\nDE C\u00c2ND CONSUMATORUL A DEVENIT REGE, tot mai multe companii caut\u0103 s\u0103 afle c\u00e2t se poate de exact ce vrea \u015fi, mai ales, ce \u015fi-ar putea dori clien\u0163ii. \u00cen acest context, de ajutor se pot dovedi bazele de date inteligente \u015fi analiza predictiv\u0103.
\n\u00cen plus, tehnologia a schimbat foarte mult modalitatea de interac\u0163iune cu produsele \u015fi serviciile, foarte multe din a\u015ftept\u0103rile clien\u0163ilor s-au schimbat, iar organiza\u0163iile trebuie s\u0103 \u00ee\u015fi redescopere clien\u0163ii, arat\u0103 \u015etefan Baciu, channel partner manager pentru Europa de Sud Est, IBM Rom\u00e2nia. Mai concret spus, dac\u0103 \u00een urm\u0103 cu zece ani cantitatea de informa\u0163ii era relativ limitat\u0103 la calculatorul fiec\u0103ruia \u015fi la media, acum un client poate s\u0103 acceseze \u201etone\u201e de informa\u0163ie pentru a-\u015fi cump\u0103ra un telefon, un frigider, o cas\u0103 sau o vacan\u0163\u0103. Cu toate acestea, puncteaz\u0103 reprezentantul IBM, foarte multe organiza\u0163ii \u00eenc\u0103 func\u0163ioneaz\u0103 cu \u201eblind spots\u201e – zone neobservabile din punct de vedere al analizei de date. Studii realizate de IBM \u015fi citate de Baciu arat\u0103 c\u0103 unul din trei manageri ia decizii critice de business f\u0103r\u0103 informa\u0163ia de care are nevoie, unul din doi manageri nu are acces la informa\u0163ia necesar\u0103 pentru a-\u015fi fundamenta deciziile iar unul din patru lideri de business este convins c\u0103 informa\u0163ia predictiv\u0103 ar putea ajuta \u00een luarea unor decizii mai bune.<\/p>\n
\nOr informa\u0163iile inteligente pot fi la \u00eendem\u00e2na oric\u0103rei companii, pentru c\u0103 orice firm\u0103 are o baz\u0103 de date ce se poate dovedi extrem de folositoare \u00een p\u0103strarea, fidelizarea clien\u0163ilor dar \u015fi \u00een cre\u015fterea v\u00e2nz\u0103rilor. \u201eInstrumentele de analiz\u0103 predictiv\u0103 ne ajut\u0103 s\u0103 facem o conexiune \u00eentre volumul de date \u015fi informa\u0163ii pe care \u00eel avem astfel \u00eenc\u00e2t s\u0103 putem trage concluzii despre evenimentele care ar putea s\u0103 se \u00eent\u00e2mple\u201e, declar\u0103 Baciu. Mai mult de-at\u00e2t, companiile pot genera scenarii multiple pentru evolu\u0163ia afacerii folosindu-se de acest tip de instrument.<\/p>\n
\nSOLU\u0162IILE DE ANALIZ\u0102 PREDICTIV\u0102 DUC LA SCHIMBAREA INTERAC\u0162IUNII CU CLIENTUL, CARE DEVINE MULT MAI PERSONALIZAT\u0102. Solu\u0163iile SPSS din portofoliul IBM \u00ee\u015fi trag r\u0103d\u0103cinile din sisteme de lucru ce exist\u0103 pe pia\u0163\u0103 de peste 40 de ani. \u201eA \u00eenceput ca produs de statistic\u0103, a evoluat c\u0103tre data mining \u015fi evaluare predictiv\u0103, a fost cump\u0103rat de IBM \u00een 2009 \u015fi acum este un instrument care con\u0163ine foarte mult\u0103 inteligen\u0163\u0103 \u015fi poate identifica tendin\u0163e \u015fi modele \u00een volume mari de date”, declar\u0103 \u015etefan Baciu.<\/p>\n
\nCu toate acestea, companiile care apeleaz\u0103 la solu\u0163iile de analiz\u0103 predictiv\u0103 nu trebuie s\u0103 se a\u015ftepte la rezultate imediate, aten\u0163ioneaz\u0103 Ionel Dinu, \u015feful departamentului CRM, direc\u0163ia managementul segmentelor retail, \u00een cadrul BCR.
