A kereskedelem világában az adatok nem csupán információk; hanem az üzleti siker kulcsai. Egy több milliárdos árbevételű ügyfelünk esettanulmánya tökéletes példa arra, hogy az adatelemzés miként képes átalakítani az elavult ERP okozta kihívásokat nyereségessé, még a legbonyolultabb helyzetekben is.

A kihívások

  • Elavult ERP
    Biztosan szembesült már más cég is ezzel a problémával, hogy van egy régebbi nem a legmodernebb ERP szoftverük, amit már rég kinőttek, de továbbra is használnak. Emellett amúgy is nehézkes a fejlesztőkkel együtt dolgozni, nehezen lehet új lekérdezéseket létrehozni és ha van valami személyre szabott kérés, akkor azt méregdrágán integrálják a rendszerbe. Ráadásul mire áttér egy cég egy új ERP alkalmazására az rengeteg idő, energia és probléma, mindezt operatív működés közben. Nem hiába mennek amíg tudnak a cégek azzal az ERP-vel, ami van és ezzel rengeteg olyan kulcsfontosságú információtól esnek el, amely nélkülözhetetlen a hatékony és profitábilis működéshez.
  • Növekvő volumen, stagnáló profit:
    A növekvő értékesítési volumen ellenére a profit nem mutatott hasonló növekedést, mivel az egyes termékek profitabilitásáról nem álltak rendelkezésre adatok. Illetve az ERP nem kínált olyan személyre szabott információkat, amelyek a stratégiai üzleti döntéseket támogatták.
  • Profitabilitás homályban:
    A top 100-200-300-stb legnagyobb volumenű termékeket ismerték (mivel a mennyiséget könnyen le tudták kérni az ERP-ből), azonban a legnagyobb profitot termelő termékekről nem rendelkeztek adatokkal, mivel az ERP rendszerük nem volt képes ilyen típusú elemzésre. Megvoltak külön-külön a beszerzések, értékesítések, visszáruk, de ebből az ERP nem tudta kiszámolni egy egész éves időszakra vonatkozó termékekre lebontott profitot, mivel ahhoz a cég működésére szabott megoldásra lett volna szükség. 
  • Szegmentációs nehézségek:
    Az export, viszonteladók és a saját szervizek részére történő értékesítés különböző elemzést igényelne, de az ERP rendszerük nem volt képes ezt a szegmentációt kezelni, csak a termékre lehet szűrni. Pedig üzletileg kifejezetten fontos lenne látni az egyes szegmensek teljesítményét, eredményeit külön vizsgálva. Érdemes egymáshoz is hasonlítani a különböző üzletágakat, hogy hogyan teljesítettek az adott időintervallumban, de trendszerűén is fontos nézni, hogy az elmúlt hónapokban vagy az elmúlt években hogyan alakult a teljesítmény.
  • Veszteséges termékek:
    Ad hoc beszerzések és változó értékesítési stratégiák miatt bizonyos termékek veszteségessé váltak, amelyek az ERP-ben rejtve maradnak, mint egy fekete doboz, nem tudjuk mi történik benne.
  • Adatok ERP-be fejlesztett vizualizációjának dilemmái
    Az adatok hatékony vizualizációja kulcsfontosságú az üzleti döntéshozatal szempontjából. Ügyfelünk azonban szembesült azzal a kihívással, hogy az ERP rendszerükbe egyedi vizualizációs megoldások bevezetése rendkívül költséges vállalkozás. Ezen túlmenően, a beruházás hosszú távú értékét is fenyegeti a veszély, hogy egy esetleges ERP rendszer cseréje esetén ezek a személyre szabott vizualizációk elveszhetnek, így az egész befektetés hiábavalóvá válhat. 

