Tjänster

 

CRISP-DM PRODUKTIONSPROCESSMODELL

CRISP-DM (Cross Industry Standard Process for Data Mining) är en smidig och enkel produktionsprocessmodell för analys som användes redan på 1990-talet. Processens faser följer nödvändigtvis inte varandra slaviskt, utan är ofta egna helheter. Modellen ger ändå en bra och målinriktad körordning för analysens produktionsprocess.

Launch Pad – kartläggning av nuläget

I arbetet använder vi oss av teammodellen Problem-Solution, där vi tillsammans med kunden definierar de frågor som behöver lösas med utgångspunkt i verksamhetens behov. Med hjälp av Launch Pad, som är en kartläggningsmetod för att identifiera möjligheter, urskiljer vi möjligheterna i företagets datasituation och i övriga informationskällor. En djupdykning i den befintliga datan frilägger information i datamängderna till stöd för beslutsfattandet och förtydligar processens beslutspunkter och deras frågor.

Rocket Launch – förnyelse av verksamhetsprocesserna

I RocketLaunch-fasen förenar vi med hjälp av analys olika informationskällor och svarar på de frågor som beslutspunkterna kräver. I arbetet använder vi oss av teammodellen Problem-Solution, där vi tillsammans med kunden bearbetar lösningar. Den bärande principen för produktionen av de analytiska modeller som uppkommer är snabbhet: den för verksamhetsprocessen viktiga informationen kan snabbt tas i bruk i första skedet utan någon egentlig automationsprocess. De analytiska modellerna som effektiviserar optimeringen av åtgärder och processer används direkt efter avslutad modellering.

Mission Control – ibruktagande av förutsägande analys och optimering

I Mission Control-skedet integreras och automatiseras förutsägande analys och optimering till en del av funktionerna. Ett sätt som upplevts som positivt vid automatiseringen av databaserade verksamhetsmodeller och processer är att introducera en funktion åt gången samtidigt som man lyssnar på användarens behov. Det lönar sig att börja använda verktyg för knowledge management i den del där effektiviseringen av processen snabbast visar resultat. Denna fas innehåller vid behov underhåll och vidareutveckling av den framtagna processen.

 

kysymykset_sv

HANDELSSEKTORN

Inom handelssektorn ökar såväl databehovet som datamängden vid styrning av verksamheten exponentiellt i och med digitaliseringen. Att kunna skapa en detaljerad bild av kundkretsen, konkurrenssituationen, produkturvalet, kanalanvändningen och trenderna kräver ett stort kunnande inom undersökning och analys. I denna föränderliga verksamhetsmiljö är de strategiska grundfrågorna: varför, till vem, vad, var, hur och när? ännu viktigare när man analyserar sin egen och konkurrenternas situation.

VARFÖR svarar på frågan varför företaget existerar, vad som är företagets verksamhetstanke eller mission. Som strategisk fråga är den djupgående och klargör det grundläggande syftet med att företaget finns. Den talar om vart företaget strävar på längre sikt, vad som är företagets uppgift och roll i samhället. Analyser om marknad och konkurrenter är viktiga verktyg för att belysa affärsidén och förtydliga den egna ställningen.

En verksamhets framgång beror alltid på kunden. Den mest centrala frågan i vilken verksamhet som helst är alltså FÖR VEM. Vilka är företagets kunder vars behov man vill uppfylla, som man vill och bör lyssna på – dvs. vilka är målgrupperna för företagets tjänst eller produkt? Det kan finnas flera målgrupper och de kan växla gällande produktgrupper, produkter, områden, varumärken och till och med kanaler. I en fragmentarisk, digital marknadssituation räcker det inte längre med segmentering som baseras på enbart inköp eller verkningsområde. Förståelse och kunddialoger måste fördjupas kanske ända ner till 1 to1-nivå. Då kan värden, varumärkespreferenser, kundens share-of-wallet och behovsmässiga konsumtionspotential eller till och med kanalpreferenser medföra betydande mervärde för betjäningen av den egna kundkretsen.

Frågan VAD anknyter intimt till de föregående frågorna om varför och för vem. Vilka produkter och tjänster som ska erbjudas kunderna. I centrum för den produktionsekonomiska perioden stod huvudsakligen produkter och hantering av produktionsprocessen. Idag kan både produkter och produktionsprocesser enkelt kopieras, så konkurrenskraftens kärna består till stor del av själva servicen. Handelns produkt- och tjänsteutbud har traditionellt byggts upp baserat på storleksklasser utan att ta hänsyn till regionala skillnader i efterfrågan. Med hjälp av optimerande analyser kan urvalet anpassas efter den regionala efterfrågan samt handelsplats- och konceptspecifikt.

