Предиктивный анализ это способ управления рисками

Предиктивный анализ проектов (PPA)

Управляйте своими ключевыми проектами с помощью уникального пакета программ по предиктивному анализу проектов (PPA), разработанного «Делойтом»

Вы испытываете трудности с выполнением проектов в установленные сроки и в рамках бюджета, а также с удовлетворением ожиданий заинтересованных лиц? Ваши проекты часто отклоняются от поставленных целей? Ваши проекты приносят меньше выгоды, чем ожидалось?

Согласно недавним исследованиям 60% компаний сталкивались с провалами проектов. Организации по всему миру испытывают трудности с эффективной реализацией проектов. Провалы проектов имеет множество причин и может привести к серьезным последствиям для компании, ее репутации и ее хозяйственной деятельности. В качестве ответной меры «Делойт» разработал систему Предиктивного Анализа Проектов (PPA) для предоставления компаниям практически значимых результатов целенаправленного количественного анализа для повышения вероятности успешной реализации проектов.

Наше решение: Предиктивный анализ проектов

Команда по анализу эффективности управления проектами (PPA) повышает эффективность управления проектными рисками, используя методологию, основанную на механизме сопоставительного количественного анализа. Исследования «Делойта» выявили, что во избежание провала проекта компании должны быть способны объективно выявлять риски неэффективности проекта и заранее вносить корректировки, а также улучшать реализацию проекта, не дожидаясь, пока проект отклонится от поставленных целей.

Анализ эффективности управления проектами (PPA), разработанный «Делойтом», — это объективная, наглядная и целостная методология, которая способствует снижению риска и повышению качества управления проектами, что позволяет компаниям принимать наиболее эффективные решения и достигать наилучших результатов.

PPA оказался полезным для минимизации финансовых и производственных потерь, а также репутационных рисков за счет предоставления конкретных и обоснованных рекомендаций по усовершенствованию системы управления проектами в режиме реального времени.

Чем мы можем вам помочь?

Независимо от того, запускаете ли вы новый проект или управляете уже существующим проектом, пакет программ по анализу эффективности управления проектами может помочь вам выявить основные проектные риски и при необходимости определить, когда, где и что конкретно необходимо изменить, чтобы вернуть проект в нужное русло.

Пакет программ PPA, разработанный «Делойтом», поможет вам понять, какие аспекты больше всего влияют на сложность вашего проекта и как вы можете справиться с этим уровнем сложности. Благодаря этому вы будете иметь возможность внедрять эффективные элементы контроля для вашего проекта и тем самым повышать его успешность.

Используя надежную аналитику и тщательный анализ, наша команда поможет вам сделать прогноз относительно успешности ваших проектов. «Делойт» также окажет вам содействие в реализации ваших проектов с учетом эффективных рекомендаций, основанных на нашей оценке. Основываясь на нашей оценке и практически значимых рекомендациях, «Делойт» поможет Вам успешно реализовать запланированные проекты в установленные сроки и в рамках бюджета.

Пять инструментов, которые помогут вам в корне изменить управление проектом

Пакет программ по анализу эффективности управления проектами (PPA), разработанный «Делойтом», состоит из пяти интегрированных инструментов мониторинга и анализа, основанных на глубокой аналитике:

• сложность проекта: обеспечьте точную формулировку проблем, которые предстоит решить, на основе детального профиля сложности проекта;
• элементы выполнения контрольных процедур: определите области, требующие корректирующих мер, с помощью углубленного обзора элементов выполнения контрольных процедур в рамках проекта;
• компетентность проектной группы: проверьте компетенции проектной группы на соответствие проектным требованиям для создания как можно более опытной команды;
• анализ на основе опроса: ознакомьтесь с оперативным и высокоинформативным обзором состояния проекта на конкретный момент времени;
• динамический мониторинг рисков: проектные риски изменяются по мере развития вашего проекта. Получите индивидуальную карту рисков, легко обновляемую с помощью автоматизированного онлайн-опроса.

Хотите узнать больше?

Вы можете ознакомиться с подробным обзором PPA в нашей брошюре, где представлена полная информация о PPA. Из данной брошюры вы узнаете все о подходе PPA, его возможностях и примерах использования.

Источник

Методы управления рисками: сфера применения, преимущества и недостатки

При запуске нового бизнеса или проекта необходима подготовка к форс-мажорным ситуациям. Грамотные методы управления рисками помогут свести убытки к минимуму и не упустить прибыль даже в критической ситуации. Поэтому грамотный риск-менеджмент в финансовой сфере на вес золота. С какими рисками можно столкнуться в бизнес-среде и какие методы их «укрощения» использовать — разберемся в материале.

