Predictive Analytics – Η δύναμη να γνωρίζετε ποιοι πελάτες θα πληρώσουν, θα καθυστερήσουν, θα αμφισβητήσουν ή θα αθετήσουν

Σύμφωνα με το Παγκόσμιο Οικονομικό Φόρουμ, μέχρι το 2020 ο όγκος των δεδομένων που θα αποθηκεύονται και θα συλλέγονται θα είναι περίπου 35 τρισεκατομμύρια gigabyte. Τα Big Data ταξινομούνται ως νέα κατηγορία περιουσιακών στοιχείων. Η εκμάθηση από αυτά τα δεδομένα για να κάνει προβλέψεις και να προβλέπει αποτελέσματα, φέρνει τεράστια δύναμη στους οργανισμούς. Αυτό κάνουν οι τεχνολογίες προγνωστικής ανάλυσης.

Ωστόσο, αυτό είναι μόνο το πρώτο βήμα. Όσοι κάνουν το επόμενο βήμα, χρησιμοποιούν τις προβλέψεις για να κάνουν συγκεκριμένες ενέργειες που μπορούν πραγματικά να αλλάξουν το αποτέλεσμα, θα γίνουν ατρόμητοι ηγέτες στους κλάδους τους. Αυτή είναι η δύναμη της πειθούς με την προγνωστική ανάλυση.

Predictive analytics Το βιβλίο Predictive Analytics: The Power to Know Who Will Will Click, Buy, Lie or Die του Παγκόσμιου ιδρυτή Eric Seigel, με ενέπνευσε να μοιραστώ μερικά παραδείγματα της δύναμης της μετατροπής των προβλέψεων σε πρακτικές γνώσεις. Αυτά είναι απλά παραδείγματα για τους CFO και τα οικονομικά στελέχη που επιθυμούν να μάθουν περισσότερα για τη Big Δεδομένα και αναλυτικά στοιχεία.

Αυτές οι τεχνολογίες εφαρμόζονται στο μάρκετινγκ, τις πωλήσεις, τους ανθρώπινους πόρους, την κατασκευή και άλλους τομείς για να προωθήσουν την ανάπτυξη και να αποκτήσουν τεράστιο ανταγωνιστικό πλεονέκτημα έναντι των ομοίων τους στον κλάδο. Εδώ, είναι μερικά παραδείγματα.

Πώς χρησιμοποιούν διαφορετικές εταιρείες το Predictive Analytics

Εταιρεία: Netflix
Αίτηση PA: Πρόβλεψη επιλογής ταινίας
Τι προβλέπεται: Ποια ταινία θα αρέσει να παρακολουθήσει ο πελάτης στη συνέχεια
Τι έχει γίνει για αυτό: Παρουσιάστε εξατομικευμένες επιλογές ταινιών βέλτιστης επιλογής στους θεατές για να αυξήσετε την ικανοποίηση και τη διατήρηση των πελατών

Εταιρεία: Amazon
Αίτηση PA: Πρόβλεψη αγοραστικής συμπεριφοράς
Τι προβλέπεται: Τι αγαθά αρέσει να αγοράζει ο πελάτης
Τι έχει γίνει για αυτό: Παρουσίαση εξατομικευμένου καταλόγου για τους αγοραστές βελτιώστε την εμπειρία αγορών και μεγιστοποιήστε την ευκαιρία εσόδων για κάθε πελάτη αλληλεπίδραση

Εταιρεία: στόχος
Αίτηση PA: Πρόβλεψη εγκυμοσύνης
Τι προβλέπεται: Ποιες γυναίκες πελάτες θα αποκτήσουν μωρό τους επόμενους μήνες
Τι έχει γίνει για αυτό: Σχετικές προσφορές της αγοράς για σύντομα γονείς νεογέννητου

Εταιρεία: Hewlett Packard
Αίτηση PA: FlightRisk – Διατήρηση εργαζομένων
Τι προβλέπεται: Ποιοι υπάλληλοι θα αποχωρήσουν
Τι έχει γίνει για αυτό: Οι διευθυντές χρησιμοποιούν τις προβλέψεις για να λάβουν συγκεκριμένες αποφάσεις ανθρώπινου δυναμικού με αυτούς που εποπτεύουν.

