Με την αυξανόμενη πολυπλοκότητα που αντιμετωπίζει το σύνολο των επιχειρήσεων παγκοσμίως, οι παρορμητικές επιχειρηματικές αποφάσεις και η διαίσθηση των στελεχών είναι προφανές ότι δεν επαρκούν.

Η επιτυχημένη ανταπόκριση σε απειλές και ευκαιρίες εξαρτάται πλέον από την άμεση και έξυπνη εκτέλεση. Επιτρέψτε μου να το δηλώσω ξεκάθαρα: Τα Business Analytics είναι το κλειδί για την επίτευξη αυτών των φιλόδοξων στόχων. Μόνο το 2009, σε όλο τον κόσμο δημιουργήθηκαν περισσότερα δεδομένα σε σχέση με ολόκληρη την προηγούμενη ιστορία της ανθρωπότητας!

Με τη βοήθεια των κατάλληλων analytics, ένα μεγάλο μέρος αυτών των δεδομένων μπορούν να μετατραπούν σε χρήσιμες πληροφορίες και, εν τέλει, σε ανταγωνιστικό πλεονέκτημα. Οι απαντήσεις βρίσκονται ακριβώς στα δεδομένα που συλλέγουμε και αποθηκεύουμε, διαδικασίες που, στην παρούσα φάση, κοστίζουν στις επιχειρήσεις τεράστια χρηματικά ποσά. Τα analytics έρχονται να μετατρέψουν τα τεράστια αυτά κόστη σε ανεκτίμητα περιουσιακά στοιχεία. Πολλοί μπορεί να νομίζουν ότι τα analytics αφορούν κατά κύριο λόγο πίνακες (dashboards) και κάρτες βαθμολόγησης (scorecards).

Ομως, πολύ περισσότερο από αυτά, τα analytics αφορούν σε εξελιγμένα τεχνολογικά εργαλεία που «σκάβουν» βαθύτερα στον τεράστιο όγκο των δεδομένων για να ανακαλύψουν πολύτιμη γνώση.

Αυτό παραδειγματικά μπορεί να περιλαμβάνει:
• Aνάλυση κοινωνικών δικτύων, για τη μελέτη συμπεριφορών και σχέσεων σε πολλαπλά επίπεδα για την αποκάλυψη πιθανών ύποπτων συναλλαγών,
• Ανάλυση σε βάσεις δεδομένων, για τη βελτιστοποίηση προσφορών ή τιμολόγησης προϊόντων στη λιανική,
• Ανάλυση χαρτοφυλακίων, για τη διαχείριση κινδύνων.

Για παράδειγμα, με τη χρήση των κατάλληλων analytics, οι έμποροι λιανικής μπορoύν να προβλέψουν πόσα κόκκινα πουλόβερ χρειάζονται σε απόθεμα, αλλά και πόσα μικρά ή μεγάλα μεγέθη χρειάζονται με βάση τα τοπικά δημογραφικά στοιχεία. Μπορούν επίσης να καθορίσουν τις βέλτιστες τιμές για εκατοντάδες χιλιάδες προϊόντα σε πολλαπλά καταστήματα. Οι τράπεζες μπορούν να καθορίσουν το ακριβές ποσό μετρητών που χρειάζεται το κάθε ΑΤΜ και οι αυτοκινητοβιομηχανίες μπορούν να προβλέψουν πόσα ανταλλακτικά θα χρειαστούν, και πότε.

Στην πράξη
Αν θέλαμε δε, να μιλήσουμε με συγκεκριμένα παραδείγματα χρήσης των analytics θα μπορούσαμε να αναφέρουμε τα εξής:
• H Εθνική Tράπεζα της Ελλάδας κατάφερε να μειώσει τουλάχιστον στο μισό την ολοκληρωμένη ανάλυση του τεράστιου όγκου των δεδομένων της, ενώ δραστική μείωση σημειώθηκε και στην παραγωγή αναφορών, διαδικασία η οποία γίνεται πλέον μέσα σε ελάχιστα λεπτά αντί για μήνες που απαιτούνταν με την προηγούμενη διαδικασία. Ως αποτέλεσμα, βελτιώθηκε σημαντικά η διαδικασία διαχείρισης κινδύνων με παράλληλη μείωση του ποσοστού έκθεσης, καθώς και ο υπολογισμός της κεφαλαιακής επάρκειας, που συνολικά συμβάλλουν στην αύξηση της κερδοφορίας της Τράπεζας και στην καλύτερη εξυπηρέτηση των πελατών.

• Η θυγατρική της Allianz -από τους μεγαλύτερους ασφαλιστικούς ομίλους στην Ευρώπη- στην Πορτογαλία κατάφερε να αυξήσει σημαντικά την κερδοφορία της υλοποιώντας τις κατάλληλες up-sell και cross-sell προσφορές στοχευμένες στους κατάλληλους πελάτες και αποφεύγοντας πιθανές επικαλύψεις.

• Στον τομέα των τηλεπικοινωνιών, η θυγατρική της Telefσnica O2 – εκ των μεγαλύτερων ευρωπαϊκών παρόχων – στη Γερμανία, πέτυχε σημαντική μείωση στη διαδικασία πρόβλεψης των πωλήσεων, ενώ παράλληλα είναι σε θέση να παράγει πιο ακριβείς αναφορές σε τομείς όπως η χρήση των προϊόντων και των τηλεφωνικών κέντρων εξυπηρέτησης, η μετάβαση των πελατών σε άλλα τηλεπικοινωνιακά πακέτα, οι επεκτάσεις συμβολαίων, τα τέλη τερματισμού κλήσεων και ο ρυθμός διατήρησης των πελατών.

• Τέλος, η Copenhagen Energy, από τις μεγαλύτερες εταιρείες παροχής ενέργειας στη Δανία, διπλασίασε την ακρίβεια των προβλέψεων της, έχοντας ως αποτέλεσμα την εξοικονόμηση κόστους κατά τουλάχιστον 50%, αλλά και τη σταθερή και αξιόπιστη παροχή ενέργειας στους καταναλωτές.

Συμπέρασμα
Ποιο είναι τελικά το ζητούμενο που προκύπτει απ’ όλ’ αυτά; Οτι η ικανότητα πρόγνωσης των μελλοντικών επιχειρηματικών τάσεων με λογική ακρίβεια θα αποτελέσει έναν από τους κρισιμότερους παράγοντες απόκτησης ανταγωνιστικού πλεονεκτήματος στη νέα δεκαετία που διανύουμε. Και αυτό μπορεί να γίνει μόνο μέσα από τα Business Analytics!

O Nίκος Πέππας είναι Country Manager  της SAS Greece & Cyprus