Les systèmes commerciaux et de production sont devenus beaucoup plus capables de collecter des données. L'équipement recueille une variété de données de capteurs et paramétriques. Aujourd'hui, toutes sortes d'informations sur les habitudes d'achat et les préférences des consommateurs sont disponibles. Ce niveau de détail ne peut pas être analysé et compris dans les rapports classiques et statiques. Au lieu de cela, les analystes commerciaux, les ingénieurs et les scientifiques peuvent obtenir des informations et effectuer des découvertes grâce aux effets de levier fournis par logiciel d'analyse visuel interactif .
Les logiciels d'analyse ont fait surface dans un nouveau monde d'analyse caractérisé par ces caractéristiques essentielles:
- Les données sont «auto-approvisionnées». Les utilisateurs peuvent obtenir les données dont ils ont besoin sans assistance et sans délai.
- Les analyses sont visuelles et interactives. Par conséquent …
- Les utilisateurs peuvent désormais effectuer des analyses avancées sans doctorat en statistiques.
- Les analystes effectuent leur travail «en un instant». Les réflexions soulèvent souvent des questions qu'ils explorent «en un instant», ce qui crée une dynamique active propice à la découverte.
- La pensée analytique est complètement liée à la pensée commerciale.
- Plus que descriptive, les analyses sont inférentielles.
Un moment 'aha'
Considérez cet exemple d'assurance. Ici, les informations démographiques de plusieurs milliers de clients actuels et potentiels ont été collectées et conservées dans une base de données. La compagnie d’assurance a pu télécharger les données dans un tableur et les résumer, mais at-elle obtenu les meilleures informations exploitables? Répondre aux questions, même les plus simples, a pris des jours pour acquérir, assembler et organiser les données.
Aujourd'hui, les analyses intégrées, interactives et visuelles sont révélées en quelques secondes. La grande question en ce qui concerne les clients potentiels est de savoir combien d’entre eux ont été convertis à de nouvelles activités et quels sont les facteurs qui déterminent la conversion. En sachant cela, nous pouvons nous concentrer sur les pratiques commerciales qui entraînent des taux de réussite plus élevés.
Nous avons commencé par charger les données dans JMP . En quelques clics, des dizaines de milliers de rencontres de clients potentiels, y compris des informations démographiques telles que le revenu, l’éducation, l’âge, le statut militaire, etc., ont été chargées. Vous pouvez voir sur l'image ci-dessus qu'en tout, environ 12,5% (la zone bleue) de ces prospects ont été convertis en clients payants.
Passons maintenant à la question suivante: quels facteurs déterminent le succès dans la conquête de nouvelles entreprises? Un clic supplémentaire (sur le bouton Split en bas à gauche) et un moment «aha» s'ensuivent.
le JMP Le graphique ci-dessus montre un facteur particulier (pour des raisons de confidentialité, je ne peux pas le divulguer, nous l'appellerons donc ... ), Le «facteur Xn» conduit à un taux de conversion incroyablement élevé (environ 90% comme le montre la barre bleue à droite) pour un bon nombre de prospects et que les prospects restants avaient peu de chances de réussir.
Les analystes ont été stupéfaits de voir cela. Cette idée leur avait échappé parce que le taux de conversion global masquait une distinction majeure, identifiée par le facteur Xn, parmi les perspectives. N'oubliez pas que ces analystes passent au jour le jour à examiner des données, mais cette information importante et d'autres à suivre sont restées bloquées à l'intérieur.
Cette idée a suscité toute une série de questions. Premièrement, il semble que les instructions du représentant commercial aient été modifiées. Deuxièmement, pourquoi le taux de conversion des autres clients était-il si incroyablement bas? Cela a conduit à des questions sur les prix, les emballages et autres, associées à des données démographiques, qui seraient examinées avec des expériences conçues.
Pourquoi ça a fonctionné
En regardant les six traits ci-dessus, nous pouvons voir que dans ce cas:
- Les systèmes informatiques mis en place permettaient aux utilisateurs d’obtenir eux-mêmes les données: "données auto-approvisionnées".
