CC BY
14
Преимущества реализации системы отчетности и анализа продаж веб-сервисов с
помощью технологии OLAP
Advantages of implementing a system for reporting and analyzing sales of web services using
OLAP technology
Болдарева Е.О.
Студент 2 курса магистратуры, кафедры Бизнес-информатики, Уральский Государственный Экономический Университет,
РФ, г. Екатеринбург e-mail: k.boldareva96@yandex.ru
Boldareva E.
2nd year magistracy, faculty of Business Informatics, Ural State University of Economics, Russia, Ekaterinburg e-mail: k.boldareva96@yandex.ru
Аннотация.
В статье проводится сравнение реализации системы отчетности и анализа продаж веб-сервисов с помощью разработки собственной системы силами команды разработки и реализации системы отчетности за счет функциональности сторонней OLAP системы. Рассматривается необходимость реализации системы отчетности и анализа, описывается реализация каждым из методов, описываются проблемы и преимущества реализаций. Актуальность обусловлена тем, что настоящее время все крупные компании имеют огромные коммерческие базы данных, но сами по себе эти данные малоэффективны и практически бессмысленны и сервисы с накопленными данными сталкиваются с тем, что необходимо видеть анализ своейработы и настраивать систему анализа данных, но нужно решать, как организовывать.
Annotation.
The article compares the implementation of the reporting system and the analysis of sales of web services using the development of its own system by the team of development and implementation of the reporting system due to the functionality of a third-party OLAP system. The necessity of implementing a reporting and analysis system, the implementation of each of the methods and the problems and advantages of implementations is considering. The relevance is because currently all large companies have huge commercial databases, but this data itself is ineffective and almost meaningless, and services with accumulated data face the fact that they need to see the analysis of their work and configure the data analysis system, but they need to decide how to organize it.
Ключевые слова: анализ данных, OLAP, разработка системы отчетности, веб-сервисы
Key words: data analysis, OLAP, development of a reporting system, web services
В крупных компаниях, разрабатывающих веб-сервисы, существуют огромные отделы сбыта, а продажа — один из ключевых процессов, помогающий компании существовать. Поэтому один из главных фокусов бизнес анализа направлен на анализ процесса продаж и работы с клиентом.
Рассмотрим основные понятия, используемые в статье, связанные с теорией продаж:
Продажа — это процесс (событие, сделка) и сам факт обмена предмета маркетинга на его денежный эквивалент. [1]
ЛИД — это потенциальный клиент, тем или иным образом отреагировавший на маркетинговую коммуникацию. Термином лид стало принято обозначать потенциального покупателя, контакт с ним, полученный для последующей менеджерской работы с клиентом. [2]
Конверсия продаж — это отношение реальных покупателей (те, кто воспользовались товаром/услугами) к потенциальным покупателям (те, кто НЕ воспользовались по любой причине). [3]
ROI (окупаемость инвестиций) — это финансовый коэффициент, иллюстрирующий уровень доходности или убыточности бизнеса, учитывая сумму сделанных в этот бизнес инвестиций. Показатель ROI является отношением суммы прибыли или убытков к сумме инвестиций. [4]
Продажные процессы обычно ведутся и фиксируются в веб-сервисах, для примера возьмем CRM систему, используемую для ведения всех отношений с клиентами.
Разработка таких крупных веб-сервисов включает в себя часть в которой фиксируются данные, то есть работают пользователи. Например, CRM система позволяет загружать в неё списки потенциальных клиентов, контакты, фиксировать работу менеджера с клиентом и т.д., и все это хранится в больших коммерческих базах данных.
А при наличии такого большого объема полезной информации тут же возникает потребность анализа этих данных, потому что сама работа с клиентом, без оценки, не эффективна и почти бессмысленна.
И тут у каждого сервиса возникает выбор:
- предоставлять отчетность внутри самого сервиса и разрабатывать её силами своей команды разработки;
- или переложить эту функциональность на стороннюю систему анализа, например, OLAP систему.
В нашей CRM системе появилась потребность понимать результаты работы менеджера по продажам внутри сервиса.
По мнению экспертов для оценки продаж, необходимо отслеживать следующие ключевые показатели эффективности (KPI):
1. Показатели, связанные с действиями менеджера (эти KPI продемонстрируют, насколько активно и результативно работает каждый сотрудник в отделе):
a. число звонков/встреч/презентаций и других активностей менеджера;
b. количество активностей каждого менеджера в сравнении с числом закрытых им сделок;
c. среднее количество действий, совершенных для закрытия лида;
d. время отклика (как быстро менеджеры связываются с лидами);
e. соотношение выигранных и проигранных сделок у каждого менеджера;
f. прибыль, принесенная компании менеджером.
