Бизнес аналитик практикт

Бизнес аналитик нь стандарт тайлан, графикаас эхлээд оновчлол, өгөгдлийн уурхай, загварчлал зэрэг илүү нарийн төвөгтэй хэрэгслүүдийг агуулдаг.

Бодит байдал дээр аналитикуудыг ашигладаг компаниуд ихэвчлэн дараах зурагт үзүүлсэнтэй төстэй замналаар явдаг. Байгууллагууд анх зүүн доод хэсгээс буюу үндсэн аналитик аргуудаас эхэлдэг. Эдгээр аналитикуудын давуу талуудыг мэдэрсний дараа өрсөлдөөний давуу тал олж авахын тулд илүү нарийн төвөгтэй техникт шилжих хандлага ажиглагддаг. Иймд урьдчилан таамаглах (predictive) болон зааварчлах (prescriptive) аналитикуудыг заримдаа ахисан түвшний аналитик гэж нэрлэдэг. Бүх компаниуд энэ түвшинд хүрдэггүй ч аналитикийг өрсөлдөөний стратеги болгон ашигладаг байгууллагууд үүнийг хэрэгжүүлдэг аж.

Accounting Analytics

Нягтлан бодох бүртгэлд аналитикийг ашиглах нь олонтаа бөгөөд улам өргөжиж байна. Жишээлбэл, төсөв төлөвлөлт аналитикт ихээхэн тулгуурладаг. Төсөв боловсруулахын тулд зах зээл дээрх бараа, үйлчилгээний эрэлтийн таамаглал, валютын ханш болон инфляцын түвшний төсөөлөл, зардлын урьдчилсан тооцоо зэрэг мэдээллийг гаргахад урьдчилан таамаглах аналитикийг (predictive analytics) ашигладаг. Түүнчлэн, тодорхойгүй нөхцөл байдалд төсвийг тогтвортой байлгахын тулд эрсдэлийн шинжилгээг ихэвчлэн симуляц (simulation)-аар хийдэг.

Мөн компаниудын санхүүгийн эрүүл байдлыг хугацааны турш хянахын тулд өгөгдлийн хянах самбар (data dashboards) ашиглах нь түгээмэл байдаг. Санхүүгийн бүртгэл болон гүйлгээний өгөгдлийг шинжилснээр хууль бус үйл ажиллагаа болох луйвар, авлига, завшилт, мөнгө угаалт зэрэг хэрэгслүүдийг мөрдөн шалгах санхүүгийн хяналтын ажилд аналитик аргачлалуудыг ашигладаг. Тодорхойлох (descriptive) болон урьдчилан таамаглах аналитикийг ашиглан гүйлгээний өгөгдөлд хэвийн бус хандлагуудыг илрүүлэх, хууль бус үйл ажиллагааг илтгэж болох ер бусын өгөгдлийг олох боломжтой.

Financial Analytics

Санхүүгийн үйлчилгээний салбар тодорхойлох (descriptive), таамаглах (predictive), зөвлөмж өгөх (prescriptive) аналитикт ихээхэн тулгуурладаг.

Тодорхойлох аналитик нь өгөгдлийг дүрслэх (data visualization) замаар санхүүгийн гүйцэтгэлийг хянахад ашиглагддаг. Үүнд хувьцааны өгөөж, арилжааны хэмжээ, зах зээлийн өгөөж болон хэлбэлзэл зэрэг үзүүлэлтүүдийг хянах нь агуулагдана. Урьдчилан таамаглах загварууд нь санхүүгийн гүйцэтгэлийг урьдчилан таамаглах, хөрөнгө оруулалтын багц болон төслүүдийн эрсдэлийг үнэлэх, дериватив зэрэг санхүүгийн хэрэгслийг бүтээхэд ашиглагддаг. Зааварчилгаа өгөх загварууд нь хөрөнгө оруулалтын оновчтой багц бий болгох, хөрөнгийг оновчтой хуваарилах, капиталын төсөвлөлтийн оновчтой төлөвлөгөөг гаргахад ашиглагддаг.

