Но зачастую все эти различные формы отчетов могут быть сгенерированы автоматически по одной-единственной электронной таблице. Механизм «развертывания» и «свертывания» элементов представлений позволяет начать с самого обобщенного уровня и по мере необходимости переходить ко все более детализированным.
Еще один полезный механизм, известный под именем сводных таблиц, позволяет по-разному просматривать одни и те же данные. Чтобы перейти от группирования сведений о продажах по продавцам к группированию по клиентам, достаточно отбуксировать заголовок «клиент» в соответствующую позицию. В сочетании с применением шаблонов для придания данным стандартного формата эти возможности позволяют получить очень мощные, гибкие электронные отчеты, которые каждый пользователь может настраивать в соответствии со своими особыми потребностями. Кроме того, такие отчеты можно рассылать по электронной почте для сведения или для дальнейшего анализа и обсуждения всем заинтересованным лицам.
Применение механизма сводных таблиц позволяет достичь особенно впечатляющих результатов в сочетании с корпоративными хранилищами данных. СУБД, лежащая в основе такого хранилища, обычно обладает ограниченными возможностями по генерации отчетов, так что к выполнению этой работы приходится привлекать более квалифицированный персонал. Как правило, работник не имеет четкого представления о том, когда и какие дополнительные детали ему потребуются, и предпочитает составлять запросы «с запасом» — такие, что их обработка занимает по 20-30 минут. Сводная таблица, связанная с СУБД, делает хранилище данных доступным любому работнику. А интерфейс программы для работы с электронными таблицами позволяет генерировать запросы к данным высокого уровня агрегации, а затем переходить к более подробной информации по мере необходимости. Поскольку каждый такой отдельный запрос охватывает лишь небольшой объем данных, время отклика получается очень коротким. Этот интерфейс можно распространить и на динамические источники данных, такие, как поступающие в реальном масштабе времени биржевые котировки.
Специалисту, занимающемуся бизнесом, применение электронных средств позволяет осуществлять анализ быстрее и более углубленно. Бухгалтеру они позволят сэкономить на составлении отчетов время, которое можно будет использовать для помощи другим специалистам в их анализе проблем основной деятельности и для оценки необычных событий. Для тех, кто занимается управлением бизнес-информацией, электронные средства означают повышение скорости работы и качества данных. Им применение этого инструментария позволит подводить итоги месяца всего за пару дней вместо теперешних недель. Финансовые отделы смогут, не наращивая численности персонала, взять на себя дополнительные функции, такие, как долгосрочное планирование и анализ эффективности отдельных штатных единиц или реальных активов компании.
Главное преимущество электронных отчетов перед их бумажными аналогами — то, что они не только отвечают на изначально поставленный вопрос, но и дают возможность задать следующий. Поскольку никто не знает заранее, каким будет этот следующий вопрос, инструментарий, который позволял бы найти ответ на него без посторонней помощи, насущно необходим.
Сегодня большинство средств интеллектуального анализа данных довольно дороги — от 25-150 тысяч долларов за систему для предприятия небольших или средних масштабов и до многих миллионов для гиганта вроде Wall-Mart. Пять лет назад одна страховая компания истратила на систему интеллектуального анализа данных более 10 миллионов долларов. По словам ее главного исполнительного директора, он понимает, что сегодня смог бы приобрести аналогичную систему за гораздо меньшие деньги, но полученная с тех пор отдача с лихвой окупила потраченные миллионы. Этот пример дает некоторое представление о ценности интеллектуального анализа данных для бизнеса. Однако высокие цены на инструментарий свидетельствуют о том, что используемое сегодня ПО по своему уровню сложности все еще принадлежит к старому миру, в котором лишь самые крупные организации, располагавшие большим штатом сотрудников или пользовавшиеся услугами узкоспециализированных производителей, могли позволить себе глубокую переработку данных.
С ростом конкуренции в нашей основанной на информации экономике сведения о клиентах становятся все более важным производственным ресурсом. Каждая компания и каждый работник интеллектуального труда просто обязаны извлекать максимум возможного из имеющихся данных. Многие новые пользователи не могут позволить себе крупных расходов на инструментарий для работы с базами данных или на высококвалифицированных узких специалистов. К счастью, по мере освоения средствами интеллектуального анализа данных такой массовой платформы, как персональный компьютер, неизбежно должно произойти стремительное снижение цен с взрывоподобным ростом популярности этого инструментария в компаниях всех масштабов и в их подразделениях. Вскоре каждый пользователь из деловой сферы сможет проводить сложную обработку информации, прежде доступную лишь организациям, способным выложить за нее большие деньги. Интеллектуальный анализ данных проникнет повсюду, войдет в стандартный набор функциональных возможностей информационной инфраструктуры любой компании.
Главная ценность интеллектуального анализа данных для бизнеса будет заключаться в том, что он поможет ответить на вопросы, какие продукты имеет смысл создавать и к каким уровням цен следует стремиться. Компании смогут оценивать множество различных вариантов цен и размеров партий, выбирая наиболее выгодные для себя и наиболее привлекательные для клиентов. Особенно большой интерес такие возможности представляют для компаний, предлагающих информационные продукты. В отличие от производства автомобилей или, скажем, стульев, в сфере страховых или финансовых услуг, а также в книгоиздательской деятельности на этап разработки приходится значительно больше затрат, чем на этап производства. Стоимость же этих продуктов определяется не столько величиной произведенных вложений, сколько их ценностью для покупателя. Секрет успеха информационного продукта — в понимании продавцом интересов наиболее вероятного клиента и особенностей его покупательского поведения.
Страховые компании, например, предлагают такие продукты, которые могут оказаться для них очень прибыльными при приобретении одними клиентами, малоприбыльными — при приобретении другими и вовсе неприбыльными — при приобретении третьими. Эта разница коррелирует со статистикой страховых случаев. Интеллектуальный анализ данных позволяет выделить категории клиентов и географические области, для которых характерен высокий или низкий уровень выплат по страховке. Исходя из этого, можно принять решение об усилении маркетинговой активности в отношении потенциальных клиентов, возрастная группа или география проживания которых позволяют рассчитывать на низкий уровень страховых выплат, а также о предложении им привлекательных цен. С другой стороны, возможны и решения о повышении цен или сокращении маркетинговых усилий применительно к группам клиентов с «неблагоприятной» статистикой. Когда в условиях ведения бизнеса есть такие различия, применение интеллектуального анализа данных при разработке стратегии способно дать очень много. Аналогичные возможности применения этой технологии существуют и при поиске новых клиентов банками. Люди меняют сегодня банки гораздо чаще, чем раньше, и появляется все больше новых компаний, предлагающих финансовые услуги. Для привлечения клиентов приходится предпринимать все более серьезные маркетинговые усилия, которые окупаются только в тех случаях, когда эти клиенты оказываются достаточно выгодными.
И, наконец, всегда следует задаваться вопросом: сможете ли вы использовать результаты анализа на практике? Если контингент ваших клиентов в значительной мере однороден или общее их число невелико, пользы от самого что ни на есть интеллектуального анализа будет далеко не так много, как в рассмотренных примерах. Бакалейщик, предлагающий деликатесы узкому кругу клиентов, проживающих по соседству с его лавкой, вероятно, не нуждается в этой технологии. А вот общенациональная сеть бакалейных магазинов — совсем другое дело.
