Jak reportovat obchodní data?

V minulém článku jsme se věnovali jednomu z nejzákladnějších a nejběžnějších způsobů segmentace zákazníků – RFM analýze. Ta je velice přínosná pro téměř jakýkoliv typ businessu (obzvláště pro e-shopy). Dnes si projdeme data, která musí vyhodnocovat úplně každý – obchodní data. Jaké otázky bychom si měli nad těmito daty klást a jak může vypadat jejich vizualizace v PowerBI se dozvíte v tomto článku.

Excelové inženýrství

Většina firem finanční data samozřejmě vyhodnocuje. Ne každá to ale dělá efektivně. Stále se často můžeme například setkat s takzvaným Excelovým inženýrstvím. V takovém případě proces reportování vypadá tak, že si každý ve firmě dělá nějaké vlastní tabulky v Excelu (v lepším případě v Google Sheets), nikdo jiný ve firmě jim pořádně nerozumí, nebo o nich ani dokonce nikdo jiný neví. V případě, že je pak potřeba reportovat data za celou firmu, přichází na řadu „vrchní Excelový kouzelník“. Je to člověk, který posbírá Excely z celé firmy, napíše nad nimi desítky maker a funkcí a nějakým způsobem zkombinuje na sebe často nesedící data.

Zároveň se zcela běžně můžeme setkat s velkými problémy v oblasti terminologie napříč firmou. Například slovo lead může znamenat něco úplně jiného pro firemní obchodníky a pro „markeťáky“. Neshody mohou panovat třeba také ohledně datumu dokončení objednávky. Je to den, kdy se zboží vyskladnilo? Odeslalo? Doručilo? Nebo den, kdy přišly peníze na účet? A tak podobně. Dochází pak k tomu, že tu samou objednávku různá oddělení evidují v různých měsících a reportují tak odlišná čísla. Není divu, že s sebou tento postup zpracování dat přináší řadu nejasností a chyb. Ať už jde o nesedící čísla napříč firmou, lidský chybový faktor nebo neaktuální data.

Co s tím?

Přitom k odstranění těchto nedokonalostí stačí málo – reportovací proces automatizovat. Nutno podotknout, že pro úspěšné zavedení této automatizace do firmy je třeba detailní pochopení, jak vše ve firmě funguje. Proto s našimi klienty začínáme konzultacemi, kde se ponoříme do hloubky fungování celé firmy, vyjasníme si terminologii, řekneme si, co vše a PROČ chceme reportovat, kdo se do daných reportů bude dívat atd. Skoro bych řekl, že tato část implementace automatizovaného reportingu je nejdůležitější, ačkoliv se v této fázi vlastně ještě nic neimplementuje.

Poté, co si vyjasníme všechny tyto stěžejní body celého reportingu, vymyslí se datový model a následně se již může nasazovat do praxe. Finální vizualizace pak vytvoříme v nějakém vizualizačním nástroji. U nás ve firmě rádi používáme Power BI, avšak existuje řada dalších povedených nástrojů. Pokud vás to zajímá výběr toho správného, podívejte se na můj článek o tom, jak vybrat vizualizační nástroj.

Jak to tedy v tom Power BI vypadá?

Nedávno jsme v Taste připravovali nabídku pro jednoho klienta, který se zaměřuje na dovoz automobilů a jejich následný prodej do různých autosalónů apod. Při úvodních rozhovorech s klientem jsme si všimli, že firma nemá přehled o tom, jak se jim vlastně daří, kolik toho kam prodají, jak jsou úspěšní obchodníci atd. Tedy chyběl jim právě onen vhled do obchodních dat. Proto jsme se rozhodli nasimulovat jim do nabídky rovnou  dva jednoduché ukázkové reporty, které můžete vidět níže.

Report – Přehled

První jsem nazval „Přehled“. Ten nám prezentuje skutečně ty nejpodstatnější informace. Vlevo nahoře máme graf, kde po měsících vidíme tržby a marže. Hned pod tímto grafem vidíme tabulku nejziskovějších zakázek za vyfiltrované období (filtrace období se nachází vpravo nahoře). U každé zakázky máme její:

• číslo,
• obchodníka, který byl za zakázku zodpovědný,
• zákazníka (odběratele),
• značku prodaného vozidla,
• tržbu,
• marži.

