Бизнес идея аналитическая компания
Технологии BI применяются бизнесом уже не один десяток лет. Однако сегодня с развитием облачных технологий, BigData и машинного обучения BI выходит на новый уровень. К чему это ведет и какими станут практики BI в ближайшие годы — читайте в нашем посте. Под катом — немного истории, актуальные тренды и результаты исследований.
Источник
История BI началась намного раньше, чем принято считать. Самое раннее упоминание BI датировано еще 1865 годом, когда Ричард Девенс использовал термин Business Intelligence, чтобы описать действия Генри Фарнесса, который изучил данные, проанализировал рыночные условия и за счет этого опередил своих конкурентов. Позже в 1958 году Ганс Петер Лун из IBM написал о том потенциале, который содержит в себе BI, если к этому подходу добавить возможности информационных технологий. Нас всех, конечно, интересует именно технологическая сторона BI, которая позволяет находить новые решения для бизнеса. Сегодня на рынке представлено более 50 различных продуктов, в той или иной мере предлагающие функционал BI. Но чтобы лучше разобраться в том, чем они отличаются друг от друга, и почему функционал BI-решений начал сильно меняться после 2007 года, полезно будет оглянуться назад и проследить эволюцию BI как класса компьютерных систем.
Реляционные базы данных
Первые системы поддержки принятия решений (DSS — Decision Support Systems) появились в 1970-х после того, как Эдгар Кодд предложил мировой общественности новый метод организации данных. Реляционные БД позволили сделать рывок вперед в сфере BI в том числе, и средства поддержки принятия решений активно развивались до середины 1980-х.
BigData и консолидация
В 1980-х началась активная консолидация данных, информация стала накапливаться в единых центрах, создавая условия для глубокого и всестороннего анализа. Инструменты BI получили доступ к большим объемам данных, но оставались сложными техническими инструментами, так что без толкового ИТ-шника невозможно было построить очередной отчет, и поэтому бизнес не столь часто применял данную категорию решений. По крайней мере, далеко не во всех отраслях.
Интерес со стороны бизнеса
В 1990-х технологии BI начали рассматривать как бизнес-инструмент, и он нашел свое применение во многих отраслях: от добычи полезных ископаемых до производства и финансов. В то время решения BI были очень дорогостоящими, а постановка задачи могла занимать несколько дней. Именно из этой эпохи так называемого «BI 1.0» возник стереотип о недоступности решений класса BI для «простых смертных».
В реальном времени
В 2000-х годах появилась технологическая база для обработки данных в реальном времени, а значит компании получили возможность принимать решения моментально, основываясь на текущей, постоянно меняющейся информации. На рынке стали появляться различные дашборды, отображающие совокупность показателей, а также системы BI с интуитивным интерфейсом (такие, как Tableau или QlikView), делать запросы в которых могли уже бизнес-пользователи. От ИТ-специалистов стала требоваться только подготовка, очистка и агрегирование данных.
Облачные технологии
Согласно данным исследования Drenser, в 2019 году пользователи предпочитают работать с BI на условиях подписки. Такую схему выбирают 90% респондентов, участвовавших в опросе. Облачный подход позволяет исключить риски проблем окупаемости, а также попробовать новый продукт, используя тестовые лицензии. Разработчики систем BI также поддерживают Trial-схемы, так как они увеличивают потенциальную возможность последующей покупки лицензий даже небольшими компаниями, которые раньше и не решились бы на использование BI в своей практике. Лидерами в сфере облачных BI, по данным аналитиков, являются Amazon AWS, Microsoft Azure, Google Cloud и IBM Bluemix.
BI завтрашнего дня. 6 актуальных трендов
Чего же нам ждать от BI в будущем, учитывая, что сегодня фактически каждый офисный работник может воспользоваться облачным сервисом для составления собственных прогнозов? Аналитики отмечают 6 актуальных трендов, которые будут определять развитие BI в ближайшие годы.
Самообслуживание
Реальность сегодняшнего дня в сфере BI такова, что каждый бизнес-пользователь получает возможность создать свою экосистему BI и делать запросы по мере необходимости. Проблемы развертывания систем были решены за счет появления облачных сервисов, а подключение источников данных и их подготовка были автоматизированы в большинстве наиболее современных решений. Таким образом, технология BI стала доступнее, а от пользователей систем уже не требуется опыт в сфере data science. Теперь через графический интерфейс можно добавить свои собственные источники данных, в том числе электронные таблицы, создавать персонализированные дашборды и визуализировать результаты самыми разными способами.
На диаграмме отражена популярность подключения источников данных различными подразделениями компаний, согласно исследованию Drenser. Таким образом, сегодня каждая бизнес-единица организации может создавать свое пространство данных для эффективного анализа.
От анализа к действиям
Ожидается, что системы BI будут помогать не только понять текущую ситуацию, но также начнут подсказывать фактические шаги, которые необходимо предпринять в данный момент времени. На самом деле такой функционал уже появляется в наиболее продвинутых BI-системах, и бизнес-пользователи могут не только узнать о существующих тенденциях, но также получить рекомендацию, как использовать ситуацию, чтобы повысить заданные KPI. Другими словами, система BI должна не только составлять отчеты и формировать представления данных, но также моментально сообщать вам о том, что нужно (или, наоборот, не нужно) делать в данной ситуации.
Использование естественного языка
Очевидно, что пользователям не очень удобно делать запросы в каком-то специфическом формате, а также расшифровывать ответы, полученные в виде каких-то выкладок. Куда приятнее было бы спросить: «Как идут наши продажи, Кэп?», а в ответ получить: «Продажи выросли на 18%, необходимо закупить больше баклажанов». Для того, чтобы воплотить такой подход сегодня разработчики активно внедряют технологии работы с естественным языком — NLP (Natural Language Processing) и NLG (Natural Language Generation). Для реализации подхода используются наработки в области искусственного интеллекта, который специально обучают для конвертации лингвистических конструкций в компьютерные запросы и обратно. Таким образом, точность NLP и NLG растет с каждым днем.
Повсеместное применение BI
Интересная особенность технологий BI заключается в том, что чем больше пользователей у системы в компании, тем глубже уровень анализа, который можно провести с помощью инструментов. Если каждый сотрудник имеет возможность работы с BI и видит выгоды в этом для выполнения своей работы, он будет не только собирать данные для себя, но также пополнять общий корпоративный репозиторий, подключая к нему свои обновляемые источники информации. Тем временем, доступность BI за счет все более прозрачного лицензирования и облачных реализаций позволяет говорить о проникновении таких систем в самые разные уровни работы компании — от производства и продаж до HR и маркетинга. Подобные схемы уже успешно реализованы на таких BI-системах, как IBM Cognos.
Аналитики отмечают, что запросы разных отраслей к системам BI подразумевают использование разного функционала. Например, в образовании большую роль играет возможность анализа текстовых данных, а в розничной торговле — работа с каталогами данных. Однако на сегодняшний день именно широта функциональных возможностей BI-систем открывает возможность для внедрения сквозной аналитики во всей компании.
Визуализация
Кратное увеличение объемов данных, которые используются в бизнес-аналитике, привело к необходимости упростить их представления. Если раньше специалисты по BI работали со столбцами данных и простыми диаграммами, то на сегодняшний день роль визуализации растет. Во многих BI-системах используется 3D-визуализация, а также различные методы изображения тенденций, включая видеомоделирование, когда ряд показателей отображается в движении, словно поток воды или рой пчел. Такой подход позволяет увидеть не просто «снижение продаж по итогам квартала», но целый ряд показателей, связанных с этой тенденцией.
