Всесторонний анализ бизнеса дает преимущества перед конкурентами. Компания знает, чего хотят ее клиенты, как лучше мотивировать сотрудников, как увеличить доходы и спрогнозировать результат.

В статье расскажем о том, какие способы анализа данных применяют на практике и как они помогают справляться с задачами бизнеса.

Что такое анализ данных и какие цели и задачи у него есть

В бизнесе под анализом данных понимают описание итогов работы компании, поиск закономерностей в событиях и заключение выводов.

Цель такого анализа — составить картину бизнеса, чтобы принять верные управленческие решения. Например, анализ рынка и конкуренции на нем нужен, чтобы установить выгодные компании цены, а анализ посещаемости торговой точки — выяснить часы пиковой загрузки и подстроить под них график работы продавцов.

Цели анализа достигают с помощью следующих задач:

Сбор информации. Это подготовительный этап анализа, на нем исследуют предмет анализа, собирают финансовые данные, составляют отчеты.

Например, гостиница просит постояльцев заполнить анкеты, чтобы понять, довольны ли они сервисом. Или бухгалтер формирует отчет о финансовых результатах, в котором будут итоговые суммы выручки, расходов и прибыли за квартал.

Данные собирают и с помощью автоматизированных инструментов. Например, сервисов транскрибации, которые расшифровывают телефонные обращения клиентов.

Обработка данных. Информацию вычищают от ошибок, повторов или пропусков, сортируют и готовят к анализу. Так, менеджер гостиницы просматривает анкеты обратной связи, отсеивает испорченные или заполненные только наполовину бланки. Или бухгалтер построчно проверяет цифры в отчете, который сформировала программа.

Анализ данных и поиск закономерностей. На этом этапе от первичных данных переходят к расчету показателей, полученные значения сопоставляют с нормативными и плановыми, ищут взаимосвязи между событиями.

Так, менеджер гостиницы читает листы обратной связи от постояльцев. Видит, что чаще всего гости жалуются на уборку в номере. Считает, сколько посетителей обратили внимание на проблему.

А экономист по квартальному отчету о финансовых результатах считает показатели рентабельности, сравнивает выручку и себестоимость с предыдущими периодами. И выявляет отклонение от плана по затратам на закупку материалов.

Построение выводов и рекомендаций. Итоговая задача анализа — сделать выводы и дать рекомендации, чтобы руководитель компании принял верное решение. Например, чтобы владелец гостиницы по результатам опроса гостей сменил клининговую компанию. А руководитель фирмы, которая превысила план по затратам, нашел поставщика материалов с более лояльными условиями.

Инструменты анализа данных

Современные программы для бизнеса часто содержат аналитические блоки, например, 1С бухгалтерия. Но, кроме встроенных инструментов, бывают и отдельные предложения для бизнес-аналитики (BI-сервисы), например:

Google Data Studio — это облачный сервис от Google для анализа маркетинга. Поможет оценить результаты рекламной кампании, сформировать отчеты и визуализировать информацию. Так, инструмент постоит тепловую карту страницы или диаграмму Ганта для контроля над сроками выполнения проекта. Сервис интегрируется с сотнями программ и позволяет работать команде сотрудников одновременно.

Сервис бесплатный, нужна только регистрация

Visiology — российская аналитическая платформа с упором на визуал. Компания создала решения для отдельных отраслей, например, строительства или фармацевтики. Кроме того, программу можно доработать самостоятельно, для этого в ней есть встроенные инструменты разработчиков.

На сайте платформы — подробные обзоры последней версии сервиса

Форсайт. Аналитическая платформа — еще один российский сервис бизнес-аналитики. Использует в работе искусственный интеллект, поэтому может глубоко погрузиться в данные, найти и подсветить неочевидные закономерности. Кроме базовой аналитики, компания создала платформы для финансовых организаций и государственных органов, выпустила мобильное приложение.

В дополнение к платформе Форсайт устанавливается сервис визуализации FlyBI

Маркетинговый анализ доступен с сервисами MANGO OFFICE. Например, коллтрекинг поможет отследить, сколько клиентов привела каждая рекламная кампания. А сквозная аналитика подсветит стоимость привлечения одного клиента или перехода на сайт. Следить можно не только за своими результатами, но и за тем, что делают конкуренты и как клиенты отзываются об их новом продукте.

В главном меню сервиса легко разобраться

Методы анализа данных

Выбор методов анализа данных зависит от их типа. В бизнесе используют качественные или количественные данные.

Качественные данные — это, например, отношение покупателей к новому продукту или популярные тренды в обществе. Как правило, такие данные нельзя оцифровать. Допустим, если лояльность покупателей еще можно представить в виде условной процентной шкалы, то тенденции на рынке или предпочтения клиентов описывают только словами. Для сбора такой информации клиентов анкетируют, опрашивают, проводят интервью, а иногда просто наблюдают за покупателями или процессами.

Количественные данные выражены в цифрах. Например, выручка или прибыль компании за год, количество продаж или затраты на маркетинг.

Методы анализа качественных данных

В бизнесе применяют следующие методы анализа качественных данных:

Контентный анализ. Предмет анализа здесь — любой текст, будь то опрос, интервью или пост на форуме. В таком тексте выделяют слова, которые постоянно повторяются, или темы, которые поднимаются чаще остальных. Например, по количеству позитивных или негативных слов в интервью человека понятно, как он относится к компании или какой у него сложился клиентский опыт.

