One Size Doesn t Fit All, czyli case study stworzenia BI dostosowanego do strategicznych, operacyjnych oraz analitycznych potrzeb X Kongres Business Intelligence Warszawa, 17.03.2016 Joanna Łuczak
Multi-Partnerski Program Bonusowy PAYBACK Nagrody i bony u partnerów Nagrody PAYBACK 7 mln kart aktywnych 104 mln transakcji rocznie Miles & More 15 mld PLN wydatków z kartą 30 dużych partnerów offline Organizacja charytatywna 150+ partnerów online 600+ lokalnych sprzedawców 2
PAYBACK Globalnie 2000 2015 2009 2012 2014 2010 3
czyli początki analityki w PAYBACK Podstawowe informacje o emnos Klienci emnos na świecie 1 Nasza firma Rok założenia: 2003 Biura w 6 lokalizacjach: Monachium, Londyn, Paryż, Madryt, Chicago i Warszawa 2 Oferta Segmentacja / Customer Insight Strategie i programy lojalnościowe Strategie "multi channel" Optymalizacja Marketing-mix 3 Szerokie spektrum kompetencji W skład zespołu emnos wchodzą eksperci m. in. z branży telekomunikacyjnej, handlu detalicznego, doradztwa strategicznego oraz IT Zintegrowana oferta analityczna i konsultingowa Business Consulting Analysis Customer Centric Consulting Tech 4
Korzyści z wprowadzenia klasycznego BI Brak dublowania analiz Sprawne i jednorazowe wyjaśnienie pojawiających się nieustannie anomalii One version of truth: - jedna ustalona definicja wskaźnika 5
Jakie problemy pozostają nadal do rozwiązania? Istniejące raporty nie odpowiadają na wszystkie pytania Brak dostosowania definicji do celu analizy przy założeniu, że świat się zmienia 6 Zapytania ad-hoc
Co oznacza BIG DATA w PAYBACK? Value Veracity Volume Velocity Variety of data sources dimensions Dane transakcyjne 30+ partnerów 10+ partnerów listujących 10k-100k produktów ułożonych w kilka alternatywnych hierarchii kategorii Punkt widzenia 30+ partnerów 7 Rewolucja self-service...
Korzyści z wykorzystania narzędzi BI Ułatwione zarządzanie raportami Koncentracja raportów Automatyczny update danych w całym repozytorium raportowym Spójne formuły wyliczanych miar w całym raporcie Zlikwidowanie przeładowanych i wolno działających plików 8
Na czym polega nowa jakość obecnych narzędzi? o In memory reporting o rozwój narzędzi (data converging) o brak konieczności przygotowania hurtowni danych o Self service BI 9
NOWA GENERACJA STARSZA GENERACJA Czy każde narzędzie klasy BI jest odpowiednie? obsługa nadal po stronie analitycznej o kosztowne narzędzia elastyczność czasowo ogromnie kosztowna budowa raportu wymaga podstawowych umiejętności przetwarzania danych nawet drobne modyfikacje wymagają ingerencji analityka o Istnieją narzędzia bardziej intuicyjne o różne modele licencyjne o różne funkcjonalności rozwijane 10
Jak wybrać najlepsze rozwiązanie? 1 Zaangażowanie innych działów 2 Sprawna instalacja 3 Szybkie wdrożenie pracowników 4 Automatyzacja pobierania danych 11
Jak dotrzeć do świata biznesu? o Im prostsze tym lepsze o Intuicyjność brak czasu na długie szkolenia o Zrozumienie danych to podstawa o Analogie do excela terminologia sposób prezentacji danych o Na koniec dnia Biznes i Analityka muszą spotkać sie w połowie drogi 12
Rola współczesnego BI Pozycja zależna Przekazywanie danych Niezależność 13 "Generating insights": - ograniczenie ping-ponga komunikacyjnego - samodzielne identyfikowanie obszarów do poprawy - wskazywanie rozwiązań Współzależność - otwartość na udoskonalanie raportów - umożliwienie eksploracji danych przez ich przekazywanie - ekspansja myślenia analitycznego w całej firmie
Przykład: czyli jak to robimy? Zbieranie wymagań raportowych dla KPI Pozycja zależna Pozostawienie danych w istniejących plikach Niezależność Migracja raportów do narzędzia raportowego Współzależność - Zebranie kluczowych raportów i skonfrontowanie ich z biznesem - Dyskusja nad formą danych 14
Lessons learned - czyli efekty wdrożenia narzędzia BI Rewolucja czy ewolucja? Jack of all trades, master of none: modelowanie oraz prognozy wykrywanie zależności Nieoczekiwane wykorzystanie: fraud management data entry 15
THANK YOU! PAYBACK Polska Joanna Łuczak BI Manager +48 690 115 157 joanna.luczak@payback.net 16