W cyfrowym ekosystemie dane są generowane na każdym kroku 24/7. Firmy zdają sobie sprawę, że dane są integralną częścią podejmowania trafnych decyzji biznesowych i wykorzystują je, aby zwiększyć skuteczność swoich biznesów. Być może Twoja firma chce zacząć zbierać dane, aby osiągnąć cele organizacyjne, ale nie wie, na jakich danych się skupić? A może po prostu zastanawiasz się, czy warto zacząć zbierać dane bez konkretnego celu, ponieważ myślisz, że mogą być one użyteczne w przyszłości?
Na początku podkreślmy jedno – przechowywanie danych „na wszelki wypadek” nie jest dozwolone przez regulacje RODO. Sytuacja zmienia się jednak, jeśli określisz cel ich zbierania i przetwarzania. W takim przypadku możesz zacząć je przechowywać pod warunkiem uzyskania zgody użytkowników czy klientów.
Już na początkowym etapie ustalania strategii warto także zwrócić uwagę na jakość zbieranych danych, aby w przyszłości móc wyciągnąć z nich wartościowe wnioski. Najlepiej kolekcjonować dane w sposób uporządkowany (wraz z odpowiednimi identyfikatorami) oraz sprawdzić możliwą do osiągnięcia dokładność i kompletność – nie zalecamy przechowywania danych, gdzie braki lub błędy dotyczą ponad 30-50% rekordów.
W kolejnych kilku akapitach przeanalizujemy, jakie rodzaje danych są potrzebne do osiągnięcia przykładowych celów biznesowych.
Oto kilka popularnych celów biznesowych i rodzaje danych niezbędnych do ich realizacji:
Zarządzanie nadużyciami stanowi duże wyzwanie w branżach takich jak ubezpieczenia czy bankowość i finanse. Pozyskanie nowego klienta wiąże się w tym przypadku nierozerwalnie z procesem oceny ryzyka nadużycia (tzw. fraudu). Aby odpowiednio je oszacować, konieczne jest pozyskanie określonych danych.
Poniżej przedstawiamy kilka przykładów danych, które stanowią podstawę do stworzenia skutecznych modeli oceny ryzyka klienta:
Dodatkowo dla kanału WWW:
Branża finansowa czy telekomunikacyjna stają przed wyzwaniem, jakim jest niespłacanie zaciągniętych zobowiązań przez klientów (np. rachunków telefonicznych czy rat za zakup sprzętu). Aby zminimalizować takie ryzyko i zwiększyć ROI działalności, należy zbierać odpowiednie dane o klientach i dokonać na ich podstawie odpowiedniej oceny.
Niektóre przykłady wartościowych danych dla firmy telekomunikacyjnej:
Dla klientów ze stażem < 3 mies.:
Dla klientów ze stażem > 3 mies.:
Firmy budują modele predykcyjne, aby ustalić priorytety strategii sprzedaży i marketingu. Potrzebują różnych typów danych, aby uzyskać satysfakcjonujący zwrot z inwestycji w działania marketingowe (ROMI).
Detaliści i firmy z branży ecommerce pragną zwiększać wartość koszyka oraz retencję użytkowników. Wykorzystują dane o zachowaniach klientów do tworzenia spersonalizowanych rekomendacji produktowych.
Przykłady interakcji klienta, których zbieranie może być przydatne do budowy systemu rekomendacyjnego:
Każdy z produktów warto też opisać jego cechami (np. przy mieszkaniach byłyby to liczba pokoi, metraż, lokalizacja, dostępność balkonu etc.), aby wzbogacić zbierane dane i zwiększyć skuteczność rekomendacji.
Marketerzy stale starają się optymalizować swoje działania, aby osiągnąć jak najlepsze wyniki i pokonać konkurencję. Używają danych historycznych, aby zwiększyć swoją skuteczność.
Na przykład, jeśli celem kampanii marketingowej jest ponowna sprzedaż produktu X, to potrzebujemy danych do identyfikacji klientów, którzy pozytywnie zareagowali na ostatnią kampanię i kupili produkt X. Tam, gdzie takie dane są niedostępne, można je zebrać realizując pilotażową kampanię marketingową na niewielką skalę.
Wartościowe są dane behawioralne klientów, takie jak:
Przydatne mogą być też dane aplikacyjne – zebrane podczas rejestracji klienta, np:
RPA – Robotic Process Automation to typ rozwiązań pozwalających na zautomatyzowane podejmowanie masowych decyzji, zazwyczaj prostych lecz żmudnych. Zidentyfikuj w pierwszym kroku punkty decyzyjne w Twoim procesie, które pochłaniają najwięcej czasu i kosztu. Np. w procesie analizy wniosku reklamacyjnego pierwszym krokiem jest ocena jego zasadności czy przypisanie do kategorii problemu.
Najprostszą drogą do automatyzacji jest wykorzystanie technik ML w celu zbudowania algorytmu, który będzie naśladował działania pracowników. Zbierz zatem wszystkie decyzje z ich rezultatami z ostatniego okresu (np. 12 miesięcy), by móc zasilić model ML. W przypadku reklamacji decyzja może polegać na jej przyjęciu lub odrzuceniu. Ta informacja będzie zmienną celu dla naszego modelu.
Następnie będziemy potrzebować:
Dane mogą wymagać transformacji i wzbogacenia – np. treść zgłoszenia może wymagać analizy metodami NLP
Tak zebrane dane łączymy i poddajemy analizę za pomocą modelu ML. Jeżeli wyniki predykcji są zadawalające możemy użyć modelu do podejmowania zautomatyzowanych decyzji
Powyżej opisane przykłady to jedne z najczęstszych celów stawianych przez firmy w kontekście zbierania i wykorzystania danych. Nie wyczerpują one jednak wszystkich możliwości. Jeśli Twoja firma nie zdefiniowała więc jeszcze swoich celów lub strategii zbierania danych, Algolytics może wesprzeć Cię w tym zadaniu. Nasz zespół specjalizuje się w tworzeniu rozwiązań z zakresu sztucznej inteligencji i uczenia maszynowego i z sukcesem wdraża je w instytucjach finansowych oraz firmach telekomunikacyjnych, e-commerce czy logistycznych, takich jak Bonprix, DHL, Play czy Alior Bank SA.
Zastąp procesy ad hoc uporządkowanym podejściem razem z nami. Pomożemy Ci wdrożyć solidne strategie zbierania i wykorzystania danych za pomocą indywidualnych rozwiązań dostosowanych do Twoich celów. Skontaktuj się z nami, aby omówić swoje potrzeby i dowiedzieć się więcej o tym, jak Algolytics może zwiększyć skuteczność Twojego biznesu.
