Μόνο 4 στις 10 επιχειρήσεις αξιοποιούν την ανάλυση δεδομένων

Στην Ελλάδα, αν και η αξιοποίηση σύγχρονων ψηφιακών εργαλείων κερδίζει συνεχώς έδαφος στις επιχειρήσεις, συχνά δεν συνοδεύονται από τον ανάλογο διοικητικό και λειτουργικό μηχανισμό. Παρά το γεγονός ότι ζούμε την εποχή της 4^ης Βιομηχανικής Επανάστασης, και είναι διαθέσιμος ένας «ωκεανός» γνώσεων που μπορούν να προέλθουν από την ανάλυση δεδομένων, οι επιχειρηματίες στην Ελλάδα προτιμούν να κινούνται βασιζόμενοι στη διαίσθηση και την εμπειρία.

Όπως αναφέρει έρευνα του ΣΕΒ, αν και η χώρα μας βρίσκεται πάνω από τον ευρωπαϊκό μέσο όρο στην προμήθεια συστημάτων Big Data Analytics, εντούτοις μόνο το 39% των επιχειρήσεων έχει εντάξει την ανάλυση δεδομένων στην κουλτούρα και τις διαδικασίες λήψης αποφάσεων, παρά τα πολύ σημαντικά οφέλη που είναι ήδη ορατά.

Συγκεκριμένα, η Ελλάδα βρίσκεται στην 12^η θέση μεταξύ των 28 χωρών της Ευρωπαϊκής Ένωσης στην προμήθεια σύγχρονων εργαλείων ανάλυσης μεγάλου όγκου δεδομένων (Big Data Analytics) στον ιδιωτικό τομέα με τα ποσοστά της χώρας να βρίσκονται πάνω από το μέσο όρο της ΕΕ. 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.

Σύμφωνα με τον ΣΕΒ, η εφαρμογή τέτοιου είδους λύσεων σύγχρονης τεχνολογίας αποφέρει σημαντικά και συγκεκριμένα οφέλη στις επιχειρήσεις. Το 66% των επιχειρήσεων περιορίζουν τη συλλογή και ανάλυση δεδομένων σε μια πολύ μικρή ομάδα εργαζομένων, ενώ το 67% των ανώτερων διοικήσεων μεγαλύτερων οργανισμών δεν επιτρέπει τη ροή δεδομένων μεταξύ διαφορετικών μονάδων εντός της επιχείρησης. Όπως επισημαίνεται, 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 κέρδη των Big Data Analytics 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. Στις χρηματοοικονομικές υπηρεσίες, τα εργαλεία επιτρέπουν την ανάλυση και έλεγχο κινδύνου, την αξιολόγηση της πιστοληπτικής ικανότητας, την ανάλυση cross-selling σε πραγματικό χρόνο.

Επιχειρήσεις που αξιοποιούν τέτοια εργαλεία καταφέρνουν να έχουν:

• 35% μείωση του χρόνου των εργασιών παραγωγής,
• 25% μείωση αποθεμάτων,
• 3% αύξηση εσόδων,
• μέχρι και 7 μονάδες υψηλότερη απόδοση επένδυσης (ROI),
• 25% μείωση των δαπανών Ε&Α,
• 5% μείωση σε δαπάνες marketing, κ.λπ.

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

Οι προτάσεις του ΣΕΒ για την επιτάχυνση της ψηφιακής μετάβασης

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. 

1. Στόχευση: Ποιο είναι το συγκεκριμένο πρόβλημα που επιθυμεί να ανατρέψει η διοίκηση, ποιες είναι οι διαδικασίες που επιθυμεί να βελτιώσει, ποιος είναι ο συγκεκριμένος στόχος που επιθυμεί να πετύχει;
2. Σύνδεση με τη στρατηγική: Με ποιο τρόπο θα συνδέσει η επιχείρηση τον ψηφιακό μετασχηματισμό με τη συνολική στρατηγική της;
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 δυνατότητα συλλογής των δεδομένων; Πώς μπορεί να διασφαλιστεί η ποιότητα και αξιοπιστία τους;
4. Ευθύνη: Ποια οργανωτική δομή, με ποιες αρμοδιότητες και με ποια στελέχωση, θα υποστηρίξει τις νέες διαδικασίες συλλογής και ανάλυσης δεδομένων; Ποιοι εργαζόμενοι από ποια τμήματα θα εμπλακούν και πώς θα κατανεμηθούν ρόλοι και αρμοδιότητες;
5. Δεξιότητες: Υπάρχουν οι κατάλληλες δεξιότητες στην επιχείρηση (πχ ανάλυσης δεδομένων, αξιοποίησης εργαλείων τεχνητής νοημοσύνης, κ.λπ.) και αν όχι πώς θα αποκτηθούν;
6. Αναδιοργάνωση: Πώς πρέπει να μετασχηματιστούν οι οργανωτικές δομές (συμπεριλαμβανομένης και της ανώτερης διοίκησης) και οι διαδικασίες λήψης αποφάσεων για να αξιοποιούν σε καθημερινή βάση τις αναλύσεις δεδομένων; Πώς θα παρακολουθείται η 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;
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, η αξιοπιστία και η εμπιστευτικότητα των δεδομένων χωρίς να περιορίζεται η ροή εντός της επιχείρησης; Ποιοι οι κανόνες δεοντολογίας αλλά και προστασίας της πνευματικής ιδιοκτησίας;
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.).