В крупном бизнесе в штате работает целая команда аналитиков — дата-аналитик, бизнес-аналитик, продуктовый, системный и т.д. Все эти сотрудники занимаются анализом данных, которых в большой компании много. Но нужен ли такой специалист малому и микробизнесу? И если нужен, то как его выбрать и какие задачи ему поручить?

Кто такой аналитик данных, и что он делает

Аналитик данных — это специалист по работе с данными компании, которые собраны в единую систему. Он собирает информацию, визуализирует её, интерпретирует, выявляет причинно-следственные связи, выводит гипотезы и тестирует их. На основе полученных результатов директор, маркетолог и руководители отделов компании принимают верные для бизнеса решения.

Есть два типа вопросов, на которые может ответить аналитик:

• Количественные. Это когда ответ представляет собой цифру. Например, «сколько денег потратили», «как много элементов...», «сколько групп товаров...».
• Качественные или исследовательские. В ответе приводится не только цифра, но и логически выстроенный текст. Например, «почему страница А приносит больше лидов, чем страница Б», «как увеличить конверсию с Х до Y», «какие способы удержания клиентов будут наиболее эффективными».

Все данные аналитик визуализирует в виде схем и инфографики с помощью сервисов типа BPMN. Пример на рисунке ниже:

Чем дата-аналитик полезен для малого бизнеса

Разберём, какие задачи малого бизнеса может взять на себя дата-аналитик.

1. Выявит тенденции. Изучит квартальные отчёты по продажам или годовой трафик сайта, отметит снижение некоторых показателей, сформулирует гипотезы причин, проверит их совместно с маркетологом. Так вы сможете вовремя предотвратить проблемы, поймёте, как увеличить продажи.
2. Составит прогнозы. Определит, какие товары будут пользоваться спросом в зависимости от сезона, какие объёмы продаж предполагаются в тот или иной период. Выгодно ли заключать сделку, работать с этим поставщиком, запускать рекламу через определённый канал. Аналитик поможет улучшить ассортимент, оптимизировать цены, спрогнозирует поток клиентов, проанализирует качество взаимодействия между отделами.
3. Соберёт данные из всех источников в одну базу. В ней будут отображаться данные из соцсетей, сайта, «1С», CRM, мобильных приложений, статистика по другой операционной деятельности (производство, склады, логистика). Эти данные может видеть каждый из сотрудников.
4. Установит причины проблем. С помощью изучения данных аналитик сможет понять, какие действия дают положительный и отрицательный результат. Например, почему одна рекламная кампания привлекает лиды, которые конвертируются в заказы, а другая — нет.
5. Поможет оптимизировать продажи, продвижение, логистику. Аналитик разработает таблицы данных и сделает интеграцию всех информационных систем, что упростит работу отделов компании. Например, рассчитает товарооборачиваемость и определит, сколько единиц товара Х и товара Y нужно закупить в этом квартале.

Почему успех маркетинга может зависеть от аналитика данных

Кажется, что малому бизнесу достаточно отчёта от маркетолога и бухгалтера. Это важные документы — но они не отражают полную картину взаимосвязей между отделами компании и не отвечают на многие вопросы. Например, о связи ассортимента с эффективностью рекламных кампаний. Некоторые товары продаются лучше и рекламировать их выгоднее. А вот почему они лучше продаются, отчёт маркетолога не расскажет. Об этом расскажет аналитика данных.

К примеру, вот как работает интернет-магазин:

• запускает контекстную рекламу, рассылку для привлечения лидов;
• посетители попадают на сайт, добавляют товары в корзину, заказывают или бросают корзину, могут оформлять возвраты.

Все эти процессы видны поодиночке, а аналитик соберёт все данные и покажет полную картину.

