Business & Finance Τετάρτη 13/01/2021, 11:53
BUSINESS & FINANCE

ΣΕΒ: Οδικός χάρτης για την αξιοποίηση των Big Data από τις ελληνικές επιχειρήσεις

φωτ.: Shutterstock

Μόνο το 39% των ελληνικών επιχειρήσεων έχει εντάξει  την ανάλυση δεδομένων στην κουλτούρα και τις διαδικασίες λήψης αποφάσεων, ενώ αντίθετα, τα 2/3 των εταιρειών δεν επικροτούν τη ροή δεδομένων των data μεταξύ διαφορετικών μονάδων. Μπροστά σε αυτόν τον ανασταλτικό παράγοντα για τον ψηφιακό μετασχηματισμό της οικονομίας το Παρατηρητήριο Ψηφιακού Μετασχηματισμού του ΣΕΒ, με τη συνεργασία της Deloitte, προτείνει στις επιχειρήσεις έναν οδικό χάρτη μέσω 10 καίριων ερωτημάτων. 

Η αξία των δεδομένων 

Τα τελευταία 10 χρόνια η εμπορική διαθεσιμότητα εργαλείων τεχνητής νοημοσύνης (όπως η μηχανική μάθηση, σχεσιακά δίκτυα και νευρωνικά δίκτυα, ασαφή σύνολα, ρομποτικό λογισμικό, βαθιά μάθηση, αναπαράσταση γνώσης, κ.λπ.) έχει αυξηθεί κατακόρυφα. Η τεχνητή νοημοσύνη έχει διευρύνει τις δυνατότητες «παραδοσιακής» ανάλυση δεδομένων σε τέτοιο βαθμό που πλέον δημιουργούνται συμπεράσματα, γνώσεις και αποφάσεις ευθέως συγκρίσιμες με την εμπειρία της ανώτερης διοίκησης της επιχείρησης. Επιπλέον, η συνεχής «εκπαίδευσή» της με νέα δεδομένα την εξελίσσει περαιτέρω, με αποτέλεσμα να περιορίζεται η ανάγκη ανθρώπινης παρέμβασης στη λήψη αποφάσεων.

Πλέον, η ανάλυση μέρους των 2,5 πεντάκις εκατομμυρίων (quintillion) bytes δεδομένων που παράγονται κάθε ημέρα παγκοσμίως αποτελεί θεμέλιο ανταγωνιστικότητας. Τέτοιες αναλύσεις μπορούν να βελτιώνουν προβληματικές και χρονοβόρες λειτουργίες, να αναγνωρίζουν ευκαιρίες αυτοματοποίησης και τυποποίησης, να τεκμηριώνουν διοικητικές αποφάσεις, να προβλέπουν τις επιπτώσεις εξωτερικών παραγόντων στη επιχείρηση, να προσαρμόζουν την παραγωγή στη ζήτηση, να δημιουργούν προσωποποιημένες υπηρεσίες και προϊόντα σε πραγματικό χρόνο.

Η θέση της Ελλάδας

Η αξιοποίηση σύγχρονων εργαλείων ανάλυσης δεδομένων κερδίζει συνεχώς έδαφος στις επιχειρήσεις. Όμως, παρόλο που ζούμε στην εποχή της 4ης Βιομηχανικής Επανάστασης, η ανθρώπινη «διαίσθηση» και η «εμπειρία» παραμένουν κυρίαρχα κριτήρια των επιχειρηματικών επιλογών στην Ελλάδα, καθώς τα ψηφιακά εργαλεία δεν συνοδεύονται από τον ανάλογο διοικητικό και λειτουργικό μετασχηματισμό. Ένα χαρακτηριστικό παράδειγμα είναι το εξής: Η προμήθεια σύγχρονων εργαλείων ανάλυσης μεγάλου όγκου δεδομένων (Big Data Analytics) είναι ιδιαίτερα διαδεδομένη στον ιδιωτικό τομέα στην Ελλάδα, πάνω από το μέσο όρο της ΕΕ (12η θέση στην ΕΕ-28, στο σχετικό δείκτη DESI2020). Όμως τα εργαλεία αυτά σε μεγάλο βαθμό παραμένουν αναξιοποίητα. Σύμφωνα με πρόσφατη έρευνα της Deloitte, μόνο το 39% των επιχειρήσεων διαθέτει κουλτούρα και διαδικασίες λήψης διοικητικών αποφάσεων που βασίζονται σε ανάλυση δεδομένων. 

Η ίδια μελέτη δείχνει ότι τα 2/3 των επιχειρήσεων περιορίζουν τη συλλογή και ανάλυση δεδομένων σε μια πολύ μικρή ομάδα εργαζομένων, ενώ το 67% των ανώτερων διοικήσεων μεγαλύτερων οργανισμών δεν επικροτεί την ροή δεδομένων μεταξύ διαφορετικών μονάδων εντός της επιχείρησης. Το γεγονός ότι τα 2/3 των διοικήσεων σε μεγαλύτερους οργανισμούς δεν αναγνωρίζουν την ροή πληροφοριών εντός της επιχείρησης ως μία ζωτική λειτουργία παραγωγικότητας, είναι σημαντικός διοικητικός αναχρονισμός και ανασταλτικός παράγοντας στον ψηφιακό μετασχηματισμό της οικονομίας.

