О компании и предпосылки проекта
ПАО «Сбербанк» — крупнейший банк России, Центральной и Восточной Европы, ведущий международный финансовый институт.
Региональная сеть: 11 территориальных банков, 14,2 тыс. подразделений в 83 субъектах РФ.
В 2016 году стартовало внедрение BI-платформы Qlik, которая стала инструментом принятия решений для более 20 000 сотрудников блока «Розничный бизнес».
Региональная сеть: 11 территориальных банков, 14,2 тыс. подразделений в 83 субъектах РФ.
В 2016 году стартовало внедрение BI-платформы Qlik, которая стала инструментом принятия решений для более 20 000 сотрудников блока «Розничный бизнес».
Предпосылки проекта:
В рамках стратегии развития банка на 2014–2018 годы было принято решение о необходимости повышения эффективности использования клиентской базы и знаний о клиентах как важнейшего конкурентного преимущества компании. Для достижения этой цели требовалось внедрить современные инструменты анализа клиентских данных и развивать компетенции по использованию имеющейся информации для формирования адресных предложений клиентам.
На тот момент в банке уже была BI-платформа, но её использование сопровождалось рядом сложностей. Для разработки даже простого BI-приложения по запросу бизнес-подразделений требовалось привлекать специалистов узкого профиля, что занимало много времени, снижало качество и оперативность принятия решений и сдерживало рост зрелости использования накопленных данных.
Поскольку сроки вывода BI-приложений в эксплуатацию не удовлетворяли бизнес-подразделения, было принято решение искать новую платформу бизнес-аналитики.
На тот момент в банке уже была BI-платформа, но её использование сопровождалось рядом сложностей. Для разработки даже простого BI-приложения по запросу бизнес-подразделений требовалось привлекать специалистов узкого профиля, что занимало много времени, снижало качество и оперативность принятия решений и сдерживало рост зрелости использования накопленных данных.
Поскольку сроки вывода BI-приложений в эксплуатацию не удовлетворяли бизнес-подразделения, было принято решение искать новую платформу бизнес-аналитики.
Выбор и внедрение решения
В 2015 году проведён аудит BI-решений, выбран Qlik (QlikView и Qlik Sense).
Ключевые требования:
Ключевые требования:
- Быстрый вывод BI-решений в эксплуатацию
- Возможность разработки аналитических панелей в режиме самообслуживания
- Гибкость прототипирования и развертывания
- Удобный ETL-функционал
- Интеграция с различными источниками данных
- Возможность использовать расширения на Python и встраивать визуализации в сторонние приложения
"Выбор в пользу Qlik был сделан благодаря гибкости прототипирования и развертывания системы, высокой скорости разработки приложений, удобному ETL-функционалу и большим возможностям интеграции с различными источниками данных.”
— Олег Савельев, руководитель направления, Штаб блока «Розничный бизнес», ПАО «Сбербанк»
Архитектура и стандартизация BI
На старте реализации проекта в банке были спроектированы единые стандарты разработки не только для BI-команд, но и для экспертов, менеджеров и аналитиков, даже для тех, кто никогда раньше не сталкивался с BI-разработкой, но планировал создавать аналитические приложения в формате «самообслуживания».
Во внутренний стандарт по разработке аналитических приложений Qlik были внесены различные правила, связанные с архитектурой, моделями данных, визуализацией и механикой публикации. Например, были определены стандартные модели данных, такие как «снежинка» и «звездочка», а также правила наименования полей на уровне подготовки данных и разработки интерфейса.
Такой подход заложил успешную базу для активного расширения функционала бизнес-аналитики не только силами BI-команд, но и продвинутых пользователей, при этом гарантируя верное понимание качества и процесса разработки всеми участниками. Только за 2017 год было создано более 250 приложений.
Во внутренний стандарт по разработке аналитических приложений Qlik были внесены различные правила, связанные с архитектурой, моделями данных, визуализацией и механикой публикации. Например, были определены стандартные модели данных, такие как «снежинка» и «звездочка», а также правила наименования полей на уровне подготовки данных и разработки интерфейса.
Такой подход заложил успешную базу для активного расширения функционала бизнес-аналитики не только силами BI-команд, но и продвинутых пользователей, при этом гарантируя верное понимание качества и процесса разработки всеми участниками. Только за 2017 год было создано более 250 приложений.
Ключевые результаты и эффекты
Сотрудники банка быстро ощутили преимущества новой платформы по работе с аналитикой.
Например, в розничном блоке был реализован крупный проект по централизации отчетности, в ходе которого удалось ликвидировать порядка 600 отчетных форм в Excel, а все необходимые данные перевести в 5 аналитических дашбордов, что стало предпосылкой для оптимизации численности персонала.
По мере увеличения количества приложений, в 2018 году возникла потребность в создании единого BI-хаба — страницы входа в аналитические приложения с функционалом интеллектуального поиска. Благодаря этому пользователи могут быстро находить необходимые им данные и показатели во всем массиве дашбордов и «проваливаться» до нужного уровня детализации.
Такая централизация и систематизация позволили сократить время поиска данных и снизить вероятность появления дублирующих приложений. В это же время начали создаваться центры компетенций по BI-разработке, которые большое внимание уделяли обучению сотрудников как по базовым навыкам грамотной работы с данными, так и по продвинутой разработке аналитических приложений.
В 2019–2020 годах произошла активная экспансия Qlik в различные подразделения банка: платформа стала активно встраиваться в производственные и сервисные процессы, в том числе как альтернатива Excel и PowerPoint. Кроме того, усилился фокус на формировании удобной экосистемы аналитических решений, которые помогают сотрудникам принимать решения на основе данных в их ежедневной работе.