\nACESTA ESTE UN INSTRUMENT DE LUCRU, ORICE IDEE SE POATE MODELA AT\u00c2T TIMP C\u00c2T EXIST\u0102 ISTORIC, DATE. E frumos s\u0103 po\u0163i previziona, dar rezultatele vor veni foarte greu\u201e, spune Dinu. El adaug\u0103 c\u0103 ideea de analiz\u0103 predictiv\u0103, numit\u0103 \u015fi data mining sau mineriada datelor, a pornit de la un spital, la departamentul de urgen\u0163\u0103, c\u00e2nd trebuia s\u0103 se fac\u0103 o predic\u0163ie astfel \u00eenc\u00e2t s\u0103 se asigure personalul necesar pentru urgen\u0163e. BCR este una dintre companiile care a mizat pe solu\u0163iile pe care le poate oferi analiza predictiv\u0103. \u201eSpunea cineva la un moment dat c\u0103 jum\u0103tate din banii cheltui\u0163i pe marketing sunt arunca\u0163i. Dar nu se \u015ftia care este jum\u0103tatea respectiv\u0103. A\u015fa f\u0103ceam \u015fi noi”, spune Dinu.<\/p>\n
\nBCR f\u0103cea campanii de marketing direct, av\u00e2nd o baz\u0103 de clien\u0163i consistent\u0103, de peste trei milioane de clien\u0163i \u00een retail. Rezultatul a fost redus, poveste\u015fte Dinu: \u201etrimiteam 100.000 de scrisori, cu costuri de circa 100.000 de euro; mai trimiteam \u00eenc\u0103 20.000 de mesaje scrise celor care nu au primit mesajul cum trebuie \u015fi reu\u015feam s\u0103 vindem \u00een jur de 1.000 de produse\u201e. La o prim\u0103 vedere, procedura putea fi \u00eembun\u0103t\u0103\u0163it\u0103, pentru a g\u0103si \u00een baza de date \u2013 generoas\u0103, dealtfel – informa\u0163ii inteligente. Trebuia \u201es\u0103 m\u0103 uit \u00een baza de date \u015fi s\u0103 g\u0103sesc clien\u0163i care au cea mai mare probabilitate pentru a cump\u0103ra un anumit produs\u201e, explic\u0103 reprezentantul BCR. Institu\u0163ia financiar\u0103 a cump\u0103rat SPSS, a dezvoltat modele predictive iar acum \u201e\u015ftim c\u0103 pentru un anumit produs putem s\u0103 ne concentr\u0103m pe o anumit\u0103 baz\u0103 de date relativ mic\u0103, dar cu o rat\u0103 foarte mare de succes. Nu vom cheltui 100.000 de euro ca s\u0103 vindem 1.000 de produse, cheltuim 10.000 de euro ca s\u0103 vindem 3.500 de produse”.<\/p>\n
<\/p>\n
\nAnaliza predictiv\u0103, spune \u015etefan Baciu, poate ajuta \u00een luarea de decizii strategice. Un exemplu, de pe pia\u0163a din SUA, este American Express, care a f\u0103cut analize de profitabilitate \u015fi a constat c\u0103 3.000 de clien\u0163i inactivi pierdeau bani \u015fi produceau costuri. \u201eAmerican Express le-a oferit c\u00e2te 300 de dolari iar ei \u015fi-au \u00eenchis conturile\u201e, afirm\u0103 Baciu. Astfel de decizii pot avea un impact mare asupra companiei, m\u0103car din prisma reducerii de costuri. Dar este numai un exemplu, devreme ce bazele de date inteligente pot ajuta la croirea de noi produse potrivite clien\u0163ilor. \u201eVorbim de capacitatea de a lua decizii informate \u00eentr-o organiza\u0163ie, de la tehnici bazate pe intui\u0163ie, la decizii bazate pe informa\u0163ie bazat\u0103 pe datele concrete pe care orice companie la are \u00een interior\u201e, spune reprezentantul IBM. \u201eUnealta\u201e este complex\u0103 iar Baciu detaliaz\u0103 c\u0103 dintr-un volum foarte mare de poten\u0163iali clien\u0163i, se identific\u0103, pe baza unor algoritmi complec\u015fi, care clien\u0163i pot r\u0103spunde pozitiv la oferta X \u015fi se axeaz\u0103 pe acele canale pe care ei le \u015ftiu cel mai bine. De exemplu, un angajat \u00eentr-o companie IT, cu siguran\u0163\u0103 va r\u0103spunde mai bine unei campanii pe e-mail dec\u00e2t prin una f\u0103cut\u0103 prin po\u015ft\u0103, exemplific\u0103 Baciu.