Какие риски существуют в жизни предприятия?

Чтобы управлять рисками, их вначале выявляют и измеряют. Для каждой организации набор присущих ей угроз отличается зависимо от рода деятельности, окружающей обстановки. Необходимо их идентифицировать, проанализировать, а потом подбирать подходящие методы борьбы с ними.

В зависимости от последствий выделяют 2 группы рисков:

• Чистые — приводят к убыткам в бизнесе.
• Спекулятивные — могут привести к убыткам или дополнительной финансовой прибыли.

В деятельности предприятия зачастую встречаются следующие угрозы:

• Производственные — невыполнение производственного плана в силу неблагоприятных внутренних или внешних обстоятельств;
• Кадровые — возникают при подборе персонала не отвечающего целям организации, потере ключевых сотрудников, приводят к утечке информации, ухудшению репутации, финансовым потерям;
• Коммерческие — возможные потери при закупке/реализации продукции;
• Финансовые — неосуществление организацией своих финансовых обязательств из-за задолженностей, инфляции, изменения курса валют или по каким-либо другим причинам.
• Инвестиционные — упущенные возможности, снижение сумм дивидендов, прямые убытки из-за неправильных решений, падения конъюнктуры, ненадежных должников.

Это лишь краткий перечень опасностей, которые угрожают бизнесу. В каждой сфере хозяйствования присутствуют свои специфические. Нужно знать, как их оценить и разработать стратегию реагирования.

Хотите получить навыки построения карты рисков, анализа способов реагирования на риски?

Записывайтесь на курс и пройдите обучение по собственному графику!

Общие методы управления рисками

Методы риск-менеджмента — это направленные действия по снижению степени существующих угроз и возможных убытков. Они работают только тогда, когда выбраны правильно. По механизму все методы делятся на 4 большие группы.

1. Уклонение: преимущества и недостатки метода

Из названия понятно, что метод уклонения предполагает избегание опасных ситуаций:

• не заключать сделки с партнерами с сомнительной репутацией;
• отказываться от сотрудничества с непроверенными организациями;
• не внедрять инновационные проекты, если существует хоть малейшая возможность неудачи.

Такая стратегия, возможно, избавит от множества непредвиденных опасностей, но она будет тормозить развитие компании и станет причиной упущения многих выгодных инвестиционных решений.

Страхование — один из популярных методов уклонения, когда ответственность за возмещение убытков передается страховой компании. Он позволяет решить вопрос неопределенности и финансовой устойчивости компании. Но у этого защитного механизма есть свои недостатки:

• невозможно застраховаться от всех угроз;
• страховые платежи вносятся, даже если опасная ситуация никогда не наступит;
• влиятельность страховых компаний ограничена, поэтому они не могут предоставить полную защиту от всех угроз.

2. Локализация: при каких условиях используется

Метод локализации применяется только для угроз, которые легко предугадать и можно в какой-то степени изолировать. Отдельные высокоопасные этапы, участки работы передаются подразделениям, где над ними устанавливается жесткий контроль. На практике применяются следующие механизмы:

• Создается небольшая дочерняя фирма, которая берет на себя разработку и реализацию инновационных проектов. Опасные проекты изолируются от основной деятельности компании.
• Для реализации рискованного проекта заключается сделка между несколькими компаниями. Его разработкой занимается специально сформированная обособленная команда специалистов.

3. Рассеивание (диссипация): гибкий инструмент управления

Диссипация или рассеивание предполагает распределение существующих угроз между бизнес-партнерами. При этом создаются концерны, акционерные общества, другие формы кооперации.

Популярной формой метода диссипации является диверсификация — снижение концентрации опасностей за счет расширения линейки продукции, сфер деятельности, рынков продажи, списка поставщиков. Если по какому-нибудь направлению предприятие понесет потери, оно сможет компенсировать их за счет других.

4. Методы компенсации: разработка механизмов предупреждения убытков

Методы компенсации самые многочисленные и часто применяемые, но требуют глубокого анализа, тщательного планирования деятельности предприятия. Они позволяют предупредить опасные ситуации и смягчить финансовые потери.

Также к методам компенсации относится хеджирование — заключение сделок, контрактов с учетом возможных изменений в курсе валют и ценовой политике. Такой подход позволяет застраховаться, сделать доходы и убытки предсказуемей, но при этом размер возможной прибыли снижается.

Для примера рассмотрим аграрную компанию. Она заключает контракт на поставку пшеницы, но самого урожая еще нет. Есть угроза срыва сделки и, чтобы застраховаться, компания приобретает опцион на точно такую же партию пшеницы.

