Analityka predykcyjna, w dużym uproszczeniu, pozwala przewidywać przyszłość, bazując na danych historycznych. Przykładowo, mając informację o tym, którzy klienci do tej pory zrezygnowali z produktów bądź usług firmy, można zbudować profil takich klientów, opisujący wzorzec ich zachowań i charakterystykę. Jeżeli podobne zachowania zostaną zaobserwowane u innych klientów, szczególnie tych strategicznych, generujących największą sprzedaż, nadal pozostanie szansa, by z wyprzedzeniem zapobiec ich utracie.

Jeszcze do niedawna analityka predykcyjna była wykorzystywana głównie w telekomunikacji i finansach, m.in. do zapobiegania odejściu klientów (tzw. churn), optymalizacji działań marketingowych czy badania zdolności kredytowej klientów. Obecnie staje się ona coraz bardziej popularna także wśród firm z innych branż. Na przykład portal Netflix, który ostatnimi czasy szturmem podbija rynek filmów online, wykorzystuje analitykę predykcyjną do przewidywania, które filmy lub programy jego użytkownicy będą najchętniej oglądali. Pozwoliło to firmie co roku zmniejszyć wskaźnik odejść klientów o kilka punktów procentowych i daje oszczędności rzędu 1 mld dol. rocznie.

Rozwiązania do analizy wielkich zbiorów danych (Big Data) stosuje w niektórych obszarach biznesu już 97% firm na świecie, w Europie 25%, a w Polsce 18% (źródło: Computerworld). Trend jest jednak wzrostowy, a obserwując różnice dzielące nas od firm zachodnich, można stwierdzić, że wkrótce będziemy ten dystans niwelować.

Poniżej przedstawiamy kilka wybranych przykładów zastosowań analityki predykcyjnej dla firm z różnych branż.

Personalizacja oferty produktowej

Co za dużo, to niezdrowo

Obecnie, przy bardzo rozbudowanych ofertach, które do tego często się zmieniają, wyzwaniem staje się – zarówno dla klienta, jak i dla firmy – znalezienie i zaproponowanie tej optymalnej. Poza tym portfolio coraz większej liczby firm składa się dziś z dziesiątek czy nawet setek wariantów produktów oraz usług własnych, często uzupełnionych dodatkowo o ofertę partnerów. Ta mnogość to jedna strona medalu.

Z drugiej strony wiadomo, że klient nie powinien być „zasypywany” ofertami niedopasowanymi do jego preferencji (które postrzega jako spam) lub być obiektem niespójnej komunikacji marketingowej. Psuje to dobry wizerunek firmy i zniechęca do dalszej współpracy czy dodatkowych zakupów. Należy też wziąć pod uwagę ograniczenia budżetowe prowadzonych działań marketingowych – firmy muszą prowadzić kampanie marketingowe dopasowane do swoich możliwości finansowych.

Zatem odpowiednie dopasowanie oferty do zapotrzebowań konkretnego klienta oraz wybór najlepszego momentu i sposobu komunikacji są w tym wypadku kluczowe dla skutecznej finalizacji transakcji.

Personalizacja kluczem do sukcesu

Wyobraźmy sobie, że firma X z branży e-commerce posiada dużą bazę klientów. W systemie SAP przechowuje nie tylko dane demograficzne (np. datę urodzenia, miejsce zamieszkania, płeć), ale również behawioralne (np. częstotliwość zakupów, ich wartość). Te informacje pozwolą na opracowanie indywidualnego profilu klienta. Zdobytą wiedzę można następnie wykorzystać do przygotowania spersonalizowanej oferty oraz opracowania strategii komunikacji, tak aby zmaksymalizować przychody.

Profil ten dostarczy wiedzy, na przykład, na temat tego:

  • jakimi produktami z oferty firmy X dana osoba będzie najbardziej zainteresowana,
  • kiedy (dzień tygodnia, pora dnia) najlepiej się kontaktować z klientem,
  • jaki kanał komunikacji (np. SMS, telefon, e-mail) będzie w przypadku danego klienta najskuteczniejszy.

