Новости

Как показал опрос, проведенный аналитиками Gartner, наиболее полезными на сегодняшний день технологиями руководители служб поддержки клиентов считают управление ведением клиентов, единые рабочие столы агентов, средства совместной работы, онлайн-порталы учетных записей и объединенные коммуникации. Но в ближайшие два года, полагают участники опроса, самыми полезными станут технологии, ориентированные на клиентов: цифровые платформы самообслуживания, включая чат-боты и средства обработки естественного языка, и интеллектуальный анализ поведения клиентов.

До сих пор основными проблемами использования методов аналитики были нехватка данных и трудности в формулировании выводов, которые можно было бы использовать при принятии решений. Но руководители служб поддержки клиентов считают, что им удается решать эти проблемы. Особенно ценными технологии аналитики представляются им в контексте развития технологий самообслуживания. Многие руководители считают инвестиции в аналитику равнозначными инвестициям в технологии самообслуживания.

«Союзупак» — крупный поставщик упаковочных материалов, одноразовой посуды, профессиональной и бытовой химии в Сибирском федеральном округе. В 45 магазинах представлено около 8 тыс. позиций, многие из которых сезонные, подверженные скачкам спроса. К примеру, востребованность одноразовой посуды и декора для сада растет в начале сезона и резко падает при завершении периода дач и отпусков. Чтобы понять необходимый уровень запаса этих и других товаров и рассчитать объем заказов основным поставщикам, сотрудники компании вручную планировали закупки в Excel. Это был долгий и трудоемкий процесс, требующий внимания операторов и крайне подверженный влиянию человеческого фактора. Система расчета была хаотичной, часто случались неликвиды, перезатарки и нехватка товара.

Чтобы повысить эффективность управления запасами и сделать его прозрачнее, компании требовалось пересмотреть подход к закупкам. Для этого «Союзупак» создал отдел по управлению товарными запасами, специализирующийся на процессе как внутри компании, так и у клиентов, готовых предоставлять доступ к аналитике продаж и оперативно подключать новый сервис для автоматизации заказов. В качестве инструмента сеть выбрала решение «КОРУС | Управление запасами». Это работающий по подписке облачный сервис, который позволяет централизованно управлять формированием заказов и настройками по каждому контракту с учетом всех важных характеристик: удаленности складов, частоты и лимитов отгрузок, сроков и прочих характеристик.

В ходе проекта специалисты «Корус Консалтинг» обеспечили обмен данными с учетной системой «1С», добавили в систему поставщиков, усовершенствовали настройки (сезонные и внутринедельные коэффициенты, оптимальные методы расчета прогноза продаж для каждой группы товаров), проверили работу по акциям, установили временные параметры ограничений, протестировали отчетность, обучили сотрудников компании и после пилотного проекта масштабировали инструмент на клиентов «Союзупак».

Сейчас решение формирует 100% заказов для магазинов, работающих под брендом «Упакцентр». Сервис оптимизировал время расчета по ключевым партнерам на 40% и ускорил передачу заказов на склад отправителя. Следствием стало существенное сокращение временных затрат и ФОТ сотрудников, отвечавших ранее за ручные операции. Следующий этап проекта — масштабировать решения минимум на 80% поставщиков «Союзупак» и продолжить работы по подключению клиентов к сервису.

Как отмечает Наталья Хрипкина, начальник отдела УТЗ ООО «Союзупак» и куратор проекта, главным результатом проекта стала оптимизация товарного запаса, а также значительное сокращение времени на формирование заказов. Сервис позволил минимизировать влияние человеческого фактора, и теперь объем поставок на склады точнее соотносится со спросом. Прозрачность подходов и расчетов помогает эффективно управлять закупочным процессом и бизнесом в целом. В работе с ключевыми клиентами внедренный инструмент стал огромным конкурентным преимуществом.

В Уралсибе стояла задача как можно быстрее уйти от использования сетевых ресурсов и разрозненных документов, поэтому вначале контент перенесли в базу знаний, а уже после провели его адаптацию, переработали структуру и содержание. После появления выделенного контент-менеджера работа над материалами в базе знаний пошла еще быстрее, и удалось добиться качественных улучшений в показателях эффективности работы операторов.