Маркетолог обращается к аналитику, чтобы:

1. Узнать, какой товар лучше всего продаётся — не просто по объёмам заказов, а по заказам без возвратов, без трудностей с доставкой, хранением на складе, по разным товарам, городам, районам. То есть в детальном разрезе.
2. Понять, как работает реклама. Для этого делается прогноз маркетинговой кампании и её анализ: определяют группы товаров для рекламы, формируют контрольную группу и после проведения кампании сравнивают выручку и количество покупателей по каждой группе. Если они одинаковы, то реклама не дала результатов.
3. Получить данные, какая конверсия из заявок в заказы по одному продукту с двух разных лендингов, и стали ли эти покупатели постоянными. Так определяют, какой из лендингов приносит больше денег.
4. Проанализировать ассортимент, истории клиентов, разбить их на группы, направить уникальные предложения разным категориям клиентов.
5. Детально сегментировать целевую аудиторию, оценить ёмкость рынка, платёжеспособность целевой аудитории — например, на основе данных Росстата.
6. Оценить KPI в понятном виде на дашбордах.
7. Узнать специфические, узкие данные. Например, среднюю выручку на каждого продавца. Определить активность покупателей до выходных и праздников, а также после. Обнаружить неявные убытки.
8. Отследить эффективность каналов продаж. Чтобы узнать, работает ли сайт на продажи, аналитик предоставит информацию по трафику, результативности продающих страниц, рассылки, блога, по активности посетителей на разных страницах.

Таким образом можно повышать эффективность промоакций и рекламы, строить маркетинговую стратегию. Например, обнаружить группу клиентов, которые ранее регулярно покупали, но последний месяц не совершали покупок, — и вовремя направить им SMS-рассылку с персональными предложениями.

Ещё один пример. В последние месяцы директор и маркетолог небольшой кондитерской с доставкой по городу заметили, что объём продаж упал. Вопрос аналитику — в чём причина? Он предлагает две гипотезы:

1. Ухудшилось качество обслуживания. Чтобы проверить гипотезу, специалист собирает данные: прослушивает звонки, читает переписку с клиентами, выводит статистику качества обслуживания по каждому продавцу.
2. Проблема в товаре. Чтобы проверить гипотезу, аналитик соберёт данные по товарам, которые покупали ушедшие клиенты: как долго доставлялись, нет ли брака, что со сроком годности, есть ли корреляция с производителем, маркой, типом таких товаров и т.д.

То есть при построении гипотез для выявления проблем аналитик свяжет все три компонента: продавцов, клиентов и товары. И получит целостную картину.

По каким критериям выбирать аналитика данных малому бизнесу

Дата-аналитик организует поиск данных, проводит глубинный анализ информации, продаж и производства, проводит A/B-тест, эксперименты, проверяет гипотезы. Бизнес-аналитик моделирует бизнес-процессы (например, путь от заказа до доставки клиенту), строит отчётность, визуализирует данные. Ниже — для сравнения примеры вакансии бизнес-аналитика и аналитика данных:

Аналитик в малом бизнесе часто выполняет функции дата-, бизнес- и продакт-аналитика. Найти такого специалиста непросто, и лучше изначально обозначить реалистичные требования. Это может быть опыт работы с SQL, Python, Tableau — инструментами для сбора данных и структурирования их в понятную систему. Но нет необходимости знать их все — достаточно хотя бы некоторые инструменты.

Важно, чтобы специалист умел проводить A/B-тесты и проверять гипотезы, обладал гибким мышлением, понимал принцип маркетинговой воронки и работы рекламной кампании. А также он должен:

1. Знать Excel или Google Sheets.
2. Проводить парсинг — собирать информацию с сайтов, например через расширения браузера типа Web Scraper.
3. Работать с веб-аналитикой: «Яндекс.Метрикой», Google Analytics и Search Console и т.д.
4. Собирать разрозненную информацию в одну базу. Например, из отчетов, протоколов, файлов Word, из «Яндекс.Метрики», Google Analytics, CRM, «1С» и из других источников. Чтобы очистить и преобразовать беспорядочные данные, помогут инструменты типа OpenRefine.
5. Визуализировать данные, делать графики и отчёты. Это поможет увидеть динамику данных, обнаружить слабые места.
6. Проводить исследования и интервью. Например, опрос сотрудников и клиентов, чтобы лучше понимать процессы, происходящие в компании.
7. Анализировать данные, интерпретировать их, делать выводы и прогнозы. Для этого нужно владеть методами количественного, статистического, факторного, диагностического анализа.
8. Обладать критическим мышлением, понимать процессы бизнеса.

