Podejmuj trafne decyzje stosując metody analizy danych
Przy podejmowaniu decyzji biznesowych można kierować się wcześniej nabytymi doświadczeniami albo intuicją, ale znaczenie lepsze efekty daje analiza danych dostarczająca wiedzę potrzebą organizacjom w dokonywaniu właściwych wyborów. Analiza danych pozwala podejmować decyzje m.in. w takich obszarach jak finanse, inwestycje, produkcja, marketing i sprzedaż.
Z TEGO ARTYKUŁU DOWIESZ SIĘ:
|
Z roku na rok wzrasta świadomość znaczenia analizy danych przy podejmowaniu decyzji biznesowych. W raporcie Credence Research1 „Big Data Analytics Market by Platform” rynek Big Data Analytics w 2018 r wyceniony został na 37,34 mld USD. Autorzy oczekują średniego rocznego wzrostu (CAGR) w kolejnych latach na poziomie 12,3%.
Częstym w praktyce biznesowej sposobem podejścia do analizy danych jest analiza jakościowa pozwalająca odpowiadać między innymi na pytania: „dlaczego?”, „jak?”. Ułatwia ona rozwiązanie kluczowych problemów biznesowych: np. dlaczego sprzedaż spada, lub dlaczego sprzedaż rośnie, jaka jest obecnie sytuacja na rynku. Uzyskanie odpowiedzi na tego rodzaju pytania jest zwykle bardzo trudne i często na przeszkodzie stoi brak danych. Dlatego biznes nierzadko zadowala się nieco prostszymi do przeprowadzenia rodzajami analiz, takimi jak na przykład analiza ilościowa operująca na dostępnych zwykle wartościach liczbowych, podobnie jak analiza statystyczna. Nie odpowiada ona na skomplikowane pytania, ale wskazuje wartości np. sumaryczny koszt obsługi klienta, przeciętną wartość zakupów klienta itp.
Nieco dalej we wnioskowaniu idzie analiza diagnostyczna, która określana jest również jako analiza przyczyn źródłowych, ponieważ obejmuje procesy, takie jak odkrywanie danych, eksploracja i drążenie. Pozwala ona identyfikować anomalie w zbiorach danych, a następnie pomaga zidentyfikować ich źródła i wyjaśnić tę anomalię. Ten ostatni krok często wymaga od analityków poszukiwania wzorców poza istniejącymi zbiorami danych i pobierania ich ze źródeł zewnętrznych, a tym samym identyfikowania korelacji i określania, czy mają one charakter przyczynowo-skutkowy. Jeszcze innym rodzajem analiz informacji jest analiza predykcyjna, która wykorzystuje dane historyczne i wprowadza je do modelu uczenia maszynowego, aby znaleźć wzorce i trendy. Model jest stosowany do bieżących danych po to, by przewidywać, co będzie dalej. Analiza predykcyjna pozwala m.in. odkrywać wzory oszustw finansowych i zapobiegać przestępstwom. Inny sposób wykorzystania tego rodzaju analiz danych to optymalizacja kampanii marketingowych: modele predykcyjne pomagają firmom przyciągać klientów, utrzymywać i rozwijać relacje z najbardziej dochodowymi klientami. Pomaga również w określaniu odpowiedzi na zachęty do zakupów i ułatwia wykrywanie możliwości sprzedaży krzyżowej. Ten rodzaj analiz stosowany jest także do doskonalenia operacyjnego – trafniejszego prognozowania zapasów i zarządzania zasobami. Na przykład linie lotnicze używają modeli predykcyjnych do ustalania cen biletów.
Skąd brać dane do analiz?
Źródłem danych najczęściej są systemy CRM gromadzące dane o już istniejących klientach oraz o ich zachowaniach, jednak nie dostarczają one informacji potrzebnych przy podejmowaniu wielu, nierzadko krytycznych decyzji biznesowych. Częstym problemem, z którym należy się zmierzyć przy stosowaniu analiz danych jest… brak danych, potrzebnych do rozwiązania problemu.
