Documente Academic
Documente Profesional
Documente Cultură
Capitolul 3: Etape în BA
„A mânca este o necesitate, dar a găti este o artă”
Pe măsură ce afacerile adoptă şi consumă rezultatele furnizate de BA, este important pentru
executiv să ştie cum au fost generate astfel de outputuri. Dată fiind complexitatea celor mai multe
aplicaţii de business, a învăţa să utilizezi analiticile este cumva similar cu a lua lecţii de gătit.
Există în literatura de specialitate o analogie cu cele 4 metode de top propuse de una dintre cele
mai bune şcoli de bucătari din Boston, Le Cordon Bleu College:
- fă practică antrenându-ţi mâinile;
- antrenează-te între profesionişti;
- învaţă în bucătării echipate profesional;
- concentrează-te pe perfecţionarea abilităţilor tale folosind ustensile profesionale şi ingrediente
de calitate.
Cea mai bună modalitate pentru liderii de business de a învăţa şi stăpâni BA este asemănătoare:
- învaţă şi antrenează-te lucrând cu experţii;
- fă practică şi perfecţionează-ţi abilităţile şi cunoştinţele în condiţii din lumea reală.
Este greu să înveţi să găteşti numai citind cărţi de bucate. În acelaşi mod, experţii în BA trebuie
să acţioneze ca master-chefii în ceea ce priveşte crearea de noi reţete. Ei trebuie să fie capabili să
transfere cunoştinţele echipelor lor pentru a produce rezultate de calitate. Înainte ca un nou produs să
apară în meniu, master-cheful trebuie să îl creeze, experimenteze şi să îl perfecţioneze. Atunci când se
dovedeşte a fi un succes, echipa este antrenată să îl producă, iar echipa de ospătari (echipa de marketing
şi vânzări) învăţată să îl promoveze.
La fel cum cei care nu au gătit niciodată nu pot fi master-chefi, liderii de BA trebuie să fie aceia
care au mai folosit BA înainte; totuşi, multe afaceri sunt conduse/decise de lideri care nu au construit
nici măcar o dată un model predictiv şi de aici apar eşecuri şi rezultate mediocre ăn aplicarea BA,
cauzate de prea mulţi „master-chefi care nu ştiu să gătească”. Având astfel de lideri, afacerile pot avea
trei posibile rezultate nedorite:
1) lipsa inovaţiilor: şeful nu ştie cum să aducă inovaţii (noi reţete) şi nici echipa sa;
2) lipsa de apreciere a analiticilor: liderul nu apreciază şi nu are încredere în ceva ce nu îi este
familiar (adică BA avansate);
3) acuzarea BA pentru rezultate slabe. În foarte puţine cazuri, cauza unui eşec a fost pusă pe
seama eşuării modelului, deoarece modelele trebuie supuse validărilor şi sunt respinse de erorile mari de
validare sau de măsurile de performanţă reduse. Adevăratele motive pentru eşecuri ar putea fi alegerea
unui tip greşit de analitici aplicate sau, dacă analiticile au fost alese corect, au fost interpretate greşit sau
rezultatele/indicaţiile au fost executate prost sau deloc.
1
Analitica Afacerilor, 19-20 mai 2016
De ex., o interogare în baza de date privind anumite caracteristici pentru o firmă de curierat ce
dorește să afle statistici despre un centru de distribuție într-o lună anume; interogarea furnizează
informații descriptive despre transporturi: nr de transporturi, cantitate, data la care au fost efectuate,
traseu, nr. de clienți serviți etc. Un raport sintetizând rezultatele ar putea conține statistici descriptive
(medii, mediane, măsuri ale variației) și instrumente de vizualizare (tabele, grafice, hărți).
Data dashboards sunt constituite din colecții de tabele, grafice, hărți și statistici sumare care sunt
actualizate pe măsură ce noi date devin disponibile; pot fi utilizate în managementul companiei pentru a
monitoriza aspecte specifice legate de performanțele companiei.
Analitica predictivă: tehnici ce utilizează modele construite din date trecute pentru a previziona evoluții
viitoare sau evidenția impactul unei variabile asupra alteia.
