Business Intelligence

Что такое ситуационный маркетинг?

0

Сегодня хотел бы поговорить и ситуационном маркетинге, как-то я уже затрагивал эту тему вскользь, когда говорил про BI и другие аналитические системы.
Не хочу давать каких-то научных определений, постараюсь, что называется «на пальцах» объяснить в чем суть инструмента. Суть заключается в том, что в зависимости от поведения Вашего клиента, Вы предпринимаете какие-то шаги (удерживаете его, что-то пытаетесь допродать, вернуть, повысить лояльность и т.д.). При этом можно говорить как об изменении поведения клиента в течение жизненного цикла, так и в его real-time поведении. Сейчас на Западе стало модно изменять маркетинг в зависимости от того, на каком этапе жизненного цикла находится клиент. На мой взгляд, лучший способ удивить, поразить клиента, это real-time маркетинг. Что я под этим понимаю, позвонил клиент на Ваш колл-центр, например, задал какой-то вопрос, начал жаловаться на что-то. А Вы помимо того, что отвечаете, еще совершаете какое-то заранее подготовленное (просчитанное/релевантное) маркетинговое действие.
Зашел клиент в Ваш интернет-магазин, зашел в какую-то категорию и Вы ему в рекомендуемых товарах показываете не то, что ему не нужно, а именно таргетированное предложение, еще лучше если Вы отслеживаете историю его посещения и когда он в следующий раз заходит на сайт, Вы ему приветственное сообщение и скажем, некий бонус. Большинство людей совершает покупку импульсивно и лишь не многие готовы иногда устоять от какой-то действительно нужной «плюшки».
Еще лучше работает это в face 2 face общении и в этом случае Вам даже не нужен никакой инструментарий, достаточно заранее подготовить Вашему продавцу некие сценарии в зависимости от поведения клиента. Конечно, придется воспользоваться каким-либо инструментом при анализе поведения и подготовке сценария, а также анализе откликов на предложения. Но тут и Excel-я будет достаточно. Но с точки зрения канала коммуникации, живое общение все же один из лучших каналов. Жалко, что продавец не может запомнить 500 моделей поведения, в отличии от машины, зато продавец, в отличие от машины более изобретателен.

Хотя машины тоже умеют учиться. Но об этом мы поговорим как-нибудь в другой раз.

Удачи Вам, используйте ситуационный маркетинг и следите за обновлением в блоге!


BI будущего

8

Недавно наткнулся на интересные размышления одного итальянского специалиста Augusto Albeghi относительно BI будущего. Довольно интересные тезисы, я во многом с ним согласен. Но обо все по порядку.
Для начала перевод его заметки:
Давайте посмотрим на компанию с высока. Все специалисты, работающие в компании, выполняют операции, которые делятся на 2 категории: операционная деятельность и контроль. Операционная деятельность достаточно понятна, давайте просто скажем, что они организованы в процессах. Контроль означает изучение операций, по мере их изучения строятся некие шаблоны (или модели), формируются гипотезы по их улучшению, разрабатываются процессы трансформации, высчитываются результаты измерений и т.д. Контроль осуществляется не обязательно исполнительных функций. В зависимости от организационной структуры компании, почти все, с той или иной степенью осуществляют контроль, по крайней мере, своей деятельности уж точно.
Топ-менеджеры большую часть времени осуществляют контроль над нескольким аггрегированными показателями. Каждый руководитель департамента будет нуждаться в более подробной и разнообразной информации. Каждый линейный менеджер и маркетинг-аналитик будет анализировать информацию в более глубокой детализации. Даже данные об одном единственном работнике, занятом на сборочной линии, могут быть интересны в качестве статистических данных, чтобы оценить его влияние на производство единицы продукции.
В моем видении, Business Intelligence является все, что необходимо для поддержки функции контроля. Это как раз отличие от ERP, который поддерживает как раз именно операции, но не должен осуществлять контроль.
Что делают люди, осуществляющие контроль, с данными? Обычный ответ в BI концепции “sort, filter, drill, slice and dice” и т.д.(сортировка, фильтрация, дрилдаун(проваливаться на более детализированный уровень), срезы данных и т.д.). Ну, на самом деле они это и делают, но они должны делать гораздо больше. Если обычнно BI дает ответы на вопрос «Что случилось?», на самом деле главные вопросы: «Что будет дальше?», «Если что-то пошло не так, что я должен предпринять, чтобы восстановить?», «Если все кажется, нормально, есть ли какие-либо проблемы, которые могут негативно отразится на будущих показателях? «,» Если я сделаю так, то, что происходит с этими показателями? «и т.д. Почему специалисты для проведения этого анализа должны, должны в большинстве случаев, копировать данные в Excel и получать ответы на эти вопросы там?
Здесь нет ничего нового. Ответ на все эти вопросы дает «Аналитика», и покрывается новым модным словом BI в начале десятилетия. Аналитика результат интеллектуального анализа данных или интеллектуального инструмента, результат моделирования или статистического анализа. У нас уже есть все технологии и инструменты, которые нам нужны.

