Aktuelno:
Kako nam analitika podataka može pomoći pri upravljanju rizicima?

Kako nam analitika podataka može pomoći pri upravljanju rizicima?

Digitalna transformacija više nije samo poštapalica, već stvarnost svih kompanija današnjice. Vjerovatno ste već čuli da su podaci „nova nafta“. Šta to znači u praksi te kako nam digitalna transformacija i podaci mogu pomoći u poboljšanju poslovanja?

Marko Srabotnik, direktor poslovnih rješenja u analitičkoj bonitetnoj kući Bisnode za Južnu regiju, o tome je govorio na Akademiji za digitalnu transformaciju koja je održana u martu na Ekonomskom fakultetu u Ljubljani.

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

Pomoću podataka možemo uspostaviti funkcionalan sistem upravljanja kompanijom, prvenstveno pravodobno otkrivanje i smanjenje poslovnih rizika. Umjesto retroaktivnog analiziranja rizika, dobro osmišljeni i provedeni postupci analize podataka omogućavaju nam cjelovito ovladavanje spektrom rizika unutar kompanije, prije svega uvođenje dodatnih sigurnosnih mehanizama u poslovne procese.

Pogledajmo primjer jedne od većih europskih kompanija koja djeluje na tržištu proizvoda široke potrošnje (FMCG). Kompanija ima proizvodne pogone u Njemačkoj, a sirovine nabavlja sklapanjem poslova s kompanijama diljem svijeta, uključujući Ukrajinu i Bjelorusiju. U tom slučaju proces nabave traje vrlo dugo, a od narudžbe do isporuke prođe oko osam sedmica, 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 kompanija dobavljača nestala je preko noći. To je za svaku kompaniju posebno neugodno, jer, u najmanju ruku, donosi dodatne troškove i manju dobit, a loš ugled bolje da i ne spominjemo.

Spomenuta kompanija je nadogradila svoje procese upravljanja rizicima sistemom automatiziranog praćenja postojećih i potencijalnih dobavljača tokom čitavog procesa nabave. Pomoću inovacije koja se temelji na mašinskom učenju (machine learning) i kontekstualnoj dubinskoj analizi podataka (context mining), preko brojnih javno dostupnih izvora pratili su određeni niz kompanija i o njima prikupljali razne informacije. Pritom se provjeravala aktivnost na internetskim stranicama kompanije, 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 kompanije.

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 tok 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 saradnje.

Rezultat? Značajno manje prekida u lancu nabave, brže otkrivanje prevara, 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 jeste – gdje i kako početi? Ključno je donošenje odluke o rješavanju starih izazova novim, savremenim pristupima – brže, funkcionalnije i prilagođenije korisniku. Pritom je vrlo važno da izazovi i ciljevi budu jasno definisani, primjera radi, povećanje prodaje određene usluge ili proizvoda preko pojedinih kanala, smanjenje fluktuacije komitenata ili u konkretnom slučaju eliminiranje prekida u lancu nabave.

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

 

Bisnode

 

O autoru

Srodni članci