На основе нового решения разработан единый источник знаний для операторов контакт-центра: контент, который раньше хранился в сетевых папках, теперь располагается в базе знаний с точной и быстрой поисковой системой. Структура контента в базе знаний была разработана с нуля с учетом частоты использования материалов: упростился поиск информации, снизилось среднее время обработки звонков и сообщений в чатах (AHT), а качество ответов сотрудников на вопросы клиентов улучшилось на 30%.

На качество клиентского обслуживания повлияло применение встроенной персонализированной ленты обновлений, в которой отображаются сообщения об изменениях в контенте. Убедиться в том, что операторы ознакомились с информацией, помогает система оповещений: прочтение приоритетных сообщений подтверждается мини-тестом или нажатием кнопки.

Для повышения эффективности работы с базой знаний проведено обучение принципам менеджмента знаний: для контент-менеджера были составлены регламенты по работе с базой знаний и инструкции по созданию и редактированию статей. Это позволило сделать материал понятным даже для новых сотрудников.

Следующим этапом станет подключение к базе знаний порядка 1 тыс. сотрудников точек продаж и специалистов, которые относятся к остальным бизнес-подразделениям компании.

Для Kärcher проект стал первым опытом внедрения программных роботов. В ходе роботизации двух бизнес-процессов финансового блока, включающих миграцию данных между программными решениями SAP и «1С», были оперативно решены задачи создания карточек в системах «1С» и SAP.

В «1С» автоматизирован процесс создания карточки дебитора. Настройка робота включала разработку взаимодействия с электронной почтой и вложенными файлами pdf, откуда робот автоматически переносит данные, создавая карточку дебитора (с предварительной проверкой на дубли). Робот выполняет эту задачу всего за одну минуту вместо трех, которые требовались сотруднику. За счет этого высвободили минимум два часа времени сотрудника в день.

В SAP автоматизирован процесс создания карточки договора. Программный робот самостоятельно переносит информацию по договорам из одной системы в другую. На это уходит 3-5 минут вместо 10-15, которые тратил сотрудник.

Автоматически анализируя поступившие из информационных систем банка документы, программные роботы на платформе PIX RPA втрое ускоряют процесс их обработки и минимизируют ошибки при считывании данных. Благодаря этому сотрудники компании освобождены от рутинных задач, устранено негативное влияние человеческого фактора. Удалось получить удобный в использовании, простой и эффективный продукт. Планируется роботизация и других блоков, потому что наблюдается явный эффект.

«М.Видео-Эльдорадо» разработало и запустило MVP решения по автоматизированному планированию ассортимента на полках в магазинах. В контексте развития гибридной модели ретейлер анализирует стратегию выбора покупателей в онлайне и использует эти данные для улучшения клиентского опыта в розничных магазинах. Технология на основе глубинной аналитики использует данные о продажах и поведении клиентов – поисковые сессии, просмотры и сравнения, а также учитывает заданные целевые бизнес-показатели. Обработав всю информацию, машинный помощник рекомендует коммерческим менеджерам, работающим с ассортиментом, какие артикулы выставить на полку в каждом отделе магазина в условиях ограниченного пространства.

Например, пользователь смотрит и сравнивает несколько телевизоров с одинаковой диагональю, разрешением экрана и функционалом (HDMI-разъем, голосовое управление или подключение к Wi-Fi). Можно предположить, что эти товары закрывают конкретную его потребность. Задача состоит в том, чтобы выявить и постараться удовлетворить эти потребности, не загромождая магазин похожими товарами, а делая полку привлекательной для широкого круга клиентов, закрывая максимальное количество потребностей.

Как подчеркивает Олег Муравьев, коммерческий директор «М.Видео-Эльдорадо», в рамках стратегии по удвоению бизнеса компания полностью меняет облик ретейла, его внутренние и внешние процессы. Для этого проводится масштабная трансформация, в том числе и в коммерции. Происходит уход от ручных операций, внедряются цифровые продукты, решения принимаются на основе качественного анализа данных. 85% клиентов используют магазины для выбора и покупки техники, а это значит, что решение принимают непосредственно у полки. В этом случае важно, чтобы каждый покупатель находил то, что искал, и был уверен в своем выборе. Эту задачу помогает решать глубинная аналитика и математические алгоритмы.