Human Resources (HR) Analytics

Хүний нөөцийн аналитик бол аналитикийг ашиглах харьцангуй шинэ салбар бөгөөд энэ нь байгууллагын хүний нөөцийн удирдлагыг сайжруулахад чиглэгддэг. Хүний нөөцийн үйл ажиллагааны үндсэн зорилго нь байгууллагын хэрэгцээг хангах чадвар, ур чадварын зөв хослолтой байх, хамгийн чадварлаг ажилтнуудыг сонгон шалгаруулж авах, тэднийг хадгалах орчныг бүрдүүлэхэд оршдог.

Жишээлбэл, Google хүний нөөцийн аналитикийн үйл ажиллагаагаа “people analytics” гэж нэрлэдэг. Тэд ажилтнуудынхаа тухай их хэмжээний өгөгдлийг шинжилж, агуу удирдагчийн шинж чанаруудыг тодорхойлох, бүтээмжид нөлөөлдөг хүчин зүйлсийг үнэлэх, шинэ ажил горилогчдыг сонгон шалгаруулах зэрэгт ашигладаг. Үүнээс гадна Google нь урьдчилан таамаглах аналитикийг ашиглан ирээдүйн ажилтнуудын урсгал хөдөлгөөн болон ажлын байранд тогтвортой байдалд нөлөөлөх хүчин зүйлсийг урьдчилан тооцоолж, төсөөллөө байнга шинэчилдэг аж.

Marketing Analytics

Маркетинг нь аналитикийг ашиглах хамгийн хурдацтай хөгжиж буй салбаруудын нэг юм. Сканнерын өгөгдөл болон нийгмийн сүлжээнээс үүссэн өгөгдлийг ашигласнаар хэрэглэгчдийн зан төлөвийг илүү сайн ойлгох боломжтой болж, маркетингийн аналитикт илүү их анхаарал хандуулах болсон. Үүний үр дүнд тодорхойлох, урьдчилан таамаглах, зааварчлах аналитик нь маркетингийн салбарт өргөн ашиглагддаг.

Хэрэглэгчдийн зан төлөвийг аналитик ашиглан илүү сайн ойлгосноор зар сурталчилгааны төсвийг илүү оновчтой ашиглах, илүү үр дүнтэй үнэлгээний стратеги боловсруулах, эрэлтийг илүү сайн урьдчилан таамаглах, бүтээгдэхүүний шугамын менежментийг (Product-line management) сайжруулах, хэрэглэгчийн сэтгэл ханамж болон үнэнч байдлыг нэмэгдүүлэх боломжтой болдог.

Таамаглах загварууд болон оновчлолыг ашигласнаар зар сурталчилгааг тодорхой зорилтот бүлгүүдэд илүү оновчтой чиглүүлэх боломжтой бөгөөд энэ нь маркетингийн үйл ажиллагааг илүү үр дүнтэй, үр ашигтай болгодог. Үүний адил, хайлтын системийг оновчтой болгох нь бүтээгдэхүүний хайлтыг илүү үр дүнтэй болгож, цахим худалдааны худалдан авалтыг нэмэгдүүлдэг.

Хандлагын шинжилгээгээр (Sentiment analysis) компаниуд хэрэглэгчид өөрсдийн бараа, үйлчилгээний талаар хэрхэн хандаж байгааг хянах, мөн энэхүү өгөгдөлд үндэслэн үйлчилгээ болон бүтээгдэхүүний саналуудаа тохируулах боломжтой. Хандлагын шинжилгээгээр “хэрэглэгчийн дуу хоолой” урьд өмнөхөөс илүү нөлөөтэй болж байна.

Түүнчлэн, бүтээгдэхүүний үнийг тодорхойлох, улирлын чанартай барааны үнийг хугацааны явцад оновчтой бууруулах аналитикийг ашиглах нь жижиглэн худалдааны салбарт ашигт ажиллагааг нэмэгдүүлж байна. Орлогын менежмент нь хугацаа нь дуусах бараа, үйлчилгээний үнийг эрэлтээс хамааран тохируулах замаар оновчтой болгодог. Энэ арга нь агаарын тээвэр, зочид буудал, автомашин түрээсийн компаниуд, спортын франчайзуудын ашигт ажиллагааг нэмэгдүүлэхэд хүргэж байна.

