Negociando os desafios para atingir o ROI

O objetivo da análise operacional

Em resumo, a análise operacional deve ser capaz de fornecer análises relevantes no nível em que sua organização realmente opera. Não resumida, mas detalhada. Em termos práticos, isso significa a compreensão de seus projetos, produtos ou SKUs, clientes, depósitos, vendedores e muito mais, e a capacidade de executar análises de lucratividade em toda e qualquer dimensão dos dados.

O desafio é que talvez você não saiba exatamente qual análise precisa ser realizada desde o primeiro dia (quando os usuários finais obtêm a análise, sempre querem mais!). Pode ser necessário um modelo de dados flexível e abrangente, mesmo que você faça análises mais simples posteriormente por motivos práticos - consulte Navegação de dados altamente dimensionais mais adiante. Pense em uma abordagem ágil com a capacidade constante de flexibilizar e mudar à medida que novos requisitos forem surgindo.

Planejamento vs. Análise - a diferença de dados - Um aviso

Neste ponto, é importante observar que um cubo de análise operacional, talvez com 20 ou mais dimensões, NÃO é um cubo de planejamento - os dois requisitos são muito diferentes. Já trabalhei com empresas que tentaram fazer com que seus representantes de vendas planejassem em um nível operacional detalhado - por exemplo, para cada SKU (20.000), para cada cliente, ponto de venda, depósito, região, marca, empresa de origem, segmento do setor, horário e muito mais. Isso se torna um pesadelo para o representante e uma possível fonte de risco, pois é praticamente impossível encontrar o lugar certo para colocar os dados.

Uma estratégia que eu segui foi criar um cubo de planejamento simples que é preenchido previamente com todas as combinações reais de dados de planejamento (chamei isso de Planning Nodes - cada nó de planejamento representa uma

combinação real única de muitas outras dimensões). Isso dá ao representante os pontos de dados exatos para colocar os dados planejados na SKU, no nó de planejamento e no tempo, simplificando imensamente o processo de planejamento. Em seguida, deixe que o software CPM aloque esses dados nos cubos detalhados para eles. Quanto mais automação puder ser inserida em uma solução de CPM, melhor. Na Prophix, usamos o Detailed Planning Manager exatamente para esse fim.

Finanças - Tirando o controle dos contadores por meio da agregação de valor

Portanto, um dos meus desafios originais era fazer com que o setor financeiro, que normalmente é o proprietário das soluções de CPM, permitisse um uso mais amplo da solução. A maneira mais eficaz de conseguir isso é oferecer valor, em nome da precisão e dos detalhes, aos dados que eles já estão coletando. Normalmente, o setor financeiro só vê dados operacionais resumidos no P&L. Oferecer a possibilidade de pesquisar algumas das principais linhas de lucros e perdas (como vendas) e obter a lucratividade detalhada do cliente, ou um cubo que mostre a diferença entre as datas de envio previstas e as reais por fatura e por cliente, pode dar aos diretores financeiros e à sua equipe uma visão muito clara da precisão do processo de planejamento. A análise proativa de exceções também é possível - envie os problemas mensais diretamente para o departamento financeiro usando relatórios automatizados.

Não há necessidade de conectar diretamente os cubos operacionais aos cubos financeiros se você não quiser - embora algumas ferramentas de CPM digam que você pode conectar diretamente muitos cubos, raramente há um bom caso comercial; é melhor conectá-los por processo (ou seja, atualização sob demanda em vez de ao vivo) para garantir o desempenho tanto do financeiro quanto do operacional. Os dados de operações costumam mudar muito mais rapidamente do que os dados financeiros, ou são necessários apenas diariamente.

Finanças x TI - onde está a responsabilidade?

Eu também poderia dizer: "quem deve cuidar dos sistemas de CPM, a TI ou a empresa?". O desafio aqui é que a TI tem uma equipe tecnicamente capaz, que pode ter experiência em banco de dados e sistemas, mas geralmente não tem muito tempo e é responsável por toda a empresa, em vez de ser especialista em qualquer parte. Os departamentos comerciais são especialistas em suas áreas, mas geralmente não são especialistas em sistemas e também não têm muito tempo.

Os projetos que eu vi serem mais bem-sucedidos combinaram vários recursos da empresa:

1. Usuários corporativos - os usuários corporativos precisam ter um envolvimento contínuo para garantir sua adesão ao futuro sistema.

2. Requisitos do usuário - a empresa precisa controlar o escopo; não tenha medo de repensar os processos atuais em vez de reconstruir uma nova versão do que já existe.

3. Gerenciamento de projetos - mesmo que o fornecedor gerencie o projeto de implementação, você precisa gerenciar o seu envolvimento - você deve estar envolvido em qualquer projeto para garantir que possa gerenciar a solução no futuro.

4. TI - a equipe de TI precisa se comprometer a fornecer a infraestrutura e o suporte durante o andamento do projeto.

Portanto, de forma realista, seja para o projeto ou de forma permanente, você estabelecerá uma equipe multidisciplinar ou um "centro de competência" em um modelo de serviço compartilhado, dando suporte à solução. As soluções de CPM precisam evoluir com as mudanças da empresa e essa equipe será capaz de fazer isso.

Navegação de dados altamente dimensionais - Estratégias do usuário final

Um dos desafios dos dados altamente dimensionais é a navegação para os usuários finais - poder analisar seus dados por dia, SKU, cliente e outras 10 dimensões é muito poderoso, mas, em última análise, acabará com muitas células vazias ou zero dados, pois a dispersão chega a bilionésimos de porcentagem, ou menos, de células preenchidas.

Em última análise, o que você precisa fazer é controlar o acesso do usuário aos dados ou limitar os dados disponibilizados para cada usuário. Pode parecer a mesma coisa, mas há uma diferença sutil.

Supondo um único cubo de dados grande, adicionar um modelo de segurança abrangente baseado em grupos permitirá limitar os dados desse cubo que estão disponíveis para os usuários finais. Normalmente, o modelo de segurança baseado em grupos é "aditivo" (ou seja, se um usuário for membro de mais de um grupo, ele terá o acesso de ambos os grupos combinados). Isso permite que você configure grupos para acesso a produtos, clientes, regiões, versões, departamentos ou qualquer outra coisa e, em seguida, forneça aos usuários vários grupos para definir seu acesso. Como os usuários precisam de acesso diferente, eles podem ser adicionados ou removidos dos grupos e você pode até mesmo ter um grupo para leitura/apenas leitura/gravação para conceder ou remover rapidamente o acesso aos dados. No final, você pode ter um modelo de segurança tão complexo ou simples quanto desejar.

O segundo método envolve a criação de subcubos a partir do cubo mestre, que pode ter muito menos dimensões e muito menos dados. A vantagem de criar cubos menores pode ser o desempenho, a simplicidade e a flexibilidade. Em produtos como o Prophix, a criação de um pequeno cubo com um subconjunto de dados é uma tarefa simples para os usuários corporativos, de modo que os cubos podem ser criados e removidos de forma ad hoc. Alguns modelos de varejo maiores têm cubos diários, cubos semanais e cubos de período para informações de estoque e vendas com base nas diferentes necessidades dos usuários. Novamente, a implementação real dependerá de suas necessidades.

-

Portanto, em resumo, faça isso! Navegue pela política, entenda o que está tentando alcançar e projete seus modelos para fornecer os dados aos usuários de maneira fácil de usar e com bom desempenho.