Модул 1: Защо данните са важни в бизнеса
2026-02-19
Вземане на бизнес решения на базата на данни
Курс за бъдещи бизнес лидери, които искат да вземат по-добри решения — с помощта на данни, а не на интуиция.
Преподавател: доц. д-р Виктор Аврамов
Департамент: Администрация и управление, НБУ
Контакт: vavramov@nbu.bg
Целта не е да станете статистици, а да вземате по-информирани бизнес решения.
Знания:
Умения:
| Модул | Теми | Седмици |
|---|---|---|
| 1. Защо данните са важни | Цената на лошите решения, пътуване в света на данните | 1–2 |
| 2. Анализ на бизнеса чрез данни | Истории с числа, модели, табла | 3–5 |
| 3. Прогнозиране на бъдещето | Прогнозиране, клиентско поведение, риск | 6–8 |
| 4. Вземане на по-добри решения | Оптимизация, A/B тестове, теория на игрите | 9–11 |
| 5. Бизнес анализът в действие | Комуникация, етика, инструментариум | 12–14 |
| Финал | Представяне на проект | 15 |
По време на семестъра:
По време на сесията:
Няма традиционен изпит. Оценката се гради постепенно през целия семестър.
Не се притеснявайте — входната бариера е ниска:
Ако можете да отговорите “да” на тези въпроси следващата седмица, вие сте готови:
Цената на лошите решения
Какво се случва, когато бизнесът игнорира данните?
Колко пъти днес сте взели решение на база данни, без да го осъзнавате?
Всичко това е вземане на решения на базата на данни. В бизнеса залогът е просто по-висок.
2000 г. — Netflix предлага на Blockbuster да ги купи за 50 милиона долара. Blockbuster отказва.
Blockbuster (интуиция):
Netflix (данни):
Netflix не просто “познават” — те измерват:
Решението да инвестират в оригинално съдържание (House of Cards, 2013) е базирано на данни — не на интуиция.
Kodak изобретяват цифровата камера през 1975 г. Но решават да я скрият, за да не навредят на бизнеса с фотографски материали.
Не е достатъчно да имаш данните. Трябва да взимаш решения според тях.
58%
от мениджърите вземат решения повече на база интуиция, отколкото на база данни (EIU/PwC, Gut & Gigabytes, 2014)
5–6%
по-висока производителност при компании, управлявани на базата на данни (Brynjolfsson, Hitt & Kim, MIT, 2011)
Разликата между “мисля, че…” и “данните показват, че…” може да струва милиони.
Човешкият мозък е удобен инструмент, но с грешки по подразбиране:
| Когнитивно изкривяване | Какво означава | Пример в бизнеса |
|---|---|---|
| Потвърждение (Confirmation bias) | Търсим данни, които потвърждават каквото вече вярваме | “Нашите клиенти обичат продукта” (без анкета) |
| Наличност (Availability bias) | Приемаме за важно това, което лесно си спомняме | “Миналия месец имахме оплакване — значи всичко е зле” |
| Закотвяне (Anchoring) | Първата информация ни влияе прекалено | “Конкурентът продава на 10 евро — ние трябва на 9” |
| Свръхувереност | Мислим, че знаем повече, отколкото знаем | “Аз познавам тази индустрия от 20 години” |
Определение: Процес на вземане на решения, при който се използват факти, показатели и анализ — вместо интуиция, йерархия или “така сме правили винаги”.
Това НЕ означава:
Това означава:
┌──────────┐ ┌──────────────┐ ┌──────────┐
│ ДАННИ │ ──→ │ ИНФОРМАЦИЯ │ ──→ │ РЕШЕНИЕ │
│ │ │ │ │ │
│ Сурови │ │ Обработени, │ │ Действие │
│ факти │ │ анализирани │ │ на база │
│ и числа │ │ и визуали- │ │ доказа- │
│ │ │ зирани │ │ телства │
└──────────┘ └──────────────┘ └──────────┘Пример:
По тип:
По източник:
Добрият анализ комбинира и двата типа — числата казват “какво”, качествените данни казват “защо”.
Представете си, че управлявате кафене. Приходите падат от 3 месеца.