De ex.:
- datele trecute despre vânzări pot fi folosite pentru a construi un model econometric care să
previzioneze vânzările viitoare, ceea ce poate evidenția traiectoria de creștere sau sezonalitatea
produselor;
- un outlet poate utiliza informațiile de la casele de marcat privind vânzările pentru a vedea care
este efectul oferirii de cupoane de reduceri sau oferte promoționale asupra vânzărilor;
- datele dintr-un chestionar despre comportamentul de cumpărare al clienților pot fi utilizate
pentru a previziona cota de piață pe care o poate avea o companie în perioadele imediat următoare;
2
Analitica Afacerilor, 19-20 mai 2016
- tehnici utilizate: regresie liniară, analiza seriilor de timp, tehnici de data mining, simulare,
lanțuri Markov
Analitica prescriptivă: tipul de analiză ce indică cea mai bună acțiune ce trebuie urmată; cu alte cuvinte,
outputul unui model prescriptiv este cea mai bună decizie;
- tehnici utilizate: în general sunt tehnici de optimizare (utilizarea combinată a modelelor din
statistică și probabilități și optimizare matematică): modele din teoria portofoliilor, modele de
transport/stocuri/rețele; analiza de senzitivitate și maximizarea profitului; modele de investiții în active
riscante; tehnici din teoria deciziei (alternative multiple și evenimente viitoare incerte), tehnici din teoria
utilității așteptate (atitudine la risc, pierderi așteptate, valori așteptate etc.)
În prezent, utilizatorii de afaceri şi de cunoştinţe folosesc, cel mai probabil, diferite instrumente
pentru a analiza aceleaşi date. Pentru a asigura folosirea simultană, ambele tipuri de utilizatori ar putea,
în mod ideal, analiza aceleaşi seturi de date, disponibile pe aceeaşi platformă. Din păcate, nu există o
singură platformă, care să poată fi folosită comun de toate tipurile de utilizatori. În mod uzual, este
folosită o platformă de vizualizare BI pentru analize vizuale simple şi platforme de BA avansate pentru a
întreprinde o secvenţă de analitici mai complexe. Deşi cele două sarcini ar putea fi efectuate de aceeaşi
echipă, de obicei sunt alocate unor echipe diferite; în aceste situaţii, de multe ori, se pierd informaţii şi
cunoştinţe în procesul de transfer al rezultatelor de pe o platformă pe alta. De ex., graficele de măsurare
a performanţei unui model, pe care analiştii încearcă să le „înfrumuseţeze” înainte de a le arăta
managerilor, ar putea conţine diferite aspecte importante despre un grup cheie de clienţi ce au fost
neglijate şi deci s-ar putea pierde anumiţi predictori cheie. Fără a vedea rezultatele respective, decidenţii
cu experienţă nu au şanse să descopere aceste aspecte.
Pe o platformă unitară (pentru vizualizare şi analitici), provocările legate de guvernanţă, scală şi
performanţă trebuie rezolvate. O astfel de platformă trebuie să aibă capabilităţi de analiză a datelor
multistructurate, provenind din diferite surse ca site-uri web, dispozitive mobile, senzori, vânzări. De
asemenea, platforma trebuie să fie capabilă să permită noi analize ca analiza reţelelor relaţionate, analiza
sentimentelor, algoritmi de machine learning. Tot mai multe afaceri realizează, prin intermediul acestor
analize, noi valori şi oportunităţi.
Există două tipuri de procese de determinare a cunoştinţelor: supervizate şi nesupervizate,
ambele necesare şi importante pentru BA avansate. Diferenţele sunt evidenţiate în Tabelul următor.
3
Analitica Afacerilor, 19-20 mai 2016
Indiferent de complexitatea lor, multe probleme de afaceri pot fi divizate într-o serie de probleme
mai simple, la care instrumentele şi metodele analitice pot răspunde. În practică este indicat să fie
încercate diferite instrumente de modelare pentru a vedea care oferă cele mai robuste şi exacte rezultate
şi rar se întâmplă ca o decizie să fie fundamentată pe baza unui singur model.
A. Modelarea verosimilității
Este una din cele mai obişnuite aplicaţii din BA pentru a previziona probabilitatea producerii
anumitor evenimente sau pentru a ordona anumite priorităţi de targeting.
Posibile probleme de business: determinarea înclinaţiei unui client de a:
- răspunde la anumite campanii, comunicări, oferte;
- cumpăra produse specifice într-o perioadă dată, fie pentru prima dată, de a recumpăra în acea
perioadă sau a cumpăra mai multe accesorii sau actualizări ale produsului;
- deveni loial (client silver, gold etc.);
- renunţa la cumpărăturile/relaţia cu afacerea respectivă;
- care dintre clienţi este mai probabil să anuleze sau să îşi retragă fondurile/subscrierile în
perioada următoare?
