektronikus modellje. Kísérletezz vele módszeresen. Változtass meg valamit, aztán figyeld és elemezd, hogy mi történik.

Davenport és Harris olyan cégekről beszélnek, ahol kísérletek százait futtatják folyamatosan. Hipotézis, kísérlet, elemzés, tanulás, cselekvés, újabb hipotézis – ennek a folyamatnak kell pörögnie. Az analitikus, az adatbányász, a matematikai statisztikus nem egy elzárt kalickában ül valahol a szekrény tetején, hanem beépül a mindennapokba. Ott van, ahol a dolgok történnek, a döntéseket meghozzák, a folyamatokat szervezik.   

Post a Comment

You must be logged in to post a comment.