Duomenų nauda – tik turint viziją
Duomenys, jeigu juos sugebame skaityti ir suprasti, gali papasakoti labai daug. Ypatingai šiame skaitmenizuotame amžiuje, kai kiekvienas mūsų socialinių tinklų „patinka“ ar „dalintis“, kiekviena paieška „Google“ ir paspaudimai ant reklamų – palieka pėdsaką. Įsivaizduokite, jei šiandien turėtume ne tik molines Babilono lenteles, bet ir visus duomenis apie tai, kas kiekvienam babiloniečiui patiko, kuo jie domėjosi, kur lankydavosi ar ką valgydavo? Kiek daug mes galėtume papasakoti apie savo protėvius. Įdomu pasvarstyti, ką apie mūsų laikmetį istorijos vadovėliuose rašys ateities istorikai, jei jiems bus prienami visi šiandien renkami ir kaupiami duomenys.
Tačiau ši informacija pasitarnaus ne tik ateityje. Tokie duomenys – žinių šaltinis ir šiandieniniam verslui. Iš tiesų duomenis reikėtų suprasti reikėtų kaip įrankį, galintį padėti gerinti verslo rezultatus. Daug ilgai gyvuojančių didelių kompanijų šį įrankį turi – yra surinkusios gal net kelių šimtų metų duomenis. Pavyzdžiui, klientų įpročių pasikeitimus, ekonominių tendencijų kryptis ir pan. Finansų institucijos turi begalę informacijos apie klientų naudotus produktus – kada, kiek ir kokio profilio klientai skolinosi, taupė, investavo, kuriuos produktus ir sprendimus rinkosi. Kuri klientų grupė nevykdė savo finansinių įsipareigojimų, o kuri įvykdė anksčiau laiko – ir taip toliau. Tiesa, vien kaupti tokių ir panašių duomenų – neužtenka. Juk vien plaktuku, vinimis ir lentomis namo nepastatysi. Tik tuomet, kai įrankiai ir duomenys įdarbinami turint viziją, jie gali padėti sukurti labai daug.
Duomenų analizė – ieškoti sunkiai atrandamų ryšių
Svarbu suprasti, kad galutinis duomenų rinkimo tikslas – juos panaudoti, siekiant padaryti tam tikras įžvalgas, padėsiančias priimti pasvertus sprendimus. Todėl informacijos neužtenka vien rinkti, ją reikia ir analizuoti – čia įsivelia ir mokslas – duomenų analitika. Jeigu mes esame įpratę ieškoti žinių ten, kur jas rasti lengviausia, tai duomenų analitika padeda jas rasti ten, kur paieška daug sunkesnė – tarpusavio ryšiuose, priklausomybėse ir pan. Pavyzdžiui, neužtenka vien apskaičiuoti, kiek klientų pasirinko konkurentą, o svarbu ieškoti atsakymų į klausimus „kodėl ir kas toliau?“. Galbūt ryšys tarp „kaip buvo ir kodėl?“ atsispindės klientų anketų atsakymuose, prisijungimo prie internetinės bankininkystės skaičiuje ir dažnume. Galbūt – naudojamų produktų pasiskirstyme arba darbuotojų, kurie turi tiesioginį kontaktą su klientais, patirtyse ir kompetencijose. Duomenų analitika padeda patikrinti visus variantus ir klausimus paversti atsakymais, padedančiais priimti verslo sprendimus.
Svarbu ir tai, kad ryšius tarp duomenų surasti daug paprasčiau, jei skirtingais būdais ir laikotarpiais rinkti duomenys gali susikalbėti tarpusavyje – yra surinkti struktūrizuotai. Dažnai įmonėse, imantis naujos iniciatyvos, norima rezultatą pasiekti čia ir dabar. Būtent dėl tokio skubėjimo neinvestuojama laiko ir sąnaudų sukurti teisingą naujų duomenų rinkimo sistemą. Kartais informacija renkama gana epizodiškai, o kartais – nenuosekliai, skirtingose duomenų bazėse ar pavienėse rinkmenose. Deja, bet remiantis chaotiškai surinkta informacija dažnai neįmanoma padaryti naudingų įžvalgų.
Turbūt niekas nesugalvotų statyti miesto be architekto. Lygiai taip pat ir duomenų bazėms reikia architekto, kuris žino, kaip duomenis sudėlioti tvarkingai, kaip jie turi būti susiję tarpusavyje, kokiu formatu turi būti įrašomi. Įmonių vadovams būtų naudinga ne imti ir tuos miestus statyti patiems. Visuomet geriau į projekto, kurio metu bus renkami duomenys, komandą pasikviesti ir specialistą – duomenų architektą.
Klientą pažįstantis sėkmingas verslas
Remiantis analizių rezultatais priimami sprendimai gerina verslo rodiklius, padeda priimti operatyvius ir dinamiškus sprendimus versle bei didina kompanijų konkurencingumą. Tvarkingai surinkti ir išanalizuoti duomenys gali padėti geriau suprasti žmones, įvykius, procesus. Iš verslo perspektyvos, jie gali padėti geriau pažinti klientą, pasiūlyti jam tinkamesnį sprendimą, suprasti, kodėl produktas priimtinas vienai klientų grupei, bet visiškai neatitinka kitos grupės lūkesčių ir poreikių.
Pavyzdžiui, „Danske Bank“ renkami ir analizuojami duomenys apie klientų profilį, elgseną, turimus produktus. Šie gali padėti įvertinti, kada ir kuriai klientų grupei bus aktualus būsto paskolos produktas, o kada – atvirkščiai ir klientui bus pernelyg sunku prisiimti didelį finansinį įsipareigojimą. Kartais klientai, kurie nori investuoti, apsibrėžia, kad jų rizika gali būti tik vidutinė, tačiau duomenų analizė dažnai rodo, kad galima priimti rizikingesnį, ar mažiau rizikingą sprendimą ir gauti daugiau naudos. Bet kokiu atveju, pasitelkus duomenų analitiką klientui galima iš anksto pasiūlyti sprendimų ir galimybių.
Turbūt kiekvienas verslas yra sėkmingas tiek, kiek jis padeda klientams gauti reikalingą ir kokybišką produktą ar paslaugą. Natūralu, kad geriau pažinus klientą ir pasiūlius tai, kas aktualu būtent jam, verslas bus sėkmingesnis. Globaliame ir skaitmenizuotame pasaulyje ne visada pavyks dažnai gyvai pasikalbėti su kiekvienu klientu. Duomenų analitika gali padėti klientui pajusti, kad su juo kalbėjosi, išklausė ir suprato.