Firma X może uwzględnić także maksymalne obciążenie kanałów komunikacji, to znaczy z jednej strony np. możliwości call center, a z drugiej ograniczenie do minimum np. liczby wysyłanych e-maili czy SMS-ów. A cały plan kampanii ułożyć tak, aby maksymalizować zadane kryterium (np. rentowność sprzedaży), przy uwzględnieniu ograniczeń budżetowych (np. budżet na kampanie, budżet na promocje).

Analityka predykcyjna jest niezwykle potężnym i skutecznym narzędziem w zwiększaniu ROI kampanii sprzedażowych i marketingowych.

2,8 mln zł oszczędności i o 25% większa konwersja

Analityka predykcyjna jest niezwykle potężnym i skutecznym narzędziem w zwiększaniu ROI kampanii sprzedażowych i marketingowych. Nasze doświadczenia pokazują, że dzięki wykorzystaniu odpowiednich narzędzi analitycznych można zwiększyć konwersję kampanii marketingowych nawet o 25% przy jednoczesnym zmniejszeniu sił sprzedażowych. U jednego z naszych klientów dało to oszczędności rzędu 2,8 mln zł rocznie.

Prognozowanie zapotrzebowania na produkty

Handlowy zawrót głowy

Firmy z branży retail czy FMCG posiadają bogatą ofertę produktową, która charakteryzuje się bardzo dużą rotacją towaru. Kluczowe dla rentowności prowadzonej działalności jest zatem podejmowanie optymalnych decyzji dotyczących składania zamówień na produkty.

Błędna decyzja w tym obszarze może spowodować:

  • policzalne straty wynikające np. z przekroczenia terminu ważności (produkty szybko psujące się), konieczność stymulacji sprzedaży rabatami w przypadku zamówienia zbyt dużej ilości towaru,
  • utratę potencjalnych korzyści, udziału w rynku i reputacji – w przypadku zamówienia zbyt małej ilości towaru.

Dodatkowym problemem jest konieczność zarządzania dużą liczbą produktów (nawet setki kategorii i tysiące pozycji). Przy tak dużej skali oferty konieczne jest zautomatyzowanie procesu prognozowania zapotrzebowania na towary i uwzględnienie wszelkich możliwych do wykorzystania informacji pozwalających na trafniejsze przewidywania.

Jednocześnie potencjał usprawnień i optymalizacji jest na opisywanym polu bardzo duży. Na przykład przy marży na sprzedaży rzędu 1% ograniczenie strat wynikających z przeterminowania produktów o 1% ich wartości zwiększa rentowność sprzedaży aż o 100%!

W tym przypadku rozwiązaniem jest bieżące monitorowanie zapotrzebowania na produkty i prognoza jego przyszłej wartości.

Już teraz, dzięki współpracy firm BCC (aktualnie All for One Poland) i Algolytics, firmy korzystające z systemu SAP mogą wdrożyć systemy do analityki predykcyjnej i zintegrować je z podstawowym systemem transakcyjnym.

Dokładne prognozy w czasie rzeczywistym

Także w obszarze prognozowania w czasie rzeczywistym z pomocą przychodzi analityka predykcyjna. System analityczny na podstawie historycznej sprzedaży (np. pobieranej z systemów SAP) i szeregu dodatkowych informacji (informacje o lokalizacji, informacje o rynku, akcje promocyjne konkurencji, pogoda itp.) może w czasie rzeczywistym automatycznie generować prognozy zapotrzebowania na daną jednostkę asortymentu (SKU). Na tej podstawie automatycznie generowane są też zamówienia do dostawców. Cały czas użytkownik ma możliwość przeglądu i korekty zamówień.

Taki system powinien również na bieżąco monitorować jakość prognoz i korygować je oraz być wydajny – zarządzać prognozami dla poszczególnych jednostek asortymentu.

