Vuosi 2020 on muuttanut markkinoita valtavasti ja ainakin hetkellisesti laittanut jopa kokonaisia toimialoja polvilleen. Muutoksen nopeus ja epävarmuuden lisääntyminen on avannut monien silmät sille, ettei maailma jatkaa kulkuaan vanhoilla urillaan.
Vain viisi vuotta sitten riittävän ennustekyvykkyyden rakentaminen tarkoitti usein arvokkaan it-projektin tai tietovarastohankkeen suunnittelua ja toteutusta. Tämä kaikki piti tehdä ennen kuin päästiin edes aloittamaan ennusteiden luomista.
Pilviteknologioiden kehittyminen, tekoälyn ja kehittyneen analytiikan muuttuminen entistä enemmän valmiiden pre-built mallien avulla tehtäväksi palveluksi on muuttanut ennustamisen vaatimaa aikaa ja kustannuksia merkittävästi. Riippumatta siitä onko kyse yksittäisestä toimijasta tai isommasta ketjusta, valmiita ratkaisuja on runsaasti.
Kauppaketjun työvuorosuunnittelussa, jossa pyritään optimoimaan ei vain edullisinta työvoiman kustannusta vaan aidosti parantamaan asiakastyytyväisyyttä ja lisäämään myyntiä kannattavasti, analytiikka voi olla apuna. Esimerkiksi Musti ja Mirri tutki asiakkaiden todellista käyttäytymistä kuittirividatan avulla. Samalla kun työvuorosuunnittelun käytettävä aika tippui alle puoleen, saatiin juuri oikeat asiantuntijat palvelemaan asiakkaita liikkeisiin silloin, kun asiakkaat olivat ostoksilla.
Yksilöllinen viestiminen jokaiselle Kotipizzan asiakkaalle käsityönä tai käyttämällä suuria kohderyhmiä ei ole mahdollista tai ei tuota haluttua lopputulosta. Ennustavan analytiikan avulla ja asiakasdataa hyödyntämällä Kotipizza ymmärtää yksittäisten kuluttajien tarpeet ja pystyy ennustamaan, mikä viesti, mihin aikaan ja missä kanavassa on parasta asiakaskokemusta.
Suomalainen lihajalostustalo haluaa käyttää kaikki ruhojen osat mahdollisimman tehokkaasti. Optimointiongelma ei ole kysynnän eikä tarjonnan puolelta staattinen, koska toimitettavat eläinten ruhot vaihtelevat painossa. Vastaavasti kysyntää voidaan ketjuliikkeiden kanssa tehtävillä tarjouskampanjoilla muuttaa tai ainakin kysynnän ajoitusta voidaan merkittävästi muuttaa. Tällaisen ymmärryksen luominen ja optimoinnin vieminen arkeen on tyypillinen ennustamisen projekti toimialalla, jossa analytiikka tai tekoäly eivät tule ensimmäisenä mieleen.
Sama teema toistuu monilla aloilla: Kuinka saisimme paremman näkymän asiakkaiden tulevaan käytökseen ja erityisesti käyttäytymisen muutokseen? Tässä haasteena on se, miten tieto saadaan tukemaan arjen päätöksiä. Organisaation oma, ulkopuolelta hankittu ja mahdollisesti ostettu tieto tulee yhdistää yhteen näkymään, joka päätöksentekijän todellisuuden huomioiden visualisoidaan mahdollisimman helpoksi ymmärtää.
Simplify to amplify.
Tulevan vuoden aikana ennustaminen on jälleen helpompaa ottaa käyttöön ja edullisempaa kuin mitä se on koskaan ollut. Myöskään aloitusprojektin vaatima aika ei ole enää esteenä. Liiketoimintaa parantavan ennusteen käyttöönotto ei ole enää kuukausien vaan pikemminkin viikkojen asia. Eteneminen on aina syytä aloittaa liiketoiminnan tarpeesta.
Minkä asian ennustaminen ja visualisointi parantaisi teidän bisnestä juuri nyt?