Για δεκαετίες, οι εταιρείες έπαιρναν αποφάσεις βασισμένες στο ένστικτο, στο προαίσθημα και στη διαίσθηση. Αν και παλαιότερα αυτές οι τακτικές μπορεί να έφερναν αποτέλεσμα, σήμερα είναι σε μεγάλο βαθμό ανεπαρκείς, με την αξιοποίηση των δεδομένων για τη λήψη αποφάσεων να αποκτά συνεχώς όλο και μεγαλύτερη σημασία.

Το διαρκώς μεταβαλλόμενο επιχειρηματικό πεδίο απαιτεί μια περισσότερο εμπεριστατωμένη λήψη αποφάσεων, βασισμένη σε μεγάλο βαθμό στην αξιοποίηση των δεδομένων που συσσωρεύονται καθημερινά στα εταιρικά δίκτυα. Σε αυτό μπορούν να συμβάλουν σημαντικά οι υφιστάμενες τεχνολογίες, οι οποίες μπορούν να βοηθήσουν τους οργανισμούς να εκμεταλλευτούν την καινοτομία, να δώσουν τη δύναμη στα στελέχη να λαμβάνουν εξυπνότερες αποφάσεις, με μια διορατικότητα, η οποία βασίζεται σε κάτι περισσότερο, από τα απλά, δομημένα και στατικά δεδομένα. Υπάρχουν πρακτικές και αποδεδειγμένες μέθοδοι για την εφαρμογή των νέων τεχνολογιών στη στρατηγική διαχείριση της εταιρικής πληροφορίας, με μετρήσιμα αποτελέσματα, όπως:

* Βασισμένες στο cloud υπηρεσίες, οι οποίες επιτρέπουν σε μια εταιρεία να αποκτήσει πληροφορίες που ίσως να μην έχει κρατήσει προηγουμένως από μόνη της, όπως είναι τα δημογραφικά και γεωγραφικά στοιχεία. * Τα predictive analytics, τα οποία συνδυάζουν πολλούς παράγοντες για να παράγουν μια καθαρή εικόνα για το τι είναι πιο πιθανό να συμβεί, ποιο είναι τo “best case” σενάριο και ποιες ενέργειες πρέπει να γίνουν. * Τα social media analytics, τα οποία μας βοηθούν να κατανοήσουμε το πώς οι άλλοι αντιδρούν στις ενέργειες μας. * Τεχνολογίες Big Data, οι οποίες βοηθάνε στη διαχείριση της αυξανόμενες ποικιλίας, όγκου και ταχύτητας δημιουργίας των δεδομένων. * Mobile Analytics, που επιτρέπουν στα στελέχη να παίρνουν γρηγορότερες και ταχύτερες αποφάσεις, όπου και αν βρίσκονται και ανά πάσα στιγμή.

Πώς, όμως, οι βασισμένες στο cloud υπηρεσίες, τα predictive analytics, τα social media analytics, τα Big Data και το mobility μπορούν να συνδυαστούν μεταξύ τους, επεκτείνοντας το BI πέρα από τα κλασικά του όρια και μεταβάλλοντας τον τρόπο που παίρνονται οι κρίσιμες αποφάσεις;

Προβλέποντας το μέλλον με τα Predictive Analytics
Επερωτήσεις, αναφορές, πίνακες και άλλες μορφές επιχειρηματικής ευφυΐας χρησιμοποιούνται συχνά για να δώσουν απάντηση σε …απλοϊκές ερωτήσεις: Ποια προϊόντα θα πουλήσουν περισσότερο αυτό το μήνα; Ποιο θα είναι το αναμενόμενο κόστος τα επόμενα χρόνια; Aν και τα εργαλεία έχουν γίνει καλύτερα, ταχύτερα και περισσότερο εύχρηστα, η κεντρική ιδέα για το πώς θα διευκολυνθεί η λήψη των αποφάσεων με βάση τα ιστορικά δεδομένα δεν έχει αλλάξει πολύ. Το predictive analytics έχουν αλλάξει τους όρους του παιχνιδιού, πηγαίνοντας πέρα από την οπτική μιας τρέχουσας ανάλυσης, παράγοντας μια νέα σοφιστικέ εικόνα για το πώς το παρελθόν μπορεί να βοηθήσει στην πρόβλεψη του μέλλοντος.

