Insight занимается категорийным и продуктовым анализом, включая данные, отчеты, гипотезы и рекомендации для бизнеса.
Но ключевая сложность заключалась не в сборе данных, а в том, как они использовались внутри команды и передавались клиентам.
Аналитика создается быстро.
Решения принимаются медленно.
Для качественного взаимодействия аналитиков, менеджеров и клиентов командой Insight было принято решение внедрить мессенджер Phronesis. Почему именно его и как именно мессенджер может помочь в данной ситуации рассказываем далее.
Но ключевая сложность заключалась не в сборе данных, а в том, как они использовались внутри команды и передавались клиентам.
Аналитика создается быстро.
Решения принимаются медленно.
Для качественного взаимодействия аналитиков, менеджеров и клиентов командой Insight было принято решение внедрить мессенджер Phronesis. Почему именно его и как именно мессенджер может помочь в данной ситуации рассказываем далее.
Проблема
В Insight уже были выстроены процессы аналитики: сбор данных, подготовка отчетов и формирование рекомендаций. Но коммуникация вокруг этих процессов оставалась разрозненной. Например, она осуществлялась через почту, таблицы, звонки и несколько различных мессенджеров.
Это приводило к типичным проблемам:
Согласно внутреннему анализу Insight:
В результате:
Это приводило к типичным проблемам:
- обсуждение аналитики происходило вне контекста данных.
- гипотезы терялись в переписках.
- согласование решений занимало много времени.
- клиентам требовались дополнительные пояснения.
- одна и та же информация дублировалась.
Согласно внутреннему анализу Insight:
- 65% времени аналитиков занимало обсуждение.
- 40% диалогов теряли контекст через 1–2 дня.
- до 30% гипотез возвращались на доработку из-за недопонимания.
В результате:
- Скорость принятия решений снижалась
- Ценность аналитики раскрывалась не полностью
- Команда была перегружена коммуникацией
Что послужило решением
Команда приняла решение изменить не сами отчеты, а способ работы с ними. Мессенджер Phronesis был внедрен в качестве единой среды, где аналитика, обсуждения и решения объединяются в одном пространстве.
Аналитика перестала быть «просто отчетом», она стала процессом.
Мессенджер выступил в качестве:
Аналитика перестала быть «просто отчетом», она стала процессом.
Мессенджер выступил в качестве:
- Рабочего пространства аналитики.
- Контекстного обсуждения данных.
- Быстрого доступа к выводам и гипотезам.
- Единой точкой взаимодействия с клиентами.
- Постоянно доступного канала коммуникации.
Как сейчас строится работа
Аналитик формирует отчет или гипотезу и публикует ее во Phronesis. Команда обсуждает выводы прямо в контексте данных, задает уточняющие вопросы, фиксирует решения и при необходимости подключает клиента. Важно, что все обсуждения сохраняются, к ним всегда есть доступ.
Какие результаты заметила команда согласно результатам тестирования:
Какие результаты заметила команда согласно результатам тестирования:
- более 70% обсуждений аналитики переместились в один единственный мессенджер.
- среднее время согласования решений сократилось с 2–3 дней до 1 дня.
- до 60% вопросов закрываются в рамках одного диалога без дополнительных встреч.
Как мессенджер повлиял на разные аспекты
Ключевую роль сыграл формат взаимодействия, а не только технология. Согласно проведенному анализу, внедрение мессенджера Phronesis решило несколько проблем:
Контекстная аналитика
Обсуждение происходит рядом с данными. Теперь 80% комментариев привязаны к конкретным метрикам или гипотезам. Время на «восстановление контекста» сократилось более чем в 2 раза.
Единая среда для команды и клиента
Все участники работают в одном пространстве. количество каналов коммуникации сократилось с 4–5 до 1–2. Дополнительный позитивный момент – время ответа клиенту уменьшилось на 35%.
Фиксация решений
Теперь каждое обсуждение заканчивается зафиксированным результатом – 90% решений документируются автоматически в процессе общения. Благодаря этому снизилось и количество повторных обсуждений.
Встроенность в рабочие процессы
Phronesis стал частью ежедневной работы аналитиков. Важный момент – он не заменяет инструменты анализа, а связывает их между собой.
Присутствие ИИ
ИИ усиливает работу с аналитикой, помогая быстро находить нужные данные. Он обобщает обсуждения, формирует краткие выводы и подсказывает по типовым вопросам
При этом:
При этом:
- 75% типовых уточнений обрабатываются без участия аналитика.
- время на подготовку summary сократилось на 50%.
- скорость ответа на вопросы – менее 5 секунд.
Как работает мессенджер
Для пользователей это просто чат, куда можно обратиться с вопросом, как в техническую поддержку.
С точки зрения архитектуры мессенджер интегрирован в рабочие процессы. Коммуникация привязана к данным и отчетам, а ИИ анализирует сообщения, использует базу знаний и предыдущие кейсы при формировании ответов и сводок.
С точки зрения архитектуры мессенджер интегрирован в рабочие процессы. Коммуникация привязана к данным и отчетам, а ИИ анализирует сообщения, использует базу знаний и предыдущие кейсы при формировании ответов и сводок.
Влияние на бизнес
Для Insight это решение означает переход на новый уровень работы с данными. Аналитика перестает быть статичной и преобразуется в инструмент принятия решений в реальном времени. Это позволяет быстрее проверять гипотезы, реагировать на изменения рынка, а также повышать ценность аналитики для клиентов
Результат внедрения
Благодаря мессенджеру удалось изменить сам подход к работе с аналитикой. Phronesis стал рабочей средой, инструментом принятия решений, а также связующим звеном между данными и бизнесом.
Именно это позволило Insight ускорить процессы, снизить потери контекста и повысить эффективность команды.
Раньше:
Отчет → обсуждение → доработка → новый отчет.
Теперь:
Аналитика → обсуждение → решение в одном потоке.
Главное изменение – аналитика стала живым процессом. Сократилось количество итераций по задачам, а также нагрузка на аналитиков.
Именно это позволило Insight ускорить процессы, снизить потери контекста и повысить эффективность команды.
Раньше:
Отчет → обсуждение → доработка → новый отчет.
Теперь:
Аналитика → обсуждение → решение в одном потоке.
Главное изменение – аналитика стала живым процессом. Сократилось количество итераций по задачам, а также нагрузка на аналитиков.