Kvaliteetsed otsused ärianalüüsi abil

On tõekspidamisi ja reegleid, milles ei kahelda. Üheks selliseks on kindlasti see, et ettevõtte varasid tuleb otstarbekalt ja efektiivselt hallata. Üldjuhul ollakse päri ka järgmise tõekspidamisega: informatsiooni efektiivne kasutamine on oluline. Kuid kas uskuda väidet, et informatsioon on samasugune vara kui need varad, mis on kirjas ettevõtte aktivates? Kui usute, siis küsin edasi ? milline on teie ettevõttes informatsiooni kasutamise efektiivsus? 5? 25? 50?

Gartner Groupi ennustuse kohaselt kasvab vajadus informatsiooni analüüsiks (sh ka nõudlus analüütikute järele) aastaks 2005 võrreldes tänasega kuni kolm korda. Siit kontrollküsimus ? milliseks on planeeritud teie ettevõtte informatsiooni kasutamise efektiivsuse suhtarv aastaks 2005?

Mark Twain on kord öelnud, et inimesed, kes oskavad lugeda, kuid ei kasuta seda oskust, on võrdväärsed nende inimestega, kel puudub lugemisoskus. Parafraseerides Mark Twaini ütlust ? ettevõtted, kes on investeerinud märkimisväärseid summasid infosüsteemidesse, kuid kes ei kasuta seal leiduvat vara ehk andmeid otsuste langetamiseks, ei oma mingit eelist nende firmade ees, kelle investeering infosüsteemidesse on olnud märgatavalt väiksem ning kes samas ei talleta ega töötle oma andmeid sihipäraselt.

Juhtidele ja otsustajatele suunatud uuringud näitavad selgelt seda, et rahulolu informatsiooni kättesaadavuse, selle kvaliteedi ning ajastusega on kriitiliselt madal. Mõistmaks ühte olulist tahku probleemist on oluline seletada lahti paar mõistet. Nimelt, sõnad ?andmed? ja ?informatsioon? pole sünonüümid.

Andmed kirjeldavad ainult fakte. Näitena võib tuua müügikäivet iseloomustava numbri neli (4). Informatsioon tekkib alles siis, kui oleme andmed asetanud teatavasse taustsüsteemi ehk konteksti, et mõõdetud andmete väärtusi hinnata.

Näiteks, kui taustsüsteemist ilmneb, et eelmine kuu oli müügikäibe suuruseks number 5, siis muutub number 4 kui andmestik informatsiooniks.

Seega: INFORMATSIOON = ANDMED + KONTEKST (vt joonis 1).

Oluline on teada, et otsuse langetamise baasiks ja eelduseks saab olla ainult informatsioon ja mitte andmed. Seda seetõttu, et andmed pole hinnatavad, sest neil puudub taustsüsteem. Informatsioon seevastu on alati suhestatud ja seega hinnatav. Võib tuua lihtsa paralleeli ? informatsiooni tunneme ära siis, kui on suudetud iga numbri järgi kuvada nool ülesse või nool alla.

Alles siis, kui informatsioonile lisanduvad sellised inimvõimed nagu teadmine ja kogemus, saab rääkida sellest, et otsuse tegemiseks vajalikud eeldused on täidetud. Küllap võib igaüks tuua enda praktikast näiteid, kus ebaõige otsuse põhjuseks on olnud kas ebapiisav informatsioon, ebapiisav teadmine või kogemuse puudumine (või kõik koos).

Millised on kõige levinumad mured, mida toovad nii juhid kui ka otsustajad esile, rääkides informatsiooni kättesaadavusest ja kvaliteedist?

Vajadus seostada erinevaid andmehulkasi omavahel. Kes pole olnud kimbatuses, kui pärast omapoolset informatsiooni jagamist on hea kolleeg öelnud: ?aga mul on teised andmed? või ?minu andmetel on asjalood hoopis sellised?.

Näitena olgu toodud vajadus analüüsida kliendisegmentide (või ka klientide) kasumlikkust. Üldjuhul on kulude seostamine lähtuvalt operatiivinfosüsteemist (majandustarkvarast) võimatu, sest klientidega seotud kulud on erinevates lähtebaasides ? ettevõtte poolt kinnimakstud toodang, kompenseeritud reklaamikampaania, reklaamtooted ning kliendi müügikoha investeering, baashinnakirjast tehtud soodustus, turunduskampaania ühele kliendisegmendile jne.

Andmehulkade seostamise eesmärk on ühe ja ainsa numbrilise tõe väljaselgitamine.

