AI duomenų analizė verslui: pardavimai ir ataskaitos

AI duomenų analizė verslui, tai dirbtinio intelekto naudojimas verslo duomenims (pardavimams, ataskaitoms, dokumentams, sąskaitoms) automatiškai apdoroti ir paversti į konkrečias įžvalgas be rankinio darbo. Vietoj to, kad darbuotojas kiekvieną mėnesį perrašinėtų skaičius iš vienos sistemos į kitą, AI modelis gali perskaityti duomenis, juos susisteminti ir paruošti santrauką per kelias minutes. Šiame straipsnyje: kaip tai veikia praktiškai ir nuo ko pradėti.

Kodėl duomenų analizė versle dažnai lieka neišnaudota

Dauguma mažų ir vidutinių įmonių turi daug duomenų: pardavimų istoriją, sąskaitas, klientų užklausas, CRM įrašus, bet trūksta laiko ar žmonių juos sistemingai analizuoti. Ataskaitos ruošiamos rankiniu būdu, dažnai pavėluotai, o įžvalgos, kurios galėtų padėti priimti sprendimus laiku, lieka nepastebėtos.

Čia ir įsiterpia AI: jis nepakeičia žmogaus sprendimo, bet paima ant savęs rutininį duomenų rinkimo, tvarkymo ir apibendrinimo darbą.

Kaip AI padeda analizuoti pardavimus

Pardavimų duomenys: vienas dažniausių AI analizės pritaikymo atvejų. Praktiniai pavyzdžiai:

• Automatinė mėnesio ar savaitės pardavimų santrauka, kurioje AI išryškina augimo ar kritimo tendencijas.
• Klientų segmentų analizė, kurie klientai perka dažniausiai, kurie rizikuoja nutraukti bendradarbiavimą.
• Prognozės, paremtos istoriniais duomenimis: kokių pardavimų tikėtis kitą mėnesį.

Tokia analizė padeda vadovams greičiau reaguoti, o ne laukti ketvirtinės ataskaitos, kurioje problema jau pastebima per vėlai.

Kaip AI padeda su ataskaitomis ir dokumentais

Kitas dažnas atvejis: tekstinių ir dokumentinių duomenų apdorojimas. AI įrankiai gali:

• Perskaityti sąskaitas faktūras, sutartis ar PDF ataskaitas ir ištraukti iš jų konkrečius skaičius bei duomenis.
• Automatiškai sujungti informaciją iš skirtingų šaltinių (pvz., el. pašto, CRM, apskaitos programos) į vieną suvestinę.
• Paruošti trumpą santrauką iš ilgo dokumento: vadovui nereikia skaityti 20 puslapių, kad suprastų esmę.

Tai ypač naudinga įmonėms, kurios dirba su dideliu dokumentų srautu: teisininkams, buhalterinėms paslaugoms teikiančioms įmonėms, prekybos ar gamybos sektoriui. Panašiai su savo užklausų srautu dirba ir IT paslaugų įmonės, ką apžvelgiame tekste apie tai, kaip MSP įmonės naudoja AI.

Nuo ko pradėti

Prieš diegiant bet kokį AI sprendimą, verta atsakyti į vieną klausimą: koks konkretus procesas šiuo metu užima daugiausiai laiko ir kartojasi reguliariai? Būtent nuo šio proceso ir verta pradėti, o ne bandyti automatizuoti viską iš karto.

Praktinis kelias dažniausiai atrodo taip:

1. Identifikuoti vieną pasikartojantį duomenų analizės ar ataskaitų procesą.
2. Apibrėžti, kokį klausimą duomenys turi atsakyti (pvz., „kurie produktai neša daugiausiai pelno").
3. Išbandyti AI sprendimą su realiais duomenimis nedideliu mastu.
4. Jei rezultatas pasiteisina: automatizuoti procesą pilnai.

Tokį pilnesnį procesų peržiūros ir automatizavimo darbą atliekame straipsnyje aprašytu būdu: daugiau apie tai skaitykite procesų automatizavimo puslapyje.

Pavyzdys su skaičiais: mėnesio pardavimų ataskaita

Skaičiai padeda greičiau apsispręsti nei bendri pažadai. Tarkime, mėnesio pardavimų ataskaitą ruošia vienas žmogus. Duomenų surinkimas iš trijų šaltinių užima 4 valandas, sutvarkymas lentelėje 3 valandas, komentarų ir išvadų rašymas 2 valandas. Iš viso 9 valandos per mėnesį, 108 valandos per metus.

Kai duomenų surinkimas automatizuojamas, o AI paruošia santraukos juodraštį, lieka patikrinimas ir sprendimų dalis. Praktikoje tai maždaug 3 valandos per mėnesį. Sutaupoma 6 valandos per mėnesį, 72 valandos per metus. Prie 25 eurų valandos kainos tai apie 1 800 eurų per metus.

Antra, dažnai svarbesnė nauda yra greitis. Kai ataskaita atsiranda antrą mėnesio dieną, o ne dešimtą, sprendimai priimami savaite anksčiau. Šios naudos į pinigus paversti tiksliai neįmanoma, bet vadovams ji dažnai svaresnė už sutaupytas valandas. Kaip visą ataskaitų ruošimo grandinę sutvarkyti nuosekliai, aprašome straipsnyje apie ataskaitų automatizavimą.

Trečia pastaba, kurią verta pasakyti garsiai: jei ataskaita ir taip niekam neįdomi, jos automatizavimas nieko neišsprendžia. Pirmiausia reikia žinoti, kas ir kokį sprendimą pagal ją priima.

