I sistemi aziendali e di produzione sono diventati molto più capaci di raccogliere dati. L'attrezzatura raccoglie una varietà di dati sensori e parametrici e oggi sono disponibili tutti i tipi di informazioni sulle abitudini di acquisto e le preferenze dei consumatori. Questo livello di dettaglio non può essere analizzato e compreso con rapporti statici e convenzionali. Invece, analisti aziendali, ingegneri e scienziati possono sbloccare approfondimenti e fare scoperte con la leva fornita da software analitico visivo e interattivo .
Il software analitico è emerso un nuovo mondo di analisi caratterizzato da questi importanti tratti:
- I dati sono "self-provisioning". Gli utenti sono in grado di ottenere i dati di cui hanno bisogno senza assistenza e senza ritardi.
- Le analisi sono visive e interattive. Di conseguenza …
- Gli utenti possono ora condurre analisi avanzate senza un dottorato di ricerca in statistica.
- Gli analisti conducono il loro lavoro "in-the-moment". Gli approfondimenti spesso pongono domande che gli analisti esplorano "in-the-moment" creando una dinamica attiva che genera ulteriori scoperte.
- Il pensiero analitico è completamente accoppiato al pensiero imprenditoriale.
- Più che descrittivo, l'analisi è inferenziale.
Un momento 'aha'
Considera questo esempio di assicurazione. Qui le informazioni demografiche di molte migliaia di clienti attuali e potenziali sono state raccolte e gestite in un database. La compagnia di assicurazioni è stata in grado di scaricare i dati in un foglio di calcolo e di riepilogare i dati, ma hanno ottenuto le migliori intuizioni sfruttabili? Rispondere anche alle domande più semplici ha richiesto giorni per acquisire, unire e organizzare i dati.
Oggi, con informazioni analitiche integrate, interattive e visive, vengono rivelate in pochi secondi. La grande domanda quando si tratta di potenziali clienti è quanti di questi sono stati convertiti in nuovi business e quali sono i fattori che guidano la conversione? Conoscendo questo, l'attenzione può essere portata a pratiche commerciali che portano a più alti tassi di successo.
Abbiamo iniziato caricando i dati in JMP . Con pochi clic, sono stati caricati decine di migliaia di potenziali clienti, compresi dati demografici quali reddito, istruzione, età, stato marziale, ecc. Si può vedere dall'immagine sopra che complessivamente circa il 12,5% (l'area blu) di questi prospetti è stata convertita in clienti paganti.
Ora alla domanda in questione: quali fattori determinano il successo nel vincere nuovi affari? Ancora un clic (sul pulsante Dividi in basso a sinistra) e un momento "aha" seguito.
Il JMP la tabella qui sopra mostra che un fattore particolare (che, a causa della riservatezza che non posso rivelare, lo chiameremo ... ), "Fattore Xn", porta a un tasso di conversione incredibilmente alto (circa il 90% come si vede nella barra blu sulla destra) per un buon numero di prospettive e che le prospettive rimanenti avevano poche possibilità di successo.
Gli analisti erano sbalorditi nel vedere questo. Questa intuizione li aveva elusi perché il tasso di conversione complessivo nascondeva una delle principali distinzioni, identificate dal fattore Xn, tra le prospettive. Tieni presente che questi analisti trascorrono giorno dopo giorno i dati, ma questa importante intuizione e gli altri che dovevano seguire sono rimasti chiusi all'interno.
Questa intuizione ha generato un sacco di domande. In primo luogo, sembra che le istruzioni di modifica delle vendite fossero in ordine. In secondo luogo, perché il tasso di conversione per gli altri clienti era così incredibilmente basso? Ciò ha portato a domande su prezzi, packaging e simili in combinazione con dati demografici che sarebbero stati studiati con esperimenti progettati.
Perché ha funzionato
Guardando indietro ai sei tratti sopra, possiamo vedere che in questo caso:
- I sistemi IT hanno consentito agli utenti di ottenere essi stessi i dati: "dati self-provisioning".
