Negoziare le sfide per raggiungere il ROI

L'obiettivo dell'analisi operativa

In poche parole, l'Operational Analytics dovrebbe essere in grado di fornire analisi rilevanti al livello in cui opera la vostra organizzazione. Non sintetiche, ma dettagliate. In termini pratici, ciò significa comprendere i progetti, i prodotti o le SKU, i clienti, i magazzini, gli addetti alle vendite e altro ancora, e la possibilità di eseguire analisi di redditività su tutte le dimensioni dei dati.

Il problema è che non è detto che si sappia esattamente quale sia l'analisi da eseguire fin dal primo giorno (una volta che gli utenti finali ottengono l'analisi, ne vogliono sempre di più!). Potrebbe essere necessario un modello di dati flessibile e onnicomprensivo, anche se, per motivi di praticità, si possono fare analisi più semplici in un secondo momento (vedi Navigazione di dati altamente dimensionali più avanti). Pensate a un approccio agile, con la costante capacità di adattarsi e cambiare in base ai nuovi requisiti che emergono.

Pianificazione e analisi: la differenza dei dati - Un avvertimento

A questo punto è importante notare che un cubo di analisi operativa, magari con 20 o più dimensioni, NON è un cubo di pianificazione: i due requisiti sono molto diversi. Ho lavorato con aziende che hanno cercato di far pianificare ai loro rappresentanti di vendita un livello operativo dettagliato, ad esempio per ogni SKU (20.000), per ogni cliente, punto vendita, magazzino, regione, marchio, azienda di origine, segmento di settore, orario e altro ancora. Questo diventa un incubo per il rappresentante e una potenziale fonte di rischio, poiché trovare il posto giusto dove inserire i dati è praticamente impossibile.

Una strategia che ho seguito è quella di creare un semplice cubo di pianificazione precompilato con tutte le combinazioni reali di dati di pianificazione (l'ho chiamato Nodi di pianificazione - ogni nodo di pianificazione rappresenta una singola combinazione reale di molte altre dimensioni)

ogni nodo di pianificazione rappresenta una singola combinazione reale di molte altre dimensioni). Questo fornisce al rappresentante i punti dati esatti in cui inserire i dati di pianificazione a livello di SKU, Nodo di pianificazione e Tempo, semplificando enormemente il processo di pianificazione. Poi, il software CPM può allocare i dati nei cubi dettagliati. Più automazione si può ottenere in una soluzione CPM, meglio è. In Prophix utilizziamo Detailed Planning Manager proprio per questo scopo.

Breakout finanziario: strappare il controllo ai contabili aggiungendo valore

Una delle mie sfide iniziali è stata quella di convincere l'amministrazione finanziaria, che di solito è proprietaria delle soluzioni CPM, a consentire un uso più ampio della soluzione. Il modo più efficace per ottenere questo risultato è offrire valore, in nome dell'accuratezza e del dettaglio, ai dati che stanno già raccogliendo. In genere il settore finanziario vede solo dati operativi sintetici nel P&L. Offrendo la possibilità di effettuare un drill in alcune delle linee chiave del P&L (come le vendite) e di ottenere una redditività dettagliata dei clienti, o un cubo che mostri la differenza tra le date di spedizione previste e quelle effettive per fattura e per cliente, i direttori finanziari e il loro personale possono avere un'enorme visione dell'accuratezza del loro processo di pianificazione. È inoltre possibile effettuare un'analisi proattiva degli outlier, inoltrando i problemi mensili direttamente all'ufficio finanziario grazie a una reportistica automatizzata.

Non è necessario collegare direttamente i cubi operativi a quelli finanziari se non lo si desidera: anche se alcuni strumenti di CPM vi diranno che è possibile collegare direttamente molti cubi tra loro, raramente si tratta di un buon business case; è meglio collegarli in base al processo (ad esempio, aggiornamento su richiesta piuttosto che in tempo reale) per garantire le prestazioni sia per la finanza che per le operazioni. I dati operativi spesso cambiano molto più rapidamente di quelli finanziari, o sono richiesti su base giornaliera.

