Ο ρόλος της αναλυτικής δεδομένων (data analytics) στις σύγχρονες επιχειρήσεις

Στην ψηφιακή εποχή στην οποία ζούμε, τα δεδομένα παίζουν έναν τεράστιο, ζωτικής σημασίας, ρόλο σε όλες τις πτυχές της επιχειρησιακής, και όχι μόνο, ζωής. Την τελευταία, δε, δεκαετία, με την εκρηκτική εξέλιξη της τεχνολογίας, ένας τεράστιος όγκος δεδομένων έχουν μαζευτεί και συνεχίζουν να μαζεύονται με συνεχώς αυξανόμενους ρυθμούς.

Η αναλυτική δεδομένων είναι ακριβώς αυτή η οποία θα βοηθήσει τις επιχειρήσεις να αξιοποιήσουν αυτά τα δεδομένα, και θα κάνει τη διακριτή διαφορά ανάμεσα στην επιτυχία και τη στασιμότητα.

Με τον όρο αναλυτική δεδομένων (data analytics) εννοούμε τη διαδικασία επεξεργασίας μεγάλων όγκων δεδομένων και πληροφορίας, ώστε να εξηγηθούν τα δεδομένα αυτά, να αναδειχθούν τα κύρια χαρακτηριστικά τους και να εξαχθούν χρήσιμα αποτελέσματα. Υπάρχουν 4 βασικοί πυλώνες της αναλυτικής δεδομένων: περιγραφική αναλυτική (descriptive analytics), διαγνωστική αναλυτική (diagnostic analytics), προγνωστική αναλυτική (predictive analytics), και καθοδηγητική αναλυτική (prescriptive analytics).

Η περιγραφική αναλυτική περιλαμβάνει ακριβώς την περιγραφή των δεδομένων που υπάρχουν χρησιμοποιώντας κατάλληλη επεξεργασία, κατάλληλα στατιστικά και οπτικοποιήσεις για την αναπαράσταση των δεδομένων μέσω γραφικών, πινάκων και άλλων μέσων, με στόχο να δημιουργηθεί ένα πορτρέτο της υφιστάμενης κατάστασης και να απαντηθεί το ερώτημα του τι έχει γίνει στο παρελθόν και τι συμβαίνει τώρα. Αν θεωρήσουμε για παράδειγμα μια επιχείρηση που δραστηριοποιείται στον τομέα των λιανικών πωλήσεων και η οποία έχει φυσικό αλλά και διαδικτυακό κατάστημα καθώς και παρουσία στα μέσα κοινωνικής δικτύωσης, με την περιγραφική ανάλυση μπορούμε να συλλέξουμε δεδομένα από αυτά τα κανάλια και να δούμε για ένα συγκεκριμένο χρονικό πλαίσιο, π.χ. των τελευταίων 5 ετών, ποια προϊόντα έχουν τις περισσότερες ή τις λιγότερες πωλήσεις, για ποια δημογραφικά χαρακτηριστικά, να δούμε πώς κινήθηκαν τα έσοδα, τα έξοδα, και τα κέρδη της επιχείρησης.

Έπειτα, μέσω της διαγνωστικής αναλυτικής γίνεται η προσπάθεια να κατανοηθούν οι επιλογές που έχουν γίνει μέχρι στιγμής, και επομένως να κατανοηθεί το γιατί τα δεδομένα που έχουν συλλεχθεί δείχνουν την εικόνα που δείχνουν. Στο παράδειγμά μας, αν παρατηρήσουμε λόγου χάριν ότι η επιχείρηση έχει σε συγκεκριμένη χρονική περίοδο μιαν αύξηση των πωλήσεων σε συγκεκριμένα προϊόντα και δημογραφικά χαρακτηριστικά, αυτό μπορεί να οφείλεται στο ότι εκείνην ακριβώς την περίοδο η επιχείρηση είχε κάνει στοχευμένες προσπάθειες προώθησης.