Кадровые риски: сложно предсказать, еще сложнее управлять

Кадровые риски сложно прогнозируемы и сильно влияют на благополучие организации. В условиях современной, основанной на знаниях, экономики квалификация и опыт персонала отыгрывают одну из ключевых ролей в развитии компании. Человеческие ресурсы наиболее непредсказуемы. В отличие от остальных активов они могут в один момент уйти, унося за собой ценные знания и умения.

Главная сложность состоит в том, что в поведении людей всегда присутствует фактор иррациональности. Поэтому объективную картину опасностей сформировать сложно. Важно также учесть вероятность, размер возможных убытков каждой из них.

Оптимизация управления кадровыми опасностями предполагает:

• планирование персонала;
• создание резервов под компенсации, льготные выплаты;
• разработку программ мотивации сотрудников;
• контроль уровня квалификации персонала;
• организацию обучения персонала.

Перечисленные меры работают на предупреждение и используются для управляемых угроз. Но на некоторые повлиять практически невозможно. Для них предусмотрены следующие механизмы защиты:

• самострахование — создание финансового резерва под форс-мажорные ситуации;
• аутсорсинг, аутстаффинг — создание кадрового резерва;
• страхование здоровья, жизни сотрудников.

Управление рисками — ключ к финансовой стабильности компании

Грамотно выстроенная система риск-менеджмента на предприятии позволит извлечь из любой угрозы выгоду для предприятия и достойно справиться с кризисными ситуациями. Риск-менеджер должен уметь подбирать подходящие методы управления опасностями и быстро принимать нестандартные, но стратегически выверенные решения.

Источник

Предикативная (предиктивная) аналитика
Predictive Analytics

Дальнейшее развитие мирового рынка бизнес-анализа пойдет по пути активного освоения advanced (продвинутой) аналитики, в том числе предикативного (предиктивного) анализа, построения симуляторов и вариативных моделей.

Содержание

Что такое предикативная (предиктивная) аналитика?

Предикативная или прогностическая аналитика (Predictive analytics) — это прежде всего множество методов статистики, анализа данных и теории игр, которые используются для анализа текущих и исторических данных/событий для прогноза данных/событий в будущем.

Наиболее известный способ использования прогностической аналитики – это применение скоринговых моделей для оценки платежеспособности клиента при выдаче кредитов в банке. Любая скоринговая модель строится на исторических данных, и если в прошлом, какая-либо группа клиентов была уличена в несвоевременном гашении кредитов, а вы по каким-либо характеристикам схожи с этой группой, то скорее всего в выдаче кредитов вам откажут.

Однако это не все области, где применяется предикативная аналитика, ее можно применять для разработки продуктов, для выбора потенциальной аудитории, для выбора следующего продукта, который вы можете предложить клиенту (Next Best Offer) и множестве других.

Родственным по отношению к предикативной аналитике является понятие data mining, так как предикативная аналитика использует частично подобные методы. Центральной же сущностью предиктивной аналитики является задача определение предиктора или нескольких предикторов (параметров или сущностей, которые влияют на прогнозируемое событие). Например, страховые компании выделяю такие предикторы, как возраст, стаж вождения при определении страховой премии. Множество этих предикторов образует модель предиктивной аналитики, которая предсказывает определенное событие в будущем с какой-то степенью вероятности.

Аналитики Gartner полагают, что дальнейшее развитие мирового рынка бизнес-анализа пойдет по пути активного освоения advanced (продвинутой) аналитики, в том числе предикативного анализа, построения симуляторов и вариативных моделей. Возможность к построению таких моделей в 2013 году в Gartner назвали 15 обязательным блоком корпоративных BI-платформ.

Аналитика класса advanced использует статистику, описательные и предикативные инструменты data mining (разведки данных), симуляторы и оптимизационные средства. Конечная цель применения всех этих инструментов – принятие решений, решение бизнес-задач и идентификация возможностей для составления наилучших прогнозов, выявления процессов, паттернов и прочих закономерностей.

Чтобы предикативный анализ был успешным, в Forrester рекомендуют четко следовать следующим стадиям: постановка цели, получение данных из различных источников, подготовка данных, создание предикативной модели, оценка модели, внедрение модели, мониторинг эффективности модели.

Схема внедрения инструментов предикативного анализа

Forrester Research, 2013

Области применения

В отличии от data discovery средства предикативной аналитики адресованы специалистам, поэтому не применяются столь широко. По данным Gartner за 2012 год, только 13% пользователей BI широко задействуют средства предикативного анализа. Менее 3% используют такие методы как математическое моделирование, симуляторы и оптимизацию.

Эксперты считают, что не стоит ждать массовых внедрений в этой области, но тренд будет постепенно меняться. Причина тому – появление феномена больших данных, который подталкивает организации к поиску новых средств обработки информации. В Gartner считают, что те компании, которые будут применять продвинутую аналитику к большим данным, будут расти на 20% быстрее конкурентов.

По мнению Эрика Сигеля (Eric Siegel), эксперта по предикативному анализу, изложенному в его одноименной книге «Predictive Analytics» [1] , область применения предикативного анализа в действительности весьма широка. Он приводит 10 наиболее распространенных примеров:

• Директ маркетинг: задача состоит в повышении числа откликов путем интеграции данных о клиентах из различных веб и социальных источников. Компании могут определять эффективность промо кампаний, разделяя потенциальных клиентов по сегментам, местоположению или каналам доставки.
• Предикативный таргетинг рекламы: любой рекламодатель хочет знать, какое сообщение является наиболее эффективным. Рекламу можно демонстрировать наилучшим образом онлайн, основываясь на подобии кликов, причем клиенты только выиграют от подачи более релевантного контента.
• Выявление мошеннических схем: средства предикативного анализа позволяют минимизировать использование мошенниками фальшивых схем страхования, получения кредита и тому подобное.
• Управление инвестиционными рисками: средства предикативного анализа позволяют оценить потенциал того или иного стартапа или другого актива. Метод может использоваться компаниями и для выбора партнера, кандидата на покупку или даже вендора.
• Удержание клиентов: предикативный анализ позволяет рассчитать поведение клиентов, а также учесть негативные факторы, влияющие на их решения.
• Рекомендательные сервисы: пользователям можно рекомендовать товары или контент на основе данных о предыдущих просмотрах, интересах или анализа комментариев в Twitter.
• Образование: средства предикативной аналитики могут использоваться для обеспечения более эффективных методик преподавания.
• Политические кампании: моделирование процесса голосования.
• Системы принятия решения в медицине: предикативный анализ может на основании множества факторов выявить склонность пациентам к заболеваниям типа сахарного диабета, астмы и других болезней, связанных с образом жизни.
• Страхование и ипотечное кредитование: точное определение разумной суммы покрытия в каждом страховом случае.

Торговля

Прогнозирование потребительского спроса и планирование акций [2]

• Прогнозирование ежедневного потребительского спроса на уровне магазин/товар на 28 дней
• Прогнозирование акционного спроса
• Учет товарного замещения (каннибализации) во время акций
• Учет изменений в цене, сезонного изменеия спроса
• Учет температуры и погодных условий по городам расположения магазинов, размерам магазинов и пр.
• Прогнозирование для новых товарных позиций, новых магазинов
• Учет открытий конкурентов

Выведение значимых товарных позиций для покупателей (Key Value Item Analysis)

• Выделение товаров имеющих непропорционально большое влияние на восприятие покупателей
• Выявив эти товарные позиции ритейлер может влиять на потребительское восприятие адаптировав свою ценовую стратегию
• Используя агрессивную ценовую стратегию, ритейлеры могут влиять на трафик, общее представление о ценах, прибыльность, долю рынка и пр.

Оптимизация регулярной и акционной цены

• Рекомендации по оптимальной цене
• Учет ограничений по выкладке, марже, обороту, поставкам и пр.
• Расчет эластичности цены
• Рекомендации по временным ценам для ускорения продаж
• Прямые предложения для клиентов
• Многоканальные продажи

• Поведенческая и маркетинговая сегментация,
• Целенаправленные маркетинговые кампании
• Анализ потребительской корзины,
• Рекомендации по товарам
• Перекрестные продажи и повышение уровня продаж,
• Стратегия наилучшей альтернативы,
• Предотвращение оттока клиентов путем расчета потребительского риска

Выделение групп покупателей со схожими поведенческими характеристиками путем многомерного анализа данных
Customer Segmentation, Behavioral Targeting, Churn Prevention

• Повышение конверсии по акциям путем формирования целевых групп (сегментов) покупателей для направленных акций
• Повышения прибыльности путем рекомендаций по уровню скидок для различных целевых групп покупателей
• Повышение лояльности путем раннего выявления покупателей с наибольшей вероятностью ухода и последующих действий (акций)

Предиктивная аналитика на производстве

• Анализ и прогнозирование влияния воздействий факторов на параметры продукции
• Прогнозирование отказов оборудования — переход от обслуживания по регламенту к обслуживанию по состоянию
• Прогнозирование производства продукции и потребления энергии и ресурсов
• Онлайн упреждающие оповещения о будущих внештатных ситуациях

Для промышленных предприятий, где требуется обработка и понимание огромного количества данных и есть высокие риски при принятии решений, предсказательная аналитика имеет особое значение [3] .