2. Качество работы с клиентами
a. количество горячих клиентов, готовых к покупке;
b. конверсия заинтересованных теплых клиентов в горячих;
c. количество повторных сделок.
3. Итоговые показатели
a. средний чек;
b. ROI (окупаемость инвестиций);
c. конверсия продаж.
4. Целевые показатели (эти KPI помогут понять, насколько продуктивен был отдел продаж в течение месяца или другого значительного отрезка времени):
a. объем продаж, реально достигнутый по отношению к планируемому;
b. стоимость закрытых сделок в этом месяце в сравнении с целью;
c. количество закрытых сделок в сравнении с целью. [5]
Можно реализовать подсервис внутри нашей CRM с UI интерфейсом, который будет отображать шаблонные отчеты, набор данных в которых определяется при разработке в соответствии с описанными выше
показателями. Вся суть построения системы отчетности сводится к тому, что нужно агрегировать данные разнообразными способами. Данные будут тянутся из базы данных CRM системы. Эти показатели будут полезны руководителям, менеджерам по продажам и всем должностным лицам, которым необходимо посмотреть конкретный показатель.
Но тут же рождается ряд проблем: пользователю необходимо добавить ещё один параметр или данные из другого сервиса. Это превращается в ещё одну задачу на разработку, затрагивая разработчиков сторонних сервисов, это очень дорого, потому что необходимы ресурсы разработчиков, аналитиков, дизайнеров и т.д.
Таким образом, для самого веб-сервиса разрабатывать отчетность своими силами очень дорого, потому что как правило анализ - это про исследование, а веб сервис это не про исследование, а про накопление данных и разработку функциональности для пользователей, он может предоставить только узкий набор данных, не подходящих для аналитиков.
Чтобы не связываться с такими затратами на поддержку и разработку системы отчетности внутри сервиса, имеет смысл выносить аналитику и отчетность во вне, например, в систему OLAP. Она позволяет просто обращаться к сервису, как к источнику данных, и дальше у себя легко и быстро создавать разнообразные отчеты и проводить многомерный анализ.
Таким образом, по мере развития и анализа потребности у нас появились сопутствующие пользователи и заказчики, т.к. недостаточно видеть результаты работы внутри одной CRM системы, потому что процесс продаж длинный и подразумевает под собой и работу с клиентом, и выставление счетов, и звонки АТС. Поэтому добавились со-заказчиками аналитики и маркетологи, которые хотят понимать весь цикл работы с клиентом.
Реализуем систему аналитики и отчетности с помощью OLAP.
Для решения проблемы заказчика были определены сервисы, которые могут быть источниками данных:
• CRM система;
• биллинговая система;
• АТС;
• база данных, содержащая всю информацию о компаниях РФ (не обязательно клиенты компании), обогащенная разными метриками.
По определенному контракту данных через методы API читается информация по новостям (т.е. измененным данным) из всех определенных выше источников.
Но не все данные могут быть нужны, поэтому данные проходят небольшое преобразование и отсекается ненужное/дублирующее с учетом потребностей всех пользователей, которые будут пользоваться хранилищем.
Эти данные записываются в source-таблицы хранилища данных, по сути с чистыми необработанными данными (как они хранятся в базе сервиса, так и записываются в хранилище). Это сделано для того, чтобы сделать универсальный чистый источник данных, к которому могут подключаться пользователи и ресурсы для своих задач и OLAP-кубы для обработки.
Дальше из хранилища, данные начинают перегружаться в рабочее хранилище (витрина данных), через процедуры ETL.
В рабочее хранилище складываются преобразованные и подготовленные под логические метрики анализа данные. Они преобразуются в многомерные структуры с:
• мерами (то что мы считаем) - сколько звонков сделал менеджер, сколько предложений обработал, сколько счетов оплачено, какая скидка сделана, на какие суммы и т.д.
• и измерениями (справочники, что мы изучаем, в каких разрезах) - например, мендежеры, продукты, тип предложения, код СЦ.
Далее к витрине данных (рабочему хранилищу) идет подключение через Excel или web-интерфейс, реализованный на отдельном reporting service с Power BI.
Excel позволяет подключится к кубу и собрать отчет по необходимым параметрам проводя различный анализ, смотрят большую агрегацию и декомпозицию для анализа и исследования. Этим инструментов чаще пользуются аналитики, экономисты и исследователи данных.
Web-интерфейс позволяет видеть готовые отчеты по ключевым показателям и разграничивать доступ к отчетам. Этим инструментом чаще пользуются руководители, менеджеры по продажам и все люди, которым нужно зайти и посмотреть показатели, а не исследовать что-либо.
Так же могут обрабатываться какие-то разовые запросы по конкретному единичному сценарию пользователя. Бизнес-аналитики делают выгрузку.
Схема реализации представлена на Рисунке 1.
