Analytika se stala hnací silou rozvoje a transformace podnikání. Organizacím poskytuje klíčové informace pro implementaci nových strategií, zlepšování vztahů se zákazníky, hledání obchodních příležitostí nebo objevování dalších zdrojů příjmů.

Samotný termín analytika je dnes tak široce využíván, že může být obtížné správně rozlišovat jeho význam a konkrétní účel. K nejrozšířenějším spojením v tomto ohledu patří pojmy datová a podniková analytika. Ačkoli bývá jejich význam volně zaměňován, podle Ronalda Van Loona, výkonného ředitele firmy Intelligent World, se poměrně významně odlišují.

Podniková analytika slouží v prvé řadě k plánování a následně k vyhodnocování. Organizace s její pomocí predikují poptávku, optimalizují skladové zásoby nebo objem výroby a nastavují specifické obchodní nebo provozní cíle. Jejich plnění průběžně vyhodnocují. Datová analytika se zaměřuje na praktické dosažení požadovaných cílů a obvykle také poskytuje část vstupů pro realizaci podnikových analýz. Zjišťuje například, která cílová skupina je pro firmu ta nejlukrativnější, a následně asistuje při přizpůsobování marketingových aktivit.

Téma či oblast podnikové analytiky lze rozdělit do čtyř kategorií. Deskriptivní se zaměřuje na popis současnosti a historických dat. V praxi ji reprezentují rozšířená řešení Business Intelligence neboli podnikového zpravodajství. "Business Intelligence se více zaměřuje na zpracování a analýzu dat směrem k deskriptivní a diagnostické analytice, datová analytika bývá spojována spíše s prediktivní a preskriptivní, případně adaptivní úrovní," doplňuje David Slánský, partner společnosti KPMG Česká republika.

80 %

dotazovaných podniků SMB využívá datově analytická řešení pro přijímání technologických rozhodnutí, dvě třetiny pro hledání růstových příležitostí, skoro 60 % pro správu financí. Uplatnění nacházejí také v oblasti produktového směřování (50 %), řízení zákaznických služeb (55 %) nebo v alokaci pracovních sil (40 %).

Diagnostická analytika zkoumá hlubší vazby. Jejím cílem je zjistit, proč došlo k nějaké události nebo proč nastoupil určitý trend. Prediktivní analytika interpretuje existující data a snaží se předpovědět budoucí vývoj. Náplň preskripční či preskriptivní analytiky tvoří především návrhy kroků a rozhodnutí, jež organizaci dovedou k predikovanému cíli.

"Termín data analytics vznikl mnohem později, možná i jako reakce na neurčitost a širokost BI. Rozlišuje deskriptivní, prediktivní a preskriptivní varianty práce s daty. Je mnohem více zaměřen na technologickou stránku věci, vlastní podstatu zpracování dat pro potřeby byznysu, než na to, jak výsledky zapadnou do celkových procesů podniku," vysvětluje Ota Novotný, zakladatel a ředitel odborné platformy Data a Business na VŠE.

SMB a využití datové analytiky

Současné analytické technologie masově implementují postupy strojového učení a umělé inteligence. Díky cloudovému modelu poskytování se staly dostupnými i pro menší podniky. "Datová analytika není o nástrojích, ale o pohledu na data samotná, o byznysu firmy, ve kterém podniká, a o tom, co konkrétního v datech hledá nebo hledat může. Datová analytika vychází ze strategie firmy," říká Veronika Chramostová, ředitelka pro Business Intelligence společnosti Komix, a dodává: "Zavedení analytiky napříč různými firemními agendami přináší komplexní pohled na podnikání, transparentnost a úsporu času. Nejenže netrávíme čas sběrem a kompletováním dat a přemýšlením nad jejich interpretací, ale zejména se v reálném čase dokážeme dívat na vznikající problémy. Stejně tak můžeme pracovat s prediktivním modelováním a nahlédnout do budoucích trendů vycházejících z naší minulosti."

Specifický význam získala datová analytika zejména v oblasti internetového obchodu. Dodavatelé příslušných systémů s těmito funkcionalitami počítají a přizpůsobují jim i příslušná rozhraní. Analytické nástroje digitálních obchodních platforem obvykle nabízejí nástroje, které ošetřují většinu významných fází prodejního cyklu. Dokážou segmentovat zákaznickou populaci a identifikovat tu část, která je připravena nakupovat. Asistují v oblasti zákaznických služeb, přičemž využívají vzorce získané z předchozích úspěšných interakcí. Mimo jiné také odhalují nejefektivnější komunikační a marketingové kanály.

"Střední a menší podniky by měly data primárně využívat k dobrému porozumění tomu, co se děje − jak trh a zákazníci reagují na různé produkty, které produkty kolik vydělávají, jaká je úspěšnost kampaní a podobně. Jakmile společnost ovládne práci s daty na této popisné úrovni, má smysl se vydávat vstříc pokročilejším úlohám, jako jsou například personalizace a doporučovací systémy v marketingu," doplňuje Tervel Šopov, vedoucí týmu Analytics & Cognitive ve společnosti Deloitte.