Τα οφέλη για τις επιχειρήσεις 

Τα οφέλη είναι ήδη ορατά σε εκείνες τις επιχειρήσεις που επενδύουν σε τεχνολογίες ανάλυσης δεδομένων και ταυτόχρονα μετασχηματίζουν τη διοικητική λειτουργία τους. Η βιομηχανία έχει τη δυνατότητα να προσαρμόσει την ποσότητα παραγωγής βάσει προβλεπόμενης ζήτησης, να διαχειριστεί το ύψος των αποθεμάτων, να διενεργήσει προληπτική συντήρηση, να βελτιστοποιήσει το μίγμα πωλήσεων ανά κανάλι προώθησης, κ.λπ. 

Ενδεικτικά, γνωστή ελληνική βιομηχανία συλλέγει και αναλύει δεδομένα προωθητικών ενεργειών σε πραγματικό χρόνο για να εκτιμήσει κρίσιμους δείκτες αποδοτικότητας (πχ ROI, αύξηση πωλήσεων ανά προϊόν και κανάλι). Το εμπόριο, εφαρμόζει λύσεις πρόβλεψης της ζήτησης, διαχείρισης των αποθεμάτων, δυναμικής τιμολόγησης, σύστασης προϊόντων σε πελάτες, κ.λπ. Ενδεικτικά, εταιρεία ηλεκτρονικού εμπορίου αναλύει δεδομένα διαδικτυακών πωλήσεων, με το 35% των εσόδων της να προέρχεται πλέον από τις αναλύσεις αυτές. 

Τα εργαλεία ανάλυσης μπορούν να δώσουν σημαντικά οφέλη σε όσους προβαίνουν σε υιοθέτησή τους:

·         20-35% μείωση του χρόνου εκτέλεσης εργασιών μέσω αυτοματοποίησης των διοικητικών λειτουργιών,

·         15-25% μείωση των αποθεμάτων μέσω καλύτερης πρόβλεψης της ζήτησης και αμεσότερης ανταπόκρισης της αλυσίδας εφοδιασμού,

·         1-3% αύξηση εσόδων με χρήση πραγματικών στοιχείων πωλήσεων της αγοράς, με σκοπό τη βελτιστοποίηση της τιμολόγησης, του ύψους των αποθεμάτων και της τοποθέτησης και εμπορικής προώθησης προϊόντων,

·         5-7 μονάδες υψηλότερη απόδοση επένδυσης (ROI) μέσω βελτιστοποίησης στις τιμές των προϊόντων,

·         10-25% μείωση των δαπανών Ε&Α με τη χρήση big data για την καλύτερη πρόβλεψη πετυχημένων καινοτομιών και τη σωστή καθοδήγηση επενδυτικών αποφάσεων,

·         5% μείωση σε δαπάνες marketing με την αξιοποίηση πληροφοριών που σχετίζονται με την ανταπόκριση του καταναλωτή στα διάφορα κανάλια, για την καλύτερη εφαρμογή των προωθητικών ενεργειών, την ενίσχυση του loyalty και την αύξηση των πωλήσεων,

·         50% λιγότερος χρόνος για τη συλλογή και ανάλυση δεδομένων μέσω διαχείρισης απόδοσης επόμενης γενιάς.

·         Ειδικά οι μεσαίες και μεγάλες επιχειρήσεις που αξιοποιούν συστηματικά αναλύσεις δεδομένων έχουν διπλάσια πιθανότητα να υπερβούν τους στόχους ανάπτυξης και ανταγωνιστικότητας.

Οδικός χάρτης για την αξιοποίηση δεδομένων

Η αλλαγή της διοικητικής κουλτούρας είναι το πρώτο βήμα για τη μετάβαση σε ένα επιχειρηματικό μοντέλο βασισμένο σε δεδομένα. Αυτή με τη σειρά της μετασχηματίζει τις διαδικασίες λειτουργίας ώστε να αξιοποιούν σε καθημερινή βάση ψηφιακά εργαλεία συλλογής και ανάλυσης δεδομένων. Το Παρατηρητήριο Ψηφιακού Μετασχηματισμού του ΣΕΒ, με τη συνεργασία της Deloitte, προτείνει έναν οδικό χάρτη για την επιτάχυνση της ψηφιακής μετάβασης και την επιτυχημένη αξιοποίηση των εργαλείων αυτών από κάθε επιχείρηση. 