Firmy stają przed takim wyzwaniem, jak na przykład optymalizacja lokalizacji placówki usługowej, pozwalająca przyciągnąć jak najwięcej klientów lub wybór lokalizacji biletomatów w takich miejscach, by jak największa liczba osób mogła z nich skorzystać. Skąd brać tego rodzaju informacje? W pierwszym momencie nasuwa się myśl o wykorzystaniu danych zagregowanych przez dostawców usług internetowych, serwisów i portali i na podstawie tych informacji dokonywać wyborów biznesowych. Metody stosowane przy gromadzeniu tych danych zapewniają profilowanie użytkowników i pozwalają zdobywać o nich wiele informacji. Oferowane są przez agregatorów reklam, operatorów serwisów internetowych lub serwisów społecznościowych. Ich wadą jest jednak dostęp do zaledwie wycinka grupy potencjalnych klientów, maksymalnie około 30 procent, którzy są w Internecie aktywni i zezwalają na śledzenie swojej aktywności.
Drugą metodą może być skorzystanie ze zanonimizowanych danych operatorów telekomunikacyjnych, które obejmują już około 90 procent użytkowników, w tym m.in. tych, którzy nie posiadają profili w serwisach społecznościowych lub są w stanie skutecznie ukryć aktywność. Dane oferowane przez operatora telekomunikacyjnego, np. T‑Mobile, chociaż na użytek analizy nie są sprofilowane według preferencji użytkowników – mogą dostarczyć, jakże potrzebnych danych do analizy. Informacje zapewniane przez operatora pozwolą ustalić liczbę kart SIM aktywnych na danym terenie. Często po uzupełnieniu informacjami dostarczanymi przez Główny Urząd Statystyczny stanowią wystarczające zasoby danych konieczne m.in. do takich badań jak optymalna lokalizacja punktu dla gastronomii, lokalizacja dla agencji turystycznych czy umiejscowienie punktów usługowych.
Różnorodność zastosowań
Dane operatora mogą być wykorzystywane nie tylko w biznesie, ale także w usługach użyteczności publicznej. Ważnym zastosowaniem informacji o aktywności użytkowników kart SIM może być wyznaczenie punktów obsługi turystycznej, zapewnienie na danym terenie adekwatnego do zapotrzebowania dostępu do mediów – produkcji wody, czy energii elektrycznej. Operator udostępnia także informacje o przemieszczaniu się ludzi, co pozwala odpowiednio dostosować do nich na przykład lokalizację przystanków środków komunikacji publicznej.
Informacje wykorzystywane w usłudze Analiza ruchu Big Data od T‑Mobile zapewniają najbardziej miarodajne odzwierciedlenie zachowań użytkowników. Dzięki integracji bazy ponad 6 mln posiadaczy telefonów komórkowych, doświadczeniu i specjalistycznej wiedzy usługa jest rozwiązaniem przynoszącym realne korzyści biznesowe.
Dane i powstałe na ich podstawie analizy mogą być używane w różnych branżach. Korzystanie z narzędzi do analizy biznesowej zapewni przewagę konkurencyjną, pozwalając zmniejszyć koszty operacyjne i zwiększyć przychody dzięki lepszemu wykorzystaniu środków na sprzedaż i marketing. Raporty i narzędzia do wizualizacji danych online pomagają firmom w optymalizacji wydatków i usprawnią procesy podejmowania decyzji.
Podsumowanie
Przypomnijmy najważniejsze informacje dotyczące analizy danych:
- Analiza predykcyjna korzysta z danych historycznych po to, by wprowadzić je do modelu uczenia maszynowego. Model stosowany jest do przewidywania przyszłości. Analiza predykcyjna pozwala m.in. odkrywać wzory oszustw finansowych i zapobiegać przestępstwom. Modele predykcyjne pomagają także firmom przyciągać klientów, utrzymywać i rozwijać relacje. Pomaga również w sprzedaży i marketingu ułatwiając wykrywanie możliwości sprzedaży krzyżowej
- Źródłem danych często są systemy CRM gromadzące informacje o już istniejących klientach oraz o ich zachowaniach
- Skorzystanie ze zanonimizowanych danych operatorów telekomunikacyjnych pozwala wykonywać analizy preferencji użytkowników. Po uzupełnieniu informacjami Głównego Urzędu Statystycznego dane te mogą być wykorzystywane m.in. do takich badań jak optymalna lokalizacja punktu dla gastronomii, lokalizacja dla agencji turystycznych czy umiejscowienie punktów usługowych
- Informacje wykorzystywane w usłudze T‑Mobile Analiza ruchu Big Data zapewniają miarodajne odzwierciedlenie zachowań użytkowników
1https://www.credenceresearch.com/report/big-data-analytics-market
Data publikacji: 12.10.2020