- care dintre clienţi se alătură unui grup ţintă de clienţi? Care clienţi sunt mai probabili de a
adopta noul produs?
Aplicaţii potenţiale de business: Modelarea verosimilităţii poate fi următoarea:
- ţintirea clienţilor în campaniile de marketing ca: oferirea de carduri de credit, campanii de
atragere, reţinere şi reactivare a clienţilor (ţintind numai către aceia ce au o înclinaţie peste un anumit
nivel de a produce rezultate/venituri);
- gruparea clienţilor ce seamănă dpdv al unui anumit comportament sau atitudini;
- detectarea spamurilor (prin intermediul unei reţele neuronale artificiale): pentru a detecta dacă
un email este spam;
Modele analitice: regresie logistică sau ANN (reţele neuronale artificiale):
4
Analitica Afacerilor, 19-20 mai 2016
B. Modelarea Grupărilor
În multe aplicaţii, gruparea indivizilor sau entităţilor pentru a detecta caracteristicile grupului
este de obicei efectuată prima. De ex., înainte de a răspunde la întrebări detaliate cu privire la clienţi
individuali, ar trebui să îi analizăm în ansamblu. Grupurile nu numai că simplifică analiza, dar permit
vizualizarea unor comportamente şi atitudini diferite, mai clar în grupuri decât între indivizi („Este mai
uşor să găseşti un colier de diamante pe o plajă decât să găseşti diamante pierdute prin nisip”).
O dată ce au fost descrise grupurile prin trăsături specifice, acestea pot fi prioritizate prin
dimensiunea sau valoarea relativă a grupului, astfel încât aceste trăsături pot genera acţiuni specifice.
Dacă caracteristicile clienţilor îi grupează, grupurile tind să aibă răspunsuri similare la acţiuni comune
(la branduri şi produse).
Există două modalităţi de grupare; în învăţare supervizată pot fi deduse diferenţele dintre cei care
au răspuns la promoţii recente vs cei care nu au răspuns. Aşa cum îi spune şi numele, în învăţare
nesupervizată, gruparea este făcută fără un rezultat apriori stabilit, în schimb clienţii sunt grupaţi având
la bază similaritatea lor în concordanţă cu variabilele de segmentare.
5
Analitica Afacerilor, 19-20 mai 2016
6
Analitica Afacerilor, 19-20 mai 2016
Text Mining:
Astfel de instrumente generează:
- alerte atunci când noi cuvinte, atribute sau branduri apar şi formează un trend puternic;
- atribute ale comentariilor sau site-urilor vizitate de un anumit grup de clienţi sau un segment
din reţeaua socială; aceste atribute caracterizează persoanele sau reţeaua socială, îmbunătăţesc predicţia
clienţilor ţintă sau comportamentul acestora.
7
Tipul de Descriptive Diagnostic Predictiv Prescriptiv
analitici
Posibile Majoritatea veniturilor provin Vânzările merg bine pentru Am identificat clienți cu cheltuieli Bazat pe teste, putem
aspecte de la clienți ce cumpără de produse ambalate, dar prost >250$/săptămână care locuiesc sugera combinația
identificate 400-500$ lunar. la produse organice și lângă magazine dar care cumpără perfectă de
Un nr. mare de clienți cu proaspete. rar de la supermarket. publicitate și
venituri reduse nu este Anumiți clienți cu venituri Previzionarea a 1000 de clienți pe evenimente de
profitabil. reduse ar cumpăra mâncare magazin care ar putea crește marketing pentru a
Promovarea prin media este bio sau proaspătă la cheltuielile cu mai mult de 100$ maximiza
costisitoare, dar generează promoție. pe săptămână. randamentul
rezultate mai bune decât Aceștia ar cumpăra mai mult dacă investițiilor de
flyer-ele. li s-ar oferi cupoane de magazin în marketing.
schimbul completării unor Investigarea zilnică a
Analitica Afacerilor, 19-20 mai 2016
8
chestionare (de ex.) sau oferte pe rezultatelor actuale și
mobil, odată ce intră în magazin prescrierea de soluții
(eventual o aplicație în care să-și si teste.
facă o listă de cumpărături).