Мое утверждение сводится к тому, что мы получаем все эти инструменты не совсем корректно. BI приложения поставляются с библиотеками ключевых показателей и набором преднастроенных dashboard-ов (информационных панелей).
Это не то, что нужно большинству пользователей.
Большинству пользователей нужно что-то более интерактивное и более легкое в управлении. Им нужны средства моделирования, что произойдет с моими показателями, если я изменю цены на столько-то. Они должны поддерживать лучший и худший сценарий. Они должны знать, как прирост в 10% от продаж будут оказывать влияние на потребность в рабочей силе, связанными с этим расходы и, в свою очередь, как это повлияет на денежный поток. . Они должны поддерживать KPI системы, которые автоматически показывают неэффективные продукты и позволяют выбрать их как категории. Они должны вычислить переломные моменты. Они должны опеределять набор аттрибутов, которые они находят значимыми и рассчитать их значения автоматически. Я думаю, что вполне естественно, что, чтобы найти ответ на такие вопросы, люди не должны загружать данные в Excel и делать свои расчеты отдельно. Таким образом, каждая такая операция, вырванная из контекста и рассмотренная вне системы, практически не оказывает влияние на показатели бизнеса. Каждый цикл моделирования предстоит превратить в бесконечный цикл.
Есть очень мало приложений, которые позволяют пользователю осуществлять контроль таким образом. И не одно из них не имеет комплексного характера.
Так что это недостающее звено.
Это мое определение нового Business Intelligence, где пользователи могут фактически управлять данными, а не только визуализировать их.

Я полностью согласен с Августо, что на рынке нет комплекного предложения таких продуктов. Есть реализация отдельных идей, но нет комплексного, настраиваемого продукта. Есть же инструменты Data mining-а, есть отдельная реализация what if — анализа, есть отдельная реализация BI, но все вместе в одном инструменте, к сожалению пока еще нет. Наиболее близки, на мой взгляд, IBM, SAP, SAS и Oracle, но в это все разбросано по отдельным продуктам. И в любом случае получается конструктор, в котором главный инструмент, к сожалению, пока еще «напильник». Ну что же остается верить, что в скором будущем ситуация изменится в лучшую сторону, некие наметки в этом направлении уже есть.

PS С учетом того, что я сейчас работаю в одном из ведущих вендоров, разработчике BI-платформы Prognoz Platform компании Форсайт, я уверен, что нам уже есть чем удивить, а в новой версии платформы мы оставим далеко позади некоторых крупных западных вендоров.

Для заказа демонстрации платформы вы можете написать мне на адрес alexey.vyskrebentsev@fsight.ru.

Удачи Вам!

Что такое предиктивная аналитика? (Predictive analytics)

0

Сегодня мне бы хотелось поговорить о еще одном модном тренде в аналитике, а именно Предиктивной аналитике (Predictive analytics). Для начала давайте разберемся с определением.

Предиктивная или прогностическая аналитика (Predictive analytics) — это прежде всего множество методов статистики, анализа данных и теории игр, которые используются для анализа текущих и исторических данных/событий для прогноза данных/событий в будущем.

Наиболее известный способ использования прогностической аналитики — это применение скоринговых моделей для оценки платежеспособности клиента при выдаче кредитов в банке. Это из области «как не наступить на те же грабли», любая скоринговая модель строится на исторических данных, и если в прошлом, какая-либо группа клиентов была уличена в несвоевременном гашении кредитов, а Вы по каким-либо характеристикам схожи с этой группой, то скорее всего в выдаче кредитов Вам откажут.

Однако это не все области, где применяется предиктивная аналитика, ее можно применять для разработки продуктов, для выбора потенциальной аудитории, для выбора следующего продукта, который Вы можете предложить клиенту (Next Best Offer) и множестве других.

Когда говорят о предиктивной аналитике часто сводят разговоры к применению методов Data mining, я бы даже сказал, что это небольшая ветвь Data mining-а, в основе которой лежат некоторые методы Data mining-а.

Центральной сущностью предиктивной аналитики является задача определение предиктора или нескольких предикторов (параметров или сущностей, которые влияют на прогнозируемое событие). Например, страховые компании выделяю такие предикторы, как возраст, стаж вождения при определении страховой премии.

Множество этих предикторов образует модель предиктивной аналитики, которая предсказывает определенное событие в будущем с какой-то степенью вероятности. Чем проще модель (или меньше количество факторов), тем меньше степень точности модели. Но всегда помним, что любая модель строится на произошедших событиях в прошлом и это не значит, что события в будущем могут повториться при тех же параметрах внутренней среды. Соответственно любой процесс моделирования имеет вероятностный характер. Усложняя модель на исторических данных, мы рискуем ее сильно переучить и соответственно, она может перестать быть устойчивой в будущем.

Если Вы еще не применяете предиктивную аналитику, присмотритесь к этой области, она позволяет значительно увеличить эффективность Вашего бизнеса.