Krzysztof Siwiec, Menedżer Rozwoju Biznesu w obszarze Finanse, Analizy, Planowanie, All for One Poland

Przewidywać przyszłość, analizować trafność prognoz
Firmy posiadające system SAP gromadzą w nim obszerne zbiory danych. W szczególności dotyczy to przedsiębiorstw działających w modelu B2C, czyli np. branży handlowej, banków, ubezpieczycieli, firm telekomunikacyjnych, spółek energetycznych i sektora usług publicznych. Nie są to tylko zbiory informacji finansowo-księgowych, ale także danych logistycznych i z obszaru zarządzania kapitałem ludzkim. Już po kilku latach działania systemu bazy danych dotyczące np. kontraktów, płatności, sprzedaży, stanów magazynowych, szkoleń pracowników, remontów i przeglądów okresowych czy wreszcie statystyki produkcji są na tyle zasobne, że stają się solidną podstawą do przewidywania przyszłości: zachowań klientów, trendów rynkowych, wielkości wzrostów i spadków przychodów w poszczególnych miesiącach roku itp.
Liczba danych do przetworzenia, a także wielość czynników wpływających na ostateczny wynik sprawiają, że coraz trudniej jest szacować przyszłość ręcznie, wykorzystując np. skoroszyty MS Excel. Potrzebne są specjalistyczne narzędzia, które dzięki wyposażeniu w silniki analityczne (np. heurystyczne, statystyczne, drążenie danych) automatyzują przetwarzanie informacji. Umożliwia to zarówno szybsze wykonywanie raz zdefiniowanych analiz, jak i prowadzenie zupełnie nowych analiz ad hoc, coraz częściej wymaganych przez zmienną rzeczywistość biznesową.
Rozwiązania firmy Algolytics pozwalają nie tylko przewidywać przyszłość, ale także analizować trafność prognoz. Wspomaga to ciągły proces udoskonalania systemów wnioskowania na podstawie dostępnych informacji.
Krzysztof Siwiec, Menedżer Rozwoju Biznesu w obszarze Finanse, Analizy, Planowanie, All for One Poland

Optymalizacja windykacji

Którzy klienci będą się spóźniać z płatnościami?

W ostatnich latach trendy rynkowe, jeśli chodzi o zaległe płatności, są mało optymistyczne (źródło: knf.gov.pl):

  • wzrasta poziom należności zagrożonych (z 72 mld zł w 2013 r. do 75,6 mld zł w 2015),
  • wzrasta wysokość odpisów i rezerw (saldo odpisów i rezerw w latach 2013-2015 wzrosło z 8,26 do 9,24 mld zł),
  • spadają wskaźniki efektywności działania (w analogicznym okresie ROE spadło z 10,1 do 6,8).

Zastosowanie analityki predykcyjnej pozwala na wyeliminowanie wielu przypadków opóźnień bądź braku płatności, zanim jeszcze te zjawiska wystąpią.

Profilaktyka zamiast leczenia

Kolejny przykład to firma energetyczna, która obsługuje tysiące klientów, dostarczając im energię elektryczną. Jak każdy podmiot na tym rynku, zmaga się z problemem niezapłaconych bądź przeterminowanych faktur. Jednym z rozwiązań jest odcięcie dłużnikom dostawy prądu, ale spójrzmy prawdzie w oczy – jest to rozwiązanie ostateczne, które generuje znaczne koszty i nie zawsze przynosi pożądane rezultaty.

Najlepszym rozwiązaniem jest zapobieganie takim sytuacjom. A jeśli dług już się pojawi, ważna jest personalizacja kontaktu z dłużnikiem, tak aby zwiększyć skuteczność windykacji.

Stosując analitykę predykcyjną, można otrzymać szereg prognoz dotyczących niezapłaconych wierzytelności, w tym dla każdego dłużnika indywidualnie:

  • prognozę wejścia na ścieżkę windykacyjną,
  • prognozę długości trwania windykacji do czasu spłaty wierzytelności,
  • prognozę statusu zakończenia ścieżki/scenariusza windykacyjnego,
  • prognozę skłonności do spłaty po określonym kroku/scenariuszu windykacyjnym.