Рисунок 1. Стукртура OLAP системы
Перейдем к сравнению реализаций.
OLAP системы позволяют использовать данные в более широком контексте путем обогащения и дополнения. Если бы веб-сервис решал проблему своими силами, то он бы построил только узкий набор данных внутри системы. OLAP позволяет добавлять сюда данные из системы телефонии (звонки клиентам), биллинга (выставление счетов и работа со счетами) и т.д.
За счет этого происходит:
- экономия на ресурсах аналитиков, разработчиков из этих систем
- аналитики и маркетологи получают данные для анализа всего цикла продаж
Если брать данные сразу из базы данных сервисов, туда не прекратят постоянно обращаться пользователи самого сервиса, другие сервисы для своих задач и добавится куб для анализа. В итоге будет страдать производительность, снизится скорость и будут перебои с работой из-за большойи постоянной нагрузки на базы сервисов.
Структура базы данных внутри сервиса, даже если он соберет данные из разных сервисов, сильно нормализована и оптимизирована для выполнения коротких идущих большим потоком транзакций, при этом клиенту требуется от системы минимальное время отклика. Благодаря нормализации в таких системах значительно снижается избыточность данных и вычислительные потребности на операции обновления, что
делает OLTP-системы идеальными для хранения данных. Однако сложность структуры таблиц и большие объемы накопленных данных приводят к снижению скорости выполнения сложных запросов на извлечение данных (например, посчитать прибыль организации по кварталам за последние пять лет), снижению производительности системы в целом. В результате эти системы оказываются непригодными для решения задач, диктуемых бизнес-аналитиками.
Тогда как OLAP предназначена для проверки гипотез пользователя-аналитика. Такие системы оптимизированы для выполнения операций чтения над большими объемами данных. Высокая скорость выполнения сложных аналитических запросов OLAP -системами связана с особенностями построения используемых ими многомерных структур (многомерные базы данных, или OLAP -кубы). Для реализации этой задачи кубы обычно содержат предварительно вычисленные итоговые данные, называемые агрегациями. Т.е. куб охватывает пространство данных большее, чем фактическое - в нем существуют логические, вычисляемые точки.
Так же, эксперты выделяют следующие преимущества OLAP систем:
При наличии OLAP системы всегда есть возможность проследить источник информации и определить логическую связь между полученными результатами и исходными данными. Снижается субъективность результатов анализа.
Применение OLAP системы позволяет получить множество сценариев развития событий на основе набора исходных данных. За счет инструментов анализа можно смоделировать ситуации по принципу «что будет, если».
Детальность представления результатов может изменяться в зависимости от потребности пользователей. При этом нет необходимости осуществлять сложные настройки системы и повторять вычисления. Отчет может содержать именно ту информацию, которая необходима для принятия решений.
За счет построения многомерных связей появляется возможность выявить и определить скрытые зависимости в различных процессах или ситуациях, которые влияют на производственную деятельность.
За счет применения OLAP системы появляется возможность создать единую платформу для всех процессов прогнозирования и анализа на предприятии. В частности, данные OLAP системы, являются основой для построения прогнозов бюджета, прогноза продаж, прогноза закупок, плана стратегического развития и пр. [6]
Таким образом, система аналитики с технологией OLAP дает нам следующие преимущества:
- OLAP системы позволяют использовать данные в более широком контексте путем обогащения и дополнения, поэтому происходит экономия на ресурсах аналитиков и разработчиков и покрываются все нужды маркетологов и аналитиков-исследователей;
- данные хранятся в отдельном хранилище, оптимизированном под сложные аналитические запросы и это не влияет на производительность сервисов и отчетов;
- это дешевле разработки и поддержки, чем реализация силами команды разработки.
Список используемой литературы:
1. Butler, R. S. Marketing methods and salesmanship. Part I: Marketing methods, by Ralph Starr Butle. Part II: Selling. Part Ш: Sales management— University of California, 1916 — 241 с.
2. Кинзябулатов Р. CRM.Подробно и по делу — М.: Издательские решения, 2016 — 21 с.
3. Жестков Н. Маркетинг для руководителей. Конверсия: что это + как посчитать, [Электронный ресурс] - Режим доступа: https://in-scale.ru/blog/konversiya-chto-eto-i-kak-poschitat
4. Окупаемость инвестиций, [Электронный ресурс] - Режим доступа: https://ru.wikipedia.org/wiki/Окупаемость_инвестиций
5. Аброськина Л. 20 важных показателей KPI для менеджера по продажам, [Электронный ресурс] -Режим доступа: https://salesap.ru/blog/crm-kpi/
6. Жидковым Д.А Практикум «Хранилища данных и OLAP», [Электронный ресурс] - Режим доступа: http://media.ls.urfu.ru/632/1734/4218/5290/