Frågan VAR knyter samman utbudet och kundens efterfrågan, dvs. var man når kunden. Genom vilka kanaler ska man erbjuda kunden produkter och tjänster? Tillhör fysiska butiker, nätbutiker eller båda kanalmixen? Hur styr man de olika kanalalternativen? Utöver optimering av ett utbud med flera kanaler kan analys utnyttjas bl.a. i definieringen av den fysiska butikens läge och koncept. Det är viktigt att begrunda eventuella lösningsalternativ för områdets potentiella efterfrågan.

I en tid då vi har tillgång till analys och allsidiga automationsverktyg för marknadsföring söker man och får svar gällande konkurrenskraft med frågan HUR. Det är inte längre fråga om vad vi vill kommunicera, utan vad kunden vill ta emot, när och i vilken kanal. Det vill säga hur kunden betjänas och hur kundens inköpsmönster stöds individuellt i en process som skapar mervärde för kunden. Hur kan man uppnå en så heltäckande bild som möjligt av kundens behov, intresseområden och prioriteringar? Under denna tid av splittrad konsumtion och medieanvändning fungerar inte samma kombination av produkt-pris-media för alla. Med hjälp av analys kan man finna den optimala lösningen av utbud-pris-kanal- optimerad ner på individnivå.

NÄR är en fråga som inte kan betonas tillräckligt i dessa digitala tidevarv. Parallellt med de traditionella affärscyklerna har vikten av att utbudet ligger rätt i tiden ökat. Konkurrensen har globaliserats och utbudscykeln har accelererat. Största skälet till den ökade vikten av att vara ute i rätt tid är däremot att utbudet alltmer har förflyttats till individnivå. Kunden är online och söker lösningar på sina behov här och nu. Analys, prognostiseringsmodeller och verktyg som lär av kundens beteende är allt oftare svar på frågan om när. Marknadsföring har övergått till att vara en tjänst, vars uppgift är att underlätta kundens vardag.

Priselasticitet

Priselasticitet talar om hur försäljningen av en vara förändras när priset förändras. När man är medveten om priselasticiteten och prisuppfattningen kan man med hjälp av optimering definiera ett för marknadssituationen lämpligt pris för produkterna eller tjänsterna. I en målinriktad och lönsam prissättning ingår en noggrann uppföljning av konkurrenternas priser, vilket tillsammans med optimering av priset möjliggör förbättring av lönsamheten även under en kort period. Baserat på analyser är det enkelt att utreda vilka produkter som fungerar bäst i gällande konkurrenssituation.

Houston Analytics använder sig av IBM SPSS Modeler-processen vid definiering av priselasticitet. Till modelleringen används en matematisk modell. Därigenom undviker man beräkning av onödiga statistiska parametrar, vilket gör modelleringen mycket snabbare, särskilt vid stora datamängder. Som slutresultat erhåller man produktspecifika priselasticitetsfaktorer, skalade och kategoriserade konsumtionsprognoser samt handels- och datumbaserade försäljningsprognoser. Slutligen delas de produktspecifika priselasticitetsfaktorerna som modellen har producerat in i fyra klasser – icke-elastisk, medelelastisk, elastisk och mycket elastisk – vilket underlättar inkluderingen av resultaten i det praktiska beslutsfattandet och dess processer.

Optimering av massmarknadsföringen

Massmarknadsföring är fortfarande reklamens grundpelare – i synnerhet i värvningen av nya kunder. Men vilka produkter ska väljas som kampanjprodukter för att kampanjen ska bli lyckad ur såväl massmarknadsföringens som avkastningen perspektiv? Just för den här grundläggande frågan i massmarknadsföring finns ett fungerande verktyg för optimering av massmarknadsföring. Med det kan det säkerställas att varorna som man väljer att marknadsföra fungerar så bra som möjligt i den önskade målgruppen och samtidigt kan onödiga produkterbjudanden som tär på avkastningen av försäljningen gallras bort. Då utbudet optimeras, kan en produkt som är effektiv men tär på avkastningen ersättas exempelvis med tre erbjudanden som gnagar mindre på försäljningsbidraget och samma eller till och med bättre pull-procent och försäljning uppnås ändå.

