Анастасия Лаврентьева, «М.Видео-Эльдорадо»: «Для эффективной цифровизации необходим анализ и реинжиниринг сквозных процессов»

Анастасия Лаврентьева, «М.Видео-Эльдорадо»: «Для эффективной цифровизации необходим анализ и реинжиниринг сквозных процессов» 29.03.2019

Анастасия Лаврентьева, руководитель отдела трансформации в финансовом департаменте «М.Видео-Эльдорадо», рассказала CFO Russia о построении Data Platform (платформа данных – прим. ред.) и развитии Data Science (наука о данных – прим. ред.) в их компании.

Когда в «М.Видео-Эльдорадо» внедрили Data Platform? Чем было обусловлено это решение?

В «М.Видео» платформа данных существует давно, после присоединения «Эльдорадо» мы приняли решение о ее развитии и трансформации. В первую очередь, это обусловлено появлением большого количества новых данных и потребностью использовать максимум релевантной информации при принятии бизнес-решений. Раньше часть информации находилась в системах-источниках. Ее не анализировали и не принимали решения на ее основе. Мы активно развиваем аналитическое хранилище – Data Platform, в которое складываем новые данные для построения моделей. На их базе мы создаем инструменты для data-driven (управляемых данными – прим. ред.) решений.  

С одной стороны, на внедрение Data Platform повлияло желание соответствовать мировым трендам, а с другой стороны, это была необходимость. Мы осознали, что наше корпоративное хранилище данных не покрывает потребность в современных методах аналитики. Кроме того, мы поняли, что в нашей компании есть очень много данных – как структурированных, так и неструктурированных. Раньше наша Data Platform была удобна только для работы с первым типом данных, а сейчас подходит и для второго. Более того, прежде мы использовали в основном только внутреннюю информацию компании, а теперь обогащаем наше хранилище и внешней. Например, потоковыми данными и медиа-контентом. Сейчас мы проводим такую работу: ищем, какие еще данные есть в наших системах или у сотрудников, но не попадают в хранилища, а также определяем, как эту информацию можно извлечь и использовать для анализа.

Помимо этого, мы создали подразделение Data Lab. Это совокупность людей и систем, которая занимается data mining (обнаружение в «сырых» данных ранее неизвестных и полезных знаний – прим. ред.), а также поиском интересных решений на основе закономерностей. 

Какую роль играет финансовая служба в построении Data Platform и развитии Data Science?

Мы участвуем в data governance (управление данными – прим. ред.). Любой физический процесс в компании генерит данные. Для их описания и управления ими используются метаданные, мастер-данные, то есть справочники, транзакционные данные и, наконец, отчетность. Важно, чтобы сотрудники «говорили на одном языке». Традиционно, в том числе и в нашей компании, здесь «задает тон» финансовая служба. То есть мы предлагаем терминологию и поясняем, какая бизнес-сущность и логика расчета стоит за каждым показателем. Также мы определяем, какие показатели и сколько нужно хранить, какой должна быть аналитика данных, какую информацию нужно проверять, чтобы обеспечить корректность при ее заливке из одной системы в другую. Финансовая служба администрирует справочники, формирует транзакции и отчетность, проводит анализ и разрабатывает рекомендации на ее основе.

«М.Видео-Эльдорадо» в 2018 году создала выделенный центр компетенций в области аналитики данных и машинного обучения – Digital Retail Data Science Centre. Подразделение концентрируется на разработке и внедрении математических алгоритмов в бизнес-процессы маркетинга, онлайн-продаж, логистику и управление персоналом. Технологии, основанные на анализе данных, позволяют сократить операционные расходы и «открыть» новые источники роста выручки. Подразделения компании обращаются в этот центр экспертизы для решения своих бизнес-задач. В том числе и финансовая дирекция планирует сделать предиктивную модель для прогнозирования денежного потока и оборотного капитала. Кроме того, финансисты сами развивают ряд Data Science-инструментов. Например, геоаналитику – тепловые карты, которые с учетом трафика и доходов населения позволяют определить лучшее место для локации магазина и корректно оценить его потенциальный оборот.  

С какими сложностями вы сталкивались при построении платформы данных и как удалось их преодолеть?

«М.Видео» и «Эльдорадо» существуют на рынке более 25 лет, соответственно, и ИТ-архитектура развивалась эволюционно, у разных подразделений могли быть свои системы для автоматизации процессов. Данные при миграции из одной системы в другую могли потеряться. Поэтому мы выравниваем справочники и определяем их мастер-системы.

Вторая проблема – много данных, которые нигде не хранятся. То есть лежат в файлах на личных компьютерах сотрудников. Им поступает информация, но нет системы для ее обработки, хранения и передачи другим коллегам.

Как анализ и реинжиниринг сквозных процессов помогли в развитии Data Platform и Data Science?

Любой процесс можно «положить в цифру». Но если он не «отстроен», в нем дублируются или содержатся лишние звенья, или наоборот отсутствуют необходимые. При автоматизации такого процесса или построении платформы его данных мы будем инвестировать ресурсы в диджитализацию хаоса. Иногда нет владельца процесса, который видит его целиком. Каждый отдел выполняет свою часть работы: планирует промо, закупает или везет товар. Следовательно, перед автоматизацией или цифровизацией важно проанализировать, нужно ли изменить, выровнять процесс. Если он несовершенен, то его автоматизация может привести к излишним затратам либо к будущим расходам на доработку и внедрение недостающих элементов.

Алиса Попова


Наверх