Při správném řízení firmy je nezbytné, aby lídři na všech úrovních managementu, včetně obchodu a controllingu, rozuměli nejen samotným datům, ale také jejich vazbám na byznys analytiku a strategii firmy.

Data mohou být vnímána z různých perspektiv a jejich interpretace může být klíčová pro informační hodnotu, kterou poskytují. Data představují důležité aktivum každé firmy a při správném použití představuje klíčový nástroj k dosažení konkurenční výhody při hledání nových tržních příležitostí. Platí tedy, že kvalitní a relevantní data jsou základem pro rozhodování a plánování v každé firmě.

Správná analýza dat tak může odhalit vztahy a souvislosti, které na první pohled nejsou zřejmé, a pomoci firmě lépe porozumět svému podnikání a tržnímu prostředí, v němž se pohybuje. Data představují základ pro získání znalostí, se kterými firma pracuje a jejíž vedení je potřebuje k rozhodování. Jsou firemním bohatstvím, protože přináší informační hodnotu. Právě ona pomůže totiž rozkrývat vztahy a souvztažnosti na první pohled ne zcela patrné a pomáhá tak firmu řídit.

Význam dat sám o sobě neexistuje, data sama o sobě tuto hodnotu však nemají. Ta vzniká teprve tehdy, pokud dojde k jejich zpracování, stanou se z nich informace, které lze interpretovat a následně je transformovat na znalosti, které přinesou informační užitek.

Od historie do budoucnosti

Pohled do minulosti v datech jednoduše popisuje to, co se dělo a proč. Zde se bavíme o klasickém zpracování dat jako je standardní finanční reporting nebo třeba sledování prodejnosti proti plánům, výkonnost výrobní linky, atd. Tyto výstupy zhodnocují události, které se již odehrály, a to v minulosti jak blízké, tak středně nebo dlouhodobě vzdálené. V těchto výstupech minulost vyhodnocujeme a snažíme se vysvětlit, co se dělo a jaké to mělo příčiny, abychom mohli případně změnit strategii postupu do budoucna.

U některých druhů dat se ale přesouváme do současnosti, kde sledujeme, co se děje takřka právě teď. Důvodem a podstatou potřeby sledovat data „near-realtime“ dává nespornou výhodu v podobě včasného zásahu, ať už do změny strategie nebo třeba jako vlastní produkt pro zákazníka. Klasický příklad lze uvést v poměrně širokém tématu detekce podvodného chování u karetních transakcích zákazníků banky.

Využívání dat není pouze otázkou minulosti a současnosti, ale také budoucnosti. Ne, dnes už to není žádná věštecká koule. Dnešní metodiky a analytické nástroje umožňují předpovídat budoucí trendy a události na základě dat z minulosti a současnosti, což má nespornou výhodu pro další plánování a reakční dobu pro změnu strategie na trhu. Zkrátka se díváme do budoucna, a to na základě poučení a zkušeností z minulosti, co všechno se teoreticky může stát. Výsledkem se pak stávají různé návrhy a doporučení plynoucí z vazeb mezi daty v minulosti. Čím větší množství a rozmanitost dat je k dispozici, tím větší v sobě nese skrytý potenciál v prediktivním pohledu do budoucna. Proč tomu tak je? Data minulá mají své vlastnosti a vyznačují se často vzájemnými korelacemi, které dávají dobrý předpoklad k jejich opakovatelnosti. Predikce pak na jejich základě umožňuje dívat se do budoucna na základě statistických modelů naučených na datech z minulosti. Běžně se těchto praktik používá třeba pro prediktivní údržbu různých strojů nebo výrobních linek anebo třeba ke zhodnocení bonity zákazníka před poskytnutím půjčky.

Celkově tedy platí, že pro správný datově orientovaný přístup využívající nejen data o minulosti a současnosti, ale také data zaměřená na budoucí potenciál a možnosti pro růst a rozvoj firmy, umožňují identifikovat nové tržní příležitosti, optimalizovat procesy a poskytovat lepší služby zákazníkům.

Pokročilé metody prediktivní analýzy mohou pomoci identifikovat nečekané trendy a potenciální hrozby na trhu, zatímco datová vizualizace může usnadnit komunikaci v rámci firmy a podpořit informované rozhodování na všech úrovních managementu.

Čím jsou data rozmanitější, tím komplexnější vypovídací hodnotu získáme

Kombinace a integrace dat z různých zdrojů může poskytnout komplexní pohled na podnikání a pomoci identifikovat nové tržní příležitosti a konkurenční výhody.

