Источниками данных для системы ключевых показателей эффективности (KPI) в ОАО «РЖД» являются различные информационные системы компании. Однако чтобы собрать все эти данные вместе, полностью автоматизировать работу системы и развивать ее дальше, потребовался дополнительный инструментарий. Обратились к SAS Visual Analytics. Расскажем, для решения каких задач он будет использован.
В ходе работы над созданием системы KPI были настроены дэшборды, панель управления базами данных, иначе говоря, оболочка для представления информации в виде набора показателей для руководителей. Чтобы получать количественные значения показателей, необходимо подвести к этим показателям данные. Было решено собрать все данные компании из различных источников в одном хранилище. При этом возникли проблемы, а именно: полнота данных, их детализация (для получения их гомогенной структуры), верификация, обеспечение достоверности, агрегация данных для каскадирования и расчета агрегатов на всех уровнях и ряд других. Для их решения привлекли систему визуализации данных SAS Visual Analytics.
Провели реинжиниринг данных и создали банк показателей работы
В этом году закончено формирование структуры корпоративного хранилища данных на технологиях SAS, представляющего собой банк показателей работы. В предыдущих версиях хранилища была простая двумерная таблица данных, без возможности расчета, агрегации данных, реализации контролей. Данные хранилища структурированы, заведено множество аналитических разрезов, позволяющих обобщать и агрегировать данные по разным признакам за любой заданный период времени. Новое хранилище позволяет «протянуть» данные нижнего уровня до верхних показателей, чтобы реализовать иерархические структуры и проанализировать факторы, влияющие на ключевые показатели компании в целом. А в результате проведенного реинжиниринга данных была настроена функция, позволяющая проверять полноту и достоверность данных.
Начиная с 2010 г. в компании накопился большой объем данных в разных системах и функциональных хранилищах, причем в различные годы методики их подготовки менялись, например, для отдельных показателей переводили разрядность значений с тысяч на миллионы. Прогнав данные с помощью инструмента логического контроля SAS, получили их полную раскладку, в том числе и выявленные, на первый взгляд, недостоверные данные. При этом проверка полученных рядов данных помогла установить причину обнаруженных всплесков и подтвердить достоверность данных.
Наша задача в следующем году — внедрить этот инструмент, чтобы работать с ним регулярно, пропускать через него все данные и выполнять процедуры проверки на достоверность автоматически.
Анализ корреляционных связей позволит более точно достигать поставленных целей
При создании сбалансированной системы показателей в компании потребовалось описать взаимосвязи между показателями. А на 2015 г. поставлена задача — увязать все показатели и процессы не только внутри ОАО «РЖД», но и подтянуть показатели «дочек» — Федеральной пассажирской компании, Федеральной грузовой компании, пригородных компаний, непосредственно участвующих в перевозочном процессе. И в первом приближении такая привязка сделана. Это помогает руководству более полно и оперативно оценивать ситуацию, как в отдельных подразделениях, так и в холдинге в целом. Кроме того, введена гибкая система тарификации билетов, программы лояльности для постоянных пассажиров.
С помощью уже упомянутого аналитического инструмента можно проанализировать также и корреляционные связи, убедиться в том, что изменение одного показателя всегда вызывает изменения другого и между ними есть зависимость. Затем на основании выявленных связей построить гипотезу влияния одного показателя на другой и проверить ее на основании мнений функциональных экспертов компании и собранной за определенный период статистики. Результат во многом зависит от количества и качества данных, накопленных в информационных системах. Работа с новым инструментом открывает возможности проведения более полного анализа и прогнозирования ситуаций — это позволяет широкий функционал решений SAS.
Новые возможности, обеспеченные Visual Analytics, являются предпосылкой для качественного нового уровня управления ОАО «РЖД» — проактивного. До настоящего времени менеджеры реагировали на негативное состояние того или иного KPI и принимали меры только относительно данного KPI, зачастую выводя в негативную зону другие показатели. Выявленные зависимости позволят управлять KPI как единой системой, а менеджерам — реализовать процесс управления в виде траектории последовательного движения к целевому состоянию системы KPI.