Mittarit BI4Dynamics data-analyysi ratkaisussa

Mitä datan analysointi oikein tarkoittaa? Wikipedia sanoo:

Datan analysointi on prosessi, jossa dataa tutkitaan, puhdistetaan, muunnetaan ja mallinnetaan. Tämän tavoitteena on löytää hyödyllistä tietoa, tehdä johtopäätöksiä ja tukea päätöksentekoa.

Käytännössä tämä tarkoittaa, että meillä on ohjelmisto, joka mahdollistaa pääsyn dataan sekä voimme pienellä vaivalla esittää sitä, jotta käyttäjä löytää tärkeän tiedon ja tunnistaa trendit ja kuviot. Eräs helpoimmin saatavilla olevista työkaluista datan analysointia varten on Excel Pivot taulukko. Kun Pivot taulukko yhdistetään tietokantaan, tarjoaa se valikoiman erilaisia mittareita ja dimensioita. Käyttäjä yhdistelee ne raportiksi tai valmistelee niiden pohjalta kaavioita ja diagrammeja. Sellaista tietokantaa voidaan kutsua moniulotteiseksi tietokannaksi (multidimensional database).

Mittarit (Gauges)

Mittarit ovat numeerisia arvoja, jotka voidaan laskea yhteen ja joiden avulla on mahdollista laskea arvoja sekä suorittaa muita niin sanottuja yhdistämistoimintoja. Esimerkkejä tästä voisi olla perinteiset mittarit, kuten liikevaihto, asiakkaan velkasaldo, varastosaldo jne.

Dimensiot ovat ominaisuuksia, joiden pohjalta tarkastelemme mittareita. Ilman aikadimensiota liiketoiminta-analytiikan datamallit eivät voi toimia. Aikadimension avulla liikevaihto voidaan näyttää vuosina tai kuukausina, jotka koostuvat aikadimension ominaisuuksista. Jos halutaan mennä vielä tarkempiin yksityiskohtiin, liikevaihto voidaan näyttää myös päiväkohtaisesti. Tämä on myös yksi aikadimension ominaisuuksista.

Jos dimension rakenne mahdollistaa datan katselun yksityiskohtaisesti eri tasoilla, kutsumme tätä rakennetta hierarkiaksi. Aiemmin mainitulla aikadimensiolla voi esimerkiksi olla eri hierarkiatasoja, kuten vuosi → kvartaali → kuukausi → päivä.

Asiakkaan dimensio voidaan myös rakentaa hierarkiaksi: valtio → alue → kaupunki → asiakas.

Ei vaadita kauheasti mielikuvitusta, miten monta mittaria ja dimensiota on mahdollista valmistella liiketoimintaohjelmistoon varastoidun datan pohjalta. Ongelmana kuitenkin on, että data ei ole saatavilla valmiissa muodossa sovelluksen tietokannassa. Raa’an datan vieminen moniulotteiseen muotoon vaatii teknistä tietämystä olemassa olevan ohjelmiston tietokannan rakenteesta ja voi viedä useita kymmeniä ja satoja työtunteja, jotta data voidaan kääntää analysoitavaan muotoon.

BI4Dynamics on täällä auttamassa

Onneksemme tämä työ on jo tehty Dynamics NAV liiketoimintaohjelmistolle. Olemme esitelleet BI4Dynamics liiketoiminta-analytiikan ratkaisun Äri-IT -lehden lukijoille jo aikaisemmin. Kyseessä on erityinen sovellus, joka ottaa dataa Dynamics NAV:n tietokannasta ja muuntaa sen moniulotteiseen muotoon, joka sopii analysoinnin työkaluille.

Eräs BI4Dynamicsin hienoimpia lisäarvoja on, että se rikastaa NAV:sta tuotua dataa uusilla mittareilla. Nämä mittarit käyttävät matemaattisia algoritmeja johtaakseen perus datasta uusia numeerisia arvoja, jotka laajentavat merkittävästi käyttäjän mahdollisuuksia löytää hyödyllistä tietoa tukemaan päätöksentekoa. BI4Dynamicsin myyntianalyysimoduuli yksin sisältää jo yli 200 mittaria ja suurin piirtein 90 dimensio-ominaisuutta, joiden pohjalta mittareita voidaan esittää.