V pravé části reportu se pak nachází 4 hlavní KPI (Key Performance Indicators) aneb ta nejdůležitější souhrnná čísla, doplněna o tabulku top odběratelů seřazených podle tržeb.

Report – Obchodníci

Druhý report s názvem „Obchodníci“ nám umožňuje vyhodnotit prodeje našich jednotlivých obchodníků. Vpravo nahoře nám pod časovou filtraci přibyl filtr na obchodníka, kde vybereme požadovanou osobu. Jméno aktuálně vybraného obchodníka se nám pro přehlednost dynamicky mění i přímo pod hlavním nadpisem reportu. Skládaný sloupcový graf v levé části nám poskytuje informace nejen o tom, jaké byly celkové tržby v jednotlivých měsících, ale také o tom, jak se na nich podíleli jednotliví obchodníci, přičemž každý obchodník má v grafu svou barvu. Vpravo dole se nám nově objevily dva grafy, které nám prozradí, jak se danému obchodníkovi daří prodávat jednotlivé značky aut (levý koláčový graf) a typy aut (pravý koláčový graf).

A co dál?

Dále bychom mohli pokračovat dalšími a dalšími neméně důležitými reporty. Jak dlouho tráví obchodníci na zakázkách? V jakých regionech se nám nejvíce daří? Jak výkonné jsou naše pobočky? Jaké kampaně nám přivádějí nejvíce leadů? Jak kvalitní jsou tyto leady dle zdroje návštěvy? Jak dlouho nám jaká auta stojí ladem? Jaká auta se nám prodávají nejlépe/nejhůře? Tyto a mnoho dalších otázek bychom si zodpověděli pomocí dalších vhodných vizualizací.

Důležité je na tomto místě zdůraznit, že pěknou vizualizací přínosy nekončí. Naopak. Teprve v tento moment, kdy máme data ve srozumitelné podobě, můžeme konečně začít dělat kvalitní rozhodnutí podložená daty aneb udělat z naší firmy tu takzvanou data-driven company. Je už pak čistě na interním rozhodnutí vedení firmy, kdo a k jakým datům bude mít ve firmě přístup. Obecně se však v poslední době stále častěji skloňuje pojem „demokratizace dat“, který souvisí právě s prostoupením dat celou firmou od nejvyšších do nejnižších pozic.

„Já už ale mám reporting“

Rád bych ještě doplnil, že spousta systémů (e-shopů, CRM,…) již nějaké reportovací schopnosti má, avšak málokdy vidí za hranice sama sebe. Přitom právě propojení všech datových zdrojů firmy na jednom místě do smysluplného celku je tou cestou, kterou by se každá firma měla dříve či později vydat. Nemusíte se bát, že bychom se zrovna k vašim datům nedostali. Ať už je máte v Excelu, e-shopu, CRM, MySQL, někde v Cloudu, na serveru, nebo kdekoliv jinde, vždy je možné se na ně napojit ať už přímo pomocí zabudovaného konektoru, nebo nepřímo jinou cestou.

Kolik to stojí?

Náročnost této automatizace se odvíjí od množství napojených datových zdrojů, velikosti dat a množství požadovaných reportů. Pro ilustraci si však můžeme nacenit v tomto článku prezentovaný příklad. Tvorba oněch dvou reportů v Power BI zabere kolem 10 hodin. Co se týče datového modelu na pozadí a napojení na zdroje dat, tam počítejme s nějakými 20 hodinami.

Tvorbou takovýchto (nebo často méně kvalitních) reportů na měsíční bázi obvykle zaměstnanci stráví klidně desítky hodin. Každý měsíc. Když si tato čísla dáme do kontextu s náročností automatizace, vidíme, že návratnost takovéto investice je velmi rychlá. Výsledkem jsou navíc srozumitelné, přehledné, přesné a vždy aktuální reporty seskupené na jednom místě.