Tα predictive analytics συχνά παρεξηγούνται. Σε κάθε περίπτωση, δεν παράγουν μαγικές προβλέψεις από το μηδέν. Αντιθέτως, συσχετίζουν τις σχέσεις ανάμεσα σε πολλούς παράγοντες και δίνουν μια εικόνα για το ποιοι από αυτούς τους παράγοντες θα μπορούσαν να επηρεάσουν την έκβαση ενός γεγονότος. Το σημαντικό στην προκειμένη περίπτωση είναι η επιλογή των παραγόντων που επηρεάζουν τη λήψη της απόφασης. Για παράδειγμα, οι συναλλαγές σε ένα κατάστημα μπορεί να επηρεάζονται από τον καιρό, ενώ οι συνταγογραφήσεις φαρμάκων από μια έξαρση της εποχιακής γρίπης. Η ουσία είναι ότι για να λειτουργήσουν σωστά τα predictive analytics χρειάζεται να γίνεται μια σωστή μοντελοποίηση, επιλέγοντας τις κατάλληλες παραμέτρους και στη συνέχεια να γίνουν οι προβλέψεις που θα οδηγήσουν στην επιχειρηματική αξία.

Η συλλογή επαρκών δεδομένων με τη ταυτόχρονη διασφάλιση των αποτελεσμάτων αποτελεί πρόκληση για τα predictive analytics. Για παράδειγμα, πολλοί οργανισμοί δεν ενδιαφέρονται να συλλέξουν συγκεκριμένα ιστορικά δεδομένα εκτός της σφαίρας επιρροής τους, παρόλο που αυτά μπορούν να έχουν μια σημαντική επίδραση στα αποτελέσματά τους. Ωστόσο, τέτοια δεδομένα μπορούν πραγματικά να επηρεάσουν τα αποτελέσματα των επιχειρήσεων (τα δεδομένα καιρού μπορούν, για παράδειγμα, να επηρεάσουν τις πωλήσεις ενός καταστήματος). Τα διαθέσιμα δεδομένα, λοιπόν, επηρεάζουν την αποτελεσματικότητα κάθε μορφής analytics (και φυσικά και των predictive analytics).

Tα καλά νέα είναι ότι υπάρχουν εταιρείες που εξειδικεύονται στην παροχή πληροφοριών οποιαδήποτε μορφής, αλλά και cloud υπηρεσίες ενημέρωσης που επιτρέπουν στους χρήστες να συσχετίσουν τα ιστορικά δεδομένα με πληροφορίες σχετικές, για παράδειγμα, με τον καιρό, το χρηματιστήριο, την εγκληματικότητα, τη φορολόγηση και άλλους παράγοντες. Ενσωματώνοντας βασισμένες στο cloud πηγές εξωτερικών δεδομένων και την αδόμητη πληροφορία από τα social networks, δίνεται η δυνατότητα στις εταιρείες να αυξήσουν δραστικά την ποιότητα της λήψης αποφάσεών τους, χωρίς να χρειάζεται να ψάχνουν για κάθε πιθανό εξωτερικό παράγοντα που θα μπορούσε να επηρεάσει τις επιχειρηματικές τους δραστηριότητες.

Αναλύσεις συναισθηματικής χροιάς
Παραδοσιακά, οι υποψήφιοι πελάτες μιλούν πρώτα με τους πωλητές πριν πάρουν την απόφαση για το τι θα αγοράσουν. Τα πράγματα σήμερα είναι λίγο διαφορετικά. Στις πωλήσεις B2B, το περισσότερο από το 60% αυτών γίνεται, χωρίς καν να χρειαστεί η επικοινωνία του πελάτη με τον προμηθευτή. Οι αγοραστές δεν μιλάνε με τους πωλητές, γιατί μιλάνε …μεταξύ τους. Τα κοινωνικά δίκτυα και τα blogs τους διευκολύνουν σημαντικά, ώστε να αποκτήσουν πληροφορίες για τα προϊόντα και τις υπηρεσίες που τους ενδιαφέρουν. Είναι απίστευτα σημαντικό για τις επιχειρήσεις να ανακαλύψουν τι σκέφτονται οι πελάτες τους για τα προϊόντα, τις υπηρεσίες, τις καμπάνιες μάρκετινγκ, την υποστήριξη πελατών και για οτιδήποτε άλλο μπορεί να τους επηρεάσει. Με άλλα λόγια, θέλουν να έχουν τη δυνατότητα, ώστε να κάνουν μια συναισθηματική ανάλυση για την εταιρεία τους, το brand τους, τα διοικητικά τους στελέχη και τις καμπάνιες τους.