Programul ar dubla profitul
obținut ca urmare a acestei
politici.
Valoarea O viziune mai clară a ceea ce Identificarea punctelor O mai bună cunoaștere a valorilor Creșterea nr de
adăugată clienții cumpără. slabe. reale și preferințelor de cumpărare vizite/client cu 20%
afacerii Identificarea ariilor cu Identificarea anumitor ale clienților. și a coșului de
performanțe reduse și oportunități potențiale. Abilitatea de a identifica și ținti cu cumpărături/client cu
ridicate. precizie clienți de valoare ridicată 30%.
Identificarea investițiilor și de a crește randamentul Diminuarea pierderii
rentabile. investițiilor. clienților cu 10%.
Îmbunătățirea sortimentelor și a
ratelor de profit prin încurajarea
cumpărăturilor în mixuri de
produse.
Analitica Afacerilor, 19-20 mai 2016
Întrebările sunt divizate în 4 secțiuni (tabel); primele 5 se referă la ce s-a întâmplat până la
momentul respectiv și vizează ariile cu probleme (diagnostic); ultimele 5 vizează opțiuni viitoare
(predictive) și încearcă să genereze soluția optimă prin intermediul analiticilor (prescriptive).
La întrebări trebuie răspuns secvențial, iar ultimele întrebări depind de modul în care se răspunde
la întrebările precedente. De ex., întrebarea/problema reducerii drastice a veniturilor într-un lanț de
magazine poate fi divizată în mai multe subprobleme:
- Nu unde, ci cine? În loc să identificăm reducerea profiturilor sau veniturilor pe
regiuni/magazine/produse, este uneori mai util să ne întrebăm care dintre clienți cumpără mai
puțin (sau chiar mi rău, nu au mai vizitat magazinul). Este destul de dificil însă să identifici
motivele pentru care anumiți clienți nu mai vin sau mai important, cum să remediezi
problema.
- O viziune centrată pe client? Trebuie să cunoști clienții în termeni de ce cumpără, de ce și
cum cumpără. Având aceste răspunsuri, poți grupa clienții în segmente (grupe distincte –
formate pe baza comportamentului lor, atitudinilor, nevoilor și necesităților lor). Ca rezultat,
ei pot răspunde similar la o campanie și pot împărtăși aceleași percepții legate de
brand/produs (trebuie făcută distincția între această segmentare și cea făcută în afacere dpdv
al unor informații anterioare). Astfel de segmente de clienți se pot comporta diferit în timp,
depinzând de modificări în trendurile produselor, cultură, opinii ale liderilor influenți. Dar, în
cadrul aceluiași segment, clienții tind să gândească/simtă/comporte și să cumpere similar.
- Ce și cum cumpără segmentele? Odată ce segmentele sunt identificate, pot fi stabilite
profilurile tipurilor de produse pe care acestea le cumpără, determinând tendințele centrale
ale fiecărui grup (valori medii sau mediane ale diferitelor atribute). Dacă sunt gândite corect
aceste grupuri, atunci membrii unui grup se comportă similar. De asemenea, un segment
căruia îi aparține o persoană este foarte probabil să rămână la fel în timp.
- Ce s-a schimbat? Deși apartenența la un segment poate rămâne statică, comportamentul de
cumpărături se poate schimba în timp datorită condițiilor de piață, promoțiilor, trăsăturilor
produselor, prețurilor. În acest sens, în afaceri trebuie să se monitorizeze trendul/modalitatea
în care segmentele de clienți interacționează cu produsele, promoțiile și brandurile.
- De ce și cât de important? Înțelegând ce s-a întâmplat este numai jumătate din răspuns.
Trebuie să știi/cunoști motivele, să evaluezi impactul acestora supra afacerii și să fii capabil
să prioritizezi/ierarhizezi opțiunile/instrumentele de intervenție.
- Ce se poate face? Odată identificate instrumentele și pârghiile, efectele acestora pot fi izolate
și validate prin testări (folosind grupuri de control).
- Planificarea scenariilor de tip “what if?”. Odată determinate efectele instrumentelor ce pot
fi utilizate, poate fi construit un simulator de tip “what if?” pentru a optimiza combinația
celor mai efective instrumente pentru a produce rezultatele dorite. Pot fi utilizate metrici de
performanță pentru a asigura acuratețea și încrederea.