От средней выручки к средней прибыли на абонента

В условиях насыщенного рынка операторы связи все больше внимания уделяют не столько росту выручки за счет новых продаж, сколько управлению текущими затратами. Фокус смещается в сторону анализа прибыльности.

Алексей Чурин
Алексей Чурин, директор
по развитию бизнеса SAP, телекоммуника-ционный сектор

Ключевыми стратегическими задачами операторов связи становятся контроль затрат и поиск неэффективных расходов.

Где могут быть узкие места и каковы причины неэффективности? Рассмотрим несколько характерных примеров.

Скидки. Стремясь расширить абонентскую базу, компании предлагают скидки существующим или новым клиентам. Однако есть опасность, что в погоне за дополнительной выручкой их будут давать даже в тех случаях, когда это невыгодно. Если механизмов для отслеживания нет, а продавцы нацелены только на рост выручки, потери компании могут оказаться немалыми.

Дилерские комиссии. В процессе привлечения новых абонентов компания несет существенные расходы, оплачивая в числе прочего услуги дилеров. Для этого используются разные каналы, которые могут иметь и разную эффективность. Отдельные партнеры в погоне за количеством проданных контрактов убеждают купить их услуги даже тех клиентов, которые совершенно не планируют ими пользоваться. В результате оператор выплачивает дилерам комиссионные, но прибыли не получает, а выручка может даже не покрывать эти выплаты.

Роуминг и межоператорский трафик. Затраты могут быть достаточно велики. Предсказать, кто из клиентов и куда будет перемещаться, можно лишь с некоторой точностью (на основании истории работы с абонентом). Отдельные направления трафика могут быть менее выгодны. Детальная оценка и выяснение, какие клиенты чаще всего оказываются менее выгодными и за счет каких роуминговых и интерконнект-затрат, – отличный повод для анализа и поиска неэффективности.

Субсидирование сервисов для B2B. В предложениях для корпоративных клиентов бывают и перекосы. Операторы предлагают компаниям наборы услуг для сотрудников. Подсчет прибыльности осложняется необходимостью учитывать затраты на подключение клиента и тарифы на разные типы сервисов. Кроме того, прибыль не является постоянной величиной. Активность компании, расходы на роуминг, услуги IP-телефонии и прочие составляющие бизнеса затрудняют расчет. Могут возникнуть ситуации, когда выручка от B2B-клиента сопоставима с затратами на него или оказывается еще ниже.

Ошибки в тарифах и неправильный прогноз потребления. Банальные ошибки при проектировании тарифных планов, просчет в прогнозах потребления чреваты падением прибыльности. Никто не застрахован от промахов, но возможность точно отследить прибыль позволяет снизить риски потерь.

РЕШЕНИЕ


Изучая данные о выручке, прибыли и затратах через призму всех операций, оператор связи может полностью переосмыслить свою бизнес-модель


В телекоммуникационных компаниях до последнего времени никто не стремился подсчитывать прибыльность с точностью до абонента. Оценка осуществлялась с помощью аналитических средств на основе данных, собираемых в корпоративном хранилище и агрегированных в заранее заданные группы.

У операторов связи количество абонентов исчисляется десятками миллионов, а транзакции – сотнями миллионов в день. Обслуживанием подобного количества клиентов и обработкой столь огромного числа транзакций занимаются лишь некоторые отрасли. И только сейчас, с появлением инструментария больших данных, становится возможной оценка прибыльности с точностью до клиента. Нельзя сказать, что операторы не занимались поисками потерь и неэффективности, но до сих пор речь шла в основном о выручке. Почти все операторы имеют подразделения Revenue Assurance, которые осуществляют анализ потерь от воровства и ошибок в биллинговых процессах или поиск причин их неэффективности. Они не учитывают затраты, поэтому не делается и анализ прибыльности.

В чем же сложность решения такой задачи? Как известно, существуют разные подходы к подсчету себестоимости. Одни затраты можно напрямую отнести к оказанной услуге и конкретному абоненту (их принято называть прямыми), а другие (их называют косвенными) нельзя, и их необходимо сложным образом учитывать для отнесения к абоненту. От методики классификации затрат зависит точность результата.

Для развернутого анализа прибыли нужны подробные данные. Корпоративное хранилище данных обычно содержит информацию, уже агрегированную до определенного уровня, что не дает требуемой полноты картины. Необходимы данные обо всех затратах и выручке с детальностью до абонента – только с их помощью удастся выявлять те области неэффективности, о которых шла речь выше.

Фактически требуется аналитическая система, способная хранить детальные данные о выручке и затратах, отнесенных в соответствии с определенной методикой к центрам затрат, и предлагающая инструментарий для поиска областей неэффективности. Модель данных такой системы должна быть универсальной. Разные операторы имеют ИТ-решения от разных производителей, собственные стандарты и наименования сущностей, и модель должна отображать эти разнородные данные, чтобы было удобно не только получать запрашиваемые сведения, но и осуществлять расширение с учетом новых потребностей.

SAP BIG DATA MARGIN ASSURANCE


Решение SAP Big Data Margin Assurance позволяет эффективно выполнять мониторинг затрат и прибыли, а также поиск кластеров низкой и отрицательной маржинальности и исходных причин такой неэффективности


Решение SAP Big Data Margin Assurance, предлагаемое компанией SAP в качестве ответа на эти вызовы, позволяет эффективно выполнять мониторинг затрат и прибыли, а также поиск кластеров низкой и отрицательной маржинальности и исходных причин такой неэффективности.

Решение основано на флагманской платформе SAP HANA, которая осуществляет хранение и обработку данных по технологии in-memory с использованием принципа поколоночного хранения. Платформа ориентирована на обработку большого объема данных, и решение SAP Big Data Margin Assurance является ярким примером реализации ее возможностей.

Система включает в себя модель данных, которая основана на стандарте Shared Information & Datamodel (SID), рекомендуемом международной отраслевой ассоциацией Tele Management Forum (TMF). Это позволяет упростить отображение данных, поступающих в системы оператора из внешних источников, с необходимым уровнем детализации.

В состав решения входит набор предустановленных аналитических приложений, позволяющих получить инструментальные панели для отображения ключевых показателей по прибыли в удобном виде и в необходимых разрезах – по тарифным планам, регионам, группам клиентов и т. д. В результате облегчаются мониторинг прибыльности и переход от общих отчетов к более детальным (drill down).

Одним из приложений является инструмент поиска кластеров неэффективности по прибыли. На основании заданных критериев система осуществляет поиск «проблемных» абонентов. Для каждого из них можно рассчитать состав выручки, затрат и другие параметры и выявить причины «плохих» показателей, сравнив кластер со средней группой по различным разрезам. В результате определяются обстоятельства, приводящие к низкой маржинальности, и создаются условия для перехода от детальных показателей к более общим с соответствующей группировкой.

В решении имеется и ряд других инструментов для упрощения работы и автоматизации процессов анализа причин.

ЗАКЛЮЧЕНИЕ

Телекоммуникационные компании могут капитализировать массивный объем данных, которые они собирают, благодаря ранее недоступным возможностям анализа. Изучая данные о выручке, прибыли и затратах через призму всех операций, оператор связи может полностью переосмыслить свою бизнес-модель. Влияние такого инструмента нельзя недооценивать. Важно понимать, что новый подход меняет отношение оператора к ключевым показателям бизнеса: учет не средней выручки (ARPU), а средней прибыли (AMPU) на абонента.

Оператор начинает фокусироваться не на объеме продаж, а на анализе маржинальности. Телеком-компании могут почти в реальном времени оценивать уровень рентабельности каждого абонента и, что особенно важно, понимать, какие общие факторы стали причиной достижения того или иного результата


ПРИМЕР ВНЕДРЕНИЯ

Решение SAP Big Data Margin Assurance получило высокую оценку в компании Vodafone после пилотного запуска. Проект получил награду SAP HANA Innovation Award в категории Digital Trailblazer весной 2016 года. Томас Холтманс, директор Vodafone по финансовым операциям в Центральной Европе и глобальный владелец процессов Margin Assurance, отметил: «Возможность детально понимать рентабельность и нерентабельность каждого клиента и находить причину меняет правила игры в нашей отрасли».


1 Источник: “The ability to understand granular customer profitability specifically which customers are profitable or unprofitable and why, is a game-changer for our industry,” said Thomas Holtmanns, Vodafone Director Finance Operations Central Europe and Global Process Owner Margin Assurance. – See more at: https://ideas.sap.com/D32622

Контакт с нами
Отправить

Выполните вход под своей учетной записью или зарегистрируйтесь, чтобы создать новую учетную запись.

Не зарегистрированы?

Еще не зарегистрированы? Получите доступ к 5000 эксклюзивных материалов, подпишитесь на новостную рассылку и управляйте ей.




Создать новый профиль