<\/p>\n
\nINTUI\u0162IA JOAC\u0102 \u00ceNS\u0102 UN ROL IMPORTANT \u00ceN AFACERI IAR COMPANIILE CL\u0102DITE DE ANTREPRENORI SUNT UN EXEMPLU CLAR, \u015ftiut fiind c\u0103 majoritatea se bazeaz\u0103 foarte mult pe fler \u015fi instinct. Pe de alt\u0103 parte, sunt \u015fi companii mari \u015fi institu\u0163ii financiare care au mizat pe fler, \u015fi au c\u00e2\u015ftigat bani frumo\u015fi din asta. De pild\u0103, Raiffeissen a lansat, \u00een urm\u0103 cu circa zece ani, \u00eempreun\u0103 cu Flanco oferta de televizoare cump\u0103rate \u00een rate de numai 50 de lei; clien\u0163ii nu s-au mai uitat la dob\u00e2nda de 40-60%, s-au g\u00e2ndit doar c\u0103 \u00ee\u015fi permit s\u0103 pl\u0103teasc\u0103 rate de 50 de lei. A fost primul pas spre o creditare care a ajuns spumoas\u0103, dar ideea putea veni \u015fi altor bancheri, devreme ce fiecare institu\u0163ie financiar\u0103 are acces la aceeia\u015fi patru-cinci milioane de clien\u0163i activi. Reprezentantul IBM spune \u00eens\u0103 c\u0103 intui\u0163ia bazat\u0103 pe o informa\u0163ie c\u00e2t mai relevant\u0103 este de mai mare ajutor dec\u00e2t intui\u0163ia pur\u0103.<\/p>\n
\nSOLU\u0162IILE DE ANALIZ\u0102 PREDICTIV\u0102 AU COSTURI VARIABILE, DUP\u0102 CUM EXPLIC\u0102 BACIU. Pe de o parte este vorba despre licen\u0163ele cu care sunt create modelele, \u015fi partea de consultan\u0163\u0103, realizat\u0103 \u00eempreun\u0103 cu clientul, pentru formularea celor mai potrivite modele pentru un proiect. Iar cele dou\u0103 componente difer\u0103 \u00een func\u0163ie de scopul \u015fi obiectivele clientului, dar \u00een general plaja de pre\u0163uri variaz\u0103 de la c\u00e2teva zeci de mii de euro p\u00e2n\u0103 la c\u00e2teva sute de mii de euro. Acestora li se mai poate ad\u0103uga costul cu analiza financiar\u0103, spune Baciu. Un exemplu este al unui operator de distribu\u0163ie de energie din regiune, care a dorit s\u0103 \u00ee\u015fi poat\u0103 previziona consumul de energie cu acurate\u0163e foarte mare deoarece cump\u0103r\u0103 energie la un anumit pre\u0163, o distribuie, iar dac\u0103 volumele achizi\u0163ionate sunt prea mari, r\u0103m\u00e2ne cu o capacitate nev\u00e2ndut\u0103. \u201eLu\u00e2nd datele pe care le aveau p\u00e2n\u0103 \u00een mai, am f\u0103cut predic\u0163ii referitoare la consum; aveau \u015fi ei predic\u0163ia lor p\u00e2n\u0103 \u00een iunie, dar a noastr\u0103 a fost cu c\u00e2teva procente mai bun\u0103 dec\u00e2t a lor. Aceste procente se pot cuantifica \u00een bani”.<\/p>\n
