Varázsolj az adatokkal! – 1. rész: az adatvezérelt működés

Mostanában rengeteg szó esik az adatvezérelt működésről, de kevesebb arról, ez miből áll – nemhogy arról, hogy hogyan valósítsuk meg. Pedig akár néhány Excel-táblával is működik a dolog – esetenként még nagyobb cégeknél is. Az világos, hogy adatvezérelt működés nem létezhet adat nélkül. De milyen adatok kellenek ehhez? És honnan vedd ezeket? A minisorozat első részében megmutatjuk, mit is jelent az adatvezérelt működés, a másodikban pedig azt, hogy milyen adatokkal lehet adatvezérelt a működés.

Az adatvezérelt működés azt jelenti, hogy 

☛ a működés valós külső és belső körülményeit is adatokkal írjuk le, támasztjuk alá,

☛ ezeket szűrjük, elemezzük,

☛ ennek alapján vonunk le következtetéseket, vizsgáljuk a lehetőségeket,

☛ ezeket egyértelmű és átlátható módon bemutatjuk (ábrázoljuk, leírjuk stb.),

☛ aztán hagyjuk a vezetőt, hogy ennek alapján meghozza a döntését.

Kicsit időzzünk el ennek a hosszú mondatnak a részletei felett! 

1. A működés valós külső és belső körülményei 

Ne csak arról legyen képünk, hogy milyen és hogyan működik a piac, hanem arról is, hogy mi hogyan működünk, milyen belső erőforrások állnak rendelkezésre. Ugyanennyire fontos az is, hogy az adatok a valóságot tükrözzék. 

Több esetet is láttunk már, amikor az adatok alapján nem lehetett megismerni a valós helyzetet. Vagy azért, mert az adatok már nem voltak aktuálisak, vagy azért, mert más iparágra vonatkoztak, vagy túlságosan általánosak voltak. 

A legnagyobb probléma azonban az szokott lenni az adatokkal, ha kontextus nélkül próbáljuk meg értelmezni őket. A leggyakoribb ilyen adat az éves nettó árbevétel mértéke, amit sokan amolyan sikermérőszámként értelmeznek. Pedig összefüggések nélkül nem sokat árul el a vállalkozás sikerességéről. 

2. Adatok szűrése, elemzése

Egy vállalkozás működése során megszámlálhatatlanul sok adat képződik. (Csak azért szokott megszámolható mennyiségű lenni az adatállomány, mert nem mindet rögzítjük. Talán nem is tudjuk, hogy kellene – ilyen esetet is láttunk már.) 

A megszámlálhatatlan azonban túl sok. Jó hír azonban, hogy 

nincs szükségünk minden adatra.

Hogy melyikre van, és melyikre nincs, ezt a szűrés során döntjük el. (A szűrés fontosabb szempontjairól írunk még bővebben a következő részben.) 

Az elemzés során értelmezzük a meglévő, számunkra fontos és releváns (megszűrt) adatokat. Gyakorlatilag itt alakul át az adat információvá. Adatokkal alátámasztottan látjuk: 

• mik a trendek, 
• hol vannak és milyen mértékűek az eltérések (esetenként még a miérteket is lehet látni, de valószínűbb, hogy ilyenkor mélyebbre kell ásni az első elemzés után – viszont legalább már azt tudjuk, hogy hol van az eb sírhantja, ahol ásni kell), 
• vannak-e anomáliák (nem egyszerűen eltérések, hanem a megszokott és/vagy elvárt működési módtól idegen jelenségek),
• hol vannak hiányok, mi hiányzik, milyen mértékben, minőségben, milyen erőforrásokra lenne szükség az elhárításukhoz.

3. Következtetések, lehetőségek

Az értelmezés során van alkalmunk arra, hogy rálássunk, mi következik a fennálló helyzetből, mik az irányok, a hiányok rejtenek-e számunkra potenciált, vagy éppen lefelé húznak.

