НАШ ПОДХОД В КОНСАЛТИНГЕ

Максимальная эффективность анализа данных в компании достигается тогда, когда и аналитики и менеджеры:

  • Владеют в той или иной степени кодированием и грамотным программированием 
  • Разделяют принципы научного анализа данных
  • Обучены правильному подходу к ad hoc анализу

НАШ ТИПОВОЙ ПРОЕКТ

Проект по развитию бизнес аналитики больших данных включает:

ОБСЛЕДОВАНИЕ ИНФОРМАЦИОННОЙ СИСТЕМЫ ПРЕДПРИЯТИЯ

  • Изучение потребителей данных
  • Изучение систем накопления и хранения данных в компании
  • Анализ использования внешних данных
  • Изучение потоков данных

Результатами обследования являются:

  • Рекомендации по стандартизации регулярных аналитических задач
  • Рекомендации по изменению системы хранения данных
  • Рекомендации по изменению порядка использования данных
  • Предложения по кейсам для обучающей программы
  • Предложения по пилотному аналитическому проекту

КОРПОРАТИВНЫЙ КУРС “ОСНОВЫ БИЗНЕС АНАЛИЗА БОЛЬШИХ ДАННЫХ В R”

Содержание курса и решаемые кейсы кастомизируются под выявленные в ходе обследования аналитические задачи.

ПОДДЕРЖКА РЕАЛИЗАЦИИ ПИЛОТНОГО АНАЛИТИЧЕСКОГО ПРОЕКТА

Корпоративный курс переходит в выбранный в ходе обследования пилотный аналитический проект. 

Этот проект реализуется силами обученных аналитиков при поддержке Smart Data Lab.

РАЗРАБОТКА СКРИПТОВ НА ЗАКАЗ

  • В R или Python
  • Самостоятельных, или с интеграцией в ERP или другие системы

Примерами таких скриптов могут быть системы автозаказа, скрипты для чистки номенклатуры и т.д.

ОТЗЫВЫ

Наталья, финансовый директор

Smart Data Lab провела для нас работу по упорядочению хаотичного каталога товаров. 

Скрипт для преобразования  списка товаров в  упорядоченный каталог по маркам автомобилей и узлам и агрегатам внутри каждой марки был написан в рекордно короткий срок.

Построение списка товаров в виде каталога позволило повысить эффективность работы продавцов, отдела закупок и аналитиков.

Мы получили возможность оценить товарный ассортимент с точки зрения потребителя, выявить недостающие позиции, на которые есть спрос, а также затоваривание и перегруженность отдельных групп. Это помогло нам скорректировать товарные матрицы в торговых точках.

Анализ полученных данных позволил нам сформировать правила внесения в каталог новых товаров, а также принять другие меры, не допускающие повторного превращения  каталога товаров в 1С в хаотичный список.