Alla företag har ett behov av att förstå sin marknad och sina kunder. Den stora förändringen idag jämfört med tidigare är möjligheten till datainsamling i stor skala. Data som vi sedan kan använda för att beskriva marknader och trender på helt ny detaljnivå. Kunder kan kategoriseras och kopplas till olika köpbeteenden och användarprofiler. Genom dessa kan vi bättre än någonsin anpassa marknadskampanjer och produktutveckling för att på bästa sätt matcha efterfrågan.

Många frågeställningar och problem som företag arbetar med idag är klassiska frågor som länge har varit i blickfånget. Så svaren som man söker är sällan nya, dock ger dagens machine learning metoder möjligheten att både ställa frågorna på nya sätt men även att vi kan angripa dem annorlunda jämfört med tidigare.

Återkommande frågor är allt från merförsäljning, personanpassade kampanjerbjudanden, personalbeläggning, köpsekvens-mönster, kundbortfall, men även frågor rörande risk såsom till exempel bedrägeri.

MISSA INTE VÅRT INSPELADE WEBINAR!

Upptäck Advanced Analytics i ditt standardverktyg för Business Intelligence

Se videon här

Personalomsättning vid säsongsarbete – ett fall för Advanced Analytics

Ta till exempel frågan om daglig personalomsättning inom säsongsarbete. Många rapporterar om bortfall uppemot 10%, vilket om man har en större personalstyrka kan innebära att 10-tals personer som måste ersättas på kort varsel. Mycket extra arbete och merkostnad som skulle kunna reduceras genom modellering.

Advanced Analytics kan bygga en modell som estimerar bortfallet över den stundande säsongen. Både intern data från tidigare säsonger och extern data så som väder, kalender-profil och events används för att bygga en prediktionsmodell som dessutom kan förbättras allt eftersom mer data samlas in. Det gör att man redan när schemana läggs kan överbelägga något på de poster där man genom modellen kan förutspå att bortfall med all sannolikhet kommer att ske. Direkt har man minskat antalet extratimmar som behövs läggas på att hitta personal i sista sekund. Arbetsstressen har även den minskat då personalen känner att man har bättre förutsättningar att göra ett bra jobb med fullbeläggning.

Belastningsnivåers påverkan på verksamheten

Många frågor rör även den egna verksamheten och hur den tål olika belastningsgrader. En relevant fråga är om behovs- och leveranskedjorna förändras vid olika stressnivåer. Det kan vara allt från nöjesfält och vårdleverantörer som vill förstå hur kundupplevelsen och driften påverkas vid olika antal besökare. Till mer tekniska plattformar som vill titta på vilka aspekter av produkten eller tjänsten är mest känslig för högre kundtryck och hur kundflödena förändras när volymgränserna överstigs.

Genom att större mängder data samlas in idag och vi kan analysera den med hjälp av machine learning algoritmer så kan dessa frågor bearbetas både genom att ta in många fler parametrar i beaktning och vi kan skapa lösningar som är dynamiska. Fler parametrar gör att man kan skapa mer komplexa modeller som på så sätt efterliknar verkligenheten bättre. Medan dynamiska modeller innebär att de kan kontinuerligt anpassas allteftersom mer data samlas in över tid. Två egenskaper som gör Advanced Analytics till ett effektivt angreppsätt för dagens klassiska frågor.

Här hittar du alla bloggar i vår Advanced Analytics serie

Del 1 – Attollo tar ett grepp om Advanced Analytics

Del 2 – Advanced Analytics bearbetar klassiska frågor i ny tappning

Del 3 – Advanced Analytics – Förbered idag var redo i morgon

Del 4 – Advanced Analytics – readiness studie