\nLa BCR, poveste\u015fte Dinu, au fost realizate modele predictive pentru toate produsele, de la credite de consum sau garantate, p\u00e2n\u0103 la overdraft sau card de credit. \u00cen func\u0163ie de segmentul de client, exist\u0103 un tipar de comportament \u015fi \u201eputem observa spre exemplu c\u00e2t timp \u00eei ia unui client s\u0103 revin\u0103 la acela\u015fi produs dup\u0103 ce a \u00eencheiat un credit de nevoi personale. Are o anumit\u0103 perioad\u0103 dup\u0103 ce a \u00eenchis un astfel de credit \u00een care se \u00eentoarce\u201e. La fel de bine, exist\u0103 un tipar \u015fi la cardurile de credit, foarte u\u015for de extras din date. Implementarea unui proiect de analiz\u0103 predictiv\u0103 nu este de tip \u00abone shot\u00bb, nu se \u00eent\u00e2mpl\u0103 o singur\u0103 dat\u0103; lucrurile se schimb\u0103, iar un astfel de model predictiv trebuie \u00eentre\u0163inut permanent, spune Dinu. \u00cen cadrul b\u0103ncii, permanent sunt completate date noi pentru a actualiza modelele cu precizie c\u00e2t mai mare. \u201eSe pot face proiecte pornind de la profiul clientului care vine la casierie, p\u00e2n\u0103 la analize de cump\u0103rare de pachete de produse ale b\u0103ncii”, adaug\u0103 reprezentantul BCR.<\/p>\n
\nUNA PESTE ALTA, SE POATE SPUNE C\u0102 INFORMA\u0162IILE DIN BAZELE DE DATE POT FI FOLOSITE PENTRU A CRE\u015eTE VOLUMUL \u015eI PROFITABILITATEA AFACERII, DEVREME CE \u00ceN MAI TOATE COMPANIILE ZAC SUMEDENIE DE DATE. \u015etefan Baciu d\u0103 ca exemplu informa\u0163iile din analizele pe re\u0163ele sociale, care au o aplicabilitate mare mai cu seam\u0103 pentru companiile din telecom. \u201eIdentific\u0103 liderii informali din cadrul diverselor grupuri \u015fi realizeaz\u0103 campanii care \u00eei \u0163intesc \u00een mod direct\u201e, explic\u0103 Baciu. \u00cen plus, acest instrument monitorizeaz\u0103 cum a fost propagat\u0103 o ofert\u0103 anume \u00een r\u00e2ndul celor din re\u0163eaua liderilor de opinie.<\/p>\n
\nO ALT\u0102 APLICABILITATE, ENUMER\u0102 REPREZENTANTUL IBM AR FI \u00ceN ZONA DE RETAIL. Av\u00e2nd o cantitate foarte mare de date, se identific\u0103 produsele cump\u0103rate de diverse segmente de clien\u0163i \u015fi pe baza acestor informa\u0163ii – date demografice, despre obiceiuri de cump\u0103rare, date adunate prin studii chiar \u00een interiorul magazinului – se pot identifica diverse tipare de cump\u0103rare. \u201eAstfel, dac\u0103 el cump\u0103r\u0103 produsul e \u015fi f, exist\u0103 o mare probabilitate s\u0103 cumpere \u015fi produsul g, dac\u0103 va cump\u0103ra produsul h, atunci cump\u0103r\u0103 i”.<\/p>\n
\n\u00cen completarea acestor modele, este \u00eens\u0103 necesar s\u0103 existe deopotriv\u0103 speciali\u015ftii care s\u0103 conceap\u0103 strategii \u00een func\u0163ie de aceste date dar \u015fi factorii de decizie care s\u0103 se foloseasc\u0103 de informa\u0163ii. Nu \u00een ultimul r\u00e2nd, \u015fi oamenii de marketing au un rol hot\u0103r\u00e2tor. Ionel Dinu d\u0103 un alt exemplu: al geamurilor electrice de la ma\u015fini. O lung\u0103 perioad\u0103 de timp, pentru aceast\u0103 op\u0163iune trebuia s\u0103 pl\u0103te\u015fti suplimentar, \u00een ciuda faptului c\u0103 geamurile manuale costau cu mult mai mult dec\u00e2t