Health Care Analytics

Эрүүл мэндийн салбарт аналитикийн хэрэглээ нэмэгдэж байгаа нь зардлыг хянахын зэрэгцээ илүү үр дүнтэй эмчилгээ үзүүлэх шаардлагатай холбоотой. Тодорхойлох, урьдчилан таамаглах, зааварчлах аналитикийг өвчтөн, ажилтан, байгууллагын хуваарь зохицуулалт, өвчтөний урсгал, худалдан авалт, нөөцийн хяналтыг сайжруулахад ашигладаг.

Урьдчилан таамаглах аналитик нь шаардлагатай эмчилгээгээ үргэлжлүүлэхгүй байх магадлалтай өвчтөнүүдийг урьдчилан тодорхойлоход ашиглагддаг. Ингэснээр тухайн өвчтөнүүдэд урьдчилан сануулах арга хэмжээг авч, шаардлагатай эмчилгээг үргэлжлүүлэхэд нь туслах боломжтой.

Зааварчлах аналитик нь өвчтөний эмчилгээний илүү сайн үр дүнд шууд хүрэхэд ашиглагдаж байна. Жишээлбэл, Жоржиа Тех (Georgia Tech)-ийн судлаачид хорт хавдрын эмчилгээний хүрээнд түрүү булчирхайн хорт хавдрыг эмчлэх зорилгоор цацраг туяаны суулгацыг хамгийн оновчтой байрлуулах аргачлалыг боловсруулсан. Энэ нь хорт хавдрыг устгахын зэрэгцээ эрүүл эд эсийг хамгийн бага гэмтээх үр дүнг өгсөн байна.

Supply Chain Analytics

Нийлүүлэлтийн гинжин хэлхээний аналитик нь бараа бүтээгдэхүүний үр ашигтай хүргэлтэд чиглэж байсан бөгөөд UPS болон FedEx зэрэг компаниуд энэхүү аргачлалыг ашиглан өндөр үр ашигтай үйл ажиллагаа явуулж ирсэн. Эдгээр компаниуд бараа бүтээгдэхүүний ялгалт, тээврийн хэрэгсэл болон ажилтнуудын хуваарь зохицуулалт, маршрутын оновчлол зэрэг үйл ажиллагааг оновчтой удирдах замаар ашигт ажиллагаагаа нэмэгдүүлдэг.

Түүхэндээ нийлүүлэлтийн гинжин хэлхээний аналитик нь ихэвчлэн үр ашгийг нэмэгдүүлэхэд төвлөрч байсан бол COVID-19 цар тахал болон дэлхий дахинд сүүлийн үед өрнөж буй зөрчил мөргөлдөөнүүд нь нийлүүлэлтийн гинжин хэлхээний тэсвэрлэх чадварыг нэмэгдүүлэхэд чиглэсэн аналитикийн хэрэглээг өргөжүүлсэн. Нийлүүлэлтийн гинжин хэлхээний эрсдэлийг хянах, тооцоолох, мөн өгөгдөлд суурилсан шийдвэр гаргах замаар олон нөхцөл байдалд нийлүүлэлтийн гинжин хэлхээний ажиллагааг тасралтгүй үргэлжлүүлэх боломжтой болж байна.

Тодруулбал, тодорхойлох аналитик нь нийлүүлэлтийн гинжин хэлхээний гүйцэтгэлийг илүү ойроос хянахад ашиглагдаж байгаа бол урьдчилан таамаглах аналитик нь эрсдэлийг тооцоолоход чиглэж байна. Харин зааварчлах аналитик нь хувилбарын шинжилгээтэй хослон, нийлүүлэлтийн гинжин хэлхээг тасалдал ихтэй нөхцөлд зохицуулж, шийдлүүд боловсруулахад дэмжлэг үзүүлж байна. Ийнхүү гинжин хэлхээ нь олон төрлийн хүндрэлтэй нөхцөл байдалд илүү тэсвэртэй байж, байгууллагын зорилгоо хангахад чухал үүрэг гүйцэтгэж байна.