Как выбрать аналитика в зависимости от размера компании

Микробизнес — до 20–30 человек

Роль аналитика могут выполнить руководитель компании или маркетолог. Для работы достаточно знать Excel, BPMN, удобный дашборд, уметь собирать аналитику из CRM и веб-метрики. Можно не выделять отдельную единицу в штате, поскольку объём данных небольшой.

Для маленькой компании аналитик во многом выполняет функцию оцифровщика: все процессы и цифры переходят из мира разрозненных отчётов, документов и устных распоряжений в одну базу данных — таблицу. Самое главное — построить наглядные схемы всех процессов в компании.

Малый бизнес — 50–100 человек

В такой компании уже нужен аналитик — решения важно принимать на основе статистики, а не интуитивно. Любая ошибка может привести к убыткам. Аналитик будет выявлять закономерности, тестировать гипотезы перед принятием решений.

Чем длиннее и сложнее бизнес-процессы, тем больше данных. И тем важнее не экономить на инструментах и выбирать грамотного специалиста. Аналитик должен разбираться в Power BI, Tableau, желательно писать запросы в SQL.

Если компания уже пишет для себя IT-решения и нанимает для этого программистов, то аналитику понадобится знание языка программирования Python.

Один из примеров вакансии ниже:

Маленькой компании не стоит развёртывать свою инфраструктуру данных с алгоритмами Machine Learning — это дорого, трудоёмко и не окупается. Выгоднее использовать готовые BI-системы: Qlick, MS Power BI, Tableau, Talend Data Cloud, Google DataStudio, OWOX BI. Они и дешевле, и проще в освоении, наглядно представляют данные в понятном интерфейсе. Малому бизнесу доступна гибкость и скорость — и нужно этим пользоваться. 

Например, в вакансии ниже в требованиях указаны не только знание языков программирования, но и навыки машинного обучения Machine Learning — а это уже не аналитик данных, а системный аналитик, и малому бизнесу такой функционал не нужен. Системные аналитики выполняют практически научную работу и нужны в IT-компаниях, их труд оплачивается намного дороже.

Бизнес с объёмом 10–20 продаж в день

Таким компаниям понадобится Excel, чтобы упростить и ускорить работу с данными, знание формул ВПР, Flatten, Split, Importrage, Filter, умение визуализировать с помощью дашбордов.

Все данные сводятся воедино, и это позволяет проверить эффективность каналов продвижения и увеличить жизненный цикл клиента. Например, можно предложить ему персональные услуги, товары, скидки на основе данных о его контактах с компанией. Своевременные выгодные предложения позволяют возвращать, удерживать покупателей.

Ниже — примеры подходящей вакансии:

Бизнес с объёмом от 100 продаж в день

При таких условиях вносить информацию вручную сложно, поэтому необходимо использовать сервисы для автоматизации процессов. Аналитику понадобится знание формул Query, визуализация Power BI, умение создавать базу данных.

Ниже — пример подобной вакансии:

В малом бизнесе зачастую нет развитой аналитической инфраструктуры, нет доступа к каждому источнику информации. К примеру, отдел продаж слабо связан с отделом маркетинга, маркетинг — с логистикой и производством. 

Поэтому руководитель должен настроить коллектив позитивно и объяснить, что аналитика упростит им работу. Тогда недостающие данные будет проще собрать. Аналитика данных — это не только цифры, но и активное общение.