Datově řízené SMB

Malé a střední podniky mají ve srovnání s velkými konkurenty i jisté výhody. Podle zkušeností expertů firmy Noesis Analytics obvykle dokážou rychleji reagovat na změny a přizpůsobovat se aktuálním trendům. Bývají také otevřenější novým myšlenkám a chápou, že v konkurenčním boji se musí odlišit od velkých rivalů. Tyto vlastnosti mohou úspěšně využít i v oblasti datové analytiky. Nejde pouze o experimenty s jejími možnostmi a přínosy, ale také o praktickou implementaci konceptu datově řízené organizace. "Nasazení datové analytiky v té nejobecnější rovině s sebou přináší změny a návyky v oblasti práce s daty tak, aby se týkala každého jednotlivce a firma byla skutečně řízena na základě skutečných, nikoliv vytušených dat," upřesňuje Veronika Chramostová ze společnosti Komix.

Do manažerského rozhodování vstupuje celá řada faktorů. Svou roli v něm hrají zkušenosti, instinkty, znalosti a samozřejmě informace. Právě datová analytika se může stát jejich cenným, přesným a v jistých ohledech téměř neomylným zdrojem. Menším podnikům může pomoci s překonáním různých nedostatků. Navíc je pro ně jednodušší na model datově řízené organizace přejít. "Oblastí využití datové analytiky existuje řada a liší se dle typu podnikání. Pokud bychom je ale měli jmenovat obecně, je třeba začít od tvrdých a kvalitních dat − finance, kalkulace, výroba, obchod. Následně přejít k měkčím zákaznickým, dodavatelským datům, webové analytice a teprve potom začít uvažovat o analytice pokročilé, již reprezentují například analýzy obrazu nebo hlasu," doplňuje Ota Novotný z Vysoké školy ekonomické a dodává: "A co to přinese? Přehled a větší jistotu při rozhodování. Nebude už záležet jenom na intuici či pocitu, ale bude je možné opřít také o pevnější základ."

Pro efektivní realizaci datových analýz dnes podniky nemusí sestavovat rozsáhlý tým kvalifikovaných datových vědců. Jejich roli do značné míry zastoupí technologie, které zvládnou ovládat i byznys analytici. Tento pohled potvrzují i slova Davida Slánského ze společnosti KPMG ČR: "Hlavně je potřeba analytické myšlení a schopnost aplikovat znalost byznysu na data nebo naopak pochopit data v kontextu fungování organizace. Špatná zpráva je, že potřebujete supermany, kteří mluví dvěma jazyky − byznysovým i datovým. Na druhou stranu drtivá většina nástrojů v dnešní době umožňuje práci s analytickými nástroji i běžným uživatelům bez větších znalostí programování."

Analytická realita SMB

Letošní průzkum společnosti Onepath naznačil, že malé a střední podniky datově-analytická řešení běžně využívají. Tři pětiny s nimi mají minimálně tříletou zkušenost. Otázkou ovšem je, o jakých nástrojích respondenti vypovídají. Desetina dotazovaných za využívané analytické řešení označila off-line produkty typu Excelu. Téměř 60 procent pracuje s webovými nebo cloudovými systémy. Necelá třetina oba přístupy kombinuje.

Nejčastěji analytická řešení využívají oddělení informačních technologií (84,5 %), financí (47,4 %), obchodu (43,1 %) a marketingu (42,2 %). Z jejich zastoupení lze odvodit i spektrum účelů, k nimž slouží. Čtyři pětiny dotazovaných podniků SMB je využívají pro přijímání technologických rozhodnutí, dvě třetiny pro hledání růstových příležitostí, 58,6 procenta pro správu financí. Uplatnění nacházejí také v oblasti produktového směřování (50 %), řízení zákaznických služeb (55,2 %) nebo v alokaci pracovních sil (39,7 %).

K nasazení analytických řešení vede či vedla malé a střední podniky pětice hlavních důvodů. Nejčastěji uvádějí potřebu rychlých a informovaných rozhodnutí (71,6 %), nedostatek informací o výkonnosti byznysu (52,6 %), identifikaci oblastí pro změny (31 %), hledání příčin stagnace (25 %) a poněkud paradoxně vyznívající hledání příčin růstu (19 %). Výběr vhodného analytického řešení podnikům SMB komplikují zejména obtížné odlišení produktů (56 %) a nedostatek znalostí pro jejich posouzení (56 %). Nákladům na pořízení připadlo v rámci průzkumu třetí místo (27,6 %).

Samotnou implementaci ztěžovaly faktory, jež lze odvodit již z fáze výběru. Šlo především o nedostatek vlastních schopností pro nasazení (56,9 %), komplikovanost technologií (42,2 %) a příliš dlouhou dobu implementace (35,3 %). Nicméně 97,4 procenta respondentů je s pořízeným analytickým řešením spokojeno.

Adopci datové analytiky v tuzemských podnicích segmentu SMB komentuje Tervel Šopov ze společnosti Deloitte: "Řekl bych, že je to na dobré cestě. V Česku působí kromě řady velkých poskytovatelů také spousta malých a středních firem, které nabízí služby nebo řešení v oblasti datové analytiky. Ty dle mého názoru silně přispívají k adopci i v SMB segmentu." V podstatě velmi podobný pohled prezentuje také David Slánský ze společnosti KPMG ČR: "Myslím, že rozšíření datové analytiky v tuzemském segmentu SMB je stále v počátečním stadiu v porovnání s velkými společnostmi. Na druhou stranu zde vidím velký potenciál rychlého rozvoje, protože Česko patří ke světové špičce jak ve využití datové analytiky, tak v počtu firem a odborníků zabývajících se datovou analytikou."

Článek byl publikován v komerční příloze HN ICT revue.