- En effet, les analyses étaient très visuelles. Oui, toutes les informations statistiques sont fournies, mais elles sont accessibles via des graphiques et une interactivité.
- Aucun doctorat en statistique n'était nécessaire. L'analyse ci-dessus implique un partitionnement récursif avec validation croisée. Une gorgée certes, mais cette complexité (et ce jargon statistique) n’empêche pas un analyste commercial ou un ingénieur d’obtenir le plus grand nombre et la meilleure qualité d’informations exploitables. Ils peuvent se concentrer sur leur sujet sans entrave. En fait, selon mon expérience, l'outil devient presque invisible car l'accent est mis sur le sujet.
- Contrairement à l'époque où je débutais dans ce jeu, il n'était pas nécessaire de soumettre une demande demandant aux programmeurs informatiques de modifier un rapport qui devait arriver plusieurs jours plus tard. Le délai entre les questions et les réponses était écoulé, de même que la dépendance.
- L'ancienne division du travail entre l'analytique et les entreprises avait disparu. Ils doivent être soudés pour être efficaces dans la recherche d’éclairages exploitables en affaires, en ingénierie et en sciences.
- Notez que l'analyse n'est pas simplement descriptive, comme c'était le cas auparavant. C'est inférentiel car cela conduit les analystes à prédire les résultats futurs et à poser d'autres questions.
Les analystes ont non seulement été impressionnés par cette idée, mais ils étaient également enthousiasmés par la facilité avec laquelle elle était obtenue.
Construisez votre propre culture d'analyse
Que faut-il pour introduire le nouveau monde de l'analyse dans votre organisation et soutenir une culture de l'analyse?
C’est là que les TI entrent en jeu - elles ont évidemment un rôle majeur à jouer. Le service informatique n'a plus besoin de s'inquiéter de la conduite des analyses. Il vaut mieux laisser aux analystes. Au lieu de cela, les TI sont désormais des facilitateurs de l’analyse. Ils peuvent le faire en:
- Maintenir l'infrastructure matérielle et logicielle qui répond aux besoins opérationnels et analytiques.
- Rendre les données disponibles de manière analytique afin que les données puissent être auto-fournies. Nous travaillons beaucoup dans ce domaine pour veiller à ce que les données analytiques requises n’affectent pas les opérations. Par exemple, dans les industries pharmaceutique, des semi-conducteurs, du solaire et autres, des données en temps réel sans entrave doivent être collectées pour assurer la traçabilité. La demande analytique sur l'infrastructure informatique ne peut affecter les systèmes opérationnels.
- Aidez Predictum, notre société, à développer des applications analytiques intégrées facilitant l’analyse, le stockage et le transfert de connaissances et d’éclairages, ainsi que des gains d’efficacité et des économies de coûts dans les domaines des opérations, de la recherche et de la conformité.
- Sécurisez tous les systèmes.
La sécurisation des systèmes est une responsabilité grandissante et de plus en plus exigeante en matière d’informatique - à tel point que nous constatons que les informaticiens sont généralement très heureux d’être soulagés du fardeau de mener des analyses ou de s’impliquer dans des analyses que les analystes peuvent mieux gérer. Leur rôle de facilitateur est beaucoup plus cohérent avec leurs autres activités et responsabilités. Par exemple, le service informatique prend en charge les systèmes de commande / d'expédition / de facturation, mais ne commande pas, n'expédie pas et ne facture pas - alors pourquoi devrait-il effectuer des analyses commerciales, scientifiques ou techniques?
Avec l'Internet des objets, de nouveaux équipements plus performants et la portée croissante d'Internet, nous pouvons nous attendre à une augmentation exponentielle de la quantité et de la qualité des données dans le futur. Il est préférable de se préparer aux opportunités offertes par la création d’une culture de l’analyse dès maintenant. Cela implique de concevoir la bonne architecture de données, en fournissant JMP et permettre aux analystes commerciaux, scientifiques et ingénieurs de développer leur expertise en la matière grâce à l'analyse.
Note de l'éditeur: Une version de ce blog est apparu pour la première fois dans le Predictum blog . Grâce à Wayne Levin pour le partager ici aussi.
