Analytiikkaa Azure ML:llä: Osa 1, Liiketoimintaongelman määrittäminen

parked-bikeKäytännön ennustavan analytiikan blogisarjamme ensimmäinen osa kuvaa kuvitellun yrityksemme liiketoimintaongelman. Eli määritellään miksi analytiikkaa ylipäätään lähdetään tekemään.

Yrityksen esittely

Yrityksemme on vähittäiskauppa. Se myy polkupyöriä ja niihin liittyviä tarvikkeita ja lisävarusteita.

(Kyllä, kyseessä on Microsoftin AdventureWorks -demoaineisto. Voit ladata omasi vaikka täältä)

Toimitusjohtajan nimi on Eddy. Entinen pyöräilijä, jonka vanhemmat olivat ruokakauppiaita. Hänellä on intohimo työhönsä. Eddy haluaa nähdä kaikki kansalaiset viilettävän muna-asennossa trikoissa asfalttiteitä pitkin.

Suomen Polkupyörätukku olkoon hyvä vertailukohta. Yritys voisi olla myös sopimusliiketoimintaa harjoittava, esimerkiksi sähköyhtiö, mediatalo (sanomalehdet, TV, tilauskanavat kuten HBO, Netflix), kuntosaliketju tai pankki- ja vakuutusalan yritys.

Aivan samat menetelmät pätevät näihin toimialoihin. Sopimusliiketoiminnassa tosin asiakkuuksien johtaminen hieman poikkeaa koska usein asiakas on naimisissa yrityksen kanssa, kunnes lopettaa asiakassuhteen. Poistumamallinnus eli asiakaspito on tärkeää. Samoin lisä- ja ristiinmyynti.

Vähittäiskaupassa shoppaillaan naapurissakin ja siellä mitataan taas esimerkiksi brändilojaliteettia mutta voidaan tutkia myös poistumaa, sen määrittäminen on vain hankalampaa. Ostoskorianalyysi on yksi vaihtoehto tutkia mitä tuotteita ostetaan yhdessä.

Sopimusliiketoiminnassa älykkäällä prospektoinnila voidaan etsiä ne asiakkaat, jotka todennäköisemmin tarttuvat myyjän puhelinsoittoon tai tarjoukseen ja parantaa konversiota. Vähittäiskaupassa taas suurempi merkitys on mainonnalla – oli se kohdennettua suoramainontaa tai massana eri medioissa.

Molemmissa tapauksissa asiakkaskäyttäytymisen ymmärtäminen edesauttaa asiakkaisiin vaikuttamista .

Liiketoimintaongelma

Analytiikka pitäisi tukea yrityksen liiketoimintastrategiaa. Tai siitä johdettuja taktisia ja operatiivisia tavoitteita.

Tai sitten analytiikan pitäisi olla työväline liiketoimintaongelmien ratkaisemisessa.

Toki analytiikka voi olla erilaisten hypoteesien testaamista mutta mielellään niin, että ne tähtäävät johonkin suurempaan tavoitteeseen.

Analytiikka ei ole nättiä käppyrää, visualisointia tai nice-to-know raportteja. Niiden sijaan analytiikan avulla pyritään muuttamaan toimintaa. Aiheuttamaan muutos.

Polkupyöräkauppamme toimari, Eddy, on yhdessä hallituksen kanssa tehnyt linjavetoja. He haluavat muutosta. Yritys tulee satsaamaan jatkossa vaatelinjaston liikevaihdon kasvattamiseen. Eddy näkee, että kireät pyöräilyshortsit takapuolipehmusteilla tulee lyömään itsensä läpi ensi kesän helteillä rahvaankin joukossa.

Toisaalta Eddy haluaa, että markkinointipäällikkö Lance, joka haaveilee salaa oman ”lisäravinnekaupan” pystyttämisestä, karsii kulujaan ja keskittää mainoskampanjansa fiksummin. Jokaisen persaukisen perusautoilijan luokse ei tarvitse suoramarkkinointikirjettä lähettää vaan keskitytään vihreisiin, muotitietoisiin kaupunkilaisiin, joilla löytyy kuitenkin pätäkkää.