Každá data v sobě skrývají potenciální hodnotu, zejména pak pokud je mezi sebou kombinujeme, spojujeme, integrujeme. Tato hodnota bezprostředně vychází z toho, jakou oblast data popisují, tedy z pohledu místa jejich vzniku. Každá firma má data o svých zákaznících, dodavatelích, produktech a jejich výrobě nebo poskytovaných službách.

Datová integrace, stejně jako jakákoliv jiná integrace, představuje spojení několika různých datových zdrojů do jednoho celku, na jedno místo a v jeden čas. Výsledkem je sjednocení z mnoha různých oblastí a pohled na data mnohem komplexnější, z vyšší perspektivy, který dává lepší informaci o vzájemných souvislostech mezi spojovanými oblastmi. Integrováním dat se tedy dostaneme ke komplexním informacím v aktuálním čase a na jednom místě mnohem rychleji. Pomůže nám také s definicí těch správných KPIs, která potřebujeme sledovat nebo odhalí souvislosti a vzájemné korelace mezi různými problematikami, pomůže zefektivnění procesů, uspoří náklady i čas. Díky spojování různých dat je k dispozici komplexnější přehled o vlastním podnikání a v návaznosti na to větší spokojenost zákazníků.

Jak je to s požadavky na byznys analytiku, co od ní vlastně chtít?

Požadavky na data z pohledu business analytiky jsou různé. Je třeba si určit, jaká data bude vhodné sledovat, aby se dala vyhodnotit firemní strategie. Cílem strategie firmy je totiž naplňovat svou vizi a plnit svá poslání v rámci byznysu, v němž firma podniká. V průběhu času a na základě dat dochází ke korekci způsobu, jak dosáhnout zvoleného cíle, případně ke změně cíle samotného, je-li to potřeba.

Pro tato rozhodování je fajn mít k dispozici data, různorodá, z mnoha datových zdrojů. Je tedy nanejvýš vhodné dobře dopředu promyslet, jaká data a odkud se budou brát. Požadavky na ně budou jistě různorodé, v základním kontextu dává smysl zamýšlet se nad časovým, místním a strukturálním hlediskem, taktéž nad možností, jak jsou data dostupná. Každý datový zdroj představuje konkrétní množinu požadavků, kterou je potřeba naplnit, aby bylo možno uvedená data získat. Nezanedbatelný význam má i samotná struktura dat, jejich formát, granularita a přesnost. Všechny tyto parametry nebývají jednotné a data pak je vhodné transformovat tak, aby byla strukturálně porovnatelná a jejich výsledky tak byly relevantní.

Jednoznačně velkým a zásadním požadavkem v byznys analytice je kvalita dat. Špatná kvalita dat totiž může vést k nesprávným rozhodnutím a ztrátě důvěry v informace, které poskytují, což je vlastně přesný opak toho, proč chceme analytiku vůbec zavádět a opírat o ní svá rozhodnutí. Čím více kvalitních dat, tím pochopitelně lépe. Jsou data, jejichž nekvalita má bezprostřední dopad na byznys firmy, třeba ta, která se týkají firemních procesů, finančního reportingu, cashflow, sledování prodejů, procesy ve výrobě, práce se zákaznickým portfoliem a obecně data o zákaznících.

Zároveň je důležité neustále sledovat vývoj technologií a analytických metod a přizpůsobovat se novým trendům a potřebám trhu. Efektivní využití dat vyžaduje technické znalosti, ale také strategické myšlení a schopnost vidět širší souvislosti a možnosti pro inovace a růst firmy.

Pár slov závěrem

Data jsou neocenitelným zdrojem informací pro každou firmu a jejich správné využití může přinést mnoho výhod v podobě lepšího porozumění trhu, efektivnějšího řízení firmy a zlepšení konkurenční pozice na trhu. Všichni lídři by proto měli klást velký důraz na porozumění datům a jejich efektivní využití ve prospěch firmy, aktivně rozvíjet své analytické schopnosti a využívat pokročilé technologie a metody pro získání cenných poznatků z dat pro podporu strategického rozhodování a řízení firmy.

Bc. Veronika Chramostová

Veronika vystudovala obor Podnikové informační systémy na VŠE v Praze. Má více než 16 let zkušeností v oboru softwarového vývoje a práce s daty. Pracovala jako byznys konzultantka, projektová manažerka a ředitelka divize Business Intelligence, kde se podílela a zaštiťovala dodávky analytických řešení pro domací i mezinárodní společnosti. V oblasti business analýzy už několik let spolupracuje s VŠE na projektu výuky v rámci projektu BI & DS Academy a je spoluautorkou knihy Byznys analytika v praxi.