cele electrice. \u201eEra o manipulare de marketing foarte bine aplicat\u0103 \u00een ideea c\u0103 toat\u0103 lumea \u00ee\u015fi dore\u015fte geamuri electrice \u015fi atunci sigur vor pl\u0103ti suplimentar, chiar dac\u0103 pe mine ca produc\u0103tor m\u0103 cost\u0103 mult mai pu\u0163in\u201e. A\u015fadar, sunt mai multe verigi \u00een lan\u0163ul prin care o companie \u00ee\u015fi atrage clien\u0163ii. \u201eTrebuie s\u0103 avem un \u00eentreg flux care s\u0103 rezolve o problem\u0103\u201e, subliniaz\u0103 Dinu. Toate aceste solu\u0163ii sunt \u00eendreptate c\u0103tre clientul actual, mai informat dec\u00e2t cel din urm\u0103 cu zece ani \u015fi pentru care pre\u0163ul face din ce \u00een ce mai mult diferen\u0163a. <\/p>\n","protected":false},"excerpt":{"rendered":"
Volume uria\u015fe de baze de date zac nefolosite \u00een companii din toate domeniile \u00een timp ce clien\u0163ii devin din ce \u00een ce mai informa\u0163i. Instrumentele de analiz\u0103 predictiv\u0103, cunoscute drept \u201emineriada datelor” le-ar putea transforma \u00een informa\u0163ie inteligent\u0103. Pozi\u0163ionarea precis\u0103 a companiilor pe pia\u0163\u0103 poate fi f\u0103cut\u0103 astfel \u00eentr-un ritm mai rapid, cu costuri mai mici dec\u00e2t \u00een cazul metodelor tradi\u0163ionale. Cum pot bazele de date s\u0103 prezic\u0103 viitorul, \u00een contextul \u00een care pre\u0163ul conteaz\u0103 din ce \u00een ce mai mult, iar via\u0163a oamenilor de marketing \u015fi v\u00e2nz\u0103ri este din ce mai dificil\u0103? <\/p>\n","protected":false},"author":1,"featured_media":0,"comment_status":"open","ping_status":"open","sticky":false,"template":"","format":"standard","meta":{"footnotes":""},"categories":[7211],"tags":[8225,4126,201,534,7283,8015,449,7178,17963],"class_list":["post-97111","post","type-post","status-publish","format-standard","hentry","category-comert","tag-analiza","tag-clienti","tag-companii","tag-context","tag-costuri","tag-informatie","tag-inteligenta","tag-marketing","tag-mineriada"],"_links":{"self":[{"href":"https:\/\/bm.dev.synology.me\/index.php?rest_route=\/wp\/v2\/posts\/97111","targetHints":{"allow":["GET"]}}],"collection":[{"href":"https:\/\/bm.dev.synology.me\/index.php?rest_route=\/wp\/v2\/posts"}],"about":[{"href":"https:\/\/bm.dev.synology.me\/index.php?rest_route=\/wp\/v2\/types\/post"}],"author":[{"embeddable":true,"href":"https:\/\/bm.dev.synology.me\/index.php?rest_route=\/wp\/v2\/users\/1"}],"replies":[{"embeddable":true,"href":"https:\/\/bm.dev.synology.me\/index.php?rest_route=%2Fwp%2Fv2%2Fcomments&post=97111"}],"version-history":[{"count":0,"href":"https:\/\/bm.dev.synology.me\/index.php?rest_route=\/wp\/v2\/posts\/97111\/revisions"}],"wp:attachment":[{"href":"https:\/\/bm.dev.synology.me\/index.php?rest_route=%2Fwp%2Fv2%2Fmedia&parent=97111"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/bm.dev.synology.me\/index.php?rest_route=%2Fwp%2Fv2%2Fcategories&post=97111"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/bm.dev.synology.me\/index.php?rest_route=%2Fwp%2Fv2%2Ftags&post=97111"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}