Miten tehdä liiketoiminnan kannalta oikeita asioita?
Yrityksen liiketoiminnassa on sisäisiä ja ulkoisia prosesseja: Kuka tekee, mitä, milloin ja kenelle. Johtaako tämä tekeminen tuloksiin vai saavutettiinko tulos tekemisestä huolimatta? BI ja edistynyt analytiikka auttaa tunnistamaan oikeasti vaikuttavia tekijöitä ja tekemistä, sekä tukemaan liikkeenjohdon päätöksentekoa tarjoamalla välineitä tiedon systemaattiseen jäsentämiseen ja analysointiin. Analytiikan avulla saatuja tuloksia ja opittuja asioita voidaan hyödyntää päivittäisessä tekemisessä ja päätöksenteossa – niin manuaalisesti tietoa käyttäen kuin osana automatisoitua prosessia.
Miten optimoida tarjontaa ja tekemistä?
Perinteisen 80/20 -säännön mukaan 20 % asiakkaista tuo 80 % liikevaihdosta. Eli hyvillä asiakkailla on ratkaiseva merkitys. Mutta ketä he ovat? Ja ovatko eniten liikevaihtoa tuovat asiakkaat myös kannattavimpia asiakkuuksia?
BI ja analytiikka auttaa tunnistamaan, ketkä ovat liiketoimintasi kannalta oikeasti hyviä asiakkaita. Kun tiedät, ketkä ovat 'hyviä asiakkaita', niin heitä olisi hyvä saada lisää. Sen vuoksi täytyy pystyä tunnistamaan, millainen on 'hyvä asiakas' eri mittarein, tekijöin ja luokituksin. BI ja analytiikka auttaa tässä myös silloin, kun 'hyvä asiakas' ei olekaan yksinkertaista ja selkeää määrittää. Kun tiedät millainen on hyvä asiakkaasi, voit löytää heitä lisää etsimällä vastaavuuksia sekä yritysten sisäisistä että ulkoisista tietolähteistä.
Tarjonnan optimointia voi tarkastella kahdesta näkökulmasta: Lisä- ja ristiinmyynti jo olemassa oleville asiakkaille sekä tarjonnan optimointi uusille potentiaalisille asiakkaille. Olemassa olevista asiakkaista on kattavasti tietoa eri järjestelmissä. Hyödynnetäänkö näitä BI:n ja analytiikan avulla? Analysoidaanko, millaista lisämyyntiä kannattaisi tarjota kenellekin ja millainen ristiinmyynti onnistuu parhaiten millekin asiakkaalle?
Analysoinnissa voidaan hyödyntää joko olemassa olevaa tietovarantoa tai suoraan nykyaikaisen BI:n ja analytiikan mahdollisuuksia koostamatta erilaisia tietolähteitä perinteiseksi tietovarastoksi. Potentiaalisista asiakkaista on tietoja huomattavasti vähemmän - tai ei lainkaan. Tällöin voidaan hyödyntää analytiikan avulla tehtyjä malleja, jotka pohjautuvat aktiivisten asiakkaiden käyttäytymiseen ja ostoihin. Näiden mallien avulla tarjotaan eri tilanteissa, juuri sillä hetkellä todennäköisimmin ostettavaa tuotetta tai palvelua.