- In effetti, l'analisi era altamente visiva. Sì, tutte le informazioni statistiche sono fornite, ma sono rese accessibili attraverso la grafica e l'interattività.
- Non era necessario alcun dottorato di ricerca in statistica. L'analisi sopra comporta il partizionamento ricorsivo con cross-validation. Un boccone per essere sicuro, ma quella complessità (e il gergo statistico) non intralcia il modo in cui un analista o un ingegnere del business ottengono il maggior numero possibile e la qualità di intuizioni sfruttabili. Possono concentrarsi sui loro argomenti senza restrizioni. In effetti, la mia esperienza è che lo strumento diventa quasi invisibile poiché l'attenzione è rivolta all'argomento.
- A differenza dei vecchi tempi, quando ho iniziato in questo gioco, non c'era bisogno di inviare una richiesta che incarica i programmatori di IT di modificare un rapporto che arriverà diversi giorni dopo. Il tempo trascorso tra la domanda e la risposta era sparito, così come la dipendenza.
- La vecchia divisione del lavoro tra analisi e business era sparita. Devono essere saldati insieme per essere efficaci ed efficienti nella ricerca di intuizioni commerciali, ingegneristiche e scientifiche.
- Si noti che l'analisi non è semplicemente descrittiva, come ai vecchi tempi. È inferenziale perché conduce gli analisti a prevedere i risultati futuri e a porre ulteriori domande.
Non solo gli analisti sono rimasti colpiti dall'intuizione, ma erano anche entusiasti di quanto prontamente derivasse.
Costruisci la tua cultura di analisi
Che cosa serve per portare il nuovo mondo dell'analisi nella tua organizzazione e supportare una cultura dell'analisi?
È qui che entra in gioco l'IT - ovviamente, hanno un ruolo importante da svolgere. Non è più necessario preoccuparsi di condurre analisi. La cosa migliore è lasciare agli analisti. Al contrario, gli IT sono ora abilitatori dell'analisi. Possono farlo da:
- Manutenzione dell'infrastruttura hardware e software che supporta esigenze operative e analitiche.
- Rendere i dati disponibili in modo analiticamente amichevole in modo che i dati possano essere auto-provisionati. Facciamo un sacco di lavoro in quest'area per garantire che le richieste di dati analitici non influenzino le operazioni. Ad esempio, nel settore farmaceutico, dei semiconduttori, dell'energia solare e di altri settori, è necessario raccogliere dati non impediti in tempo reale per la tracciabilità. La domanda analitica sull'infrastruttura IT non può influenzare i sistemi operativi.
- Sostieni i professionisti della nostra azienda, Predictum, nello sviluppo di applicazioni analitiche integrate che facilitano ulteriormente l'analisi, memorizzano e trasferiscono le conoscenze e le intuizioni e ottengono altre efficienze e risparmi sui costi in aree di attività, ricerca e conformità.
- Proteggi tutti i sistemi.
La sicurezza dei sistemi è una responsabilità in continua crescita e sempre più esigente per l'IT, al punto che spesso gli IT sono lieti di essere sollevati dall'onere di condurre analisi o di coinvolgere se stessi con analisi che gli analisti possano meglio supportare da soli. Il loro ruolo di abilitazione è molto più coerente con le loro altre attività e responsabilità. Ad esempio, l'IT supporta i sistemi di ordinazione / spedizione / fatturazione, ma non ordina, spedisce o fattura direttamente, quindi perché dovrebbe condurre analisi aziendali, scientifiche o ingegneristiche?
Con l'Internet of Things, nuove apparecchiature più capaci e la portata in espansione di Internet, possiamo aspettarci un aumento esponenziale della quantità e della qualità dei dati anche in futuro. È meglio prepararsi per le opportunità offerte costruendo una cultura dell'analisi ora. Ciò implica progettare la giusta architettura dei dati, fornendo JMP e consentire agli analisti, agli scienziati e agli ingegneri del business di far avanzare le proprie competenze in materia di analisi.
Nota dell'editore: Una versione di questo post sul blog è apparso per la prima volta nel Blog di Predictum . Grazie a Wayne Levin per averlo condiviso anche qui.