Анализ фокус-групп. Из целевой аудитории выбирают респондентов, с которыми проводят групповые интервью. Таким способом «в узком кругу» обсуждают новый продукт или выбирают лучший рекламный ролик.

Используют разные вариации этого метода. Например, когда одна группа комментирует ответы другой, чтобы перекрестно проверить результаты первого интервью. Или когда в беседе участвуют два модератора, один из которых защищает тезис, а второй — опровергает. Допустим, один ведущий считает, что товар слишком дорогой, а второй доказывает, что цена не завышена. По тому, к чьему мнению склоняется большинство, выясняют действительное положение дел.

Обоснованная теория. В этом случае на основе собранных данных формируют теорию. Таким методом определяют целевую аудиторию: из опросов пользователей делают вывод о том, кого заинтересует новый продукт.

Также обобщенный опыт используют для создания инструкций и рекомендаций. Например, по результатам интервью с владельцами бизнеса можно создать руководство для начинающих бизнесменов.

Методы анализа количественных данных

Известны десятки таких методов, но на практике часто применяют следующие из них:

Описательная статистика дает характеристику самим данным. Вот примеры некоторых показателей описательной статистики:

• Частота явления. Как часто покупают товар? Сколько в городе организаций, которые занимаются похожей деятельностью?
• Среднее значение или самый частый вариант. Модель товара какого цвета покупают чаще всего? Какая средняя цена на аналогичные товары на рынке?
• Отклонение данных от среднестатистических. Насколько рентабельность компании выше или ниже средней рентабельности по отрасли?

Описательная статистика определяет место компании на рынке и ее сильные и слабые стороны. Но вывести взаимосвязи или объяснить причины таких значений рассчитанными показателями не получится.

Инференциальная статистика. Эти методы показывают закономерности и причинно-следственные связи между явлениями. На практике распространены корреляция и регрессия.

Корреляционный анализ показывает, насколько сильна зависимость между событиями. По математической формуле рассчитывают коэффициент корреляции, и чем выше его значение, тем сильнее связь событий. Если коэффициент равен:

• 0, то два события независимы и связи между ними нет. Например, распродажа в магазине одежды в Калининграде никак не повлияет на продажи аналогичного магазина во Владивостоке в то же время. Корреляция между этими событиями будет нулевая;
• выше 0,7, то связь считают сильной и ее стоит учитывать. Допустим, отсутствие кондиционера в торговом центре с большой вероятностью приведет к спаду посещаемости летом. В этом случае коэффициент корреляции будет высоким;
• 1, то один параметр полностью зависит от другого. Такая связь между событиями в реальной жизни почти не встречается.

Регрессионный анализ описывает характер связи между событиями. Так, если растет один показатель, то второй может также увеличиваться или, наоборот, уменьшаться. А может изменяться по какому-то закону: например, до определенного значения расти быстрее, а после — замедляться.

Регрессионный анализ поможет спрогнозировать успех нового продукта или проверить гипотезу. Например, подтвердить тот факт, что фуд-зона в торговом центре увеличивает его посещаемость.

Классификация и кластеризация. В основе этих методов — группировка данных. Классификация — это сортировка данных по заранее известным классам.

Кластеризация же предполагает, что группы не определены. Поэтому вначале данные визуализируют — строят диаграммы рассеивания или гистограммы. А далее по визуальному представлению ищут кластеры, на которые разбивают базу.

Если информация сгруппирована, легче увидеть закономерности и найти популярные варианты. Например, в таблице товары компании отсортировали по нескольким признакам: цене, количеству продаж, отзывам покупателей. Далее каждой такой группе поставили баллы от 1 до 5. Товар 4, который в итоге набрал больше баллов, для компании выгоднее остальных.

Выводы, которые получают с группировкой, не всегда видны изначально. Так, в примере из таблицы набрал больше всего баллов товар, который ни по одному из критериев не занял первое место.

Методы машинного обучения. Компьютер тоже научился анализировать данные. При этом он видит такие связи, которые не заметил бы человек, быстрее справляется с большим объемом информации и допускает меньше ошибок. В качестве методов машинного обучения также используют регрессию и кластерный анализ. Но есть и специфические методы вроде нейросетей, которые в работе имитируют человеческий мозг.

Примеры использования на практике

Анализ данных в бизнесе применяют в любой области, где реально собрать статистику. Так, например:

Анализ внешнего рынка. С его помощью выявляют, какие отрасли развиваются быстрее остальных, как внешняя среда влияет на бизнес, изучают конкурентов и определяют преимущества компании.

Финансовый анализ. Проводят, чтобы управлять финансовыми ресурсами: решать, стоит ли брать кредит или нет, прогнозировать оборот и прибыль, искать причины убытка.

Маркетинговый анализ. В ходе такого анализа определяют целевую аудиторию и ее предпочтения, удовлетворенность клиентов, выгодные для компании товары. Все это в итоге позволяет увеличить продажи.

Анализ кадров. Поможет оптимизировать фонд оплаты труда, разработать систему премирования, установить сотрудникам рабочие KPI.