Soov ja vajadus aidata iseennast, st olla sõltumatu informatsiooni hankimisel ja töötlemisel. Juhtudega, kui otsustaja peab seletama oma aruandesoovi IT-osakonnale, on alati seotud risk, et tellija vajadus pole selle täitjale sajaprotsendiliselt arusaadav.

Sõltuvus täitjast põhjustab ajakulu (aruanne valmib näiteks alles järgmiseks päevaks) ja seetõttu võib otsustaja isegi loobuda lisainformatsiooni hankimisest.

Lisainformatsiooni hankimisest loobumine omakorda suurendab oluliselt riski, et olukorrast objektiivset ülevaadet omamata tehakse otsus, toetudes ainult kõhutundele või mineviku kogemusele.

Vajadus töödelda otsustamise aluseks olevat informatsiooni. Pean siin silmas olukorda, kus otsuste langetamiseks on vajalik eelnev andmete töötlus.

Näitena võib tuua tegevuspõhise kuluarvestuse, kus ettevõtte tulude ja kulude summad jagatakse ümber ettevõtte tegevusprotsessidele ja/või kliendisegmentidele lähtuvalt erinevatest ning perioodiliselt muutuvatest jaotusbaasidest. Protsess on sageli üsna töö- ning andmemahukas ning nõuab lisavahendeid.

Vajadus leida andmehulkadest seoseid ja sõltuvusi. Näiteks soovib firma saada ostunõudluse dünaamikast aru erinevate tahkude (kliendisegmendid, tootegrupid, müügikanalid) valguses.

On üsna tavaline, et selleks kasutatakse erinevaid statistilisi meetodeid, nagu näiteks müügi sesoonsuse analüüs (aegridade analüüs), kliendi eluea analüüs või andmekaevandamise meetodid (ingl data mining). Inimese suutlikkus suurtest andmemahtudest seaduspärasusi leida on väike.

Olukorra llustreerimiseks sobib lihtne juhtimisotsuse näide: mis hinnaga toodet müüa? Sellise kaaluga otsuse langetamisel on vaja arvestada väga erinevaid ettevõtte tahke: asendustooteid, konkurente, turu madalamat hinda, tulude maksimeerimist, erinevaid turustuskanaleid jt.

Vajadus leida ja avastada olukordi, kuidas oleks võimalik tulusid suurendada või kulusid vähendada. Selle teemaga haakub hälvete analüüs ehk nn pudelikaelte leidmine, ristmüük, ostusoovide ennustamine, kliendikaotuste ennustamine jne.

Vajadus säästa aega ning seada fookus informatsiooni kättesaamiselt otsuste langetamisele.

Kui täna kulub 80 ajast andmete kokkukogumiseks ja töötluseks ning 20 ajast jääb üle selle analüüsimiseks, siis ärianalüüsi rõhuasetus on risti vastupidine: kasutada ainult 20 ajast andmete kogumiseks ja ülejäänud neli viiendikku ajast selle tõlgendamisele ja analüüsiks.

Praktika põhjal võin öelda, et ajasääst juhtimisaruannete loomisel on märkimisväärne.

Eespool toodud põhjuste kõrvaldamiseks otsivad juhid erineval viisil lahendusi. Mõned juhid süvenevad edukate ettevõtete suhtarvudesse, püüdes enda jaoks kokku panna nn eduka ettevõtte mudelit. Mõned juhid palkavad ettevõttesse alaliselt tööle analüütikuid või tellivad ajutiselt nõustajaid väljastpoolt, kes pärast andmekogumist ettevõttes toovad välja olulisemaid probleeme, valupunkte ja trende.

Halvematel juhtudel rahustavad juhid end mõttega, et nende teadmine ettevõtte toimivuse kohta on piisav. Kuid kui meil pole teadmist, siis jäävad ainult arvamused ja uskumused. Kes tunneks end kindlalt, kui otsust langetades on vaja toetuda ainult arvamusele ja uskumusele?

Probleemi terviklikuks lahenduseks on ärianalüüs (ingl business intelligence) kui metoodika, mille eesmärk on mõõta ettevõtte strateegiliste eesmärkide sooritust ning leida mõjutegureid ja tuua välja seoseid, mis aitavad langetada kvaliteetsemaid juhtimisotsuseid. Seega ? kogu ärianalüüsi eesmärk on suunatud subjektidele (ehk inimestele), kes peavad iga päev langetama otsuseid ja vajavad selleks pidevalt informatsiooni.

Tehnilist võlusõna, mille abil tagatakse aruannete kiirus, andmete seostatavus ning nende asetamine taustsüsteemi, võib nimetada andmelaoks (ingl data warehouse). Lahtiseletatuna tähendab see sihtotstarbelist andmebaasi, mis on organiseeritud, struktureeritud, agregeeritud (st juba ette välja arvutatud) ning varustatud just sellise informatsiooniga, mida on vaja juhtimisotsuste langetamiseks.

