Traži
Članci

Kako nam podatkovna analitika može pomoći pri upravljanju rizicima?

29 ožu 2018

Digitalna transformacija više nije samo poštapalica, već stvarnost svih tvrtki današnjice. Također, vjerojatno ste već čuli da su podaci „nova nafta“. Što to znači u praksi te kako nam digitalna transformacija i podaci mogu pomoći u poboljšanju poslovanja?
Marko Srabotnik, direktor poslovnih rješenja u Bisnode Southern market, o tome je govorio na Akademiji za digitalnu transformaciju koja je održana u ožujku na Ekonomskom fakultetu u Ljubljani.

Živimo u digitalnom svijetu, a dnevno proizvodimo ogromne količine podataka. Riječ o tzv. masovnim podacima (big data), koji se „skrivaju“ u bazama podataka tvrtki, na internetu, društvenim mrežama, u bazama podataka uređaja, odnosno senzorskim podacima (IoT) državnih tijela i drugih proizvođača podataka. Njihove su značajke prvenstveno značajna veličina, raznolikost, nestrukturiranost i brzina. Budući da su ti skupovi podataka sami po sebi neiskoristivi, pomoću podatkovne analitike i povezivanja nestrukturiranih podataka možemo ih pretvoriti u poslovne uvide koji pružaju dodatni pogled na djelovanje tvrtke i njezine okoline.

Pomoću podataka možemo uspostaviti učinkovit sustav upravljanja u tvrtki, a time prvenstveno pravodobno otkrivanje i smanjenje poslovnih rizika. Umjesto retroaktivnog analiziranja rizika, dobro osmišljeni i provedeni postupci analize podataka omogućuju nam cjelovito ovladavanje spektrom rizika unutar tvrtke, a prvenstveno uvođenje dodatnih sigurnosnih mehanizama u poslovne procese.

Pogledajmo primjer jedne od većih europskih tvrtki koja djeluje na tržištu proizvoda široke potrošnje (FMCG). Tvrtka ima proizvodne pogone u Njemačkoj, a sirovine nabavlja sklapanjem poslova s tvrtkama diljem svijeta, uključujući Ukrajinu i Bjelorusiju. U tom slučaju proces nabave traje vrlo dugo, a od narudžbe do isporuke prođe oko osam tjedana, što je posebno važno za cjelovit pregled dobavljača. Problem? Kod dobavljača iz spomenutih država često se znalo dogoditi da naručena roba jednostavno nije bila isporučena, a tvrtka dobavljača nestala je preko noći. To je za tvrtku iznimno neugodno, jer u najmanju ruku donosi dodatne troškove i manju dobit, a loš ugled bolje da i ne spominjemo.

Spomenuta tvrtka svoje je procese upravljanja rizicima nadogradila sustavom automatiziranog praćenja postojećih i potencijalnih dobavljača tijekom čitavog procesa nabave. Pomoću inovacije koja se temelji na strojnom učenju (machine learning) i kontekstualnoj dubinskoj analizi podataka (context mining), preko brojnih javno dostupnih izvora pratili su određeni niz tvrtki i o njima prikupljali razne informacije. Pritom se, primjerice, provjeravala aktivnost na internetskim stranicama tvrtke, oglašavanje, spominjanje na forumima, blogovima, društvenim mrežama, zapisi u medijima, ukratko, sve što nam postavljeno u određeni kontekst može dati jasniju sliku o djelovanju neke tvrtke. Na temelju prikupljenih podataka i predodređenih pokazatelja rizika dobavljače su razvrstavali prema izgledima za nastanak obmana i prijevara (fraudulent behaviour scoring) te istovremeno pratili događaje koji bi mogli utjecati na tijek lanca nabave. Budući da se prikupljanje i analiziranje podataka odvijaju u stvarnom vremenu, na temelju saznanja mogli su u poslovne procese istovremeno uvoditi pojedinačne mjere – dodatne provjere, obustavu plaćanja ili čak prestanak suradnje. Rezultat? Značajno manje prekida u lancu nabave, brže otkrivanje prijevara, eliminiranje sumnjivih dobavljača i posljedično bolje poslovanje.

Premda zvuči jednostavno, to svakako nije tako. Jedan od najvećih izazova u primjeni kontekstualne analitike i uvođenju digitalnih pristupa jest – gdje i kako početi? Ponajprije je ključno donošenje odluke o rješavanju starih izazova novim, suvremenim pristupima – brže, učinkovitije i prilagođenije korisniku. Pritom je vrlo važno da izazovi i ciljevi budu jasno definirani, primjerice, povećanje prodaje određene usluge ili proizvoda preko pojedinih kanala, smanjenje fluktuacije komitenata ili u konkretnom slučaju eliminiranje prekida u lancu nabave.

Dakle, kako unutar tvrtke povećati entuzijazam za nove tehnologije i pristupe? Osim pripremljenih projektnih i investicijskih planova, svim dionicima i donositeljima odluka treba pokazati da vjerujemo u promjene i zagovarati ih sa žarom u očima. Pritom nam usporedba s konkurencijom u lokalnom ili globalnom okruženju može ponuditi opipljive dokaze o učinkovitosti novih pristupa. Digitalna transformacija i podatkovna analitika tek su nove poluge za postizanje rasta i profitabilnosti.

Pretplatite se na naš newsletter

Newsletter je namijenjen svima koji su zainteresirani za članke, analize i predviđanje trendova