Club BM: Valoarea bazelor de date inteligente

DE CÂND CONSUMATORUL A DEVENIT REGE, tot mai multe companii caută să afle cât se poate de exact ce vrea și, mai ales, ce și-ar putea dori clienții. În acest context, de ajutor se pot dovedi bazele de date inteligente și analiza predictivă.
În plus, tehnologia a schimbat foarte mult modalitatea de interacțiune cu produsele și serviciile, foarte multe din așteptările clienților s-au schimbat, iar organizațiile trebuie să își redescopere clienții, arată Ștefan Baciu, channel partner manager pentru Europa de Sud Est, IBM România. Mai concret spus, dacă în urmă cu zece ani cantitatea de informații era relativ limitată la calculatorul fiecăruia și la media, acum un client poate să acceseze „tone„ de informație pentru a-și cumpăra un telefon, un frigider, o casă sau o vacanță. Cu toate acestea, punctează reprezentantul IBM, foarte multe organizații încă funcționează cu „blind spots„ – zone neobservabile din punct de vedere al analizei de date. Studii realizate de IBM și citate de Baciu arată că unul din trei manageri ia decizii critice de business fără informația de care are nevoie, unul din doi manageri nu are acces la informația necesară pentru a-și fundamenta deciziile iar unul din patru lideri de business este convins că informația predictivă ar putea ajuta în luarea unor decizii mai bune.

Or informațiile inteligente pot fi la îndemâna oricărei companii, pentru că orice firmă are o bază de date ce se poate dovedi extrem de folositoare în păstrarea, fidelizarea clienților dar și în creșterea vânzărilor. „Instrumentele de analiză predictivă ne ajută să facem o conexiune între volumul de date și informații pe care îl avem astfel încât să putem trage concluzii despre evenimentele care ar putea să se întâmple„, declară Baciu. Mai mult de-atât, companiile pot genera scenarii multiple pentru evoluția afacerii folosindu-se de acest tip de instrument.

SOLUȚIILE DE ANALIZĂ PREDICTIVĂ DUC LA SCHIMBAREA INTERACȚIUNII CU CLIENTUL, CARE DEVINE MULT MAI PERSONALIZATĂ. Soluțiile SPSS din portofoliul IBM își trag rădăcinile din sisteme de lucru ce există pe piață de peste 40 de ani. „A început ca produs de statistică, a evoluat către data mining și evaluare predictivă, a fost cumpărat de IBM în 2009 și acum este un instrument care conține foarte multă inteligență și poate identifica tendințe și modele în volume mari de date”, declară Ștefan Baciu.

Cu toate acestea, companiile care apelează la soluțiile de analiză predictivă nu trebuie să se aștepte la rezultate imediate, atenționează Ionel Dinu, șeful departamentului CRM, direcția managementul segmentelor retail, în cadrul BCR.
ACESTA ESTE UN INSTRUMENT DE LUCRU, ORICE IDEE SE POATE MODELA ATÂT TIMP CÂT EXISTĂ ISTORIC, DATE. E frumos să poți previziona, dar rezultatele vor veni foarte greu„, spune Dinu. El adaugă că ideea de analiză predictivă, numită și data mining sau mineriada datelor, a pornit de la un spital, la departamentul de urgență, când trebuia să se facă o predicție astfel încât să se asigure personalul necesar pentru urgențe. BCR este una dintre companiile care a mizat pe soluțiile pe care le poate oferi analiza predictivă. „Spunea cineva la un moment dat că jumătate din banii cheltuiți pe marketing sunt aruncați. Dar nu se știa care este jumătatea respectivă. Așa făceam și noi”, spune Dinu.

BCR făcea campanii de marketing direct, având o bază de clienți consistentă, de peste trei milioane de clienți în retail. Rezultatul a fost redus, povestește Dinu: „trimiteam 100.000 de scrisori, cu costuri de circa 100.000 de euro; mai trimiteam încă 20.000 de mesaje scrise celor care nu au primit mesajul cum trebuie și reușeam să vindem în jur de 1.000 de produse„. La o primă vedere, procedura putea fi îmbunătățită, pentru a găsi în baza de date – generoasă, dealtfel – informații inteligente. Trebuia „să mă uit în baza de date și să găsesc clienți care au cea mai mare probabilitate pentru a cumpăra un anumit produs„, explică reprezentantul BCR. Instituția financiară a cumpărat SPSS, a dezvoltat modele predictive iar acum „știm că pentru un anumit produs putem să ne concentrăm pe o anumită bază de date relativ mică, dar cu o rată foarte mare de succes. Nu vom cheltui 100.000 de euro ca să vindem 1.000 de produse, cheltuim 10.000 de euro ca să vindem 3.500 de produse”.