Budowa procesów raportowania zarządczego, które dostarczają wartości dodanej, wymaga zastosowania rozwiązań wspierających pełne spectrum procesów controllingowych. Typowe platformy do samodzielnej analizy danych pokrywają wyłącznie fragment potrzeb informacyjnych menadżerów. W szczególności dwie kompetencje organizacji budującej przewagę konkurencyjną na danych — zarządzanie rentownością i rozumienie odchyleń — wymagają zastosowania zintegrowanych rozwiązań zarządzania efektywnością (performance management).
Nowe podejście do danych
Dla największych przedsiębiorstw działających w Polsce terminy typu Big Data czy Business Analytics to chleb powszedni. Zwłaszcza że mają one dostęp do coraz większej liczby narzędzi takich jak Tableu, QlickView czy PowerBI. Obecnie wiele firm decyduje się na wykorzystanie technologii umożliwiających samodzielne podłączenie się do istniejących zbiorów danych i przygotowanie na ich podstawie syntetycznych zestawień w oparciu o dane, z wykorzystaniem wizualizacji, tj. mapy, wykresy czy alerty (światła drogowe, prędkościomierze, wskaźniki postępu).
Jest to jednak dopiero pierwszy krok w kierunku Data Driven Company, czyli budowy przewagi konkurencyjnej opartej o informacje, którymi dysponuje przedsiębiorstwo. Wdrażanie pryncypiów Data Driven Company należy traktować jako:
- stopniowy, sukcesywny proces doskonalenia systemu informacji zarządczej przedsiębiorstwa obejmujący inicjatywy poprawiające użyteczność i transparentność danych rejestrowanych w systemach transakcyjnych,
- wdrożenie procesów i narzędzi umożliwiających efektywne budżetowanie oraz prognozowanie,
- wypracowanie rozwiązań wspierających wielowymiarowe zarządzanie rentownością firmy ze szczególnym uwzględnieniem modeli analitycznych wyjaśniających trendy i odchylenia.
Inteligentne raporty zarządcze w organizacji
Jednym z istotnych elementów w budowie kultury Data Driven Company jest zdolność do generowania odpowiedzi na pytania nurtujące menadżerów. Najtrudniejsze z nich zaczynają się najczęściej od „dlaczego?”.
Wykresy i mapy, które z łatwością można stworzyć w narzędziach analitycznych, w większości przypadków pozwalają na wielowymiarową analizę i drążenie danych od ogółu do szczegółu. Rozwiązania tego typu świetnie wpisują się w potrzebę analizy danych sprzedażowych i raportów typu daily sales bazujących na podsumowaniach ilości czy wartości sprzedaży w przekroju kanałów sprzedaży, klientów, regionów, produktów czy dni tygodnia.
Potrzeby informacyjne menadżerów w przedsiębiorstwie sięgają jednak dalej. Spośród wyzwań formułowanych pod adresem narzędzi raportowania zarządczego w różnych firmach, w tym miejscu rozwinięte zostaną dwa wątki:
W mojej opinii oba problemy mają one charakter uniwersalny i w różnych wariacjach pojawiają się w większości przedsiębiorstw, co podkreśla znaczenie zarządzania danymi.
Optymalizacja i monitorowanie rentowności
Zarządzanie rentownością to fundamentalna umiejętność, bez której trudno liczyć na biznesowy sukces. Zdolność do identyfikacji klientów czy produktów generujących największą kontrybucję do wyniku finansowego oraz obszarów działalności gospodarczej, które nie stanowią wartości dodanej, jest niezwykle ważna zarówno dla „tu i teraz”, jak i długoterminowego rozwoju firmy.
Jeżeli koncepcję Data Driven Company rozumiemy jako model podejmowania decyzji biznesowych oparty na faktach, to trudno wyobrazić sobie lepszy obszar do rozpoczęcia jej wdrażania niż analiza rentowności. Konfrontacja twardych, odpowiednio przygotowanych zestawień z wcześniejszym intuicyjnym postrzeganiem biznesu przez menadżerów często prowadzi do zaskakujących spostrzeżeń. Nagle okazuje się, że strumień gotówki generowanych przez klientów uznawanych do tej pory za kluczowych, jest zdecydowanie skromniejszy, niż się wydaje.
