blog

Znate podatke, ki ste jih zbrali, tudi interpretirati?

Odločanje

Ta zapis boste brali 4 min

Če kaj, potem je leto 2016 zagotovo odstrlo realnost masovnih podatkov in nič nenavadnega ni, da se trudijo podjetja informacije, ki se v njih skrivajo, na najboljši način uporabiti. Nenazadnje dajejo masovni podatki vsakemu podjetju možnost, da se bolje približa željam kupcev in z dnevnega reda umakne gola ugibanja.

A leto 2016 je opozorilo tudi na to, da masovni podatki niso več le domena velikih podjetij. Odskočna deska postajajo manjšim enotam, ki se lahko z njihovo pomočjo, za razliko od svojih večjih rivalov, hitreje odzivajo na pridobljena spoznanja in s tem povečujejo svojo relevantnost na trgu.

Ne smemo si zatiskati oči. Masovni podatki kot taki v resnici ne dajejo uporabnih informacij in tudi njihovo strukturiranje na koncu razkrije le del širše slike, ki si jo o kupcu ali skupini njih želimo ustvariti. Že res, da nas lahko opozarjajo na morebitne vzorce, a bolj kot to bi nas moralo zanimati, kaj te vzorce v resnici povzroča, kar pa ni mogoče, če podatkov ne znamo postaviti v kontekst.

Kako podatkom poiskati vrednost?

Pomislimo, goli podatek, da je obiskovalec v trgovini kupil torto, nam z vidika uporabnosti informacije poda le časovni okvir, kdaj je bila torta kupljena. Da bi lahko govorili o ponovljivosti dogodka, bi potrebovali vsaj še informacijo, kaj je obiskovalca k nakupu spodbudilo, te pa brez kontekstualizacije nimamo.

Scenarij je lahko tudi drugačen. Če bi vse podatke in sledi, ki jih imamo o kupcu, povezali, bi lahko ugotovili, da:

  1. gre za rojstnodnevno torto, namenjeno obiskovalčevemu očetu. Slednje nam je povedala kartica zvestobe, ki je povezana z obiskovalčevim profilom na Facebooku;
  2. ima obiskovalčev oče na naši spletni strani že ustvarjen profil s seznamom želja, pa tudi izdelke v košarici, za katere nakupa še ni zaključil;
  3. bi lahko izdelke s seznama obiskovalcu v obliki oglasa ali e-sporočila ponudili kot predlog za očetovo rojstnodnevno darilo.

Na podlagi poenotenja digitalnih sledi bi iz preprostega nakupa torte lahko ugotovili, kaj je botrovalo nakupu. Zaradi tega bi lahko kupcu ponudili boljšo nakupno izkušnjo, ga zaradi tega morda spodbudili k nakupu izdelkov, o katerih ni razmišljal ali je čakal na pravo priložnost — popust — zagotovo pa bi z njim poglobili odnos.

Če torej želimo izkoriščati prednosti masovnih podatkov, jih moramo nujno postaviti v kontekst in vire podatkov med seboj povezati. Šele tedaj se lahko nadejamo celostnega vpogleda v mnenja in vedenja potrošnikov. Pa ne samo njih, nenazadnje nam združevanje podatkov lahko pomaga tudi razumeti in izboljševati procese ali odnose v podjetju.

Kar pa, kot se je izkazalo v raziskavi, ki smo jo opravili, še zdaleč ni enostavno.

Podjetja na različnih stopnjah izkušenosti pri delu s podatki se srečujejo z različnimi izzivi.
Prav vsi pa izhajajo iz dveh poglavitnih razlogov, o katerih bi morala podjetja v želji po boljši interpretaciji podatkov temeljiteje razmisliti:

1. Talent

Da bi v podjetju pokazali napredek na področju masovnih podatkov, potrebujejo najprej analitike, ki vedo, kako izrabiti napredne statistične algoritme, nujne za obdelavo velike količine podatkov, ki v podjetje prihajajo z veliko hitrostjo. Med njimi prepoznati takšne, ki imajo vrednost za vaše delovanje. A to še zdaleč ni dovolj. Prav tako morajo ti strokovnjaki poznati tudi poslovni svet izven okvirjev analitike. Nenazadnje podatkov ni dovolj le zbirati in analizirati, marveč jih moramo tudi aplicirati in z njihovo pomočjo sprejemati odločitve pri vsakdanjem delu. Tako ne preseneča, da so talentirani analitiki, ki znajo združevati oba svetova, ena najbolj iskanih delovnih sil ta hip.

2. Ustrezna tehnologija

Za uspeh znotraj polja izrabe masovnih podatkov pa je pomembna tudi prava tehnološka infrastruktura in premislek, na kakšen način jo bo podjetje izrabljalo. Hitro se namreč zgodi, da podjetja v tehnologijo investirajo veliko več, kot so nov način dela pripravljeni ponotranjiti, zaradi česar potem le še iščejo razloge, zakaj se je investicija v infrastrukturo sploh izplačala. In obratno. Vzpostavijo lahko tudi tehnologijo za zadovoljevanje takojšnjih potreb ali reševanje zgolj aktualnih problemov, brez da bi razmišljali o tem, kakšni izzivi ali kakšne potrebe jih lahko pričakajo jutri. Zato je tudi pri investiciji v tehnologijo smiselno iskati srednjeročne rešitve.

Podatki vsakemu podjetju nudijo možnost, da postane za svoje stranke bolj relevantno. Še več, spodbujajo tudi inovativnost pri razvoju novih poslovnih modelov ali reševanju poslovnih problemov. A le, če boste njihovo moč znali izkoristiti.

Dokument: Unleash the Power of Predictive Analytics with the SAP HANA Platform

V dokumentu preberite, kako vam lahko prediktivna analitika pomaga do boljšega razumevanja trendov ter s tem do sprejemanja boljših poslovnih odločitev.

Prenesite tukaj >