Сторителлинг
И, пожалуй, самый «вкусный» тренд развития современных BI — это появление сторителлинга, возможности рассказать наглядную историю, чтобы продемонстрировать проведенный анализ (и найденные системой рекомендации к действию). В дополнение к существующим способам визуализации, сторителлинг открывает возможности эффективной коммуникации с теми людьми, которые не были достаточно глубоко погружены в проблематику или бизнес-процессы отдела.
Некоторые дашборды уже сегодня предлагают возможности сторителлинга. Например, решение BI от компании Domo позволяет создать историю, чтобы продемонстрировать любой из найденных в процессе анализа инсайтов.
Конечно, сторителлинг не означает отказа от традиционных методов представления информации, которые теперь называют сторифреймингом (Storyframing). Сначала происходит сбор данных и отображение целого ряда KPI и других параметров. Однако, взглянув на дэшборд, например, специалиста отдела закупок, топ-менеджер не сможет сразу разобраться во всем многообразии представленных показателей и диаграмм. Функция сторителлинга в данном случае позволяет четко показать, какие выводы вытекают из собранных данных, и какие действия необходимы, чтобы избежать негативных исходов или достичь поставленных целей.
Функция сторителлинга стала появляться в BI-системах в связи с тем, что большинство инсайтов, которые находят аналитические алгоритмы, требуют объяснения и погружения в тематику. На данный момент разработчики стремятся к тому, чтобы можно было получить готовую историю, просто кликнув мышкой по тем результатам, которые выдает инструмент BI. Такой подход позволяет экономить огромное количество времени на подготовку презентаций, сохраняя возможность донести самые «горячие» выводы, например, до ключевых акционеров компании, чтобы помочь им принять верное решение в кратчайшие сроки.
В качестве примера сторителлинга можно привести использование российской BI-разработки на базе платформы iDVP, которая применяется в Центре мониторинга ЕМИАС. Система собирает данные в том числе о выданных талонах, предварительной записи, отчетах о проведенном приеме, загрузке персонала и т.д. Но кроме четкой и понятной 3D-визуализации позволяет «нырнуть» глубже в любой из вопросов, например, оценить нехватку персонала по каждому участку, а также изучить время ожидания в очередях к различным специалистам. Пользователь может просто кликнуть на интересующий его элемент и увидеть всю «историю», не погружаясь в изучение контекста.
А вам нужен BI?
По мере расширения возможностей самообслуживания, а также создания облачных сервисов, которые нет необходимости устанавливать на отдельном компьютере или сервере, использование BI становится все проще и доступнее. Фактически, каждый сотрудник, который вынужден анализировать отчеты или таблицы может применить BI для повышения эффективности своего труда и экономии времени, особенно если в выбранной системе доступны возможности работы с естественным языком. Инструменты сторителлинга ускоряют движение «полезных данных» внутри компании, что делает применение технологий BI еще более востребованным в постоянно меняющихся рыночных условиях. Поэтому вопрос необходимости BI переходит из плоскости «нужно или нет» в пространство «как применить с максимальным эффектом». Именно поэтому по данным исследования Drenser, 48% компаний считают BI критически необходимой или очень важной технологией для развития в 2019 году, а наибольший интерес к внедрению новых инструментов демонстрируют именно небольшие компании со штатом менее 100 человек.
Как вы считаете, какой аспект эволюции BI может способствовать (или уже способствует) распространению BI в вашей компании?
- Облачный доступ по модели SaaS
- NLP и NLG
- Поиск готовых рекомендаций к действию
- Функции сторителлинга
- Возможности самообслуживания
Интересные статьи по теме
В статье мы приводим практические рекомендации по внедрению технологически универсального аналитического метода управления, который применим к большинству предприятий в различных индустриях и в рамках которых могут быть развернуты модели корпоративного измерения (KPI, индекс производства, показатели качества и другие).