Οι επικριτικές αναφορές στα κοινωνικά δίκτυα από άτομα που μετράει η γνώμη τους μπορεί να έχουν καταστροφικές συνέπειες. Μερικές δεκάδες posts στο Facebook με παράπονα για μεγάλες αναμονές ή ελαττώματα των προϊόντων μπορεί να επηρεάσουν τους μελλοντικούς αγοραστές. Από την άλλη, μια «ζωντανή» κοινότητα πελατών που έχει καλλιεργηθεί για να παρέχει θετικές κρίσεις, θα επηρεάσει θετικά τους υποψήφιους αγοραστές. Μια εταιρεία που ακούει τους πελάτες της, που ανταποκρίνεται στα ζητήματα που τους απασχολούν, που είναι τίμια και διαφανής απέναντί τους μπορεί να κτίσει στενές σχέσεις μαζί τους, βασισμένες στην εμπιστοσύνη.

Η επικράτηση των social media στο web δίνει στους πελάτες και στις εταιρείες ένα νέο τρόπο να συνδεθούν online. Ενώ οι περισσότερες επιχειρήσεις αντιλαμβάνονται τη σημαντικότητα των social media, οι περισσότερες δεν εκμεταλλεύονται τις προοπτικές που υπάρχουν από τη συλλογή και την ανάλυση δεδομένων που παράγονται στα κοινωνικά δίκτυα. Η κατανόηση της επίδρασης των κοινωνικών δικτύων μέσα από την αξιοποίηση σχετικών δεδομένων, εργαλείων και τεχνολογιών αποτελεί μια ξεκάθαρη προτεραιότητα για όλους τους οργανισμούς για την ενίσχυση της πιστότητας των πελατών τους, την απόκτηση ανταγωνιστικού πλεονεκτήματος και την ανάπτυξή τους.

Τα Big Data οδηγούν σε μεγάλες αποφάσεις
Οι όγκοι των δεδομένων αυξάνουν ταχύτατα για διαφόρους λόγους. Τα predictive analytics είναι περισσότερο αποτελεσματικά σε πολύ μεγάλες πηγές δεδομένων. Τα blog posts και τα social media μπορούν να περιέχουν ένα τεράστιο ποσό δεδομένων, Οι αισθητήρες, που χρησιμοποιούνται από τις έξυπνες συσκευές στο σπίτι έως τα RFID chips στα κέντρα διανομής, επιτρέπουν την υλοποίηση πολλών πραγμάτων, ενώ παράλληλα αυξάνουν δραστικά τους όγκους των δεδομένων. Μια ακόμα τεράστια πηγή δεδομένων προέρχεται από τις φορητές συσκευές, οι οποίες συμβάλλουν με τη σειρά τους στην εκρηκτική αύξηση των δεδομένων.

Η συλλογή και ανάλυση δεδομένων μπορεί να υποστηρίξει την επιχειρηματική στρατηγική της εταιρείας και τις καθημερινές αποφάσεις, κάτι που άλλωστε παραδέχονται όλο και περισσότερα διοικητικά στελέχη εταιρειών, όπως καταδεικνύεται σε σχετικές μελέτες. Καθώς αναγνωρίζεται σταδιακά η αξία που τα Big Data μπορούν να προσδώσουν σε μια επιχείρηση, αρκετές εταιρείες έχουν αρχίσει να συλλέγουν μαζικά σε πραγματικό χρόνο τεράστιους όγκους από διαφορετικά δεδομένα, χωρίς να αποφασίσουν προηγουμένως τι θα κάνουν με αυτά. Και, αρκετές φορές, δεν διασφαλίζουν ότι τα δεδομένα που συλλέγουν είναι «καθαρά» κατά τη συλλογή τους.