Удачи Вам!

Еще о Data mining, прогнозировании.


Плюсы и минусы использования облачного ПО для BI

0

В последнее время, все больше набирают популярность облачные сервисы, представляемые по схеме SaaS — Software as a service. Не обошли стороной облачные технологии и BI-системы. На Западе уже давно доступны облачные сервисы в области BI-систем.
Россия, как всегда немного отстает в этой части, но ряд вендоров также заинтересован в продвижении своих решений на Российском рынке и обещают, что если не во второй волне, то уж точно в третьей они к нам придут.
Так, например, набирающий популярность в Америке сервис от компании ZOHO (ZOHO Reports), по заверениям продакт менеджера компании может быть русифицирован уже в скором будущем.

Clarence пишет:
We have started internationalization support for Zoho Reports. Very soon we will be supporting Japanese, Chinese, German, Spanish and French languages. After that we also plan to support other languages including Russian.

Мы начали международную поддержку продукта. Очень скоро сервис будет доступен на японском, китайском, немецком, испанском и французском языках, после этого мы также планируем развивать поддержку других языков, включая Русский.

Однако, стоит отметить, что англоязычный сервис уже сейчас доступен для пользователей. И выглядит он вполне пригодным для работы с отчетностью в небольших компаниях. Давайте разберем плюсы и минусы работы по такой схеме.

Плюсы:

1. Самый главный плюс — это цена продукта. Выбирая облачный сервис, Вы избавляетесь от дорогостоящих затрат. на внедрение и поддержание, за Вас это делает провайдер сервиса. Но получаете небольшие ежемесячные расходы в виде арендной платы за сервис.

2. Быстрый выход без последствий. Нет необходимости списывать огромные убытки в случае, если Вы поняли что отчетность, которую вы построили вдруг Вас перестала устраивать.

3. Вы получаете BI-систему с полноценным функционалом.

4. Бесплатное обучение пользованию системой. Вы получаете бесплатный курс молодого бойца.

Минусы:

1. Интеграция практически ложится на Вас.

2. Если Вы крупная компания, то сэкономить практически не получится. Все же сервис больше заточен на малый и средний бизнес, лишенный возможности пользоваться BI-системами из-за их очень дорогой цены.

3. Отсутствие поддержки на русском языке. Может для кого-то это и не проблема.

4. Малый функционал, меньший чем в современных BI-системах, но достаточный для использования систем на среднем уровне.

5. Данные хранятся на сервере провайдера. В России к такой схеме пока относятся скептически. Но я не думаю, что кому-то нужны данные, расположенные на серверах в Америке.

Но если Вы работаете в небольшой компании, и подготовка отчетов занимает длительное время, и происходит коммуникационный разрыв между Вами и руководством, то присмотритесь к таким сервисам. Они способны на многое.

Удачи Вам!

IBM некоторые новости и обзор Cognos TM1

0

Вчера был на встрече в IBM, смотрел функционал системы бюджетирования Cognos TM-1, которая также как и Oracle Hyperion Planning, построена на многомерной СУБД.

Какие бы я интересности выделил в этой системе. Система может выступать в качестве реального инструмента аналитика для планирования продаж. Реализован функционал автоматической увеличения показателей по году с учетом сезонности, распределения по подразделениям и товарным категориям. Достаточно встать на итоговую цифру, указать, что она должна увеличиться на столько-то, указать какие периоды не должны меняться, указать какие категории должны участвовать в увеличении и система сама распределит по пропорции данные показатели. Поидее ничего особенно, достаточно также поупражнятся в Excel-е, но у кого несколько тысяч товарных категорий, тот поймет, что если по каждой товарной категории необходимо заложить свою логику, то необходимо взять ряд, перенести его, рассчитать доли, умножить сумму увеличения на каждую из этих долей, после чего добавить к исходному показателю. Достаточно трудоемко, здесь все реализовано много проще.

Доступен как Web-интерфейс, так и Excel, реализована функция write для изменения данных в БД. Можно менять в Excel-е и сохранять изменения на сервере. Кто знаком с BI-системами, тот понимает что там только функция read, поэтому для полноценной аналитики BI-системы не очень-то подходят. Хотя в OHP это тоже есть.

Понятно, что есть базовый статический функционал, свои мини-дешборды, которые реально отображают ключевые показатели, очень удобно визуально, когда количество подразделений большое, проверять на адекватность финансовые показатели, выводя на дешборды, например маржу, динамику выручки и т.д.

В общем у кого есть потребность в реальном инструменте для прогнозирования, анализа финансовых показателей, система в данном случае очень гибка. Но как и все продукты IBM имеет недостаток в виде цены.

Еще одна приятная новость для пользователей SAP. Все-таки SAP и IBM договорились по поводу использования SPSS совместно с решениями SAP в качестве аналитической части. Если бы не договорились, SAP бы значительно ослабил позиции. А так пока еще повисят в лидерах.

Удачи Вам в выборе инструментария!


Вверх
Яндекс.Метрика