Бизнес-аналитика и системы поддержки принятия бизнес-решений предлагают новый уровень управленческого вклада в цели и задачи компании, сокращая время и расходы, необходимые для получения информации, которая позволяет эффективно управлять организацией и производством.
Руководители стремятся сократить эксплуатационные расходы таким образом, чтобы радикально повысить производительность или разработать и укрепить стратегические возможности компании, которые ранее не были им доступны- найти узкие места и новые возможности. Именно Бизнес-аналитика позволяет осуществить это и многое другое.
Современная реализация Бизнес-аналитики подразумевает внедрение технологических платформ. Платформ, где руководители могут быстро, финансово необременительно и эффективноизмерять достижения в управлении и продуктивности бизнеса, а затем, на основе этой информации корректировать свои действия.
Система управления бизнесом Биплан24- цифровая платформа для анализа, контроля 24/7 с любого устройства и оперативного принятия решений.
Элементы для понимания аналитического метода
Руководители должны осваивать свои вычислительные активы, интерпретировать данные и информацию о своем бизнесе, поставщиках, каналах и клиентах для улучшения показателей.
Чтобы пройти путь к оперативному совершенствованию, ведущему к росту эффективности бизнеса, есть 3 ключевых элемента для понимания потенциала аналитики в компании.
1. «Волшебная точка» информации
Наиболее ценная информация для принятия бизнес-решений сосредоточена в нескольких местах, откуда поступают данные. Анализируя эти «волшебные» точки вы можете улучшить производство, снизить затраты и в целом привести компанию к формированию методов, ориентированных на клиентов и повышение рентабельности. Понятие «волшебная» точка подчеркивает важность качества к количеству при анализе данных.
2. «Многомерное мышление»
Руководители перманентно и одновременно анализируют в нескольких измерениях и с большим множеством бизнес-переменных, постоянно взаимодействующих друг с другом: продукт, клиент, период времени, география и другие, которые реагируют на вопросы: что? кто? где? когда? сколько? почему? Информационные системы, связанные с бизнес-аналитикой, позволяют одновременно комбинировать эти переменные на разных иерархических уровнях информации. Таким образом, руководители могут углубиться в уровни дезагрегации данных, т.е. просмотреть не только «общую» картину, но и разобрать ее на атомы
3. Изменение парадигмы получения корпоративной информации
Технология и инструменты бизнес-аналитики позволяют визуализировать информацию многомерным образом. Система имитирует логику и задачи руководителя, которые он ставит перед своим бизнесом, при этом увеличивая скорость, с которой она обрабатывает и анализирует информацию. Это позволяет получить высокоинформативное представление данных. Помогая лучше понять ситуацию и действовать согласно текущим условиям.
В Биплан24 интегрируются и непрерывно поступают данные из любых источников (включая 1С и Excel). Объективные данные и результаты анализа, актуальны отчеты без их длительной ручной подготовки сотрудниками.
Аналитические методы по отделам и департаментам предприятия
Системы бизнес-аналитики позволяют нам улучшить анализ финансовых показателей компании, баланс компании, составлять многомерную отчетность о прибылях и убытках, понимать денежный поток и видеть наиболее релевантные финансовые показатели, как исторические данные.
Технологические платформы проводят анализ продаж, рентабельности по клиенту и/или продукту, сравниваются показатели эффективности по поставщику.
Аналогичным образом, в производственных секторах можно анализировать управление потенциалом, стоимостью и качеством производимой продукции и исследовать недостатки в срезе контроля. Возможности анализа и получения часто неожиданных знаний о своей компании практически бесконечны.
Бизнес-аналитика- это недорогой технологический инструмент, который требует минимального обучения пользователей, поскольку он имитирует естественный способ, которым руководствуются при создании, управлении и анализе бизнеса.
Сегодня компании при использовании бизнес-аналитики для управления на основе фактов, статистики и данных могут получать релевантную информацию при меньших затратах, за минимальное время и без рисков ошибок сбора и анализа, что приводит к высокой надежности при принятии бизнес-решений.