Данные о протекании технологического процесса не всегда используются эффективно, в то время как их можно использовать для оптимизации операционных процессов и повышения технико-экономических показателей производства. Оптимизацию можно выполнить на любом типе производства с серьезным уровнем автоматизации, организованным сбором и длительным хранением информации. Для этого успешно применяются интеллектуальные системы, которые могут проанализировать состояние технологического процесса в реальном времени, спрогнозировать дальнейшее протекание процесса, определить уровень оптимальности и, при необходимости, изменить управляющие параметры или дать рекомендации диспетчеру. Для решения данных задач с помощью средств машинного обучения создается предиктивная математическая модель технологического процесса. Она анализирует входные параметры, в реальном времени выдает прогноз протекания процесса и предложения по его оптимизации. Эта модель объединяется с АСУТП, MES и ERP-системами предприятия.

Еще одна задача для предиктивных алгоритмов – это техническое обслуживание и ремонт оборудования. В основном, предприятия используют базовые механизмы контроля, предоставленные производителями оборудования. Но потенциал этих средств ограничен, поскольку они не позволяют проанализировать дополнительные факторы, влияющие на состояние оборудования, и заранее спрогнозировать критическую ситуацию. Таким образом, сотрудники отдела технического обслуживания получают множество данных, но не знают, как эти данные связаны между собой. В итоге реакция от ремонтных служб следует только после отказа оборудования, что ведет за собой простои, и, следовательно, дополнительные расходы. Прогнозная аналитика средствами машинного обучения и искусственного интеллекта проводит непрерывный анализ больших данных, выполняет визуализацию данных о состоянии оборудования на текущий момент и прогнозирует сценарии возникновения отказов оборудования. В результате сокращаются внеплановые простои, оптимизируются работы по ТОРО, уменьшается время техобслуживания, а управляющий персонал получает углубленный анализ причин отказов оборудования.

Мировой рынок

Прогноз Transparency Market Research 2017 года в 2019й

Рынок предикативной аналитики достигнет $6,5 млрд к 2019 году, согласно прогнозу Transparency Market Research [4] от ноября 2013 года. По мнению аналитиков этой компании, рост рынка управляется такими драйверами как увеличение спроса на пользовательскую аналитики и интеллектуальный софт для информационной безопасности и защиты от фрода. Отдельное отмечается бурное развитие сегменте облачных решений для предикативного анализа [5] .

Для сравнения, по итогам 2012 года, по данным той же фирмы, мировой рынок систем для предикативного анализа составил в объеме $2,08 млрд, а среднегодовой его прирост в период с 2013 по 2019 год составит 17,8%.

Наиболее востребована предикативная аналитика в отраслях, работающих с конечными потребителями, таких как банковские и финансовые сервисы, страхование, госсектор, фармацевтика, телеком и ИТ, ритейл. На эти сегменты пришлось 71,8% объема внедрений в 2012 году. На протяжении прогнозного периода максимальная доза проектов придется на банковский сектор, финансовые сервисы, страхование. Впрочем, наиболее быстро число проектов будет расти в рознице и на производстве.

Аналитики отмечают, что рост случаев мошенничества, неплатежей, угрозы несоответствия многочисленным правилам и регламентам вынуждают бизнес все чаще обращаться к предикативному анализу с целью построения футуристических моделей, позволяющих принимать превентивные меры по отношению к неблагоприятным событиям.

Такие разные типы программного обеспечения как системы пользовательской аналитики, аналитики информационной безопасности и управлениям кампаниями составили около 50% рынка предикативной аналитики в 2012 году. Эти решения используются для оптимизации организационных процессов в продажах и маркетинге, управления клиентами и каналами продаж, финансового и риск менеджмента и так далее.

Среди региональных рынков крупнейшим рынком систем предикативного анализа будет Северная Америка, причем здесь спрос на прогнозные решения придет со стороны компаний, активно решающих вопросы работы с большими данными (big data). Именно поэтому в скором времени на аренду предикативной аналитики выйдет все ключевые вендоры решений для big data, включая SAS Institute, SAP, Oracle, IBM, Microsoft, Teradata и Tableau Software.

Рынок при этом остается во многом поделен между крупнейшими игроками: на первую пятерку поставщиков пришлось 80% объема рынка в 2012 году. Среди других заметных игроков отмечаются Fair Isaac, Tibco, Information Builders, Alteryx, Qlik (QlikTech) и MicroStrategy.

Источник