En optimering av massmarknadsföringen kan lika väl genomförs genom att utnyttja stamkundsdata som kvittodata utan kundidentifikation, varvid den kan användas även av butiker och kedjor utan stamkundssystem. Då utnyttjas produktkombinationer på kvittona i analysen. Kvittona kan segmenteras till exempel enligt eurobelopp, produktinnehåll, specialexponeringar, inköpstidpunkt (jul, påsk, första maj, midsommar…) eller varför inte enligt butik.

En egenskap hos verktyget för optimering av massmarknadsföringen som ger mervärde är den enkla skalbarheten. Verktyget kan fungera som hjälpmedel i vardagens beslut lika väl på kedje-, butiks- som avdelningsnivå. Så kan man till exempel på olika avdelningar i en butik lyfta fram just de produkter som intresserar den egna kundkretsen mest och på så sätt aktivera merförsäljning. Verktyget för optimering av massmarknadsföringen hjälper alltså till att fatta enstaka beslut i vardagen faktabaserat och snabbt.
paivittaistavarateollisuus_sv

DAGLIGVARUINDUSTRIN

Under de senaste cirka tjugo åren har detaljhandelns värdekedja förändrats: handeln har expanderat sin roll från distributör till en aktiv aktör som styr produktionen genom sina egna märken. Å andra sidan är det digitaliseringen som har skapat den intensivaste förändringen i värdekedjan och som har ökat kundens makt genom att införa ett globalt utbud som endast är några klick bort. I denna nya affärsmiljö ger utnyttjandet av information omfattande möjligheter för dagligvaruindustrin (FMCG) att förbättra kundförståelse, processer och ett fungerande samarbete tillsammans med handeln.

Ofta när man övergår till knowledge management är den första utmaningen data: olika verksamhetsområden använder sina egna informationskällor, och datan är inte synkroniserad. I regel förbättras helhetens utrednings- och prognoskraft genom att olika interna och externa informationshelheter förenas. Detta erbjuder även omfattande tillämpningsmöjligheter.

Analyser underlättar framför allt beslutsfattande. Förhållningssättet till granskningen kan vara att vilja förstå marknaden: konkurrenternas positionering samt förståelse för varumärken, prissättning och trender. Hantering av kunddialog och optimering av de mediekanaler, lanseringar och varumärkespositioneringar som hör dit utgör en egen helhet. Analyser underlättar också vid övergång från anskaffningsstyrning till hantering av distributionskanaler och därefter uppföljning. Viktigast för att gå framåt resultatmässigt är att ställa de rätta frågorna från första början och därefter avancera målinriktat.

digimedia

DIGITALA MEDIER

Internet har förändrat sättet vi använder medier på. Kunden kan titta på vad som helst, när som helst, var som helst – helt enligt sina egna preferenser. Varför skulle kunden längre nöja sig med ett massutbud när det finns möjlighet att ta kommandot själv och skapa sitt eget medieflöde? Detta är kärnan i nätmedias verksamhet, men det är samtidigt en utmaning. Precis som i traditionella butiker så avgörs framgången på nätet av rätt utbud, dvs. en förståelse för kundens onlinebeteende.

Med rätt innehållsutbud kan man öka kundlojaliteten med ”big data” och analyser som nycklar. För att bygga upp kundlojaliteten är det viktigt att förstå kundens mediebehov – preferenser och kanaler – men även att upptäcka de första signalerna på avmattning. Som verktyg används optimerings-, segmenterings- och prognosmodeller.

I grundanalyserna ingår användningsmodeller med vilka man utreder kundrelationernas varaktighet, programkonsumtion, nyinköp, säsongsvariationer och användningsgrad. Därefter kan man gå vidare till intressantare analyser med hjälp av vilka man bl.a. kan förutspå tittarvanorna för program eller sannolikheten för avmattning. De erhållna resultaten kan användas för att bygga ett för kunderna bättre innehåll, specificerat utbud och därigenom en längre och lönsammare kundrelation.

INTERN REVISION

Ett snabbt växande tillämpningsområde inom förutsägande analys är intern revision. Med hjälp av analysteknik kan i uppföljning och revisioner övergås från små sampel till analyser som baserar sig på helhetsdata och automatisering, till en kontinuerlig auditering. På så sätt kan det bättre än tidigare svaras på ledningens informationsförväntningar i realtid, men även på behov av övervakning av förordningar och förutsägande av oegentligheter.

Ett stort kliv kan tas, då big data kopplas till den traditionella kunskapshelheten och organisationens gemensamma kunskapsunderlag. Big data, eller stora data på svenska, består av många slags dataformer samt av att datan är bunden till tid och plats. Ur den interna revisionens perspektiv kan betydelsefull big data vara tids- och platsinformation som lagras i loggar och cookies i företagets tjänster och interna processer, men även diskussioner och kommenterar på sociala medier som berör företaget.