Чего вы ждете, чтобы начать работу в этом направлении сейчас?
Всегда рядом,
команда Биплан24.
Без сомнений, связывайтесь с нами по любому вопросу: https://biplane24.ru/
info@biplane24.ru
+7(499)-495-45-78
Вам также может быть интересно:
1. Как всегда быть быстрее конкурентов?
2. План продаж. Инструкция
3. Выживание компаний в экономических реалиях цифровизации
«Когда не только видишь, но и понимаешь свой бизнес, — чувствуешь, что можешь покорить мир», — так говорит о бизнес-анализе Анна Гуськова, преподаватель курса «Бизнес-аналитик» в Нетологии. И это так: бизнес-аналитики исследуют, считают, планируют и структурируют — занимаются почти всем от запуска проекта до оптимизации бизнеса.
Предлагаем познакомиться с этой профессией поближе, узнать о задачах бизнес-аналитика, его роли в компании и доходах. Помог разобраться в теме Константин Большухин, партнёр студии продвинутой аналитики Modelta и преподаватель курса «Бизнес-аналитик».
Бизнес-аналитик в классическом понимании — экономист, который разбирается в процессах, экономике, финансах, организационном развитии и помогает компании решать стратегические задачи. Например, оптимизировать бизнес-процессы, разработать стратегию развития или запустить новый бизнес в другой стране.
В зависимости от потребностей компании объём и описание задач аналитика может существенно различаться.
Да и аналитики бывают разные:
- бизнес-аналитик,
- системный аналитик,
- Data Scientist,
- маркетолог-аналитик,
- финансовый аналитик,
- продуктовый аналитик.
Соответственно у этих специалистов разный набор навыков и инструментов.
Дата сайентисты и системные аналитики сильнее в программировании, лучше разбираются в инструментах BI, организации системы хранения и обработки данных.
Маркетинговые аналитики работают с BI, оптимизируют маркетинговые кампании, экономику продаж.
Финансовые аналитики разбираются в финансовых инструментах, инвестициях, кредитах и займах, условиях финансирования.
Продуктовые аналитики лучше знают метрики, связанные с конкретными продуктами, и инструменты для анализа работы эффективности продуктов (performance).
Наконец, бизнес-аналитики погружаются в выстраивание процессов, экономику, финансы, исследования. Работают с BI и отчётностью, визуализируют данные.
Посмотрим, в каких командах задействованы бизнес-аналитики и какова их роль в каждой из них.
Чаще всего бизнес-аналитики работают в консалтинговом подразделении — внутреннем отделе или в консалтинговой компании. Под консалтингом подразумеваем управленческий консалтинг, среди известных представителей которого компании McKinsey, PWC, Deloitte, Ernst&Young.
Консалтинг — это проектные команды, которые решают задачи по изменению компании. Имеется в виду изменение бизнес-процессов — допустим, закупок, найма и онбординга, системы KPI — или создание и внедрение новых проектов.
Пример. Перед запуском системы для оплаты проезда «Тройка» в Московском метро консультанты просчитали экономику, затраты, ресурсы, схему работы.
Это подразделение компании, которое занимается долгосрочным планированием и развитием бизнеса. Например, аналитики решают, будет ли компания приобретать новые активы, запускать новые направления бизнеса.
Пример. Помимо «Северстали» и добывающих предприятий «Севергрупп» решила развиваться через создание цифровых активов, в частности, купив онлайн-ритейлера «Утконос».
Подразделение компании, которое внедряет цифровые технологии для оптимизации бизнес-процессов, повышения ценности для клиентов, разработки инноваций и улучшения организационных результатов.
Использование инструментов обмена данными, Интернета вещей позволяет получать метрики от больших производственных машин, объединять их в единую экосистему и минимизировать потери, к примеру, металла, а также оптимизировать трудозатраты.