Finanza e IT: qual è la responsabilità?

Potrei anche dire: "Chi deve occuparsi dei sistemi CPM, l'IT o l'azienda?". La sfida è che l'IT dispone di personale tecnicamente capace che può avere esperienza in materia di database e sistemi, ma in genere non ha tempo a disposizione ed è responsabile dell'intera azienda piuttosto che esperto di una singola parte. I dipartimenti aziendali sono esperti nel loro settore, ma in genere non sono esperti di sistemi e sono anche poveri di tempo.

I progetti che ho visto avere più successo hanno unito diverse risorse dell'azienda:

1. Utenti aziendali: gli utenti aziendali devono essere costantemente coinvolti per garantire il loro consenso al futuro sistema.

2. Requisiti dell'utente - l'azienda deve controllare l'ambito; non abbiate paura di ripensare i processi attuali piuttosto che ricostruire una nuova versione di quello che avete già.

3. Gestione del progetto - anche se il fornitore gestisce il progetto di implementazione, voi dovete gestire il vostro coinvolgimento: dovreste essere coinvolti in ogni progetto per assicurarvi di poter gestire la soluzione in futuro.

4. IT - L'IT deve essere coinvolto per fornire l'infrastruttura e il supporto durante il progetto.

Quindi, realisticamente, sia per il progetto che su base permanente, si creerà un team multidisciplinare o un "centro di competenza" su un modello di servizio condiviso, a supporto della soluzione. Le soluzioni CPM devono evolversi con il mutare dell'azienda e questo team sarà in grado di farlo.

Navigazione di dati altamente dimensionali - Strategie per l'utente finale

Una delle sfide dei dati altamente dimensionali è la navigazione per gli utenti finali: poter analizzare i dati per giorno, SKU, cliente e altre 10 dimensioni è molto potente, ma alla fine si finisce per avere molte celle vuote o zero dati, dato che la sparsità raggiunge i miliardesimi di percentuale, o meno, di celle riempite.

In definitiva, è necessario controllare l'accesso dell'utente ai dati o limitare i dati resi disponibili a ciascun utente. Le due cose possono sembrare uguali, ma c'è una sottile differenza.

Supponendo un unico cubo di dati di grandi dimensioni, l'aggiunta di un modello di sicurezza completo basato sui gruppi consentirà di limitare i dati disponibili per gli utenti finali in quel cubo. In genere, il modello di sicurezza basato sui gruppi è "additivo" (cioè, se un utente è membro di più di un gruppo, ottiene l'accesso da entrambi i gruppi). In questo modo è possibile creare gruppi per l'accesso a prodotti, clienti, regioni, versioni, reparti o qualsiasi altra cosa, e poi dare agli utenti più gruppi per definire il loro accesso. Quando gli utenti hanno bisogno di accessi diversi, possono essere aggiunti o rimossi dai gruppi e si può anche avere un gruppo per la lettura/soltanto lettura/scrittura per concedere o rimuovere rapidamente l'accesso ai dati. In definitiva, si può avere un modello di sicurezza complesso o semplice a piacere.

Il secondo metodo prevede la creazione di sotto-cubi dal cubo master, che possono avere molte meno dimensioni e molti meno dati. Il vantaggio di creare cubi più piccoli può essere rappresentato da prestazioni, semplicità e flessibilità. In prodotti come Prophix, la creazione di un piccolo cubo con un sottoinsieme di dati è un'operazione semplice per gli utenti aziendali, in modo che i cubi possano essere creati e rimossi su base ad hoc. Alcuni modelli di vendita al dettaglio più grandi hanno cubi giornalieri, settimanali e periodici per le informazioni sulle scorte e sulle vendite, in base alle diverse esigenze degli utenti. Anche in questo caso, l'implementazione effettiva dipenderà dalle vostre esigenze.

-

Quindi, in sintesi, fatelo! Navigate nella politica, capite cosa state cercando di ottenere e progettate i vostri modelli per fornire i dati agli utenti in modo facile da usare e performante.