Η μετάβαση μιας επιχείρησης σε ένα μοντέλο καθημερινής αξιοποίησης των δεδομένων σε κάθε επιχειρηματική δραστηριότητα προϋποθέτει μια ολιστική προσέγγιση. Η υιοθέτηση ενός μηχανισμού διακυβέρνησης δεδομένων, η επένδυση σε ψηφιακές τεχνολογίες και η πρόσληψη εξειδικευμένου ανθρώπινου δυναμικού δεν επαρκούν για να πραγματοποιηθεί το επιθυμητό άλμα. Ένα ολιστικό σχέδιο πρέπει να απαντά στα ακόλουθα ερωτήματα:

·           Κατανόηση και στόχευση. Η επιχείρηση οφείλει να κατανοήσει και να απαντήσει μια σειρά από ερωτήματα που σχετίζονται με τις παραμέτρους μετάβασης:

1.    Στόχευση: Ποιο είναι το συγκεκριμένο πρόβλημα που επιθυμεί να ανατρέψει η διοίκηση ή ποιες είναι οι διαδικασίες που επιθυμεί να βελτιώσει ή ποιος είναι ο συγκεκριμένος στόχος που επιθυμεί να πετύχει;  

2.    Σύνδεση με τη στρατηγική: Με ποιο τρόπο θα συνδέσει την ανάλυση δεδομένων με τη συνολική επιχειρηματική στρατηγική της;

·           Μοντέλο λειτουργίας. Η επιχείρηση πρέπει να αποσαφηνίσει το νέο λειτουργικό μοντέλο, το οποίο θα αξιοποιεί με τον καλύτερο τρόπο τους ανθρώπινους πόρους και τις τεχνικές ανάλυσης δεδομένων που είναι διάσπαρτοι σε διάφορα τμήματα. Ειδικότερα, απαντά στα εξής ερωτήματα: 

3.    Πηγές δεδομένων: Πού βρίσκονται τα απαραίτητα δεδομένα προς συλλογή και ανάλυση (εντός / εκτός επιχείρησης); Ποιες είναι οι πηγές προέλευσης και ποια η σημερινή μορφή τους;  Ποιο το κόστος και ποια η εφικτότητα συλλογής των δεδομένων αυτών; Πώς μπορεί να διασφαλιστεί η ποιότητα και αξιοπιστία των δεδομένων;

4.    Ευθύνη:  Ποια οργανωτική δομή, με ποιες αρμοδιότητες και με ποια στελέχωση, θα υποστηρίξει τις νέες διαδικασίες συλλογής και ανάλυσης δεδομένων; Ποιοι εργαζόμενοι από άλλα τμήματα θα εμπλακούν και πώς θα κατανεμηθούν ρόλοι και αρμοδιότητες; 

5.    Δεξιότητες: Υπάρχουν εντός της επιχείρησης δεξιότητες αναλύσεων δεδομένων και εργαλείων τεχνητής νοημοσύνης και αν όχι πώς θα αποκτηθούν;

6.    Αναδιοργάνωση: Πώς πρέπει να μετασχηματιστούν οι λοιπές οργανωτικές δομές (συμπεριλαμβανομένης και της ανώτερης διοίκησης) και οι διαδικασίες για να αξιοποιούν σε καθημερινή βάση τις αναλύσεις δεδομένων; Πώς θα παρακολουθήσει την απόδοση;

7.    Τεχνολογίες: Ποια συστήματα ανάλυσης δεδομένων καλύπτουν τις ανάγκες της επιχείρησης σήμερα αλλά και σε μεσοπρόθεσμο ορίζοντα; Πώς προστατεύονται τα δεδομένα από κυβερνο-επιθέσεις; 

·           Αλλαγή νοοτροπίας και διοίκηση της μετάβασης. Η επιχείρηση καλείται να αλλάξει τον τρόπο που λαμβάνονται οι αποφάσεις σε όλα τα διοικητικά επίπεδα. Συνεπώς είναι απαραίτητη η σωστή επικοινωνία, με απαντήσεις στα εξής ερωτήματα:

8.    Κίνδυνοι. Ποιοι είναι οι πιθανοί παράγοντες αποτυχίας του μετασχηματισμού, ποιες δομές ενδέχεται να αλλάξουν ριζικά τρόπο λειτουργίας; Πώς θα ενημερωθεί έγκαιρα το προσωπικό για τις αλλαγές; 

9.    Αξιοπιστία: Πώς διασφαλίζεται η ποιότητα και η αξιοπιστία των δεδομένων; Πώς επιβλέπεται η διαχείριση των αναλύσεων με κανόνες δεοντολογίας αλλά και προστασίας της πνευματικής ιδιοκτησίας της κάθε επιχείρησης; 

10.  Προμήθεια: Ποια στρατηγική προμηθειών είναι κατάλληλη για το μέγεθος και τον κλάδο της επιχείρησης (πχ προμήθεια ως υπηρεσία, έτοιμο λογισμικό, πιλοτική εφαρμογή, κ.λπ.);

 

 

Ακολουθήστε το Money Review στο Google News