Tommy Marzella présente trois types de données qui peuvent être analysées pour découvrir des informations stratégiques et augmenter les bénéfices.
Je considère les data scientists comme des artistes ; chaque silo de données est un pot de peinture différent ajoutant à la beauté de la pièce finale. Au lieu de voir un fichier Excel rempli de pages de chiffres, ils voient le potentiel de rassembler quelque chose de frappant en trouvant des modèles qui se marient bien. Tout comme la curiosité de l’artiste l’a amenée à son chef-d’œuvre, la curiosité du scientifique des données conduira l’entreprise à des connaissances stratégiques plus profondes utilisées pour apporter des changements et augmenter les bénéfices.
Alors que Forbes prédit qu’il faudra peut-être un certain temps avant que les entreprises ne tirent profit du big data, il est rafraîchissant de savoir que ce n’est pas dû à un manque de technologie, mais à un changement de mentalité d’entreprise dans la culture du lieu de travail vers une réflexion axée sur les données. Les entreprises doivent aller au-delà de la confiance en leur instinct et faire confiance à leurs données. Lorsque vous pensez aux quantités massives de données que les entreprises possèdent sur les clients (transactionnelles, comportementales, démographiques, etc.), couplées aux données de l’entreprise (inventaire, historique des ventes en temps réel, logistique, activité Web, etc.), il y a un grand possibilité de réduire les goulots d’étranglement, tout en augmentant la fidélité, l’efficacité et les bénéfices en cours de route.
Bien qu’il existe une quantité infinie de données qui peuvent être analysées pour vous aider à augmenter vos résultats, voici trois exemples qui vous aideront à vous mettre dans le bon état d’esprit :
1. Données client -L’expression « le client est la clé » vient à l’esprit ici, car connaître votre client et ses préférences vous placera au-dessus de la concurrence. Il existe d’innombrables façons de commencer à examiner de nouveaux modèles, mais un bon point de départ consiste à identifier les données dont vous disposez et à commencer à poser des questions. Par exemple, vous remarquerez peut-être que les ventes ont augmenté de 3 x par rapport à leur fourchette normale en avril et en mai, ce que vos données révèlent ultérieurement en raison d’une promotion que vous avez diffusée avec un taux d’utilisation des coupons de 84 %. Avec la mise en œuvre d’un DMP, vous pouvez commencer à lier ces informations au profil d’un utilisateur individuel, créer sa personnalité d’achat et le commercialiser en fonction de ses besoins personnels uniques. Soudain, vous réalisez que Sally visite votre site Web tous les lundis à 8h45 (à la recherche d’accessoires), mais n’achète jamais, ce qui peut vous inciter à lui envoyer un e-mail à 8h30 avec un coupon de réduction de 20 % sur les accessoires.
2. Données sur les employés – Lorsque les détaillants pensent au profit, ils se tournent souvent vers les données sur les ventes comme principale source de mesure du succès. Mais il est important d’examiner les données de vos employés pour voir ce que les données révèlent. Par exemple, vous pouvez avoir trente personnes dans l’entreprise qui travaillent sur le traitement des commandes et vous découvrez que le processus est inefficace, ce qui entraîne des retards et du temps pour une révision. En collaborant avec le service informatique, vous êtes en mesure de développer un nouveau programme de gestion des flux de travail pour réduire le temps de traitement des commandes de six à trois étapes. Ce gain de temps permet à votre entreprise de réaffecter le temps de ces salariés à de nouvelles activités génératrices de profit, tout en dépassant les niveaux d’efficacité historiques.
3. Données de la chaîne d’approvisionnement – La logistique peut être compliquée pour n’importe quelle entreprise. Connaître la quantité d’un produit à avoir sous la main peut varier en fonction des analyses historiques, saisonnières et des tendances. Tout au long du processus de livraison, il peut y avoir de nombreux retards, blocages ou méthodes désuètes d’exécution de tâches qui ne sont pas ancrées dans la pensée axée sur les données. L’analyse du cheminement de l’achat à la livraison est une entreprise de grande envergure, mais elle peut être très fructueuse. Une fois le produit livré (si l’acheteur sélectionne la livraison en ligne), vous pouvez envoyer une enquête de suivi demandant des informations sur son expérience. Ces informations peuvent être importées dans leur profil pour référence future au fur et à mesure que votre équipe développe des résolutions pour les alerter une fois qu’une solution viable est en place pour répondre à leurs préoccupations. Par exemple, si votre système n’est pas à jour avec l’inventaire, un client pourrait potentiellement commander un produit avec une expédition le lendemain et l’attendre dans 1 à 2 jours. Non seulement le produit n’est pas disponible, mais maintenant l’entreprise et le client ont le mal de tête supplémentaire de rembourser l’expédition du jour au lendemain (et potentiellement le produit s’il s’agissait d’un achat urgent), alors que ce problème aurait pu être évité en premier lieu .
Au fur et à mesure que vous plongez dans les profondeurs de l’analyse des données, rappelez-vous que la clé est de découvrir les données dont vous avez besoin pour faire votre meilleure analyse. Assurez-vous de visiter l’un de nos articles de blog précédents, 3 façons de rassembler vos ressources de données, pour plus d’informations sur les données à inclure dans votre DMP.
Le message 3 types de données que vous pouvez utiliser pour augmenter vos profits est apparu en premier sur The Lunch Pail : A Data Management Blog.