• Trendek:
  • melyeket ajánlatos meglovagolni?
  • milyen erőforrások szükségesek ehhez? 
  • rendelkezésre áll-e ezek közül már valami? 
  • ha igen, milyen minőségben, mértékben? 
  • ha nem, mikorra és mennyiért lehet ezeket megszerezni? 
  • időben van-e még, kigazdálkodható-e az ára? 
  • melyik nem egyeztethető össze az üzleti céljainkkal, és hagyjuk a csudába? 
• Eltérések:
  • melyek ezek? 
  • mely folyamatokat, tevékenységeket érintik ezek és hogyan? 
  • a mértékük befolyással van-e a kitűzött céljaink elérésére, vagy belefér egy piaci kilengés terjedelmébe (majd úgyis helyrebillen)? 
  • mi szükséges a nagyobb eltérések kezeléséhez? 
  • ezek rendelkezésre állnak-e, vagy meg kell még szerezni őket (ha igen, mikorra lehet és mennyiért)? 
  • az eltérés mértéke mellett tudjuk-e még tartani a kitűzött célt, vagy inkább más irányt szabjunk már a működésnek? (Ez ritka, de 2020 óta már erre is láttunk példát.) 
• Anomáliák – hasonló a kezelésük az eltérésekéhez, de ezek általában rendkívüli, nem megszokott jelenségekhez kapcsolódnak. 
• Hiányok – vannak olyan menedzserek, akik a hiányt is egyfajta eltérésként, súlyosabb esetben anomáliaként fogják fel. Szerintük a hiány azért hiány, mert valaminek ott kellene lennie, ami mégsincs ott, tehát ez eltér az optimális működéstől. Ezért ezek kezelési módja is hasonló, mint az eltéréseké. 

Fontos! Minden egyes eltérés, anomália és hiány lehet valamilyen lehetőség jele is! Érdemes tehát ezeket a jelenségeket ebből a megközelítésből is mindig megvizsgálni. Ha például a külső adatok elemzése azt mutatja, hogy kiüresedett egy piaci rés, mert a versenytársak elfogytak onnan, akkor két lehetőség van: 

• vagy nem érte meg nekik ott jelen lenni – ilyenkor nagyon érdemes tovább vizsgálódni, hogy mi volt ennek az oka, különben mi is könnyen pórul járhatunk,
• vagy nem értették a célpiacot, ezért nem jól szolgálták azt ki, így hagytak nekünk egy rést, ahová érdemes beszivárognunk (persze csak akkor, ha a meglévő erőforrásainkkal viszonylag kevés erőforrásáldozattal képesek vagyunk kiszolgálni ezt a piacot – egyébként jelentős összegű fejlesztés a dolog ára). 

4. Egyértelmű, átlátható bemutatás

Adatvizualizáció alatt grafikus ábrázolásokra, ezekből készített riportokra, dashboardokra kell gondolni. A cél, hogy az elemzés és a következtetés eredményét vizuálisan rövid idő alatt befogadhatóvá tegyük. A vezetők ( pláne az egyéni vállalkozók) elfoglaltak, könnyebb a rendszerezett adatokat a döntéshez így áttekinteni. Egy adatokkal feltöltött Excel-tábla is képes erre, mert az abban szereplő adatokat ezerféleképpen jeleníthetjük meg. 

5. Vezetői döntéshozatal

Most már minden adat (“ez volt”, “ez van”, és “ez lehet”, plusz a kockázatok, lehetséges kimenetelek) rendelkezésre áll és be van mutatva ahhoz, hogy a vezető (akár mi magunk) értékeljünk, és ennek alapján a lehetőségekhez képest objektív döntést hozzunk. A valóságot látjuk, abból is azt, ami számunkra releváns, és a döntéshez minden jól elő van készítve. Hajrá. 

Cikkünk következő részében eláruljuk, mitől lesz egy adat olyan minőségű, hogy bátran használhatjuk adatvezérelt működtetésre, illetve hogy honnan vegyünk ilyen minőségű adatokat.