Det främsta verktyget vid intern revision är förutsägande analys. I synnerhet då datamängderna ökar, ger den betydande möjligheter att effektivera och förbättra revisionen. Med hjälp av analysteknik kan det övergås från små sampel till analyser som baserar sig på helhetsdata och automatisering, till en kontinuerlig auditering. Med metoderna för förutsägande analys kan på ett automatiserat sätt medföljas hur olika bestämmelser, mål och tillvägagångssätt förverkligas och även risker och oegentligheter kan förutsägas.

Förutsägande modellering av oegentligheter eller fraud detection utnyttjas för förebyggande av såväl interna som externa oegentligheter. Utifrån fall av oegentligheter som framkommit med hjälp av analys kan uppföljningsmodeller byggas upp genom att i dataflödet skanna fall av motsvarande typ. Aktörer som försöker åsamka organisationen skada fås då fast redan innan någon skada hinner ske.

Svar på önskade frågor fås effektivare med analysens hjälp, eftersom problem identifieras och listas automatiskt. Även förslag på lösningar av problemen kan listas. Med olika förutsägbarhetsmodeller kan det ses, vad som kommer att ske, om verksamheten inte förändras eller vilka de bästa eller värsta möjliga scenariona är. Med förutsägbarhetsmodeller kan även listor på alternativa lösningar uppgöras och förutsägelser av typen tänk om göras om hur olika beslut inverkar.

Systemens användningshistoria kan även ses med hjälp av analysmodeller och fel identifieras direkt i systemen och deras loggdata. Då rutinmässiga datasökningar och uppföljningar av policyn automatiseras, får den interna revisorn tid för utveckling av verksamheten och mer strategiska uppgifter.

ANALYSEN I KÄRNPUNKTEN FÖR IOT-LÖSNINGAR

Med dagens modeterm Internet of things (förkortas IoT) avses beroende på sammanhang sakernas internet eller industriellt internet. Den centrala tanken är, att apparater och maskiner kan kommunicera via datanätet och samlar in data om sina funktioner och sin miljö som med analysens hjälp kan förädlas för att styra funktioner och processer för att förbättra tjänsternas värde för kunden.

IoT har kallats för den andra revolutionen i affärslivet, åtminstone lika anmärkningsvärd som den industriella revolutionen på sin tid. Förutom industrins processer betraktas även till exempel logistik, energieffektivitet och hälsovård som tillämpningsområden – endast fantasin sätter gränser.

Digitaliseringen ger anordningar eller processernas beslutspunkter en identitet och en IP-adress. På så sätt kopplas de till informationsnätverk och kan förmedla data om sina funktioner. Sensorer inbyggda i anordningar samlar outtröttligt in behövliga mätningsdata: temperatur, fuktighet, snabbhet, läge, vibrationer, syrehalt – i det närmaste vad som helst. Det uppkommer enorma datamassor, Big Data, som kan analyseras, förädlas och återföras till styrning och optimering av processer.

Till den dubbelriktade intelligenskedja som då uppkommer behövs teknologi av många slag – mätanordningar, routrar, datalager, analysverktyg – men framför allt förmåga att förutom processer även uppfatta affärsmodeller av ett helt nytt slag. Till exempel övergås det allt oftare från en traditionell produktions- och transaktionscentrerad verksamhetsmodell till businessmodeller som erbjuder större servicehelheter.

Ett bra exempel på en IoT-lösning som ger konkurrensfördel är förverkligandet av servicen av en pappersmaskin levererad av den ledande aktören i branschen, Valmet Abp: Med hjälp av data och förutsägande analys som 6 500 sensorer i kundens papparsmaskin har samlat in, har serviceintervallerna kunnat förlängas från fem till sex veckor, vilket innebär en avsevärd kostnadsinbesparing. Mer information om case Valmet finns i ifrågavarande referens.

 

 

 

 

 

IBM:S PRODUKTER REPRESENTERADE AV HOUSTON ANALYTICS

Predictive and Descriptive analytics
IBM Modeler
IBM Modeler Server
IBM Collaboration and Deployment Server

Optimization / Prescriptive analytics
IBM CPLEX Optimization Studio
IBM Decision optimization Center

Reporting and Business intelligence
IBM Cognos

Business planning
IBM Cognos TM1
IBM Predictive Customer Intelligence
IBM Predictive Maintenance and Quality
IBM Counter Fraud Management