Пример. Цифровая трансформация в металлургической или тяжёлой промышленности — это работа по внедрению ИТ-систем, в результате чего часть процессов автоматизируют, а часть оптимизируют.
Это команда, которая создаёт инструменты для сбора данных и далее для управления компанией на основе данных. Например, инструмент для сбора данных Share point для сотрудников или автоматический сбор данных.
BI — решение на собственном движке или внутри сервисов Tableau, Power BI, QlikView. Позволяет создавать автоматические отчёты, которые демонстрируют эффективность работы компании.
Аналитики в операционных командах могут посчитать финансовую модель проекта: сколько денег нужно вложить для реализации проекта, где целесообразно купить существующую компанию для выхода на рынок, а где — создать компанию с нуля.
В таких случаях это смежная с менеджментом специальность.
Пример. В Яндексе операционная команда запускает бизнес в новых городах и странах.
Функция, близкая к отчётности и стратегии. Такие команды создают системы KPI, поддерживают OKR (инструменты планирования), премии, расчёт показателей эффективности, бонусы — количественные показатели, которые крупные компании используют для сохранения конкурентоспособности и развития.
Business Intelligence (BI) — бизнес-аналитика, точнее — анализ бизнес-данных для принятия управленческих решений
Часто бизнес-аналитики работают в команде с горизонтальным менеджментом. Как правило, это системные аналитики, консультанты или ассоциаты. Они входят в «горизонтальный» блок кросс-функциональных специалистов (продуктовики, финансисты, IT) для совместной работы над проектом и подчиняются одному руководителю.
Пример. Команда по запуску нового актива. Руководитель команды отчитывается перед управляющим актива, финансовым директором или директором по аналитике — лидером бизнес-юнита или бизнес-функции. Тот в свою очередь подчиняется генеральному директору (CEO).
Комфортная среда «горизонтальных» команд позволяет обмениваться мнениями, опытом.
Бизнес-аналитики достаточно быстро получают «прививку» ответственности: на уровне старшего аналитика можно делать финансовые расчёты для проектов на миллиарды рублей. Это один из самых привлекательных аспектов работы бизнес-аналитика.
Напомним, что объём и специфика обязанностей бизнес-аналитика могут различаться в зависимости от потребностей той или иной компании. Поэтому лучше всего смотреть задачи на примере вакансий компаний из разных отраслей. Да и в одной они могут быть неодинаковыми ????
Вакансия ИТ-компании Flocktory —
оптимизируют рекламу и ecom на основе данных
Источник: телеграм-канал costacaseclub
Как видим, компании нужен широкопрофильный специалист-экономист, который в первую очередь прекрасно разбирается в бизнесе, имеет навыки расчёта, систематизации и структурирования процессов.
Вакансия Home Credit Bank
Источник: FinExecutive
Здесь фокус приходится на оптимизацию бизнес-процессов для повышения дохода или уменьшения расходов компании. При этом в меньшей степени требуются навыки финансового планирования. Однако, скорее всего, когда компания говорит, что нужно оптимизировать бизнес-процессы, это означает, что процессы нужно и обсчитать.
Прототипирование интерфейсов — достаточно частая задача для бизнес-аналитика. Разработанный процесс нужно привести к логичному завершению в виде экрана на сайте или во внутренней системе, где у этого процесса есть точка входа и выхода (отчётность, форма заявки).
Ассоциат в инвестиционном банке и консалтинге ― опытный консультант, который отвечает за реализацию отдельного блока задач и координирует работу менее опытных аналитиков и консультантов.
Вакансия Почты России
Источник: телеграм-канал costacaseclub
Здесь требуется бизнес-аналитик в качестве консультанта с финансовым бэкграундом.
На примерах наглядно видим, что, несмотря на одинаковое название вакансии «бизнес-аналитик», по задачам позиции находятся в разных спектрах: экономическом, финансовом или с акцентом на структурирование процессов.