Potencjalne korzyści z zastosowania analityki predykcyjnej w tym obszarze to m.in.:

  • zwiększenie skuteczności odzyskiwania długów przez działania prewencyjne (na etapie prewindykacji),
  • szybsze odzyskiwanie należności,
  • ograniczenie kosztów obsługi przez dostosowanie scenariuszy windykacyjnych do profilu klienta,
  • redukcja kosztów przez eliminację zbędnych kroków windykacyjnych (na etapie windykacji wewnętrznej),
  • wcześniejsza sprzedaż wierzytelności o niskim prawdopodobieństwie spłaty.

Jakość danych – szansa na dodatkowe oszczędności

Istotnym czynnikiem, ważnym z punktu widzenia wdrożenia rozwiązań analitycznych, są dane o klientach. Od ich jakości zależy bowiem np. efektywność kampanii marketingowych lub ściągalność należności za usługi (klient nie płaci faktury, bo jej nie otrzymał). Dane te, niestety, często zawierają błędy (np. zdublowane wpisy), są niekompletne lub niespójne. Lemonly.com i Software AG podają, że koszt biznesowy wynikający z niskiej jakości danych może sięgać nawet 10-25% przychodów firm.
Z kolei statystyki podane przez Halo Business Intelligence wskazują że:
– 92% badanych firm przyznaje, że posiadane dane teleadresowe są niedokładne,
– 66% badanych organizacji wierzy, że niepoprawne dane mają negatywny wpływ na ich działalność.
Stosując odpowiednie narzędzia i mechanizmy poprawy jakości danych, firmy osiągają policzalne korzyści biznesowe. Teraz narzędzia te dostępne są także jako rozszerzenia systemu SAP razem z analityką predykcyjną.

Paweł Grzybowski, Marketing Manager, Algolytics

Analityka predykcyjna – haczyka nie ma

Czytając o potencjalnych korzyściach z rozwiązań informatycznych, decydenci często zastanawiają się, gdzie jest haczyk. Mamy dobrą informację. Jeśli chodzi o analitykę predykcyjną, haczyka nie ma. Narzędzia umożliwiające wykonywanie analiz predykcyjnych są stosowane przez coraz większą liczbę firm, nie tylko tych największych. Firmy te – nasi klienci – doceniają wymierne korzyści biznesowe płynące z zaawansowanej analityki predykcyjnej.

Warto też podkreślić, że dostępność tego typu rozwiązań, dostosowanych do profilu firm z różnych branż, w ostatnich latach znacznie wzrosła. Już teraz, dzięki współpracy firm BCC (aktualnie All for One Poland) i Algolytics, firmy korzystające z systemu SAP mogą wdrożyć systemy do analityki predykcyjnej i zintegrować je z podstawowym systemem transakcyjnym.

Systemy Algolytics to sprawdzone rozwiązania wykorzystywane m.in. przez największe firmy telekomunikacyjne czy instytucje finansowe. W 2016 r. zostały okrzyknięte Innowacją Roku 2015 w kategorii Big Data w ramach konkursu BIG DATA: Think Big CEE Congress. Nagroda w tej kategorii przyznawana jest wyróżniającym się na tle konkurencji polskim firmom za wprowadzanie przełomowych technologii i realne oddziaływanie na kształt rynku.

Algolytics od 2001 roku tworzy i dostarcza rozwiązania z zakresu zaawansowanej analityki biznesowej na polskim rynku. Firma rozwija autorskie oprogramowanie do analiz predykcyjnych, zarządzania relacjami z klientem, zarządzania ryzykiem oraz Data Mining; świadczy także zaawansowane usługi analityczne. Rozwiązania Algolytics są pochodną wieloletnich doświadczeń zdobytych w projektach obejmujących analizę predykcyjną oraz modelowanie dużych i rzeczywistych zbiorów danych o klientach. Wśród klientów Algolytics znajdują się czołowe polskie banki i firmy telekomunikacyjne.