Analyse og innsikt

Bedrifter som kan dataanalyse og skaper innsikt fra stordata har et konkurransefortrinn. Arena Data hjelper bedrifter å samle og lagre data som kan brukes for å finne nye sammenhenger og innsikt som fører til økt merverdi.

ADC – Analyse og Innsikt

 

5 steg til bedre beslutningsgrunnlag

 

 

The goal is to turn data into information, and information into insight

-Carly Fiorina

 

Dataanalyse er en prosess som brukes til å inspisere, rense og tolke data med formål om å nå en bestemt konklusjon for en gitt situasjon.

Eksempel: Med et implementert TMS, definerte KPI`er og aktiverte markeds initiativer bruker man dataanalyse for å inspisere, rense og tolke trafikk med sikte på å måle effekt og sammenligne resultater for å skaffe ny innsikt og se nye sammenhenger.

 

Hvorfor er dataanalyse viktig?


Dataanalyse hjelper bedrifter med å utnytte sine data for å identifisere nye muligheter. Dette fører til smartere arbeidsflyt, bedre kundeservice og økt fortjeneste.

 

Tre stadier av analyse

For å legge gode strategier og forbedre markedsinitiativer ser vi på tre ulike stadier av analyse: fortid, nåtid og fremtid.

1. Rapporter fortid:

Ved å analysere fortiden lærer vi om hvilke kampanjer som gjorde det bedre enn andre. Vi finner ut hvilke strategier som bidro til å generere flere konverteringer, hvilke som mislykkes og hvorfor de feilet. På denne måten optimaliserer vi kontinuerlig.

2. Analyser nåtid:

Sanntidsanalyser gjør det mulig å forstå dagens marked bedre. Det hjelper med å forstå hvilke metoder som fungerer, hvordan kundene svarer på markedsplanen din og hvilke forbedringer man kan implementere for å forbedre kampanjer.

3. Estimer fremtid:

Dataanalyse hjelper med å gi en ide om fremtiden. Ved å se på trender og vekst i dagens marked kan vi gjøre forutsetninger basert funnene. Dette åpner for muligheten til lage datadrevet markedsplaner. I tillegg kan man påvirke dagens marked mot å sikre at fremtiden forblir intakt. Kundelojalitet, avkastning på investeringer o.l er elementer som kan påvirkes i dag for å sikre bedre resultater i fremtiden.

Dataanalyse er en prosess som styrkes over tid. (Få hjelp av Torstein til å skrive noe fornuftig om modenhetsmodellen)

 

5 steg til bedre beslutningsgrunnlag

1. Stille riktig spørsmål

 

I en organisasjons- eller bedriftsdataanalyse må man starte med å stille riktige spørsmål. De må være klare, konsise og målbare. Formuler spørsmålene slik at de enten bekrefter eller avkrefter potensielle løsninger på et spesifikt problem eller mulighet.

Eksempel:

Start med et definert problem: Lise´s Vesker får en betydelig økning i husleie. Dette kan resultere i at Lise blir nødt til å nedbemanne for å holde butikken gående. Lise produserer egne vesker, men hvis hun nedbemanner overføres noe av tiden hun bruker i produksjon til betjening, som påvirker pris og truer konkurransedyktighet.

Tradisjonelt ville man stilt spørsmålet: Kan butikken redusere personalkostnader uten at det går på kompromiss av produksjon, service og kvalitet?

Med bakgrunn i digitalisering spør vi: Kan butikken øke online salg for å opprettholde produksjontid uten å endre arbeidsmønsteret i den fysiske butikken?

 

2. Angi klare målprioriteter

 

Bestem hva som skal måles. Bestem hvordan det skal måles.



A) Bestem hva som skal måles


Med utgangspunkt i Lise`s vesker, hva slags data må vi ha for å svare på hovedspørsmålet?

 

“Kan butikken øke online salg for å opprettholde tid til produksjon uten å endre arbeidsmønsteret i den fysiske butikken?”

 

Vi må blant annet vite antall solgte artikler, gjennomsnittlig ordreverdi og prosentandelen av online salg. Alt dette innenfor en bestemt tidsramme.

 

B) Bestem hvordan det skal måles


Hvordan man måler data er like viktig som hva som måles, spesielt før datainnsamlingsfasen. Grunnen til dette er at måleprosessen vil enten støtte eller avfeie analysen.

 

Viktige spørsmål her er:

Hva er tidsrammen? (for eksempel årlige kontra kvartalsvis omsetning)
Hva er måleenheten? (for eksempel NOK mot Euro)

Hvilke faktorer inkluderes? (for eksempel produksjonskostnader i forhold til fortjeneste)

 

Trinn 3: Datainnsamling

 

Med klare, presise og definerte spørsmål i tillegg til angitte målingsprioriteter, er du forberedt på samle inn data.

 

Trinn 4: Analyser data

 

Etter man har samlet data kan man fordype seg i dataanalysen.

Eksempel

Finn korrelasjoner ved å lage en pivottabell. En pivottabell lar deg sortere og filtrere data etter ulike variabler, i tillegg kan man beregne gjennomsnittlig, maksimum, minimum og standardavvik.

 

En innledende analyse av trender, korrelasjoner, variasjoner og avvik hjelper deg med å rette fokuset mot å bedre svare på hovedspørsmålet og eventuelle innvendinger fra andre.

 

Trinn 5: Tolke resultater


Etter å ha analysert dataene, er det på tide å tolke resultatene.

 

Husk!

Man kan aldri verifisere en hypotese. Uansett hvor mye data man samler, kan vilkårlige hendelser alltid forstyrre resultatene.

Når man tolker resultater spør følgende spørsmål:

 

  • Svarer dataene på det opprinnelige spørsmålet ditt?
  • Kan man bruke dataene til å forsvare mot innvendinger?
  • Er det noen begrensninger i konklusjonene, noen vinkler som ikke er vurdert?

Hvis man klarer å besvare disse spørsmålene og overveielsene, har man sannsynligvis kommet til en produktiv konklusjon. Det eneste gjenværende trinnet er å bruke resultatene av dataanalyseprosessen til å bestemme det beste handlingsforløpet.

Disse fem trinnene setter et godt grunnlag for å ta bedre beslutninger. Med datadrevet beslutninger viser man til en robust analyseprosess.

 

Over tid forbedres analysen og gir raskere og mer nøyaktig konklusjoner – som betyr at du tar bedre og mer informerte beslutninger for å drive organisasjonen din mer effektivt.

Vi har løsninger som passer for deg!
1
Arena
Startpakke
Et sterkt fundament er
grunnleggende for å oppnå
digital suksess
2
Arena
Konkurrent
Å være konkurransedyktig online
krever kontinuerlig optimalisering
med datadreven kunnskap
3
Arena Data
Markedsleder
Strategier på tvers av kanaler
Kontinuerlig datadrevet
optimalisering, kompetansebygging, Tett samarbeid.
  • DIGITAL
    RÅDGIVNING
  • OPPSETT OG
    MÅLESTRATEGI
  • DIGITAL
    MARKEDSFØRING
  • ANALYSE OG
    INNSIKT
  • OPTIMALISERING OG
    PERSONALISERING