Eddy järkeilee, että on parempi antaa luonnon ja sepelvaltimotaudin hoitaa autoilevat möhömahat. Sitä kautta markkinoille saadaan parempia kuluttajia. Pyöräileviä kuluttajia.

Lisäksi Eddy laittaa osto-johtaja Bernardille ukaasin:

”Älä tilaa niitä väärän värisiä rättejä varastoon jos niitä ei kerran kukaan osta. Nehän homehtuu sinne. Ranskalaisena luulisin sinun tajuavan jotain muodin päälle?, tuhahtaa Eddy sillä tavoin ivallisesti kuten voisi kuvitella belgialaisen tekevän kun pääsee pomottamaan ranskalaista.

Toimitusjohtaja-Eddyn ja hallituksen muodostamat tavoitteet ja ns. must-win-battles kirjataan ylös:

  • vaatelinjaston myynnin pitää kasvaa 20%
  • myynnin kulujen pitää laskea 20%
  • varaston arvon pitää pienentyä 30%

Lance ja Bernard ryhtyvät hommiin koska heidän oma palkkansa riippuu siitä, miten hyvin he täyttävät tavoitteensa. Niin kuin kaikissa fiksuissa yrityksissä on, vai mitä?

Kaverit lyövät pyöräilykypäränsä yhteen ja tuumailevat:

  • jotta me voimme myydä enemmän vaatteita, meidän pitää tietää ketkä vaatteita ylipäätään ostavat, meidän pitää ymmärtää asiakaskäyttäytymistä
  • kun tiedämme ketkä vaatteita ostavat, voimme kohdistaa myynnin pelkästään heille.
  • näin myynnin konversio kasvaa eli saamme myytyä pienemmällä myyntiväellä isommalle porukalle
  • jotta varaston arvo laskee, meidän pitää välttää huonosti kiertävien tuotteiden sisäänoston
  • tulevien kuukausien myynnit pitää siis nähdä etukäteen. Näin voimme ennakoida kysynnän nousut ja pudotukset hyvissä ajoin ja osto voi reagoida niihin.

Kaverukset johtavat tavoitteista seuraavat toimenpiteet:

  • mallinnetaan keitä asiakkaamme ovat, selvitetään miten he käyttäytyvät
  • mallinnetaan ketkä ostavat vaatelinjaston tuotteita ja mitkä taustatekijät selittävät ostoa (ikä, sukupuoli, maantieteellinen sijainti, muu ostokäyttäytyminen jne.)
  • sovelletaan mallia nykyiselle aktiiviselle asiakaskannalle ja selvitetään ketkä heistä olisivat todennäköisempiä ostajia uusille tuoteryhmille
  • kohdennetaan suoramarkkinointi vain näille todella potentiaalisille kuluttajille
  • tehdään jatkuvasti päivittyvät myyntiennusteet tuleville kuukausille per tuoteryhmä ja annetaan nämä ostajille ostopäätösten tueksi

”Päivän päätteeksi tehdään enemmän rahaa pienemmilä kustannuksilla, saadaan mojovat bonukset ja pidetään työpaikkamme.”

Näin yritys on määrittänyt itselleen strategiasta johdetut tavoitteet, jotka on purettu konkreettisiksi toimenpiteiksi. Seuraavaksi selvitämme millä analytiikan keinoin voimme tukea tai ratkaista nämä liiketoimintaongelmat. Mitä työvälineitä ja mitä dataa siihen tarvitaan?

Lasse, maailman vahvin analyytikko, oletko selättänyt jo influessan? Meillä olisi hommia!


Kuva: Sylwia Bartyzel (https://unsplash.com)

Vastaa

Sähköpostiosoitettasi ei julkaista. Pakolliset kentät on merkitty *

Yhteydenotto

Mikäli olet kiinnostunut yrityskohtaisista palveluista tai sinulla kysyttävää palvelujemme sisällöstä, niin ota yhteyttä oheisella lomakkeella tai soita Mikalle numeroon 040 845 8432.

Please leave this field empty.