Εταιρεία: Chase Bank
Αίτηση PA: Πρόβλεψη κινδύνου στεγαστικών δανείων
Τι προβλέπεται: Ποιοι πελάτες θα προπληρώσουν και θα τερματίσουν τη σχέση (αναχρηματοδότηση με άλλη τράπεζα)
Τι έχει γίνει για αυτό: Τα στεγαστικά δάνεια αποτιμώνται ανάλογα προκειμένου να αποφασιστεί αν θα τα πουλήσουν σε άλλες τράπεζες.

Υπάρχουν πολλά παραδείγματα αυξανόμενης χρήσης προγνωστικών αναλύσεων από εταιρείες γύρω μας – Pandora, Spotify, Uber, Match.com κ.λπ. κ.λπ.… Εάν δεν χρησιμοποιείτε ακόμη προγνωστικά αναλυτικά στοιχεία, ακολουθούν μερικές ιδέες για το πώς Το οικονομικό τμήμα μπορεί να χρησιμοποιήσει προγνωστικά αναλυτικά στοιχεία

Εταιρεία: Η εταιρεία σας
Αίτηση PA: Πληρωμή Πελάτη Πρόβλεψη κινδύνου
Τι προβλέπεται: Ποιος πελάτης θα πληρώσει, θα καθυστερήσει, θα αμφισβητήσει ή θα αθετήσει
Τι μπορεί να γίνει για αυτό: Κάντε ακριβή πρόβλεψη ταμειακή ροή, Εξατομίκευση στρατηγικών συλλογών για μεγιστοποίηση των ταμειακών ροών, προσαρμογή πιστωτικών ορίων για μεγιστοποίηση αύξηση των εσόδων και να μετριάσει τον κίνδυνο, να λάβει συγκεκριμένες αποφάσεις δανεισμού για τη διαχείριση του κεφαλαίου κίνησης, να εντοπίσει απάτες στις εκπτώσεις, να εξατομικεύσει τις πωλήσεις και τις στρατηγικές μάρκετινγκ για να μεγιστοποιήσει πολλά πράγματα - διάρκεια ζωής πελάτη, ικανοποίηση πελατών, αφοσίωση πελατών, έσοδα, κερδοφορία

Προφητικός εφαρμογές ανάλυσης Η λήψη λειτουργικών αποφάσεων σε επίπεδο μικροσυναλλαγών θα γίνει η νέα κανονικότητα. Το σωρευτικό αποτέλεσμα των πιο έξυπνων αποφάσεων σε επίπεδο συναλλαγών μπορεί σε μεγάλο βαθμό μείωση του κινδύνου και να βελτιώσουν την οικονομική απόδοση των οργανισμών. Πώς λειτουργούν, λοιπόν, οι εφαρμογές προγνωστικής ανάλυσης; Με λίγα λόγια, αυτές οι εφαρμογές αρχικά κατασκευάζουν ένα προγνωστικό μοντέλο βασισμένο σε ένα αρχικό σύνολο δεδομένων για να δώσουν προγνωστική βαθμολογία για κάθε είσοδο. Το επόμενο βήμα είναι να γίνουν αυτά τα προγνωστικά μοντέλα αυτοδιδάσκοντα, καθώς καθώς τα δεδομένα αυξάνονται, τα μοντέλα βαθμολόγησης μαθαίνουν συνεχώς να κάνουν προβλέψεις όλο και πιο ακριβείς. Το τελευταίο βήμα είναι να συνδεθούν αυτές οι προγνωστικές βαθμολογίες με συγκεκριμένες λειτουργικές ενέργειες και να ληφθούν πιο έξυπνες αποφάσεις σε επίπεδο μικροσυναλλαγών.