operational analytics rapportering

3 udfordringer med Operational Analytics

Hvorfor-spørgsmål er nøglen til Operational Analytics. Det betyder, at det giver mere værdi at spørge, hvorfor noget forholder sig på en given måde – og ikke blot hvordan det går med virksomheden på f.eks. et summarisk niveau.

Ordet ”hvorfor” graver et spadestik dybere i bunken af detaljer i dit analysearbejde, og du lærer din virksomhed, dens resultater og marked bedre at kende.

Det handler om at undersøge detaljeret planning af ressourcer, lagerbeholdningen og medarbejdere samt se efter trends i produktprofitabilitet, kundeloyalitet og andre metrikker end de andre finansielle planer. Det handler om at spørge, hvorfor er et produkt, en service, af afdeling, en kunde eller en sælger er mere succesfuld en andre.

Læs med her for at forstå Operationel Analytics endnu bedre, samt hvilke udfordringer, der kan være ved metoden.

Hvad er fordelen Operational Analytics?

Fordelen ved metoden er, at virksomheden kan spotte trends og udsving i data, som ellers går tabt i den summariske information. Hvis en virksomhed kan finde de udsving, har den fundet det gyldne æg. Især hvis de opdager trends tids nok til at justere planerne. Virksomheder kan derfor hente meget værdifuld information ved at fokusere på operationel analytics.

Men det er ikke uden udfordringer at gå fra en streng finansiel, analytisk model til en, der også medtager operationelle forhold.

3 udfordringer med Operational Analytics

Stort samarbejde på tværs af virksomheden

Den ene udfordring er, at finansielle løsninger ofte er ejet og vedligeholdt af finansfunktionen. Det er et stort arbejde at skulle inddrage og samarbejde med flere led i virksomhed, der tager sig af det operationelle og it. Du kan overveje at lave en cross-funktionel gruppe, der tager sig af al analytics i virksomheden.

Meget og kompleks data

Den store mængde data er også udfordrende. Operationel data er en stor, kompleks og rodet bunke informationer sammenlignet med ren finansiel data. Dertil kommer den operationelle data fra mange forskellige systemer, og her skal IT nok ind og hjælpe med at samle det. Men arbejdet vil være det værd.

Løsninger uden nødvendig funktionalitet

Uden det rigtige værktøj, kan det være svært at klare den operationelle analytics. Hvis din nuværende løsning til finansiel analyse ikke er OLAP-baseret eller bygget på standard teknologi, kan den have svært ved at håndtere de ekstra behov og antal brugere.

Vær derfor opmærksom på at din løsning, hvor du har support fra mange ”dimensioner” for analyse, support til en stor gruppe brugere, data attributter, multi-hierarki osv. En typisk operationel kube kan have 20 dimensioner for analysere og næsten uanede mængde af potentiel data.

Afslutning

Hvordan får du så det fulde ud af operationel analytics?

Det bedste råd er, at undersøge, hvilken type analytics, der kan give jer den bedste ROI. Hver virksomhed har forskellige behov, så det gælder om at finde den proces, der gavner jer mest.

Du kan også se, hvordan jeres eksisterende analyseværktøjer kan bruges i operationelle analyser – det er sådan set logisk nok. Forhåbentlig kan din løsning, hjælpe dig med det – hvis du bruger Prophix, kan den helt sikkert:)

Læs mere om Analytics

Prophix

Prophix leverer innovative budgettering- og rapporteringsløsninger, der automatiserer finansielle og operationelle processer.

Artikler udgivet af Prophix er skrevet i samarbejde med vores konsulenter og blogredaktionen.

Arkiv