Ką AI daro gerai ir ko jam patikėti nereikėtų

Verta atskirti dvi darbo rūšis. Rutininį duomenų sutvarkymą, apibendrinimą ir tendencijų pastebėjimą modeliai atlieka patikimai ir greitai. Tikslų skaičiavimą, ypač su dideliais skaičių masyvais, jiems patikėti rizikinga, jei skaičiavimas vyksta pačiame pokalbyje, o ne per formulę ar kodą.

Praktinė taisyklė paprasta: skaičius turi suskaičiuoti sistema, o AI turi paaiškinti, ką tie skaičiai reiškia. Kai atsakymas svarbus, prašykite parodyti, iš kur skaičius paimtas. Jei šaltinio nurodyti neįmanoma, atsakymu remtis nereikėtų.

Taip pat verta prisiminti, kad modelis nemato konteksto, kurio nėra duomenyse. Pardavimų kritimas rugpjūtį gali būti atostogų sezonas, o ne problema. Šį kontekstą įneša žmogus. Apie tai, kaip AI įsipina į vadovo sprendimų priėmimą, rašome atskirai.

Dažniausios klaidos ir ką daryti vietoje jų

• Pradedama nuo įrankio, ne nuo klausimo. Rezultatas: gražios lentelės, kurių niekas nenaudoja. Sprendimas: užrašykite tris klausimus, į kuriuos ataskaita privalo atsakyti.
• Duomenys imami netvarkingi. Skirtingi produktų pavadinimai, dublikatai, tuščios eilutės. Modelis tokių dalykų nepataiso, jis jas apibendrina. Sprendimas: pirmiausia įvertinti duomenų parengtį.
• Pasitikima pirmu atsakymu. Sprendimas: pirmus du ar tris mėnesius kiekvieną automatinę ataskaitą lyginkite su rankiniu variantu.
• Automatizuojama tai, kas daroma kartą per metus. Sprendimas: rinkitės procesus, kurie kartojasi bent kartą per mėnesį, kitaip investicija neatsiperka. Skaičiavimo logiką aprašėme straipsnyje apie automatizavimo ROI.
• Neįvardijamas savininkas. Sprendimas: vienas žmogus atsako už tai, kad ataskaita veiktų ir po to, kai pasikeis duomenų struktūra.

Duomenų saugumas: ką svarbu patikrinti Lietuvoje

Pardavimų ir klientų duomenys beveik visada turi asmens duomenų: kontaktinių asmenų vardus, el. paštus, telefonus. Prieš keliant tokius failus į bet kokį įrankį, reikia žinoti tris dalykus: kur duomenys apdorojami, ar jie nenaudojami modelio apmokymui ir kiek laiko saugomi.

Praktiškai dauguma verslo lygio įrankių šiuos klausimus sprendžia sutartimi, bet vartotojo lygio nemokamos versijos dažnai ne. Paprastas ir pigus sprendimas yra nuasmeninti duomenis prieš analizę: klientų pavadinimus pakeisti kodais, o pavadinimų atitikmenų lentelę laikyti savo sistemoje. Analizei tendencijų tai netrukdo. Platesnį taisyklių sąrašą surinkome straipsnyje apie saugų AI naudojimą įmonėje.

Vienas žmogus ar visa komanda

Jei įmonėje ataskaitas ruošia vienas žmogus, pradėti verta nuo paprasčiausio varianto: gerai suformuluotos užklausos ir vienos lentelės. Jokių integracijų, jokių projektų. Nauda pajuntama per savaitę, o jei nepasiteisina, prarandama tik kelios valandos.

Kai duomenimis naudojasi keli skyriai, problema pasikeičia. Svarbiausia tampa ne analizė, o susitarimas, kuris skaičius yra teisingas. Kol pardavimai ir buhalterija tą patį mėnesį skaičiuoja skirtingai, joks įrankis šio ginčo neišspręs. Todėl didesnėse komandose pirmas žingsnis dažniausiai yra apibrėžimų suvienodinimas, ir tik antras, automatizavimas.

Praktinis būdas tai padaryti be ilgų diskusijų: surašykite dešimt dažniausiai naudojamų rodiklių, prie kiekvieno užrašykite formulę ir šaltinį, ir paprašykite kiekvieno skyriaus vadovo tą lapą patvirtinti. Darbo čia pusdienis, o ginčų jis sutaupo mėnesiams. Tik po to prasminga jungti duomenis į bendrą suvestinę, nes automatizuotas neteisingas skaičius plinta greičiau nei rankinis.

Kaip į tai žiūri „Retos galimybės"

MB „Retos galimybės" yra dirbtinio intelekto sprendimų įmonė: diegiame AI verslo procesuose, kuriame automatizacijas ir mokome komandas naudotis AI įrankiais praktiškai, ne teoriškai. Duomenų analizės atveju dažniausiai pradedame nuo audito: pažiūrime, kokie duomenys jau egzistuoja įmonėje ir kur AI gali sutaupyti daugiausiai laiko.

Techninius AI sprendimus, įskaitant duomenų analizės automatizavimą ir integracijas su esamomis sistemomis, kuriame per AI sprendimų kryptį.

Kito žingsnio nereikia atidėlioti

Jei jaučiate, kad įmonė turi daug duomenų, bet mažai laiko juos analizuoti, verta pradėti nuo pokalbio, ne nuo didelio projekto. Kviečiame į nemokamą 45 min. konsultaciją, kurios metu kartu peržiūrėsime, kur AI duomenų analizė galėtų atnešti realios naudos jūsų verslui: susisiekite.