Analytics for Government and Nonprofits

Төрийн байгууллагууд болон ашгийн бус байгууллагууд аналитикийг ашиглан үр ашиггүй байдлыг бууруулж, хөтөлбөрүүдийн үр дүн, хариуцлагыг нэмэгдүүлдэг. Үнэндээ, ахисан түвшний аналитикийн ихэнх үндэс суурь нь Дэлхийн II дайны үеэс эхлэлтэй бөгөөд АНУ болон Английн цэргийн салбарт үүссэн байдаг. Өнөө үед аналитикийг сонгуулиас эхлээд татвар хураамж хүртэл өргөн хүрээнд ашиглаж байна.

Жишээлбэл, АНУ-ын Дотоод Орлогын Алба (IRS) өгөгдлийн уурхайг ашиглан хууль бус эсвэл эргэлзээтэй орлогын татварын мэдүүлгүүдийг илрүүлэх хэв маяг тодорхойлсон. Нэг жишээг дурдахад, IRS нь хувь хүний татвар төлөгчдийн өгөгдлийг банкнаас авсан орон сууцны зээлийн төлбөрийн мэдээлэлтэй харьцуулдаг. Хэрэв татвар төлөгчдийн орон сууцны зээлийн төлбөр тэдний тайлагнасан орлоготой харьцуулахад хэт өндөр байвал тухайн иргэнийг орлогыг дутуу тайлагнасан байж болзошгүй гэж үзэж, шалгалтад хамруулдаг. Үүний дараа тухайн мэдүүлгийг илүү нарийвчлан шалгаж, шаардлагатай тохиолдолд аудит явуулдаг.

Мөн ашгийн бус байгууллагууд аналитикийг ашиглан хандивлагч донорууд болон үйлчлүүлэгчдэдээ хариуцлагаа баталгаажуулж, хөтөлбөрүүдийнхээ үр дүнтэй байдлыг нэмэгдүүлдэг. Тодорхойлох болон урьдчилан таамаглах аналитикийг байгууллагын гүйцэтгэлийг хянах, доноруудын зан төлөвийг судлах, хандивын төсөөлөл боловсруулахад ашигладаг. Өгөгдлийн уурхай ашигласан хөрөнгө оруулалт татах аналитик нь шинэ боломжит доноруудыг тодорхойлох, одоо байгаа доноруудыг хадгалах эрсдэлийг бууруулахад чиглэдэг. Түүнчлэн, оновчлолыг капиталын төсөвлөлтийн явцад хомс нөөцийг оновчтой хуваарилахад ашигладаг.

Sports Analytics

Спортын салбарт аналитикийн хэрэглээ нь 2003 онд Майкл Льюисийн алдарт Moneyball ном хэвлэгдсэнээс хойш ихээхэн анхаарал татаж эхэлсэн. Энэ ном нь Oakland Athletics баг хэрхэн тоглогчдыг үнэлэхэд аналитик аргачлалыг ашиглаж, хязгаарлагдмал төсөвтэй ч өрсөлдөх чадвартай баг бүрдүүлсэн түүхийг өгүүлдэг. Өнөө үед тоглогчдыг үнэлэх, тоглолтын стратегийг боловсруулахад аналитикийг ашиглах нь мэргэжлийн спортын салбарт түгээмэл үзэгдэл болжээ.

Мэргэжлийн спортын багууд аналитикийг ашиглан шинээр элсүүлэх тоглогчдыг үнэлэх, гэрээний нөхцөлийг тогтоохдоо тоглогчид санал болгох үнийн дүнг шийдэхэд ашигладаг. Түүнчлэн, Major League Baseball-ын плейоффын цуврал тоглолтод ямар шидэгчийг (pitcher) ашиглах талаар шийдвэр гаргахад аналитик дэмжлэг үзүүлдэг.