Esimerkkejä mittareista, jotka tulevat BI4Dynamicsin mukana

• Varaston kiertonopeus

“Varaston kiertokerroin” on yksi mahdollisista mittareista analysoidessa varastosaldoja, jotta voidaan arvioida, kuinka tehokkaasti varaston täytöt uusilla tuotteilla on järjestetty. Kertoimen arvo kertoo, kuinka monta kertaa vuodessa varaston hyödykkeiden keskimääräinen saldo kulkee varaston läpi. Jos jaamme kertoimen 365:llä, saamme tuloksena varastonkierron päivinä: eli kuinka monta päivää kestää varaston kaikkien hyödykkeiden myyminen. Nämä mittarit voivat olla erilaisia riippuen yrityksen toimialasta. Jos kuitenkin vertaamme tätä kerrointa eri ajanjaksojen välillä varastossa, saamme kuvan varastonkierron dynamiikasta. Mikäli kerroin on laskemassa, on syytä pelätä, että varastossa on enemmän seisovia hyödykkeitä kuin aikaisemmin.

• Varastojen vanhentuminen

“Vanhentunut varaston arvo” mittari auttaa meitä arvioimaan varastosaldojen ikäkohtaista jakautumista varastossa. Saldojen ikä voidaan luokitella sopiviin ajanjaksoihin. Esimerkiksi alle kuukauden vanhat saldot ja seuraava ryhmä on 100 päivään asti vanhat hyödykkeet jne. Tämän avulla saamme yleiskuvan eri ikäisten hyödykkeiden jakaumaa eri ikäryhmiin kokonaissaldosta.

• Myyntisaamiset

Myyntisaamisten tarkkailu on erityisen tärkeää. On myös yhtä tärkeää tunnistaa asiakkaan maksukyvyttömyys ajoissa. ”Myyntisaamisten maksuajan keskiarvo” mittari auttaa pitämään silmällä maksukuria. Sen avulla voimme tunnistaa ne, jotka ovat jatkuvasti myöhässä maksujen kanssa. Tämä mittari auttaa myös tunnistamaan ne asiakkaat, joiden maksukäyttäytyminen on ollut tavallisesti hyvää, mutta ovat alkaneet myöhästelemään liian usein viime aikoina.

• Myyntitarjouksesta tilausindeksiin

Myyntiprosessi käynnistyy tarjouksesta. Jotkut myyntitarjoukset kehittyvät tilauksiksi ja jotkut menevät arkistoihin. BI4Dynamicsin myyntianalyysimoduulissa on mahdollista mitata ”Myyntitarjouksesta tilausindeksiin” mittarilla, kuinka suuri osuus tarjouksista kehittyy tilaukseksi asti. Kun indeksiä tarkastellaan myyntihenkilöiden kannalta, saamme selville, ketkä ovat tehokkaimpia myyntityössä.

Siitä huolimatta, että BI4Dynamicsissa voimme kerralla aloittaa käyttämään suurta määrää mittareita ja dimensioita valmiissa muodossaan, yrityksen kannalta jokin kriittinen mittari saattaa puuttua. Kiitos ratkaisun avonaisuuden, tällaisessa tilanteessa voimme kehittää datamallille puuttuvan mittarin. Esimerkiksi jos käyttäjä haluaa mitata myyntiä yksityisille asiakkaille ikäryhmien perusteella. Tällaisen dimension lisääminen vei ainoastaan pari työtuntia. Kiitos erillisen tietovaraston, tällaisia lisäyksiä voidaan tehdä häiritsemättä NAV:n päivittäistä työtä.

Mihkel Nugis

Liiketoiminta-analytiikan päällikkö, BCS Itera