Los sistemas comerciales y de producción se han vuelto mucho más capaces de recopilar datos. El equipo recopila una variedad de sensores y datos paramétricos, y hoy en día hay disponible todo tipo de información sobre hábitos de compra y preferencias del consumidor. Este nivel de detalle no se puede analizar ni comprender con informes estáticos convencionales. En su lugar, los analistas de negocios, ingenieros y científicos pueden desbloquear información y hacer descubrimientos con el apalancamiento proporcionado por Software interactivo analítico visual. .
El software analítico ha emergido un nuevo mundo de análisis que se caracteriza por estos importantes rasgos:
- Los datos son "autoabastecidos". Los usuarios pueden obtener los datos que necesitan sin asistencia y sin demora.
- Los análisis son visuales e interactivos. Como resultado …
- Los usuarios ahora pueden realizar análisis avanzados sin un doctorado en estadísticas.
- Los analistas realizan su trabajo "en el momento". Las percepciones a menudo surgen preguntas que los analistas exploran "en el momento" creando una dinámica activa que genera más descubrimiento.
- El pensamiento analítico está completamente acoplado al pensamiento empresarial.
- Más que descriptivo, los análisis son inferenciales.
Un momento 'aha'
Considere este ejemplo de seguro. Aquí, la información demográfica de miles de clientes actuales y potenciales se recopiló y se mantuvo en una base de datos. La compañía de seguros pudo descargar los datos en una hoja de cálculo y resumir los datos, pero ¿obtuvieron la mejor información explotable? Responder a las preguntas más simples tomó días para adquirir, unir y organizar los datos.
Hoy en día, con información analítica integrada, interactiva y visual se revelan en segundos. La gran pregunta cuando se trata de clientes potenciales es ¿cuántos de ellos se convirtieron en nuevos negocios y cuáles son los factores que impulsan la conversión? Al saber esto, se puede enfocar en las prácticas comerciales que conducen a tasas más altas de éxito.
Comenzamos cargando los datos en JMP . Con solo unos pocos clics, se cargaron decenas de miles de posibles encuentros con clientes, incluida información demográfica como ingresos, educación, edad, estado marcial, etc. Puede ver en la imagen de arriba que, en general, alrededor del 12,5% (el área azul) de estos prospectos se convirtió en clientes de pago.
Ahora a la pregunta en cuestión: ¿Qué factores determinan el éxito para ganar nuevos negocios? Un clic más (en el botón Dividir en la parte inferior izquierda) y se produjo un momento "aha".
los JMP la tabla de arriba muestra un factor en particular (que, debido a la confidencialidad, no puedo revelarlo, así que lo llamaremos ... ), El "factor Xn" conduce a una tasa de conversión increíblemente alta (alrededor del 90% como se ve en la barra azul de la derecha) para un buen número de prospectos y que los prospectos restantes tenían pocas posibilidades de éxito.
Los analistas se sorprendieron al ver esto. Esta idea los había eludido porque la tasa de conversión global estaba ocultando una distinción importante, identificada por el factor Xn, entre las perspectivas. Tenga en cuenta que estos analistas pasan día tras día estudiando detenidamente los datos, pero esta información importante y otras que seguirían quedaron atrapadas.
Esta visión generó un montón de preguntas. Primero, parece que las instrucciones de cambio de representante de ventas estaban en orden. Segundo, ¿por qué la tasa de conversión para otros clientes era tan increíblemente baja? Esto llevó a preguntas sobre precios, empaque y similares en combinación con datos demográficos que serían investigados con experimentos diseñados.
Por que funciono
Mirando hacia atrás en los seis rasgos anteriores, podemos ver que en este caso:
- La TI estableció sistemas que permitieron a los usuarios obtener los datos por sí mismos: "datos autoabastecidos".
- De hecho, los análisis eran altamente visuales. Sí, se proporciona toda la información estadística, pero se hace accesible a través de gráficos e interactividad.
- No era necesario un doctorado en estadística. El análisis anterior implica la partición recursiva con validación cruzada. Un bocado para estar seguro, pero esa complejidad (y la jerga estadística) no se interponen en el camino de un analista o ingeniero de negocios que obtiene el mayor número posible y la mejor calidad de información explotable. Pueden centrarse en su tema sin restricciones. De hecho, mi experiencia es que la herramienta casi se vuelve invisible ya que el enfoque está en el tema.
- A diferencia de los viejos tiempos, cuando empecé en este juego, no era necesario enviar una solicitud que indique a los programadores de TI que corrijan un informe que llegará varios días después. El tiempo transcurrido entre la pregunta y la respuesta se había ido, y también la dependencia.
- La antigua división del trabajo entre analítica y negocios había desaparecido. Deben estar unidos entre sí para ser eficaces y eficientes en la búsqueda de perspectivas empresariales, de ingeniería y científicas explotables.
- Tenga en cuenta que el análisis no es simplemente descriptivo, como lo fue en los viejos tiempos. Es inferencial porque lleva a los analistas a predecir resultados futuros y hacer más preguntas.
Los analistas no solo quedaron impresionados con la idea, sino que también estaban entusiasmados con la facilidad con la que se derivó.
Construye tu propia cultura de análisis
¿Qué se necesita para llevar el nuevo mundo de la analítica a su organización y respaldar una cultura de la analítica?
Aquí es donde entra la TI; obviamente, tienen un papel importante que desempeñar. Ya no es necesario preocuparse por la realización de análisis. Es mejor dejarlo a los analistas. En cambio, las TI ahora son facilitadores de análisis. Ellos pueden hacer esto por:
- Mantener la infraestructura de hardware y software que soporta las necesidades operativas y analíticas.
- Hacer que los datos estén disponibles de una manera analítica para que los datos puedan autoabastecerse. Trabajamos mucho en esta área para asegurarnos de que las demandas de datos analíticos no afecten las operaciones. Por ejemplo, en las industrias farmacéutica, de semiconductores, solar y otras, los datos en tiempo real sin impedimentos se deben recopilar para la trazabilidad. La demanda analítica de la infraestructura de TI no puede afectar a los sistemas operativos.
- Prestar apoyo a empresas como nuestra compañía, Predictum, en el desarrollo de aplicaciones analíticas integradas que faciliten aún más el análisis, el almacenamiento y la transferencia de conocimientos y conocimientos, y consigan otras eficiencias y ahorros en las áreas de operaciones, investigación y cumplimiento.
- Asegurar todos los sistemas.
Asegurar los sistemas es una responsabilidad cada vez mayor y cada vez más exigente de TI, tanto que nos encontramos con que la gente de TI suele sentirse muy feliz al sentirse liberada de la carga de realizar análisis o involucrarse con el análisis, por lo que los analistas pueden apoyarse mejor. Su rol habilitador es mucho más consistente con sus otras actividades y responsabilidades. Por ejemplo, TI respalda los sistemas de pedido / envío / facturación, pero no se ordenan, no se envían o se facturan a sí mismos. ¿Por qué deberían realizar análisis de negocios, ciencia o ingeniería?
Con el Internet de las cosas, los nuevos equipos más capaces y el alcance en expansión de Internet, podemos esperar un aumento exponencial en la cantidad y la calidad de los datos en el futuro. Es mejor prepararse para las oportunidades que se presentan al construir una cultura de análisis ahora. Eso implica diseñar la arquitectura de datos correcta, proporcionar JMP y permitir a los analistas de negocios, científicos e ingenieros avanzar su experiencia en la materia con el análisis.
Nota del editor: Una version de esta entrada de blog apareció por primera vez en el Predictum blog . Gracias a Wayne Levin por compartirlo aquí también.