Im bardziej złożony i zaawansowany model biznesowy przedsiębiorstwa, tym większym wyzwaniem jest skonstruowanie właściwego modelu analizy rentowności. Ale i potencjał korzyści płynących z dostępności takich informacji wzrasta, gdy sprzedaż w różnych kanałach lub segmentach rynku w różnym stopniu wykorzystuje zasoby przedsiębiorstwa.
Narzędzia do analizy danych – oczekiwania versus rzeczywistość
Czas przejść do zagadnień związanych z analizą odchyleń. Jeżeli firma dysponuje danymi i raportami pozwalającymi na ocenę efektywności biznesowej poszczególnych obszarów działalności w układzie Actual versus Budżet warto wykonać jeszcze jeden krok i zaprojektować raporty, które pozwolą lepiej zrozumieć pojawiające się odchylenia.
Klasyczne raporty zarządcze wspierają typowe techniki analizy tj. analiza dynamiki i trendów, analiza pionowa i przegląd struktury przychodów i kosztów czy wielowymiarowa, wielokryteriowa analiza odchyleń w przekroju segmentów biznesowych, kanałów sprzedaży, klientów, produktów czy usług. W tego typu zastosowaniach doskonale sprawdzają się wykresy typu waterfall (określane też czasem mianem bridge), które zestawiają wartość danej miary biznesowej (sprzedaż, marża, koszty) w dwóch porównywanych seriach danych (Actual/Budget, Actual/Last Year, Forecast/LastYear) i rozkładają sumaryczną różnicę w podziale na elementy analityczne.
Powyższe przykłady należą do kanonu analizy odchyleń. Poszukiwanie ukrytych danych, niewidocznych na pierwszy rzut oka wzorców, nie zawsze musi oznaczać konieczność zastosowania rozwiązań typu Data Mining czy Data Science. Nie trzeba gromadzić milionów danych o transakcjach swoich klientów, by wdrożyć w firmie analitykę biznesową uwidaczniającą prawidłowości i trendy wspierające podejmowanie decyzji menadżerskich.
Sztuka czytania danych
Doświadczony kontroler czy analityk finansowy potrafi „wyczytać” z danych więcej niż widać gołym okiem; może zastosować relatywnie proste modele dekompozycji, które pozwolą na rozłożenie odchylenia badanej zmiennej na wpływ różnych czynników. Przykładami takich analiz są raporty typu Volume-Price-Mix, które wyjaśniają różnicę pomiędzy wartością sprzedaży lub marży pomiędzy dwoma seriami danych pokazując wyizolowany wpływ ilościowej zmiany sprzedaży, efekt zmiany cen (warunków handlowych, jednostkowej rentowności) oraz konsekwencje zmiany struktury sprzedaży w podziale na klientów lub kanały.
Różne wariacje wokół tej koncepcji raportowania mogą być kluczem do zrozumienia przyczyn negatywnych odchyleń na marży mimo realizacji ilościowych czy wartościowych planów sprzedaży. Konkretne, obiektywnie wyliczone wartości pokazują wpływ na wyniki firmy takich zdarzeń jak przesunięcie obrotów pomiędzy klientami czy produktami, zmiany kursów walutowych czy odchylenia od kosztów wytworzenia produktów. Taka informacja, dostępna w zasięgu ręki, dostarcza menadżerom twarde, obiektywne argumenty w dyskusji na temat osiąganych wyników finansowych oraz tworzenia planów, prognoz czy programów naprawczych.
Organizacja data-driven a zmiana kultury organizacyjnej
Formalny, usystematyzowany proces raportowania, który dostarcza menadżerom odpowiedzi na większość ich pytań, jest niezbędny w kształtowaniu codziennej praktyki pracy z danymi. Taki proces musi być jednak zbudowany na pełnym spectrum dostępnych danych: analitycy i menadżerowie muszą wyjść z ograniczającego ich perspektywę kręgu danych sprzedażowych i finansowo-księgowych.
Kreowanie długoterminowej wartości firmy na podstawie danych wymaga spójnego model raportowania zarządczego integrującego dane sprzedażowe, finansowe i operacyjne. Wymaga modelu zawierającego zarówno wartości rzeczywiste zarejestrowane w istniejących systemach transakcyjnych jak i informacje prospektywne – budżety i prognozy. Wymaga wykorzystania nie tylko systemów Business Intelligence, ale także rozwiązań wspierających kompleksowo procesy sprawozdawcze i controllingowe.