В рамках пилота модель самостоятельно формировала ассортиментные матрицы нескольких категорий: наушники, чайники, стиральные машины, и доказала свою эффективность. С помощью разработанной в «М.Видео» методики оффлайн A/B-тестирования, был определен значимый рост продаж в пилотных категориях до 3,5% по сравнению с сопоставимыми магазинами контрольной группы. Компания приступила к масштабированию ассортиментного планирования и уже формирует на базе статистического алгоритма треть ассортимента магазинов (смартфоны, цифровая техника и аксессуары, холодильники, малая бытовая техника для кухни). До конца года ретейлер планирует полностью автоматизировать этот процесс.

Автоматическое планирование ассортимента состоит из двух этапов. На первом формируется дерево клиентских потребностей. Цифровое решение анализирует пользовательские сессии и кластеризует товары, определяя максимально близкие по сравнениям и просмотрам, иначе говоря, взаимозаменяемые модели. Затем выделенные потребности загружают в оптимизатор – машинный алгоритм оптимизации ассортимента для полок магазинов. Он формирует под каждую категорию и потребность список товаров, который максимизирует бизнес-показатели по обороту, марже и количеству чеков, а также учитывает индекс уникальности товаров внутри матрицы магазина. Все параметры можно настраивать и быстро адаптировать при изменении рыночных условий и развитии стратегии категории. Более того, оптимизатор учитывает размер и специфику спроса в разных магазинах – в модель заложены около 20 категорий магазинов, для каждой их них алгоритм рекомендует отдельное товарное наполнение.

По словам Максима Николаева, руководителя по управлению продуктом Ассортиментное планирование «М.Видео-Эльдорадо», раньше коммерческие менеджеры вручную выбирали, какие товары поставить на полки, ориентируясь на продажи, исследования рынка, данные от производителей и свой опыт на рынке. Но емкость рынка электроники за последние пять лет выросла на порядок, собственный и партнерский ассортимент группы превышает 150 тыс. наименований, а в магазине в торговом зале можно выставить только 5-7 тыс. В этих условиях делегирование части функционала машинным алгоритмам не только повышает эффективность розницы и продаж, но и позволяет специалистам и менеджерам высвободить ресурс для более глубокого изучения трендов, новинок и комплексного развития ассортимента. Более того, удалось создать взаимовыгодное партнерство технологического решения и эксперта. Дата-продукт рекомендует, как спланировать ассортимент с учетом потребностей клиента, а человек принимает или корректирует это предложение, опираясь на свои знания и опыт.

За две волны стажерской программы искусственный интеллект обработал более 2 тыс. заявок, вдвое сэкономив время HR-специалистов на поиск и подбор подходящих кандидатов, включая отбор заявок, приглашение на тесты, обработку результатов тестирования, приглашение на видеоинтервью.

Как отмеает Ольга Реботунова, менеджер по программам стажировок и бренда работодателя компании «Свеза», использование решений Sever.AI и ATS Potok позволило существенно сократить время на процесс подбора стажеров, автоматизировать рутинные операции. До внедрения решения HR-специалистам приходилось вручную отбирать анкеты, просматривать каждую на соответствие требованиям, вести таблицы с базами данных в Excel, делать рассылку с ответами, назначать встречи. После внедрения комплексного решения вся информация по кандидатам формируется в единой системе, доступной каждому HR-специалисту, включая результаты тестирования и данные по видеоинтервью.

Студенты откликаются на заявку, заполнив анкету на карьерной странице сайта «Свезы». Если после заполнения заявки кандидат подходит по формальным требованиям к вакансии, то попадает в соответствующую вакансию в Potok, если нет — получает письмо с отказом. Далее робот забирает кандидатов из ATS Potok и автоматически отправляет письмо и SMS с приглашением на видеоинтервью. После того, как стажер записал видео, робот автоматически отправляет приглашение в письме или SMS на тестирование. По результатам прохождения робот передает информацию в ATS Potok.io для создания воронки подбора и дальнейшей работы с кандидатом. Когда кандидат набирает нужное количество баллов, робот отправляет ему письмо с приглашением на ассессмент, если баллов набрано недостаточно — письмо-отказ, а данные по студенту отправляются в резерв.