Adatelemzés: hogyan lépjünk túl az elavult ERP rendszerek korlátain

Legyen bármilyen elavult az ERP rendszer, strukturált adatok tartalmaz a kereskedés minden aspektusáról. Illetve az összes kereskedési információ megtalálható visszamenőleg. Az adatelemzés megkezdéséhez mindösszesen arra van szükség, hogy ezeket az adatokat valamilyen formátumban exportáljuk az ERP-ből. Ez többféle úton is megtörténhet. Íme néhány gyakori formátum, amelyet az ERP rendszerek támogathatnak az adat exportáláshoz:

  • CSV (Comma Separated Values): Az egyik legnépszerűbb és leguniverzálisabb formátum, amely egyszerű szöveges fájlként tárol adatokat, ahol az egyes értékeket vessző választja el. Könnyen importálható és kezelhető számos programban, például Excelben vagy adatbázis-kezelőkben.
  • Excel (XLS, XLSX): Az Microsoft Excel formátuma széles körben használt az üzleti világban az adatok táblázatos formában való tárolására és elemzésére. Az ERP rendszerek gyakran támogatják az adatok Excel formátumba történő exportálását, lehetővé téve a felhasználók számára, hogy kihasználják az Excel adatelemzési és vizualizációs eszközeit.
  • XML (eXtensible Markup Language): Az XML egy rugalmas jelölőnyelv, amely strukturált adatok tárolására és szállítására szolgál. Az ERP rendszerek az XML-t használhatják az adatok exportálására, mivel jól dokumentált és könnyen olvasható formátum mind ember, mind gép számára.
  • JSON (JavaScript Object Notation): A JSON egy könnyű adatcserélő formátum, amely könnyen olvasható az emberek számára és egyszerűen feldolgozható gépek által. Széles körben használják webfejlesztésben és API-ban, és egyre több ERP rendszer támogatja az adatok JSON formátumban történő exportálását.

Esetünkben első lépésben a cég az ERP-ből excel (xls) formátumban exportálta az adatokat. Ezek lesznek azok a bemenő nyers adatok, amelyeket Python programozási nyelven, a Pandas könyvtár segítségével elemeztük, tisztítottuk, és strukturáltuk a saját rendszerünkben. Az ügyfélnek csak a nyers Excelt kell átadnia, semmi másra nincs szükség. Nem kell megijedni, ha több százezer vagy több millió sort tartalmaz az Excel vagy a csv. Ezek a rendszerek erre lettek kitalálva, hogy könnyen tudják kezelni az adatokat.

Milyen lépések történnek az elemzés során:


Adattisztítás
Nem minden adatra, oszlopra van szükségünk az Excelből. Ezeket a számunka nem releváns oszlopokat kidobjuk az elemzéshez. Előfordul, hogy az ékezeteket nem tudja rendesen exportálni az ERP rendszer, ilyenkor módosítani, tisztítani kell az adatokat, közös formátumra hozni. Kiszedjük továbbá azokat az tételeket belsős beszerzésnek minősülnek és nem valós bevétel. Ha több táblánk van akkor ezeket a táblákat, ha szükséges összevonjuk, de előfordul, hogy meghagyjuk a meglévő formátumban.

Elemzés – nettó értékesítés meghatározása

Az ERP-ből exportált adatokon minden értékesített tétel megtalálható egy táblán (eredetileg egy külön Excel), egy másik táblán pedig a selejtek egy másikon pedig a visszáru. Az összes selejt és visszáru rontja a valós eredményt. Ezeket külön érdekes lehet elemezni, hogy milyen termékek és mekkora mennyiségben voltak selejtek. Esetünkben, ha tisztán szeretnénk megkapni a nettó értékesítést, akkor párosítani kell az értékesítési tételeket a visszárukkal. A visszáru levonásával meghatározhatjuk a nettó értékesítést, majd a cég ajánlásával különböző szegmensekre bontjuk az adatokat (pl. export, viszonteladók, kiskereskedők, szervíz stb.). Minden szegmenst külön érdemes elemezni, hogy hogyan teljesítenek, a bevétel mekkora része származik honnan. Vannak-e olyan partnerek, akikkel érdemes külön kiemelten foglalkozni mert akkora bevételt generál.

Beszerzés súlyozott átlaga
Miután megvannak a nettó értékesítési számaink külön vizsgáljuk a beszerzést. Mivel a beszerzési ár folyamatosan változik akár a piaci kereslet alapján, akár a rendelési mennyiség miatti kedvezmények hatására, a pontos profit meghatározásához érdemes súlyozott átlaggal számolni. Nem mindegy, hogy egy termékből beszerzek 1000 db-ot 500 Ft-ért vagy 50 darabot 800-ért. Az ERP ezt szintén nem tudja megfelelően kezelni, de mivel nekünk elemi szinten megvannak az adatok, így egy súlyozott átlag vagy bármilyen más tetszőleges kalkuláció könnyen megvalósítható adatelemzéssel. Így a beszerzési adatok súlyozott átlagának számításával pontos képet kaptunk az egyes termékek átlagos költségéről.