Üldistatult: andmeladu ei ole kunagi ise eesmärgiks, vaid ta aitab teenindada ja varustada subjekte informatsiooniga ning tagada informatsiooni sidusus ettevõtte protsessidega ja eesmärkidega. Seega on vale öelda, et me plaanime käivitada andmelao projekti. Selle asemel on parem öelda, et me plaanime parendada juhtimisotsusteks vajaliku informatsiooni kvaliteeti, seostatavust ning kättesaadavust.

Samas ei tule ärianalüüsi eesmärgina mõista ainult kiiremini saadavaid aruandeid, mis on üldjuhul palju ülevaatlikumad ja selgemad, vaid ikkagi lähteinformatsiooni juhtimisküsimuste langetamiseks.

Kõige ülimaks ärianalüüsi eesmärgiks on tulevikus toimuvate sündmuste ennustamine (mitte ?ettenägemine?) ja seega tuleviku suhtes ebakindluse vähendamine (vt joonis 2).

Minu kõige positiivsem tagasiside on olnud neil juhtudel, kui ettevõttes on suudetud tagada andmete seostatavus.

Toon praktikast ühe näite. Kogu firmat kattev müügiaruanne andis müügiplaani täituvuse erinevuseks miinus 10. Iga vähegi kogenud juht mõistab, et see ei tähenda enamasti, et kõik ettevõtte osad on töötanud alla 10 plaanitust. Seega oli ülesandeks seostada kogu müügiandmestik selliselt, et ükskõik millise aspekti järgi müüki ei uuritaks, oleks kõik andmed omavahel seotud.

Alles seejärel sai ettevõte uurida, mis on müügiplaani alatäitumise põhjuseks. Mis selgus? Selgus see, et kui kogu müük oli plaanitust 10 allpool, siis tootegrupi X müük oli koguni 25 allpool plaani, aga tootegrupi Y müük oli jällegi 15 üle plaani. Aga see polnud veel kõik: kuigi tootegrupi Y müük ületas plaani 15, oli selles tootegrupis ühe müügiesindaja müük langenud 14 ja seega oleks võinud tootegrupi Y müük olla veelgi suurem. Kokkuvõtvalt ? ilma seoseid teadmata on juhtidel väga keeruline ja ajamahukas langetada otsuseid, mis peavad mõjutama ainult ettevõtte probleemseid kohti ega tohi muuta neid kohti, kus areng on planeeritust parem.

Ärianalüüsi töötav lahendus on enamasti rätsepatöö konkreetsele ettevõttele. Esimeseks kriitiliseks tegevuseks on juhtimisotsusteks vajamineva informatsiooni sõnastamine. Projekti teiseks kriitiliseks eduteguriks on muudatuste läbiviimine ettevõttes, tagades ärianalüüsi tulemuse jõudmise otsustajateni.

Nagu sissejuhatuses märgitud ? kaks ettevõtet ei eristu teineteisest, kui üks neist ettevõtetest ei ole ärianalüüsi projekti alustanudki, kuid teine on sellesse investeerinud ning selle ka lõppenuks tunnistanud, aga ükski töötaja ei kasuta ärianalüüsi resultaate oma igapäevases töös.

Kolmandaks kriitiliseks eduteguriks on andmete kvaliteet, sest andmed, mida infosüsteemid iga päev talletavad, ei pruugi olla sama detailsusega, kui on vaja juhtimisotsuste tegemiseks.

Üldjuhul ei tunneta firma juhtkond, et andmete kvaliteedi teema on oluline, sest enne veel, kui aruanne jõuab nende lauale, teeb aruande täitja aruandes korrigeerimised. Kogu ärianalüüsi metoodika baseerub eeldusel, et summeeritud numbrid peavad tulenema ainult üks-üheselt detailsetest numbritest ja seda ilma kõrvalise abita. Seega kaasneb ärianalüüsi projektiga paratamatult andmetega seonduvate kitsaskohtade leidmine ja lahendamine. Meenub ühel seminaril kuuldud ütlus, et inimesed ja andmed põhjustavad ärianalüüsi projektides alati suuremaid raskusi kui tehnoloogia.

Ärianalüüsi projekti edukas teostus loob ettevõttele paremad võimalused, et mõista turgu, kasvatada käivet ja tagada klientide lojaalsust. Ka loob see samas turusegmendis olevate firmade ees selge konkurentsieelise ning suurendab sisenemisbarjääri potentsiaalsetele sisenejatele.