Подход “интуиция”:
Подход “данни”:
Файл с данните: cafe-data.xlsx (четири листа с реални данни за анализ)
Продажби по часове (брой поръчки на ден) за октомври–декември:
| Час | Окт | Ное | Дек | Промяна |
|---|---|---|---|---|
| 07:00–08:00 | 45 | 38 | 28 | −38% |
| 08:00–09:00 | 62 | 51 | 35 | −44% |
| 09:00–10:00 | 40 | 38 | 36 | −10% |
| 10:00–11:00 | 35 | 34 | 33 | −6% |
| 12:00–13:00 | 48 | 47 | 46 | −4% |
| 13:00–14:00 | 52 | 50 | 49 | −6% |
Сутрешните часове (маркирани в жълто) показват драстичен спад. Следобедът е почти стабилен.
Извадка от отзивите (пълните данни — в Excel файла):
| Дата | Оценка | Коментар |
|---|---|---|
| 05.10 | ⭐⭐ | “Чаках 15 минути за кафе сутринта” |
| 12.10 | ⭐ | “Опашката беше до вратата в 8 часа” |
| 15.11 | ⭐ | “Само един барист сутринта?! Абсурд” |
| 20.11 | ⭐⭐ | “Закъснях за работа заради опашката” |
| 03.12 | ⭐ | “Вече не идвам сутрин. Ходя при конкурента” |
| 18.12 | ⭐⭐⭐⭐⭐ | “След обяд — бързо и вкусно” |
60% от оплакванията са в категория “Чакане”. Средна оценка: 2.7 от 5.
| Час | Пон | Вт | Ср | Чет | Пет | Съб | Нед |
|---|---|---|---|---|---|---|---|
| 07:00–09:00 | 1 | 1 | 1 | 1 | 1 | 1 | 0 |
| 09:00–12:00 | 2 | 2 | 2 | 2 | 2 | 2 | 1 |
| 12:00–15:00 | 2 | 2 | 2 | 2 | 2 | 2 | 1 |
| 15:00–18:00 | 1 | 1 | 1 | 1 | 2 | 1 | 0 |
Само 1 барист обслужва в часовете с най-високо търсене (07–09 ч.).
Следобед, когато клиентите са по-малко, има 2 баристи.
Графикът е обърнат наопаки!
Данните казват:
Заключение:
Проблемът НЕ е сезонът, цените или менюто.
Проблемът е капацитетът сутрин — твърде малко персонал в часа с най-много клиенти.
Решение: Добавяме втори барист от 07:00 до 09:00 ч.
| Сума | |
|---|---|
| Разход: 2 ч./ден × 22 дни × 10 eur/ч. | 440 лв./мес. |
| Приход: ср. поръчка 5 eur × 30 доп. клиенти/ден × 22 дни | 3 300 лв./мес. |
| Нетна полза: | +2 860 eur/мес. |
Вместо да гадаем, ние измерихме проблема, намерихме причината и изчислихме ефекта от решението.
| Стъпка | Какво правим | Инструмент | Резултат (кафене) |
|---|---|---|---|
| 1. Събиране | Извличаме данни | Excel (import) | Продажби по часове за 3 мес. |
| 2. Организиране | Групираме и структурираме | Excel (таблици) | Часови зони × месеци |
| 3. Анализ | Търсим модели | Excel (формули) | −38% сутрин, стабилен следобед |
| 4. Кръстосан анализ | Свързваме източници | Excel (COUNTIF) | Чакане + 1 барист = причина |
| 5. Решение | Действаме на база данни | Презентация | +2 860 лв./мес. нетна полза |
Това са петте стъпки, които ще следваме в целия курс.
┌─────────────────────┐
│ Предписателна │ Какво да направим?
│ (Prescriptive) │ ← Модул 4
├─────────────────────┤
│ Предсказателна │ Какво ще се случи?
│ (Predictive) │ ← Модул 3
├─────────────────────┤
│ Диагностична │ Защо се случи?
│ (Diagnostic) │ ← Модул 2
├─────────────────────┤
│ Описателна │ Какво се случи?
│ (Descriptive) │ ← Модул 1–2
└─────────────────────┘Ще се изкачваме стъпка по стъпка — от описание до предписание.
Основна литература:
За упражнения (Модул 1–2):
Седмица 2: Нашето пътуване в света на данните
Мини-проект 1 (до следващата седмица):
Лаптоп за работа в зала.
Декстоп версия на MS Excel
Базови умения за въвеждане на данни и формули
Днес научихме:
Ключов извод: Данните не заменят мисленето — те го подпомагат.
?
доц. д-р Виктор Аврамов | vavramov@nbu.bg
Вземане на бизнес решения на базата на данни | НБУ