Дашборд показал проблему. Что дальше?

Дашборды помогают отслеживать эффективность рабочих процессов: например, где дефицит, а где излишки ресурсов. Но финальное решение, что делать, всё равно принимает человек. И чтобы понять причины, ему зачастую нужно углубиться в данные, которых нет на дашборде.

22 октября вместе с экспертами Yandex Cloud и BI.Qube обсудим, как настроить аналитику за пределами дашбордов. Хорошая новость: заново подключать источники данных и разбираться с их обработкой не понадобится. Витрина, на которой уже работает ваш дашборд, — готовый фундамент. Покажем, что можно построить поверх неё и какие данные для этого нужны.

А ещё поговорим, сколько времени стоит закладывать на настройку аналитики и почему она может затянуться. Спойлер: обычно дело не в технологиях, а в состоянии справочников и в том, что управленческая логика компании нигде не задокументирована.

В программе — три живых демо:

Оптимизация вместо ручного распределения. Кейс крупного фэшн-ритейлера: алгоритм, который перебирает десятки миллиардов комбинаций товарной матрицы и выдаёт готовые рекомендации, что и куда переместить. Похожую механику внедрили на крупном металлургическом производстве, чтобы оптимизировать окна отгрузки.

Вопрос словами вместо чтения дашборда. Гайд, как поверх готовой витрины сделать слой, который позволит ИИ-помощнику самостоятельно находить нужные данные за пределами дашборда и отвечать на аналитические запросы: например, где просела выручка и какие факторы на это повлияли.

Перевод с учётного языка на язык бизнеса. Опыт команд из финтеха и ритейла: модель может отвечать на вопросы бизнеса, а не бухгалтерии. Покажем, как связать управленческую методику в Excel c учётной системой.

Все участники получат чек-лист «Грабли: 10 способов завалить проект по внедрению аналитики» от команды BI.Qube.

Кому будет полезно

Операционным, коммерческим и финансовым директорам

Руководителям ИТ- и дата-команд

Компаниям с сетью точек, складами и товарными остатками