Как крупный бизнес внедряет инновации: четыре кейса

Согласно популярному стереотипу, айтишник — это тот, кто умеет чинить компьютер, ставить на нем «винду» и чистить его от вирусов. На самом же деле, айтишники придумывают вещи, которые способны починить и перезапустить целые компании. Это программы и технологии, которые могут принести или сэкономить бизнесу много денег, как в случае с Sony Pictures, которая уволила 70 операторов, заменив их умным чат-ботом. Или в случае Amazon, которая эксплуатирует труд роботов на своих огромных складах, чтобы справляться с праздничным шквалом заказов.

Украинские компании тоже любят внедрять инновации, чтобы облегчить себе жизнь, а плюс технологий при этом не только в волшебном влиянии на бизнес, но и в измеримых результатах. Редакция собрала несколько историй крупного бизнеса, который работает в Украине, и который на себе почувствовал эффект «до» и «после» использования инновационных технологий.

Почему CRM-система – не панацея: опыт Киевстар

«Киевстар» – одна из крупнейших компаний в Украине с множеством разных подразделений. Каждое из них должно работать максимально слаженно, чтобы компания развивалась. Но, как это часто бывает, за период стремительного роста в компании сформировались системы и процессы, которые стали тормозить развитие подразделений. Подобное нагромождение процессов наблюдалось и в департаменте по работе с корпоративными клиентами.

Чтобы избавиться от лишних процедур, несогласованности и повысить эффективность менеджеров по продажам, в компании решили перезапустить процессы продаж и структурировать систему взаимодействия с клиентами.

Как раньше работали продажи? Каждый менеджер сам следил за своими сделками и процесс часто сбоил. Руководители не всегда видели реальную картину по тому, как команда работает с клиентами, где менеджеры справляются, а где – работа требует вовлечения руководства, не было никаких данных о динамике сделок, кроме как «на словах». Это приводило к ошибкам в планировании и упущенным клиентам/сделкам.

В «Киевстар» решили проверить, как эти проблемы решают крупные мировые компании. Основной вывод – для успешной работы необходимы эффективная CRM-система и методология продаж.

В компании на тот момент использование CRM – Oracle Siebel SFA, в корпоративных продажах было достаточно низким. В Siebel SFA считали KPI, доходы, бонусы.

«Сама по себе CRM-система ничего не значит. Нужно четко понимать, какие процессы необходимо автоматизировать, что, как и зачем контролировать, чтобы добиться от программного обеспечения реальной помощи в бизнес процессах компании. Без методологии не обойтись», — рассказывает Анна Пархотик, начальник департамента развития продаж «Киевстар».

С методологией помогли партнеры из Miller Heiman International. Для продавцов выработали набор правил, поведенческих схем и последовательность действий, которая обычно приводит к успешному закрытию сделки. Все наработки реализовали в CRM, адаптировав ее под реальные процессы в бизнесе и создав «умные дашборды», сфокусированные на опережающие показатели, которые позволяют прогнозировать будущие результаты на 3-6 месяцев вперед.

В первую очередь, в CRM запускали функционал работы со сделками. По словам Сергея Деева, начальника отдела развития процессов продаж «Киевстар», команда внедрения старалась максимально упростить интерфейс системы, чтобы не шокировать пользователей необходимостью разбираться в десятках окон и полей системы сразу.

«Запуская первые функции, мы буквально с секундомером следили, сколько времени у продавца в среднем займет каждая операция, и добивались, чтобы она совершалась в минимальное количество кликов», — вспоминает он. Еще через год к системе докупили встраиваемые модули Sales Success Manager, которые позволили отслеживать ряд ключевых показателей процессов продаж, одновременно, освободив продавцов от задач, не связанных с работой с клиентами.

Теперь продавец может следить в CRM за всеми своими сделками и управлять воронкой продаж для достижения результатов. Каждая сделка оценивается по более чем десяти критериям, и это позволяет не только ФОКУСироваться на высокоприоритетных сделках, но и выстраивать ранжирование сделок (scorecard) по совокупности баллов. А главное – видна реальная ситуация с выполнением плана. К примеру, если менеджер перевел сделку на одну из стадий слишком рано, она попадает в «красную зону», а наставник получает об этом уведомление. «Теперь мы обучаем продавцов на конкретных примерах, проговариваем все проблемные сделки и вовремя вмешиваемся, если что-то идет не так», — говорит Анна Пархотик.

К чему это привело? За четыре года CRM почти полностью автоматизировала работу со сделками отдела продаж. Благодаря этому точность прогнозов по продажам выросла втрое и превысила 80% для прогнозов на несколько кварталов вперед, на десятки процентов увеличился средний размер сделки, заработал единый процесс лидогенерации для всех каналов продаж и появилась возможность считать конверсно по цепочке «лид-сделка-продажа».

«Подобный результат возможен только при наличии системы, разработанной под конкретную компанию. Никакие технологии не будут работать без набора правил, выстроенных процессов и обученных людей», — уверена Анна Пархотик.

Как Wargaming вырастила выручку в регионе на 62% благодаря анализу данных

Только на ПК в World of Tanks играет свыше 100 млн человек по всему миру. Сама игра бесплатна, но компания зарабатывает на платных функциях, которые для игры необязательны, но которые влияют на возможности игрока (это и модели танков, и премиум-аккаунты, позволяющие собирать больше игровых денег, и т.д.). Анализ поведения игрока — ключевой для работы компании.

