Odborné články

Datová analytika – na začátku si musíte správně vybrat

Proč firmy uvíznou v Excelu a kdy už datová analýza vyžaduje silnější nástroje a nezávislého konzultanta. Jaká data potřebujete a jak vypadají výstupy.

06. srpna 2021

4 min

Každý manažer udělá za den řadu rozhodnutí. I přes pokročilé datové možnosti však jejich úsudek velmi často vychází z vlastních dojmů a pocitů, nikoliv ze sofistikované analýzy. Je to škoda, protože každý podnik, který se zabývá výrobou, skladováním, logistikou či dalšími službami, řadu vlastních dat má – z účetnictví, zákaznických dat, kusovníků, výrobních linek, od dodavatelů, z CRM systémů. K tomu může řadu dalších dat získat z externích vstupů: z legislativních zdrojů, Eurostatu, informací z asociací či hospodářských komor.

Bohužel tato data jsou ve firmách často v různých informačních systémech, nekomunikují spolu, neexistuje jednotná platforma, která by je dokázala věrohodně vyhodnotit a interpretovat. Přestože se čím dál častěji mluví o digitalizaci, a je to nakonec i jeden z hlavních cílů vládního Národního plánu obnovy, vede k datové analýze u řady podniků ještě dlouhá cesta. Navíc představa, že tužku a papír nahradím Excelem a jsem digitalizovaný, ještě nemusí být ta hlavní výhra.

Zkušenosti Logio jsou u řady klientů velmi podobné. Všichni začínají a končí v lepším případě analýzou v Excelu. Projekty a řešení, která zákazníci požadovali, ale časem potřebovala mnohem zásadnější zpracování dat ve velmi velkém objemu. Výjimkou nejsou datové soubory o 5 milionech řádků, a takových souborů musíte zpracovat klidně i deset najednou. A to už s obyčejným nástrojem, jako je Excel, neuděláte.

Společnosti si bez pomoci Logio často pomáhaly různými způsoby – analyzovaly třeba jen dva vybrané týdny, které jim samozřejmě nedaly pohled na celkovou výrobu. Nakonec všichni dospějí k názoru, že správné zpracování velkých datových sestav už vyžaduje náročnější analytické nástroje.

Ani pak ale ještě nemají optimální výstup. Provedená analytika totiž značně selhává v interpretaci získaných dat. Manažer přece nemá čas probírat se sérií výstupů – potřebuje jednoduchou, přehlednou informaci, která zodpoví jeho dotazy. V tom okamžiku je nejjednodušší cestou spojit se s nezávislým externím konzultantem, který dokáže celý tento proces nastavit a mít business insight. Neděláme čísla pro čísla, ale čísla pro obchodní rozhodování.

V Logio nabrala datová analytika největší rozvoj v roce 2017, kdy začali naši odborníci přinášet stále novější softwarové nástroje pro řešení klientských potřeb. Současný tým nejenže dokáže pracovat s objemnými daty, ale rozumí výrobě, logistice či zákaznické obsluze a dokáže z dat získat potřebný byznysový výstup.

Jejich úspěšnost definuje samotný začátek spolupráce s klientem. Úvodní fáze consultingu, kdy analytik musí „načíst“, jak podnik funguje, co vyrábí, jakým způsobem fungují technologie, jak je provázáno jejich portfolio, co zaměstnanci provádějí za úkony, je klíčový základ pro finální doporučení. Samotná práce s daty je pak již jen analýza vycházející z prvotních vstupů. I zde ale může nezkušený konzultant narazit. Aby práce byla co nejefektivnější, testuje se nejprve pouze malý vzorek dat. Teprve po jejich ověření je možné přistoupit ke stažení velkých datových souborů z informačních systémů společnosti. Šetříme tím práci klienta i naši.

O jakých datech se bavíme? Třeba když navrhujete sklad, potřebujete mimo jiné znát pohyby zboží a materiálu za poslední dva roky (abychom viděli dlouhodobé trendy a sezónnost), logistické údaje (např. kolik krabiček se vejde na paletu) nebo skladbu expedovaných zásilek.

Co potřebujeme

Výroba: historie výroby za 2 roky, technologické parametry linek a dalších zařízení, technologické postupy, kusovníky, business plán na následujících 5 let.

Skladování: materiálové toky, logistická data, business plán na následujících 5 let, číselník dodavatelů/odběratelů.

Závěrem je dobré připomenout, že stejně jako u jiných případů je důležité stanovit si na začátku jasné cíle. Z dat lze udělat řadu různých výstupů, ale pak analýza dominuje nad interpretací. Pokud chce klient znát finální počet palet, které bude muset skladovat v roce 2025, měla by být analýza postavena na tomto jediném cíli. Ostatní informace jsou zajímavé, ale zůstávají v pozadí.

Příklady, které řešíme

Analýzou kusovníků, historie zakázek a technologických parametrů dokážeme firmám pomoci vybrat takové polotovary a produkty, které je vhodné držet skladem, a tím zkrátit lead time směrem k zákazníkům.
Analýzou skladby zakázek a logistických dat (rozměry zboží apod.) dokážeme navrhnout vhodné rozložení produktů v expedičním skladě tak, aby nedocházelo k ucpávání uliček a byly minimalizovány nachozené metry pracovníků skladu.