Примеры проектов:
Например, в розничном блоке был реализован крупный проект по централизации отчетности, в ходе которого удалось ликвидировать порядка 600 отчетных форм в Excel, а все необходимые данные перевести в 5 аналитических дашбордов, что стало предпосылкой для оптимизации численности персонала.
По мере увеличения количества приложений, в 2018 году возникла потребность в создании единого BI-хаба — страницы входа в аналитические приложения с функционалом интеллектуального поиска. Благодаря этому пользователи могут быстро находить необходимые им данные и показатели во всем массиве дашбордов и «проваливаться» до нужного уровня детализации.
Такая централизация и систематизация позволили сократить время поиска данных и снизить вероятность появления дублирующих приложений. В это же время начали создаваться центры компетенций по BI-разработке, которые большое внимание уделяли обучению сотрудников как по базовым навыкам грамотной работы с данными, так и по продвинутой разработке аналитических приложений.
В 2019–2020 годах произошла активная экспансия Qlik в различные подразделения банка: платформа стала активно встраиваться в производственные и сервисные процессы, в том числе как альтернатива Excel и PowerPoint. Кроме того, усилился фокус на формировании удобной экосистемы аналитических решений, которые помогают сотрудникам принимать решения на основе данных в их ежедневной работе.
Примеры проектов:
- Call-центры: ликвидировано 450 Excel-отчетов, создан единый дашборд.
- Централизация отчетности: вместо 600 Excel-отчетов — 5 дашбордов, что позволило оптимизировать численность персонала.
Хронология и развитие BI-проекта
- 2016: старт внедрения Qlik.
- 2017: создано более 250 приложений, вовлечены не только BI-команды, но и продвинутые пользователи.
- 2018: создан единый BI-хаб — страница входа с интеллектуальным поиском по дашбордам, что ускорило поиск данных и снизило дублирование.
- Созданы центры компетенций по BI-разработке, запущены обучающие программы и внутренние конференции.
- 2019–2020: активное внедрение Qlik в различные подразделения, интеграция BI в производственные и сервисные процессы, замена Excel и PowerPoint.
BI-сторителлинг
Одним из примеров зрелого использования BI-инструментов стал BI-сторителлинг, то есть построение историй на основе данных.
В рамках проекта «Оперативное совещание руководителя блока» Qlik стал инструментом сторителлинга, заменившим 150 слайдов презентации. График совещаний был выстроен так, что каждую неделю два подразделения докладывали руководителю блока об основных результатах работы, и каждые шесть недель каждое подразделение выступало с презентацией примерно на 150 слайдов.
Подготовка таких презентаций занимала очень много времени и была трудоемкой. С помощью Qlik эта задача была автоматизирована, период подготовки данных сократился, повысились их актуальность и точность. Начали с одного дашборда, постепенно увеличивая их количество.
Каждый дашборд включает несколько разделов, в том числе верхнеуровневые показатели KPI, новостную ленту и бизнес-блок, в котором располагаются выбранные метрики.
В рамках проекта «Оперативное совещание руководителя блока» Qlik стал инструментом сторителлинга, заменившим 150 слайдов презентации. График совещаний был выстроен так, что каждую неделю два подразделения докладывали руководителю блока об основных результатах работы, и каждые шесть недель каждое подразделение выступало с презентацией примерно на 150 слайдов.
Подготовка таких презентаций занимала очень много времени и была трудоемкой. С помощью Qlik эта задача была автоматизирована, период подготовки данных сократился, повысились их актуальность и точность. Начали с одного дашборда, постепенно увеличивая их количество.
Каждый дашборд включает несколько разделов, в том числе верхнеуровневые показатели KPI, новостную ленту и бизнес-блок, в котором располагаются выбранные метрики.
Культура работы с аналитикой
Постоянная работа ведется и по распространению культуры работы с аналитикой. Для повышения зрелости использования данных и увеличения числа вовлеченных в BI в банке реализуется специальная стратегия.
Сотрудники регулярно получают от команды разработки информационные письма с описанием новых BI-приложений, выпущенных дашбордов и проведенных доработок. Для специалистов каждого дивизиона проводятся очные обучающие программы, а также внутренние конференции, посвященные возможностям бизнес-аналитики, где сотрудники банка и консалтинговые компании делятся лучшими практиками.
Основные метрики вовлечённости:
Сотрудники регулярно получают от команды разработки информационные письма с описанием новых BI-приложений, выпущенных дашбордов и проведенных доработок. Для специалистов каждого дивизиона проводятся очные обучающие программы, а также внутренние конференции, посвященные возможностям бизнес-аналитики, где сотрудники банка и консалтинговые компании делятся лучшими практиками.
Основные метрики вовлечённости:
- DAU (daily active users) и MAU (monthly active users)
- 20 000 сотрудников ежемесячно используют аналитику, 40% — ежедневно.
- Растёт среднее количество кликов на сессию — сотрудники всё активнее используют данные в работе.
Перспективы развития
- Планируется увеличение числа пользователей бизнес-аналитики.
- Углубление интеграции аналитики в ключевые бизнес-процессы.
- Развитие мобильных BI-решений на базе Qlik Sense.
- Интеграция BI с искусственным интеллектом — пилотный проект уже реализован.
О Qlik
Qlik помогает более чем 50 000 предприятий по всему миру с помощью комплексной платформы для преобразования данных в информацию для принятия решений.
Платформа позволяет проводить открытые исследования пользователям с любым уровнем знаний.
Qlik способствует росту эффективности бизнес-решений, доходности компаний и оптимизации отношений с клиентами.
Платформа позволяет проводить открытые исследования пользователям с любым уровнем знаний.
Qlik способствует росту эффективности бизнес-решений, доходности компаний и оптимизации отношений с клиентами.