Каждый день только игроки WoT на ПК оставляют в игре около 300 млрд телеметрических событий — данных об игре в системах хранения. Эти данные важны для бизнес-аналитики, но первые годы работы Wargaming выгружала их просто в Excel-таблицы, и быстро их обрабатывать было невозможно.

На конференции Gartner BI Summit бизнес-аналитики компании увидели решение Oracle Big Data Appliance. После перехода на эту систему все сильно поменялось. У бизнес-аналитиков появился быстрый доступ к big data, возможность оперативно их обрабатывать и представлять результаты.

К примеру, когда проходили бета-тесты интерактивного руководства релиза под Xbox 360, выяснилось: если пользователь прошел все пять частей руководства, его шанс стать постоянным игроком — 75%, а если дочитал только до второй части, шанс падает до 33%. Если раньше для проверки этой гипотезы использовали графики и таблицы, то сейчас аналитики, быстро собрав данные из Hadoop выяснили, что на самом деле пользователи ведут себя совсем не так. Когда обнаруженные с помощью анализа баги устранили, процент пользователей, изучавших руководство и начавших играть постоянно, вырос.

Система помогла маркетологам найти подход к игрокам. Имея доступ к быстрой обработке данных, компания персонализировала обращения к игроками в зависимости от его поведения в игре. В одном из регионов это привело к росту выручки на 65%.

Как Novus заменяет товароведов программой

Супермаркет, который хочет быть успешным, не может позволить себе пустые полки. Две распространенные проблемы, с которыми сталкиваются супермаркеты: нехватка товара (out of stock) или переполненность (overstock). Пока за запасы отвечают люди (товароведы), а заказы для поставщиков формируются вручную, эти проблемы возникают постоянно.

Задача была минимизировать overstock и уменьшить out of stock, а также уменьшить влияние человеческого фактор на формирование заказа. Для решения выбрали формирование заказа на основании фактических покупок, а для автоматизации — систему ABM Stock-M, работающую по принципу теории ограничений.

Систему решили протестировать на одном из магазинов сети. Вместо товароведов, которые формировали заказы вручную, ими начала заниматься система. Она автоматически определяла ежедневные нормы запасов, анализировала фактические продажи, оценивала излишки и нехватку, и на основании этих данных формировала заказы для каждой SKU (товарной позиции).

Все это работало по методу теории ограничений и инструменту «динамическое управление буфером» (DBM).

Теория ограничений разработана израильским физиком Элияху Голдратта, на стыке физики и принципов бизнес-менеджмента. В ее основе — определение и управление ключевым ограничением системы (в случае с продуктовыми супермаркетами — это запасы продуктов). Ее применяют в Tesco, Wal-Mart, Procter&Gamble и других компаниях.

А DBM в данном случае послужил инструментом для внедрения этой теории. Он позволяет магазину пополнять запасы по мере потребления. «Как только потребитель «вытянул» запас, филиал пополняет запас с центрального склада или у поставщика. Центральный склад, в свою очередь, также работает по DBM», — объясняют в компании. Буферы запасов поддерживают в системе нужное количество товара, но при этом оно минимальное, так чтобы лишние запасы не замораживали оборотные средства.

В результате, по сравнению с другими магазинами излишки за три месяца сократились на 50% (в магазинах вне проекта — выросли на 12%), запасы продукции за этот же период уменьшились на 21% (в магазинах вне проекта — уменьшились на 6%), упущенные продажи продукции снизились на 11% (в магазинах вне проекта — повысились на 8%). Поскольку закупки автоматизировались, количество ошибок из-за человеческого фактора сильно уменьшилось.
Сейчас сеть Novus переводит магазины на эту систему, а следующим этапом будет автоматизация логистики.

Как аграрные компании ухаживают за растениями с помощью дронов

Дроны можно использовать не только для красивых панорамных видео с высоты птичьего полета. В Украине они уже несколько лет работают в сельском хозяйстве, чтобы следить за растениями на полях.

С помощью дронов можно, во-первых, определять, нужна ли растениям подкормка, во-вторых, на ранних стадиях замечать развитие болезней у растений, рассказывает Василий Москалюк, представитель по развитию продукта в Monsanto — одной из крупнейших в мире биотехнологических компаний, у которой в Украине расположены опытные участки, где компания выращивает образцы гибридов.

На дроны можно устанавливать не только камеру для съемки в видимом спектре, но и, к примеру, в ближнем инфракрасном спектральном диапазоне. Учитывая, что хлорофилл в клетках растений сильно поглощает видимое солнечное излучение, а клеточная структура листьев, с другой стороны, сильно отражает излучение в ближнем инфракрасном диапазоне, дрон с такими камерами дает возможность анализировать вегетационные индексы вроде NDVI.

Дрон может за 10 минут дать агроному информацию о состоянии ближних посевов, а за пару часов просканировать поле с высокой детализацией. Дроны собирают визуальную информацию, на основании которой агрономы оценивают влияние на культуры различных препаратов, всходы и урожай, результаты сбора и т.д.

На опытных участках Monsanto тестируют гибридные культуры (к примеру, различные гибриды кукурузы), а данные с воздуха дают возможность оценить состояние этих культур, как они себя ведут в определенной биоклиматической зоне.

По словам Москалюка, в сельских хозяйствах компаний, которые занимаются выращиванием растений, предотвращение болезней с помощью дронов вырастает в среднем на 10-15%.