Идём дальше.
Вакансия Альфа Банка
Источник: HeadHunter
В этой вакансии видим фокус в сторону отчётности. То есть нужны навыки именно аналитика, который хорошо считает, делает прототипы отчёта с помощью, как правило, Excel и PowerPoint. В Excel специалист создаёт короткую модель с данными, которые должны собираться, а в презентации показывает, как графики должны выглядеть. В идеале это специалист, который понимает, как работает BI, и может быстро настроить отчёт в Power BI или Tableau. Здесь тоже в меньшей степени подразумевается умение анализа данных.
Вакансия консалтинговой ИТ-компании Accenture
Источник: HeadHunter
Здесь речь идёт об оптимизации процессов и финансовом моделировании.
Между бизнес-аналитиком и бизнес-аналитиком в ИТ нет чёткой границы.
ИТ-аналитик тоже может заниматься в первую очередь экономикой. Такие специалисты в основном работают с анализом внутренних данных и построением более сложных алгоритмов. Например, алгоритмов, которые рассчитывают вероятность выхода клиента из бизнеса или эффективность рекламы.
Построение алгоритмов подразумевает не только знание математики и статистики, но и владение Python и R для обработки большого объёма данных. Excel позволяет обрабатывать сотни тысяч строк, но когда нужно обработать миллионы строк данных, без продвинутой аналитики не обойтись.
Такие специалисты могут называться по-разному: аналитик данных, бизнес-аналитик данных, аналитик в ИТ, Data Scientist, иногда системный аналитик (такие аналитики всё-таки больше про формирование требований и ТЗ для решений).
Грань между бизнес-аналитиком и Data Scientist тонкая. Если вы хотите больше заниматься алгоритмами, то советуем после того, как научитесь качественно считать и понимать бизнес, пройти дополнительное обучение по Data Science. Но это специфичная история.
Бизнес-аналитик — это чаще всего универсальный экономист, который может запланировать, рассчитать и запустить проект.
- Научитесь на основе данных выявлять проблемы бизнеса и находить решения для роста
- Поможем не только освоить инструменты и понять «как делать», но и начать думать как бизнес-аналитик,
наработать подходы к решению проблем и понять «что делать» - После обучения сможете показать реальный проект, над котором работали
— сбор информации об эффективности работы компании и подготовка отчёта для руководства.
Примеры расчётов:
- объём рынка для запуска продукта в новом регионе;
- маржинальность актива;
- минимальная себестоимость продукта для сокращения затрат.
— сбор и анализ информации о клиентах, конкурентах, партнёрах.
— формирование показателей эффективности, автоматизация сбора данных, визуализация.
— планирование стратегических инициатив и анализ экономического эффекта.
Например, запуск нового проекта или нового направления бизнеса. Часто аналитики обсчитывают идеи руководства, собственников или клиентов.
Бизнес-аналитики собирают информацию о компании и внешней среде, исследуют лучшие практики в индустрии и формулируют план развития в тесной связке с функциональными командами и лидерами бизнес-подразделений.
Нужно понимать, что лежит в основе текущей бизнес-модели компании, сильные и слабые стороны. Также потребуется обрабатывать и структурировать большой объём информации о рынке и компании, проводить внутренние интервью.
— описать процессы и структуру управления компанией и предложить улучшения.
Бизнес-аналитики оптимизируют систему управления и организацию процессов в компании, чтобы увеличить прибыль и ускорить рост.
Нужно структурировать и декомпозировать показатели и задачи. Хорошо считать. Визуализировать процессы в Excel, Miro, Visio, BPMN или PowerPoint.
В отдельной статье собрали подборку инструментов анализа, структурирования, визуализации информации и управления проектами. А также разобрали пару задач, которые можно решить при помощи этих сервисов.
Согласно данным Glassdoor, средняя зарплата junior-специалиста в Москве — 70 000 рублей.