Данное комплексное решение позволило «Свезе» в короткие сроки найти и подобрать на стажировку талантливых и активных студентов, которые в дальнейшем могут стать высококлассными специалистами на предприятиях.

Созданному в 2019 офису данных Tele2 после анализа текущего состояния в области управления данными и оценки информационных потребностей растущего бизнеса удалось в сжатые сроки выстроить стройную концепцию целевой экосистемы Data Governance и приступить к ее поэтапной реализации на основе лучших в своем классе методологий и технологий.

Как подчеркивает руководитель департамента по управлению данными Tele2 Алевтина Тинас, при реализации проекта прежде всего шли от потребностей различных пользователей системы Data Governance – от руководителей и продвинутых аналитиков бизнес-подразделений до методологов и разработчиков офиса данных. Каждому из них необходим определенный уровень понимания имеющихся данных в компании. Ключевой задачей стало создание и внедрение набора инструментов для управления метаданными, или «данными о данных». Это позволило бы ускорить поиск необходимых данных и отчетов и сократить время для руководителей на принятие управленческих решений, а для специалистов – Time-to-Market на проведение анализа, разработку новых аналитических отчётов, приложений и витрин данных.

В ходе анализа рынка в Tele2 отдавали себе отчет в том, что какое-то одно решение, даже с развитой функциональностью, вряд ли обеспечит соответствие специфическим ожиданиям различных категорий пользователей с разными навыками.

Поэтому в качестве ключевого инструмента для продвинутых бизнес-аналитиков и специалистов офиса данных была выбрана промышленная платформа Alation. На ее базе уже реализованы каталог данных, их продвинутый поиск, автоматический Lineage, возможности коллаборации вокруг данных, а также автоматическое получение метаданных из BI отчетов.

Для руководителей и остальных сотрудников компании использован инструмент на базе веб-портала, на котором реализован классический бизнес-глоссарий, интегрированный с реестром управленческих отчетов и другими компонентами экосистемы, с единой и удобной точкой входа для всех в виде портала офиса данных. При этом важно, что для содержимого портала каталог данных Alation является мастер-системой.

«Вооруженные» таким арсеналом бизнес-подразделения смогут существенно сократить трудозатраты на работу с информацией и управленческой отчетностью, а также снизить риски принятия неверных решений из-за некорректного использования и интерпретации данных.

В 2017 году в компании стартовал проект глобальной цифровой трансформации, который направлен на реорганизацию бизнеса и стандартизацию бизнес-процессов с использованием новой инфраструктуры и новой операционной модели. Историческая информационная система не справлялась с объемами данных и не включала процессы производства, поэтому было принято решение ее заменить.

Как отмечает Жанара Аманжолова, вице-президент по ИТ и корпоративному развитию «АК Алтыналмас», система стала верхнеуровневой платформой, в которой накапливаются достоверные данные с нижнеуровневых промышленных систем. На основе анализа этих данных специалисты компании могут принимать взвешенные решения, оптимизировать процессы, а также правильно бюджетировать и планировать, что крайне сложно для горнодобывающего предприятия, где необходимо контролировать все процессы на коротких интервалах в режиме реального времени.

Проект рассчитан на два года, будет внедряться тремя последовательными волнами и завершится в 2022 году. Первая волна стартовала на базе двух модельных компаний для финансов и добычи полезных ископаемых, она охватила процессы финансового учета, управления персоналом и производственным учетом. Вторая волна нацелена на процессы скользящего и объемного планирования, продаж и операций, бюджетирования, автоматизации ТОиР. Третья – на бизнес-анализ и визуализацию, а также проекты по экологии.

Запуск новых бизнес-процессов с использованием новой информационной системы произошел одновременно для четырех компаний, входящих в состав группы «АК Алтыналмас», семи рудниках, а также на золотоизвлекательных и обогатительных фабриках. Сформирована цифровая основа для дальнейшего функционального развития и автоматизации процессов принятия решений и всех управленческих функций. Масштабируемое решение работает с единой моделью данных и готово к интеграции с MES-системами. Сейчас им пользуется порядка 600 чел., в дальнейшем количество пользователей увеличится до 2 тыс. чел.

