Denne artikel stammer fra det trykte Computerworlds arkiv. Artiklen blev publiceret den Computerworld d. 19. marts 2004.
Ny teknologi fra SPSS bringer analyseresultater tættere ud på brugerne. Det kan give store gevinster på bundlinien.
Elektroniske krystalkugler. Sådan kan man kort betegne en række værktøjer under fællesbetegnelsen predictive analytics fra SPSS.
Værktøjerne kan anvendes til at automatisere en række funktioner inden for blandt andet salg og marketing. SPSS' værktøjer giver svar på spørgsmål som: Hvem vil svare på en henvendelse? Hvem vil købe? Hvem vil købe mere? Hvornår vil de købe? Hvilke kunder er på vej væk? Værktøjerne er en række moduler til analyseopgaver inden for marketing, call centre, salg, e-handel, kreditvurdering og bedrageri.
- Vi arbejder sammen med eksisterende systemer som for eksempel data warehouse- og CRM-systemer, forklarer Colin Shearer, der er marketingchef for SPSS værktøjer til analyser af kundeopførsel.
Teknologien er udviklet i Holland af virksomheden DataDistilleries, som SPSS købte sidste år. En af grundlæggerne af DataDistilleries, Marcel Holsheimer siger:
- Da vi udviklede værktøjerne, fokuserede vi ikke på predictive analytics eller data mining, men derimod på at udvikle en metode til at få analysedata hurtigt ud til brugerne, så de kunne anvende dem. Det er der, pengene er.
Fælles kundebillede
Styrken ved DataDistilleries' teknologi er især, at den kan lave ét fælles kundebillede, dannet ud fra en kombination af data i både data warehouse-databaser og online transaktions-databaser. Det giver mulighed for analysedata i realtid
- Værktøjerne kan anvendes både sammen med vores avancerede analysemiljø, Clementine, når man ønsker løsninger, der er avancerede, og som fritstående systemer, når man ønsker at komme hurtigt i gang, siger Colin Shearer
Inden for marketingområdet anvendes værktøjerne blandt andet til at foretage begivenhedsstyrede kampagner.
- Det giver store besparelser i udgifterne til breve og meget bedre respons end ved traditionelle marketingkampagner, hvor der skydes med spredehagl, forklarer SPSS' danske chef, Torben Gadfelt.
En styrke ved predictive analytics er, at værktøjerne automatiserer en lang række gentagelige og operationelle beslutninger i salg og marketing. Det medfører, at det er lettere at foretage for eksempel krydssalg af forskellige produkter.
- Når processerne automatiseres, kommer analyseresultaterne ud til dem i organisationen, der sidder med kundekontakten. De får bedre mulighed for at udnytte den viden, der er samlet i virksomheden om kundeadfærd, siger administrerende direktør Per Andersen fra analysefirmaet IDC Nordic.
Forbedrer processer
IDC har fortaget en undersøgelse af predictive analytics i forhold til traditionel business intelligence. Analysen viste klart, at de store gevinster ved at anvende predictive analytics ligger inden for forbedringer i virksomhedernes forretningsprocesser.
- Der er penge i predictive analytics. Det er noget dyrere end traditionelle business intelligence-værktøjer, men de økonomiske gevinster ved at anvende dem er meget højere, siger Per Andersen.
Han anbefaler, at virksomheder, der overvejer at indføre predictive analytics, ser nøje på leverandørernes tilbud, da der er tale om store investeringer.
For eksempel kan medarbejderne i et callcenter få realtidsadgang til anbefalinger til krydssalg af forskellige produkter eller komme med gode tilbud til kunder, der er på vej væk.
Billedtekst:
Torben Gadfelt, SPSS: - Styrken ved vores predictive analytics-værktøjer er blandt andet, at de ikke kræver, at man opbygger et nyt data warehouse.
Billedtekst:
Colin Shearer, SPSS: - Værktøjerne er gode til at danne profiler af kunder og anvende dem i realtid.