Στο στάδιο της προγνωστικής αναλυτικής γίνεται η προσπάθεια μοντελοποίησης των δεδομένων ώστε να καταστεί δυνατή η πρόβλεψη – με όση το δυνατό περισσότερη ακρίβεια – μελλοντικών αποτελεσμάτων. Υπάρχει μια πληθώρα αλγόριθμων και στατιστικών διαδικασιών που μπορούν να χρησιμοποιηθούν σε αυτό το στάδιο, και περιλαμβάνουν μεταξύ άλλων: αλγόριθμους πρόβλεψης (forecasting), ταξινόμησης (classification), αλγόριθμους εντοπισμού μοτίβων (frequent pattern mining), ομαδοποίησης (clustering), και άλλους. Η επιλογή του κατάλληλου αλγόριθμου θα γίνει ανάλογα με τους στρατηγικούς στόχους της κάθε επιχείρησης και, βέβαια, ανάλογα με τα διαθέσιμα δεδομένα. Η επιχείρηση λιανικών πωλήσεων στο παράδειγμά μας, μπορεί να χρησιμοποιήσει αλγόριθμούς πρόβλεψης για να προβλέψει τις πωλήσεις του επόμενου χρόνου, αλγόριθμους ομαδοποίησης για να εντοπίσει ομάδες πελατών με παρόμοιες αγοραστικές συνήθειες, frequent pattern mining για να εντοπίσει μοτίβα στη συμπεριφορά των πελατών – συχνά παρατηρείται καταναλωτές να αγοράζουν διαφορετικά προϊόντα στην ίδια συναλλαγή ή σε διαδοχικές συναλλαγές. Η προγνωστική ανάλυση μπορεί επίσης να βοηθήσει την επιχείρηση στη βελτιστοποίηση διαδικασιών, όπως ο χρόνος αποστολής προϊόντων ή η διαρρύθμιση των προϊόντων σε ράφια (είτε φυσικά είτε ηλεκτρονικά). Επιπλέον, μπορούν να αξιολογηθούν διάφορα σενάρια τιμολόγησης προϊόντων και να εκτιμηθεί πώς θα επηρεαστούν οι πωλήσεις και τα κέρδη της επιχείρησης σε κάθε σενάριο.

Τέλος, μέσω της καθοδηγητικής αναλυτικής θα περάσουμε στο επόμενο βήμα, στο οποίο θα γίνουν οι κατάλληλες συστάσεις και προτάσεις προς την επιχείρηση, οι οποίες θα βελτιστοποιήσουν στοχευμένα τους διαθέσιμους πόρους της ώστε να επιτευχθούν τα επιθυμητά αποτελέσματα. Στο παράδειγμά μας και πάλι, σε αυτό το στάδιο η καθοδηγητική αναλυτική μπορεί να δημιουργήσει ένα σύστημα συστάσεων προϊόντων που μπορεί να ενδιαφέρουν τον καταναλωτή με βάση τις αγορές που έχει κάνει στο παρελθόν ή με βάση τις τάσεις της αγοράς. Μπορεί να καθοδηγήσει την επιχείρηση στη δημιουργία στοχευμένων εκστρατειών προώθησης ηλεκτρονικού εμπορίου για κατηγορίες προϊόντων στις οποίες φαίνεται ότι οι καταναλωτές δείχνουν ενδιαφέρον. Επίσης, μπορεί να προταθεί ένα πλάνο αύξησης της λειτουργικής αποτελεσματικότητας της επιχείρησης – για παράδειγμα, αν προβλέπεται ότι κατά τη διάρκεια των χριστουγεννιάτικων αγορών η επιχείρηση δεν θα μπορεί ν’ αντεπεξέλθει στις απαιτήσεις που προβλέπονται από τα μοντέλα που έχουν γίνει, τότε η ανάλυση αυτή θα την βοηθήσει να βελτιστοποιήσει τη λειτουργικότητά της.

Η αναλυτική δεδομένων είναι πλέον ένα απαραίτητο εργαλείο για τις σύγχρονες επιχειρήσεις οποιουδήποτε μεγέθους, που θέλουν να είναι πρωτοπόρες και σταθερές στην αγορά. Είναι το εργαλείο που θα αντικαταστήσει τις εμπειρικές και με χρονική υστέρηση συνήθως αντιδράσεις του παρελθόντος με προνοητικές δράσεις και μεθόδους βασισμένες σε επιστημονική μελέτη. Ως εκ τούτου, είναι το εργαλείο που θα βοηθήσει τις σύγχρονες επιχειρήσεις να αντιμετωπίσουν τις προκλήσεις της αγοράς, να εντοπίσουν και να αξιοποιήσουν καινούριες ευκαιρίες, να βελτιστοποιήσουν την επίδοσή τους και να λειτουργούν πιο αποτελεσματικά και αποδοτικά παίρνοντας στρατηγικά καθοδηγούμενες αποφάσεις, χαρακτηριστικά απαραίτητα για κάθε οργανισμό στη σημερινή εποχή.

*Manager, Risk Consulting, Συμβουλευτικές Υπηρεσίες KPMG Κύπρου