Szeretne adattudós lenni? Csak elemzőeszköz kérdése Önkiszolgáló predikciós eszközök a mindennapokra

Horváth Renáta - Szoleczki Zoltán
2017. július 19.

A tudás hatalom – ezt a szólást Sir Francis Bacon-től mindannyian ismerjük. Arra azonban kevesen gondolunk, hogy a tudás hiánya versenyhátrány. Az a vállalat, amely nem képes kiaknázni a rendelkezésére álló információkat, nem lesz képes stratégiai kérdésekre megfelelő időben, megfelelő választ adni.

Önkiszolgáló predikciós eszközök

Itt jönnek a képbe az adatvagyon kiaknázására létrejött fejlett predikciós eszközök. Ezeket hagyományosan csak egy rendkívül szűk réteg tudta használni, jellemzően azok az adatbányászok és statisztikusok, akik 7-10 egyetemi év után doktori fokozatot szereztek. Ez a szűk réteg számára elérhető szaktudás azonban nem ér össze a vállalatok azon törekvésével, hogy minden olyan üzleti területen, amely adatokra épül – és lássuk be, hogy a legtöbb terület ilyen –, szükség van rá, hogy a mindennapok része legyen az adatvagyon kiaknázása.

Ezt az igényt a technológiai és IT megoldások szállítói felismerték. Egyre inkább igyekeznek előképzettséget nem igénylő, intuitív prediktív szoftvereket megalkotni, melyek szerves részét tudják képezni egy vállalat életének.

Vezető IT szállítók és önkiszolgáló analitikai termékeik

A legnagyobb szállítók mindegyike rendelkezik önkiszolgáló analitikai megoldással. Ezekben az eszközökben közös, hogy relatíve ugyanolyan adatelemzési pontossággal dolgoznak, mint a bonyolult, matematikai és fejlesztői képességeket igénylő analitikai programok, miközben az egyszerű felhasználók számára is elérhető megoldásokat nyújtanak.

Kiemelve néhány nagyvállalat megoldását:

– IBM SPSS Modeler: az egyik legkiterjedtebb elemzési eszköztárral rendelkező szoftver, melyhez azonban nem ártanak a statisztikai előismeretek.

– SAP Predictive Analytics: használata könnyen megtanulható, intuitív és gyors elemzési sebességgel bír.

– Microsoft Azure: a felhőben rejlő szinte végtelen adattárolási és elemzési kapacitásokat használja ki, algoritmusait erre építi

Legyen szó beszerzésről, operációról, értékesítésről vagy ügyfélgondozásról, legyen ez akár a több évre előretekintő stratégiaalkotás vagy operatív tervezés, a prediktív analitikai megoldások ma már a vállalatok minden tevékenységét áthathatják. Ennek feltétele a megfelelő szoftveres megoldás kiválasztása, az egyes területeken dolgozó kollégák felkészítése és a kellően bonyolult, adatigényes üzleti problémák megtalálása. Adatigényes üzleti problémákban márpedig nincs hiány. Az utóbbi évek során egyre több és több projektünkben alkalmazunk prediktív elemzési megoldásokat, melyek közül a teljesség igénye nélkül néhányat kiemelünk:

Szegmentáció, klaszterezés

Egy célzott és hatékony marketingkampány kivitelezéséhez elengedhetetlen, hogy megfelelő időben, megfelelő helyen a megfelelő célcsoportot érjük el. A rengeteg rendelkezésre álló (tranzakciós, törzsvásárlói) információ alapján az ügyfeleket tulajdonságaik és viselkedési ismérveik alapján képesek vagyunk különböző csoportokra – szegmensekre – osztani analitikai szoftverek segítségével. Egy kiskereskedelmi hálózatot üzemeltető ügyfelünknél szegmentáció segítségével felismertük, hogy létezik egy viszonylag nagyobb számú, gyakran vásárló ügyfélkörük, amelynek tagjai elsősorban kávét fogyasztanak és néhány esetben egy második terméket is vásárolnak (vizet, péksüteményt, szendvicset). Az adott ügyfélkört ezek után személyre szabott kampányokkal keresték meg, elsősorban a kávéhoz ajánlottak nekik termékeket ezzel sikeresen növelve a promóció hatékonyságát.

Idősoros előrejelzés

Az éves tervezés során, valamint a tervteljesülés követésekor és várhatózáskor is felmerül a kérdés, hogyan lehet a folyamatot pontosabbá és gyorsabbá tenni? Ma már nem több erőforrás és egyeztetési kör beiktatásával, hanem prediktív előrejelzés segítségével. Az idősoros előrejelzés során a fejlett analitikai szoftverek megértik és elemzik a múltat, és ebből következtetnek a jövőre. Ennek hasznai egészen messzire nyúlhatnak: Egy ügyfelünknél például a gyógyszer-értékesítés előrejelzése, tervezése már ilyen módszerrel történik, és erre oly mértékben támaszkodnak a vállalat felsővezetői, hogy a gyártást is ehhez ütemezték hozzá. A prediktív előrejelzés így nem csak a tervezést tette pontosabbá, hanem olyan, a gyártással összefüggő problémákat is segített leküzdeni, mint a készlethiány.

Lemorzsolódás előrejelzés

Visszatérve az ügyfelekhez: hiába tudja egy vállalat, hogy kik az értékes fogyasztói és mennyit fognak nekik értékesíteni, ha nem tudja megtartani őket. Ebben segíthet a lemorzsolódás – vagy más néven churn – előrejelzése. Segítségével a tranzakciós adatok alapján egy vállalat azonosíthatja, mekkora a veszélye annak, hogy egy adott ügyfél belátható időn belül a versenytárs szolgáltatásait veszi igénybe. Ezekre a fogyasztókra aztán megelőző intézkedéseket alkalmazhat, sőt, az egyik projektünk során arra is volt példa, hogy a vállalat a panaszkodó, elégedetlen ügyfeleket újra vásárló ügyfelekké változtatta keresztértékesítés segítségével.

A fenti felhasználási területek csak néhány kiragadott példát jelentenek. Azt látjuk ugyanakkor, hogy a prediktív elemzések egyre mindennaposabbak az előretekintő vállalatok életében és egyre több területen jelennek meg. A nagy technológiai és IT szállítók megoldásai alkalmasak arra, hogy ezeket az elemzéseket mindenki számára elvégezhetővé és megérthetővé tegyék. Ezzel az adatvagyon a vállalaton belül elindulhat a demokratizálódás felé, és a segítségével meghozott döntésekkel a vezetők végre azt érezhetik, hogy az információ valóban hatalom.

Szoleczki Zoltán, az IFUA Horváth & Partners vezető tanácsadója

Horváth Renáta, az IFUA Horváth & Partners tanácsadója

Ha szeretné részletesebben is megismerni a predikciós eszközöket, akkor az Automatizált előrejelzések, prediktív elemzés – betekintés az adatvezérelt vállalatirányítás eszköztárába képzés pont Önnek való.

 

 

Cimkék: