Data-Driven подход: примеры из практики малого и крупного бизнеса

Data-driven подход — концепция, при которой управленческие решения принимают на основе данных. За годы работы я помогал как корпорациям из списка S&P 500, так и небольшим бизнесам адаптировать Data-Driven подход под их задачи и масштабы. Этот путь позволил мне увидеть, как одни и те же принципы могут трансформировать различные бизнесы, независимо от их размера и бюджета.

Меня зовут Евгений Мезенцев, я Head of Digital Philip Morris Maghreb, консультант по внедрению стратегических практик в крупный бизнес по авторскому методу Growth и основатель студии продуктовой разработки и диджитал-консалтинга GrowthHack.dev.

В этой статье я поделюсь личным опытом применения Data-Driven подхода. Я расскажу про мифы и покажу реальные кейсы, включая работу с минимальным бюджетом в розничной торговле и сложные аналитические проекты для корпораций.

Сегодня термин Data-Driven часто воспринимается как нечто модное или трендовое. Многие считают, что это прерогатива крупных компаний с большими бюджетами на IT и аналитиков. Однако я убежден, что это не временное явление, а неотъемлемая часть любого успешного бизнеса.

❌ Data-Driven — это дорого и сложно. Многие думают, что для внедрения этого подхода нужны миллионы долларов и штат аналитиков. На самом деле, все зависит от масштаба задач и грамотного использования доступных инструментов.

❌ Data-Driven подходит только для IT-компаний. На практике любой бизнес, будь то розничная торговля, производство или услуги, может извлечь пользу из анализа данных.

❌ Данные заменяют интуицию и опыт. Data-Driven не исключает человеческий фактор; он дополняет его, предоставляя объективную информацию для принятия решений.

Я начинал свою карьеру в небольшой семейной компании, занимавшейся продажей женской верхней одежды. В магазине не было сложных систем аналитики — мы знали лишь общие продажи и средний чек. Первой задачей было построить систему, которая помогла бы собирать ключевые показатели для принятия управленческих решений.

Понимание пути клиента. Прежде всего, мы изучили бизнес-процесс с точки зрения клиента, а не предпринимателя. Что происходит, когда клиент идет по улице, заходит в магазин, примеряет товар, совершает покупку или возвращается снова? Этот путь мы разбили на этапы:

1. Прохожие: Сколько людей проходит мимо магазина?
2. Визиты: Сколько из них заходит внутрь?
3. Примерки: Сколько делает примерку?
4. Покупки: Сколько совершает покупку?
5. Лояльность: Сколько из них возвращается?

Цифровизация данных. Чтобы отследить эти этапы, мы использовали максимально простые и доступные решения:

1. Датчики движения: Установили простые инфракрасные датчики для подсчета посетителей, учитывая погрешности, связанные с входом и выходом сотрудников
2. Ручной подсчет трафика: В разные часы дня сотрудники вели учет количества прохожих мимо витрины
3. Датчики в примерочных: Использовали недорогие сенсоры, чтобы понять, сколько клиентов пользуется примерочными
4. Google Таблицы: Все данные заносились в общую таблицу для дальнейшего анализа

Анализ и принятие решений. Эти данные позволили нам понять, где именно были проблемы:

• Низкая посещаемость магазина: если мало людей заходило в магазин, работали над витриной, освещением и внешней рекламой. Например, добавили яркие вывески и периодически меняли оформление витрин, чтобы привлечь внимание.
• Вводили KPI для мерчендайзеров, которые работали над витринами.
• Низкая из посещения в примерку: клиенты заходят в магазин, но не хотят примерять товар. Мы анализировали ассортимент и качество обслуживания. Проводили тренинги для продавцов, улучшали презентацию товара.
• Низкая конверсия примерок в покупки: если много клиентов примеряли товары, но не покупали, мы анализировали ассортимент и качество товара. Вводили систему KPI для специалистов по закупке и дизайнеров.
• Возврат клиентов: ввели программу лояльности с накопительными скидками, что стимулировало повторные покупки.

Второй кейс связан с работой в крупной корпорации из списка S&P 500, где я участвовал в запуске бренда бренда iQOS в России. Несмотря на масштаб компании и отрасли, подходы к построению аналитики мало отличались от работы в небольшом магазине.

Но есть нюанс, важно пользоваться правильном решения больших задач – разделять их на более мелкие и решать их по отдельности. А еще не забывать про общее видение всей инфраструктуры.

Многие специалисты совершаю ошибку, пытаясь объять необъяснимое, продумывая монолитную систему сбора данных для крупного бизнеса, которая при любых изменений в бизнесе становится непригодной.

Возвращаемся к примеру на основе одного бизнес-процесса – привлечение потенциальных клиентов через онлайн каналы коммуникации

Путь пользователя и ключевые точки. Процесс выстраивался вокруг Customer Journey — пути, который проходит пользователь:

• Осведомленность: Взаимодействие с рекламой (баннеры, лендинги, социальные сети)
• Интерес: Переход на сайт, изучение продукта, заполнение формы заявки
• Рассмотрение: Общение с колл-центром, получение дополнительной информации
• Покупка: Организация визита в магазин или заказ онлайн, демонстрация и продажа устройства
• Лояльность: Постпродажное сопровождение, программы лояльности, анализ активности пользователя

Инструменты и технологии. Для отслеживания каждого этапа использовались современные системы:

• CRM-система Salesforce: Управление данными о клиентах, история взаимодействий, сегментация аудитории
• ERP-системы SAP и 1C Bitrix: Автоматизация бизнес-процессов, управление цепочками поставок и запасами
• BI-инструменты (Power BI, Tableau): Визуализация данных, дашборды для мониторинга ключевых метрик в реальном времени

Аналитика веб-сайта: Использование Google Analytics и собственных решений для отслеживания поведения пользователей на сайте.

Глубокий анализ данных. Собранные данные позволили проводить многогранный анализ:

• Эффективность рекламных кампаний: Определяли ROI каждого канала, корректировали бюджеты
• Поведение пользователей на сайте: Анализировали воронку конверсии, оптимизировали интерфейс и контент
• Работа колл-центра: Оценивали качество общения, скорость ответа, удовлетворенность клиентов
• Продажи и запасы: Прогнозировали спрос, оптимизировали логистику и управление запасами

Несмотря на различия в масштабах и ресурсах, оба примера показывают, что ключевые шаги в реализации Data-Driven подхода остаются неизменными.

Понимание бизнеса с точки зрения клиента: В обоих случаях фокусировались на пути клиента и его взаимодействии с продуктом или услугой.

Определение ключевых метрик: Выделяли важные показатели эффективности на каждом этапе клиентского пути.

Сбор и анализ данных: Использовали доступные инструменты для сбора необходимой информации, будь то простые таблицы или сложные CRM-системы.

Принятие решений на основе данных: Реагировали на выявленные проблемы и возможности, внедряя изменения и отслеживая их влияние.

Если вы задумываетесь о внедрении Data-Driven подхода в своем бизнесе, стоит начинать с малого. Не обязательно сразу внедрять сложные системы. Используйте то, что доступно, и постепенно расширяйте инструментарий.

Не менее важно обучение команды. Необходимо, чтобы сотрудники понимали ценность данных и умели их использовать в своей работе.

Обязательно определите, какие бизнес-задачи вы хотите решить с помощью данных, и концентрируйтесь на них и инвестируйте в культуру данных. Создайте среду, где решения принимаются на основе объективной информации, а не только интуиции.