The post has been translated automatically. Original language: Russian
Let's imagine two companies.
Both of them:
— 3 employees;— 1 identical equipment;— 60 m2 warehouse;— the same number of working hours.
But the result is different:
Company A:revenue — 20 million ₸profit — 5 million ₸
Company B:revenue — 11 million ₸profit — 1.5 million ₸
Why?
When I started working with data in various fields — from healthcare and finance to EdTech and now agricultural loans — I noticed one thing more and more.:
A financial indicator by itself rarely explains what is happening inside a business.
Profit is the result.
But behind this result are people, equipment, customers, warehouse, sales, processes, time, and technology.
For example, the first company has 80% of its employees loaded, while the second has 55%.
The equipment of the first works 90% of the available time, the second — 50%.
The warehouse of the first is used by 85%, the second — by 45%.
But then the main question arises:
Why?
Perhaps the second company is losing employees' working hours due to waiting for orders.
The equipment is idle due to the lack of raw materials.
There is a product in the warehouse that is not selling well.
And some of the advertising channels lead to a lot of applications, but few sales.
And then it becomes clear:
the problem may not be a lack of resources.
The problem may be how the company uses its existing resources.
This is where the fun of working with data begins for me.
Data Engineering is responsible for collecting data from different sources into a single system.
CRM, accounting system, warehouse, production, Excel, internal databases — all these usually exist separately.
This data needs to be collected, cleaned, linked, and made regularly available.
And then Data Analytics allows you to ask questions.:
— how many employees actually work?— how long is the equipment idle?— where are the orders lost?— what goods occupy the warehouse?— which clients bring more profit?— which sales channel works better?— where does the company lose money?
And gradually, instead of a single digit "profit — 5 million ₸", the entire chain appears.:
resources → processes → efficiency → result.
Therefore, it seems to me important to look at a business not only through its financial statements.
You can have the same resources and get completely different results.
The question then is not only:
"How much did we earn?"
And also:
"How effectively have we used what we already had?"
And the data can give a much more interesting answer to this question.
Представим две компании.
У обеих:
— 3 сотрудника;— 1 одинаковое оборудование;— склад 60 м²;— одинаковое количество рабочих часов.
Но результат разный:
Компания А:выручка — 20 млн ₸прибыль — 5 млн ₸
Компания Б:выручка — 11 млн ₸прибыль — 1,5 млн ₸
Почему?
Когда я начал работать с данными в разных сферах — от здравоохранения и финансов до EdTech и сейчас агрокредитования — я всё больше замечаю одну вещь:
финансовый показатель сам по себе редко объясняет, что происходит внутри бизнеса.
Прибыль — это результат.
Но за этим результатом стоят люди, оборудование, клиенты, склад, продажи, процессы, время и технологии.
Например, у первой компании сотрудники загружены на 80%, а у второй — на 55%.
Оборудование у первой работает 90% доступного времени, у второй — 50%.
Склад у первой используется на 85%, у второй — на 45%.
Но дальше возникает главный вопрос:
почему?
Возможно, вторая компания теряет рабочее время сотрудников из-за ожидания заказов.
Оборудование простаивает из-за отсутствия сырья.
На складе лежит товар, который плохо продаётся.
А часть рекламных каналов приводит много заявок, но мало продаж.
И тогда становится понятно:
проблема может быть не в нехватке ресурсов.
Проблема может быть в том, как компания использует уже имеющиеся ресурсы.
Здесь для меня и начинается самое интересное в работе с данными.
Data Engineering отвечает за то, чтобы собрать данные из разных источников в единую систему.
CRM, бухгалтерская система, склад, производство, Excel, внутренние базы — всё это обычно существует отдельно.
Нужно эти данные собрать, очистить, связать и сделать регулярно доступными.
А дальше Data Analytics позволяет задавать вопросы:
— сколько реально работают сотрудники?— сколько простаивает оборудование?— где теряются заказы?— какие товары занимают склад?— какие клиенты приносят больше прибыли?— какой канал продаж работает лучше?— где компания теряет деньги?
И постепенно вместо одной цифры «прибыль — 5 млн ₸» появляется вся цепочка:
ресурсы → процессы → эффективность → результат.
Поэтому мне кажется важным смотреть на бизнес не только через его финансовую отчётность.
Можно иметь одинаковые ресурсы и получить совершенно разный результат.
Вопрос тогда уже не только:
«Сколько мы заработали?»
А ещё:
«Насколько эффективно мы использовали то, что у нас уже было?»
И вот на этот вопрос данные могут дать гораздо более интересный ответ.
Share