Η ύπαρξη εργαλείων ελέγχου της ποιότητας των δεδομένων βοηθάει στο συσχετισμό πληροφορίας που συλλέγεται από διαφορετικά συστήματα. Για παράδειγμα, οι εταιρείες μπορούν να βελτιώσουν δραστικά το “one-to-one” μάρκετινγκ, αν μπορέσουν να αποκρυπτογραφήσουν σε πραγματικό χρόνο την πληροφορία που συλλέγουν στα συστήματα τους. Σε κάθε περίπτωση, αν τα δεδομένα μιας εταιρείας είναι πραγματικά μεγάλα, θα χρειαστεί ένα αποδοτικό εργαλείο ανάλυσής τους. Θα χρειαστεί μια μηχανή αναζήτησης που θα μπορεί να αναζητήσει πληροφορίες στα δομημένα και αδόμητα δεδομένα, αλλά και να προσφέρει links σε υπάρχοντες αναφορές και αναλύσεις.

Mobile BI
H πληροφόρηση μας ακολουθεί παντού, εντός και εκτός εταιρείας. Η, δε, αλληλεπίδραση με την πληροφορία μπορεί να αποτελεί μια πολύ προσωπική εμπειρία. Ως εκ τούτου, είναι περισσότερο σημαντικό από ποτέ, η επιχειρηματική ευφυΐα να είναι διαθέσιμη σε οποιοδήποτε συσκευή (ανεξαρτήτως του λειτουργικού συστήματος που χρησιμοποιεί) και κατασκευαστικό τύπο. Το mobile κανάλι μπορεί να επηρεάζει τη λήψη αποφάσεων με διαφόρους τρόπους. Καταρχάς, τα mobile apps μπορούν να σχεδιαστούν κατά τέτοιο τρόπο, ώστε να προσφέρουν στους εργαζόμενους πληροφόρηση σε πραγματικό χρόνο, αλλά και τη δυνατότητα να αναλύσουν την πληροφορία “on-the-fly” και καθ’ οδόν.

Βελτιστοποιώντας την ανάλυση δεδομένων σε φορητές πλατφόρμες και αξιοποιώντας τις γηγενείς δυνατότητες των φορητών συσκευών, όλοι οι σημαντικοί μέτοχοι της επιχείρησης μπορούν να αποκτήσουν μια προσωπική επαφή με την εταιρεία, βελτιώνοντας την αποτελεσματικότητα, εξορθολογίζοντας την επικοινωνία και διαφοροποιώντας τις υπηρεσίες. Μια ακόμα ενδιαφέρουσα προοπτική δημιουργείται από το γεγονός ότι τα smartphones αποτελούν ουσιαστικά αισθητήρες.

Συνδυάζοντας τις πληροφορίες που δίνουν τα ίδια τα smartphones με άλλες πηγές δεδομένων (όπως είναι τα Big Data) και εφαρμόζοντας, ακολούθως, analytics το αποτέλεσμα είναι να αποκτηθεί μια εντελώς νέα κατανόηση της εργατικής δύναμης, των πελατών και της αγοράς. Η αυξημένη έμφαση στο mobility, αυξάνει και την έμφαση στην ποιότητα των δεδομένων. Οταν κάποιος μοιράζει πληροφορίες σε πολύ κόσμο, θέλει να είναι σίγουρος ότι το κάνει σωστό. Και καθώς τα mobile data προέρχονται από διαφορετικά συστήματα, τα mobile apps αυξάνουν την ανάγκη για την ενσωμάτωση των δεδομένων.

Εν κατακλείδι
Η λήψη μιας απόφασης αποτελεί μια ιδιαίτερα πολύπλοκη διαδικασία που δεν περιορίζεται σε ένα ναι ή ένα όχι. Από μόνη της μια απόφαση μπορεί να αποτελείται από ένα σύνθετο πλέγμα από μικρότερες αποφάσεις που συνδυαζόμενες προσφέρουν το επιθυμητό αποτέλεσμα. Αυτό γινόνταν και παλαιότερα. Η διαφορά σήμερα είναι ότι οι νέες αποφάσεις παίρνονται λαμβάνοντας υπόψη περισσότερα δεδομένα, πιο εύκολα και πολύ πιο γρήγορα από ότι πριν. Γι΄ αυτό όλο και περισσότερες εταιρείες εξοπλίζουν τους υπαλλήλους τους με εργαλεία BI, ώστε να τους βοηθήσουν να παίρνουν καλύτερες αποφάσεις, ταχύτερα και περισσότερο αποτελεσματικά. Και καθώς όλο και περισσότερα δεδομένα τροφοδοτούν τα εργαλεία BI, η ακρίβεια και η αποτελεσματικότητα αυτών των αποφάσεων θα αυξάνεται συνεχώς.