Termékek szerinti csoportosítás

Megvannak a beszerzési és értékesítési adataink innen már könnyen tudjuk termékenként vizsgálni a teljesítményeket. Termékekre bontva meg tudjuk mondani mi volt a szumma értékesítés, mekkora volumenben és ez mennyi beszerzési költségbe került. Ebből pedig termékre bontott szumma profitot könnyen számolhatunk. Ezt meg tudjuk tenni a teljes kereskedésre, de szét tudjuk szedni a szegmensek szerint (export, viszonteladók stb.) külön vizsgálva, hogy melyik az a szegmens, ahol a legjobban vagy legrosszabbul teljesítünk.

Profitabilitási rangsor és szegmentáció

Ezután rangsoroltuk a termékeket a profitabilitásuk alapján, valamint ábrázoltuk az értékesítési és beszerzési adatokat, hogy láthatóvá tegyük a különböző termékek teljesítményét. Itt kijöttek, hogy mely termékek teljesítenek profit alapján a legjobban és kijöttek azok a rejtett problémák is, hogy melyek azok a termékek, amelyek a legrosszabbul, esetleg veszteségesen teljesítettek. Ezek az információkból például egy e-commerce manager el tud gondolkodni, hogy van-e értelme a teljes portfólióval vesződni, vagy célszerűbb lenne szűkíteni a kínálatot. Ezt összenézve a marketinggel lehet stratégiát változtatni, hogy mire fókuszáljunk vagy mire ne.

Eredmények vizualizációja: 

Az elemzés eredményeit az üzleti igényekhez igazítva a Power BI eszköz segítségével vizualizáltuk, így az ügyfél könnyen értelmezheti az adatokat és informált döntéseket hozhat. A létrejövő adatelemzési folyamat pedig lehetővé teszi, hogy ez ne csak egy egyszeri számítás legyen és egy pillanatképet kapjon, hanem az adatok folyamatos frissítésével napra készen tudjuk vizsgálni a kereskedés valós teljesítményét olyan aspektusokból amelyeknek az ERP határain már réges-rég túlléptek. 

Üzleti eredmények

Az ERP-ből kivezetett, átalakított és vizualizált adatok segítségével több olyan üzleti szempontból releváns döntés született, amely döntően befolyásolja a kereskedelmi cég stratégiáját. Tisztán láthatóvá váltak a húzó termékek és azok az üzletágak, amelyek a legjobban teljesítettek, de ugyanígy kirajzolódtak a szűk keresztmetszetek a cégben. A termékekre bontott profit, a szegmensek teljesítménye, a visszáru mennyisége mind-mind olyan kulcsfontosságú információ, amely a hatékony működés alapja és a profitabilitás növelésének kulcsa. Így alakítjuk át az adatait profittá. 

Az ERP mint adatforrás

Ezáltal fel tudjuk oldani azt a problémát is, hogy bár az ERP rendszerünk elavult mégis a cégünkre szabott flexibilis és gyors megoldást kapunk sokkal olcsóbban, mint ha az ERP-be fejlesztenénk. Ugyanis az adatelemzési megoldások teljesen függetlenek az ERP-től. Ha lecserélnénk akkor “csak” megfelelő formátumba kell hozni az új ERP-ből kiexportált adatokat és rákötni a meglévő vizualizációra. Fogalmazhatnánk úgy is, hogy az adatelemzési eszköztár ez ERP-re épül, de ugyanígy beköthető mellé a CRM rendszer, webshop motorok (pl. Shoprenter), Webshippy vagy akár a számlázó rendszer (Billingó, számlázz.hu) is. 

Összegzés

Ez az esettanulmány rámutat arra, hogy az adatelemzés nem csupán adatok gyűjtését és feldolgozását jelenti, hanem konkrét, mérhető üzleti eredmények elérését is. A Data Discovery Kft szakértői segítségével az ügyfél képes volt feltárni és kezelni a profitabilitási kihívásokat, optimalizálni a portfólió stratégiáját, és így növelni a nyereségességét. Az adatelemzés tehát kulcsfontosságú eszköz minden e-commerce cég számára, amely szeretné maximalizálni a profitját és növelni a piaci versenyképességét.