Тоглолтын талбайгаас гадуурх бизнесийн шийдвэр гаргалтад аналитикийн хэрэглээ мөн хурдацтай нэмэгдэж байна. Үйлчлүүлэгчийн сэтгэл ханамжийг хангах нь аливаа компанийн чухал зорилго байдаг бөгөөд спортын багуудын хувьд фанатууд бол үйлчлүүлэгчид юм. Фанатуудын санал асуулгын өгөгдөлд үндэслэн Cleveland Guardians бейсболын баг урьдчилан таамаглах загварчлалын нэг төрөл болох нэгтгэх шинжилгээ (conjoint analysis) ашиглан Progressive Field цэнгэлдэх хүрээлэн дэх дээд зэрэглэлийн суудлын зохион байгуулалтыг боловсруулжээ.

Мөн ахисан түвшний аналитикийг ашиглан олон мэргэжлийн спортын франчайзууд улирлын турш тасалбарын үнийг тоглолт бүрийн үзэгчдэд үзүүлэх сонирхол болон эрэлтийн хандлагад нийцүүлэн динамик байдлаар тохируулдаг. Энэ нь тоглолтын үнэ цэнийг илүү үр дүнтэй харуулж, тасалбарын борлуулалтыг нэмэгдүүлэхэд тусалдаг.

Web Analytics

Вэб аналитик гэдэг нь вэб сайт болон Facebook, LinkedIn зэрэг нийгмийн сүлжээний сайтуудын хандалтын өгөгдөл зэрэг онлайн үйл ажиллагааг шинжлэх үйл явц юм. Вэб аналитик нь бүтээгдэхүүн, үйлчилгээг интернетээр сурталчлах болон борлуулахад асар их ач холбогдолтой. Тэргүүлэх компаниуд вэб сайт хэрхэн тохируулах, зар сурталчилгааг хаана байрлуулах, нийгмийн сүлжээг хэрхэн ашиглах зэргийг тодорхойлохын тулд онлайн туршилтуудаас цуглуулсан өгөгдөлд тодорхойлох болон ахисан түвшний аналитикийг ашигладаг.

Онлайн туршилт гэдэг нь вэб сайтын янз бүрийн хувилбарыг хэрэглэгчдийн дэд бүлгүүдэд харуулж, үр дүнг хянах үйл явц юм. Интернет хэрэглэгчдийн асар том тоо хэмжээний ачаар эдгээр туршилтыг компаниудын нийт бизнесийн үйл ажиллагаанд нөлөөлөх эрсдэлгүйгээр явуулах боломжтой.

Ийм туршилтууд нь маш үнэ цэнтэй гэдгээ нотолж байгаа бөгөөд вэб сайтын хандалт болон борлуулалтад ямар хүчин зүйлс нөлөөлж байгааг статистикийн аргаар тодорхойлох боломжийг олгодог. Энэ нь компаниудад туршилт-ба-алдааг (trial-and-error) ашиглан илүү оновчтой шийдвэр гаргахад тусалдаг.

Эх сурвалж

Camm, J., Cochran, J., Fry, M., & Ohlmann, J. (2023). Business Analytics: Descriptive, Predictive, Prescriptive (5th ed.). Cengage Learning.

Орчуулсан: Г.Дагвасүрэн

Хуваалцах:

Холбоотой нийтлэлүүд

Deep Learning-д идэвхижүүлэлтийн функцүүд (activation functions) нь нейронуудын гаралтыг өөрчлөх буюу шилжүүлэх замаар нейрон сүлжээний сургалтын чадварыг сайжруулахад ашиглагддаг. Эдгээр...
  • Data Science
  • 8 сар 1, 2024
CRISP-DM (Cross-Industry Standard Process for Data Mining) нь өгөгдөл олборлолтын төслийн хэрэгжилтэд өргөн хэрэглэгддэг аргачлал юм. Энэхүү аргачлал нь өгөгдлийн...
  • Data Science
  • 7 сар 17, 2024
Version Control гэж юу вэ? Version Control (Хувилбарын Хяналт) нь програм хангамжийн хөгжүүлэлтийн үед файлуудын өөрчлөлтийг хянах, удирдах систем юм....
  • Data Science
    ,
    Software Engineering
  • 7 сар 1, 2024