Szok kulturowy jest nieunikniony

Chris Coye, starszy wicepreces i dyrektor ds. IT w Disney ABC Television Group: W tym roku wdrożyliśmy trzy narzędzia analityki predyktywnej: jedno analizujące prawdopodobne scenariusze sprzedaży reklam, drugie służące do optymalizacji kampanii promocyjnych w mediach i trzecie, które wspiera szczebel kierowniczy w podejmowaniu decyzji. Stworzyliśmy niewielki zespół zajmujący się analizą danych w ramach działu IT, a modele analityczne są opracowywane przez specjalizującą się w tym grupę pracowników Disneya.

Największym wyzwaniem technologicznym było pozyskanie właściwych danych źródłowych. Posiadamy wiele oddziałów, a wszystkie dane muszą zostać odpowiadać tym samym standardom. Opracowaliśmy więc własne narzędzie do ich pobierania, przetwarzania i ładowania. Zamierzamy jednak skorzystać z narzędzi komercyjnych, aby przyspieszyć cały ten proces.

Zobacz również:

• 5 praktycznych powodów, dla których warto wdrożyć Zero Trust
• IDC CIO Summit – potencjał drzemiący w algorytmach

Z perspektywy kultury organizacyjnej naszej firmy te nowe narzędzia wywołały spory niepokój. Dział badań nie chce, aby dział sprzedaży miał wgląd w ich dane zbyt wcześnie, a dział sprzedaży nie życzy sobie z kolei, aby ich dane były zbyt wcześnie udostępniane działom finansowym. Informacje są teraz dostępne wcześniej niż w terminie komfortowym dla większości osób. Każdy chce utrzymać kontrolę nad danymi opisującymi wyniki jego pracy.

To ogromna zmiana, wspierana przez dyrektorów ds. finansowych i ds. technologii. Oczekuje się po niej, że nowe narzędzia usprawnią proces podejmowanie decyzji. Postanowienie, czy sprzedać reklamę, czy wykorzystać czas reklamowy na wyświetlenie materiału promującego nowy serial opierało się na intuicji. Dziś mamy narzędzia, które przewidują, które posunięcie przyniesie większe zyski – sprzedaż reklamy czy pozyskanie większej liczby widzów nowego serialu.

Małymi krokami buduj poparcie dla nowych rozwiązań

James Clent, dyrektor ds. IT, United Orthopedic Group: Rynek protez ortopedycznych, na którym działamy jest dość ograniczony, dlatego kluczowe jest dla nas utrzymanie klienta. Nasze pierwsze kroki w obszarze analityki predyktywnej polegały na identyfikacji tzw. "cichych uciekinierów", czyli klientów, którzy nie informują o swoim niezadowoleniu, ale ograniczają swoje zamówienia lub całkowicie z nich rezygnują. Przypuszczaliśmy, że możemy utrzymać tych klientów, jeżeli zidentyfikujemy ich zanim nas opuszczą. Stworzyliśmy narzędzie, które w oparciu o schematy zamówień jest w stanie przewidzieć, kiedy powinno nastąpić kolejne zamówienie ze strony klienta. Jeśli ten moment nadszedł, a klient nie złożył zamówienia, kontaktuje się z nim telefonicznie nasz sprzedawca.

Zaczęliśmy od wersji pilotażowej, w ramach której udało nam się zmniejszyć liczbę cichych uciekinierów o 50%, a to, czego się nauczyliśmy wykorzystaliśmy podczas wdrażania systemu w skali ogólnokrajowej. Podczas działań pilotażowych opracowaliśmy linie trendów dotyczące zachowań klientów, które poza prognozami odnoszącymi się do kolejnych zamówień pozwoliły sprzedawcom na obserwowanie wolumenów zamówień i odchyleń od nich. Takie rozwiązanie okazało się jednak zbyt złożone.

Najważniejsza jest prostota rozwiązań. Trzeba przyzwyczaić pracowników firmy do pracy w obszarze analityki predyktywnej, a poparcie dla tej technologii i jej rozwiązań budować stopniowo, wraz z upływem czasu. Ułatwi to korzystanie z narzędzi osobom, dla których nowe technologie są przytłaczające, a zaawansowani użytkownicy na pewno będą prosić o więcej. Wówczas można wdrażać kolejne projekty, takie jak budżetowanie sprzedaży, i kolejne narzędzia analityczne. Dopiero wtedy analityka predyktywna przestaje być jedynie chwilową modą, a staje się narzędziem biznesowym.

To coś więcej niż technologie

Ed Brandman, dyrektor ds. IT, Kohlberg Kravis Roberts: Analityka predyktywna to kolejna technologia, która wspiera nas w procesie podejmowania decyzji w zakresie inwestycji i oceny efektywności należących do nas spółek. Wiele czasu poświęcamy na to, aby dowiedzieć się, jak pozyskać potrzebne nam informacje. Co miesiąc otrzymujemy dane finansowe i operacyjne od 80 spółek będących częścią naszego portfolio, a każda z nich prezentuje je w odmienny sposób. To cała masa informacji, na podstawie których możemy sporządzać prognozy, jeśli tylko uda nam się te dane znormalizować. Po dwóch latach pracy posiadamy już solidne bazy danych.

Uzyskane przez nas dane są uzupełniane przez informacje dostępne publicznie, które otrzymujemy od firm, takich jak Standard and Poor’s lub BCA Research. Dzięki temu możemy dokonać przeglądu naszych firm i określić np. jaki jest najbardziej odpowiedni moment na ich dofinansowanie. Zespół ds. zarządzania portfolio spółek jest w stanie określić, czy strategia inwestowania powinna być bardziej czy mniej agresywna.

Narzędzia opracowaliśmy samodzielnie. Na razie nie bierzemy pod uwagę zastosowania analizy dużych zbiorów danych Big Data. Wydaje się, że wiele firm zbytnio koncentruje się na nowych technologiach. A większa ilość danych i częstsze ich pozyskiwanie, nie zawsze jest lepszym rozwiązaniem. Chodzi o dostęp do właściwych danych we właściwym czasie. Jeżeli analiza danych nie przekłada się na korzyści biznesowe to ich pozyskiwanie i opracowywanie to strata czasu i pieniędzy.

Przeczytaj też: Analityka.biznesowa.przyhamuje.