Проект реализован полностью дистанционно с применением методологии Agile, что позволило запустить систему в два раза быстрее аналогичных. В будущем новое решение позволит оптимизировать операционные издержки на 15%, оборотный капитал – на 5%, а также сократить рутинные операции на 20-30%.

С предложениями по предодобренным кредитам предпринимателям звонит только Мария, которая ведет диалог и отвечает на открытые вопросы – так же, как обычный оператор. Настройки робота оперативно меняются в зависимости от конкретных ситуаций в общении с клиентами, подстраиваясь под их потребности. Внедрению робота предшествовали тесты и опросы клиентов. Их результаты позволили доверить роботу звонки всем клиентам «Открытия» из сегмента малого бизнеса.

Участие робота сократило расходы банка на такие коммуникации в пять раз. Мария может одновременно совершать 100 звонков, время обзвона клиентов сократилось в шесть раз. Кроме того, уровень информированности клиентов вырос на 9 процентных пунктов.

Во время звонка клиенту робот воспроизводит заранее запрограммированную информацию, используя технологию синтеза речи Text-to-Voice. Важно, что это не шаблонная запись разговора реального человека, а именно собственная синтезированная речь. Это означает, что Мария буквально говорит, а не включает звуковую дорожку. Каждый ее разговор уникален и продиктован конкретными вопросами клиентов.

Слушая ответ клиента, робот переводит сказанное в текст при помощи технологии распознавания речи Speech-to-text – так Мария понимает, что именно говорит человек. Робот сопоставляет распознанный текст с базами данных и выбирает ответ на основе заранее прописанных алгоритмов. Весь этот процесс настраивается специалистами банка с использованием технологий партнера «Открытия» – облачной платформы Voximplant.

Как отмечает Антон Козлов, директор департамента CRM МСБ банка «Открытие», привлекая голосового помощника к продаже кредитов, удается оптимизировать трудозатраты и расходы. В результате банк получает пятикратное снижение затрат при той же эффективности продаж. В то же время Мария общается с клиентами ненавязчиво, совершая лишь две попытки дозвониться, и только в рабочее время. Эта работа не имеет ничего общего с бездумными звонками, когда клиенту просто включают шаблонную запись. Для банка важно, чтобы клиент не чувствовал дискомфорта – он всегда может попросить связать его с менеджером. Отдельно следует отметить, что Мария звонит только тем предпринимателям, кто может быть заинтересован в кредите – такое решение робот принимает, используя большие данные.

Компании, которые имеют стратегическое видение миграции в облако, а не только экономическую мотивацию к переходу, оказались впереди конкурентов. Они в два-три раза чаще, чем коллеги по отрасли, внедряют инновации. Такие игроки в два раза быстрее добиваются снижения операционных расходов. Также они на 50% быстрее привлекают клиентов и выходят на новые рынки.

Исследование Accenture показало, что большая часть опрошенных планирует перевести минимум две трети рабочих нагрузок в облако в следующие 3-5 лет, но только половина из них задействует весь потенциал облачных технологий.

Лидеры облачной практики (их примерно 12-15% в зависимости от региона) действуют иначе. Они применяют лучшие практики сервис-провайдеров публичных облаков при развитии собственной ИТ-инфраструктуры. В ее основе могут быть частные облака или решения на базе пограничных вычислений. Благодаря такому подходу компании получают больше преимуществ, что делает их более адаптированными к турбулентности рынка.

Например, пивоваренная компания Carlsberg, кроме операционной экономии в облаке, также отмечает среди преимуществ cloud-платформ – свободу инноваций и экспериментов. Облака обеспечивают компании скорость запуска новых продуктов и инициатив в считанные часы, а не месяцы.

Российские компании также фокусируются на снижении издержек и построении частных облаков, не замечая потенциал использования облака для бизнеса. Сложность обоснования эффективности облачных решений, не совсем корректные предположения, надуманные и реальные риски являются главным фактором «не идти в облако». Выигрывают те, кто осознал, что переход в облако – не просто ИТ-задача, а бизнес-приоритет и основа для развития и выигрыша в конкурентной борьбе. Такой подход способен удовлетворить потребности бизнеса: ускорить вывод нового функционала, новых продуктов, снизить стоимость ошибки, сократить время на тестирование новых бизнес-идей, повысить точность прогнозов, упростить подключение партнеров и клиентов.