Analytický okamžik je poměrně nový pojem – jestliže jste se setkali s podobným pojmem byznys okamžik (business moment), budete asi tušit, co znamená. Byznys okamžik je klíčovým momentem, v němž se spouští řetězec událostí vedoucí typicky k realizaci jedné či více obchodních transakcí. Například rozbití okna při živelní události je takovým okamžikem – jde o počátek pojistné události, která musí projít procesy hlášení, schválení a pojistného plnění na straně pojišťovny a zároveň procesem opravy škody na straně pojistníka a firem, které opravu provedou. Podobným spouštěčem může být například koupě letenky (na níž navazuje například doprava z letiště nebo rezervace ubytování), nebo například hledání nové nemovitosti (nejde jen o samotnou koupi, ale ve hře je obvykle též hypotéka, právní služby související s koupí, následné stavební úpravy apod.).
Ve světě analytiky a datové vědy tomu je podobně – jedna zásadní metrika či KPI, může souviset s řadou dílčích analytických procesů. Příkladem, který je aplikovatelný na většinu organizací nabízející nějaké produkty či služby je odliv zákazníků (měřený obvykle metrikou „customer churn“ – procentem zákazníků které firma během definovaného období ztratila). Pokročilé analytické nástroje lze v případě odlivu zákazníků využít nejen k měření jeho míry, ale také k vytvoření typického „profilu“ zákazníků kteří odešli v minulosti a následnému odhadování pravděpodobnosti odchodu a tvorbě cílených kampaní a nabídek, které omezí odchod dalších zákazníků odpovídajících tomuto profilu. To ovšem vyžaduje jak běžnější datově-analytické nástroje, znalosti (a zdroje dat) jako jsou dohledové panely (dashboards) nebo interaktivní vizualizace, tak některé pokročilejší, například prediktivní a preskriptivní modelování.
Analytické okamžiky, na které se byznys společně se svým datově-analytickým či BI týmem zaměří je třeba předem důkladně vyhodnotit – v prvé řadě z hlediska dopadu na obchodní výsledky a následně s ohledem na náročnost jejich praktického zvládnutí. Řada byznys cílů a příslušných analytických výsledků využívá podobné analytické funkce, proto je potřeba začít na straně potřeb a cílů byznysu a posléze zmapovat jaké funkce jsou pro jejich snazší dosažení k dispozici a jaké bude třeba doplnit. Významný překryv analytických funkcí může být například u zvyšování objemu prodeje a zpomalení odlivu zákazníků, případně s přesnějším předpovídáním poptávky.
„Nepočítejte s tím, že najdete jedno univerzální řešení, které vše pokrývá – neexistuje jeden dodavatel, jeden nástroj ani jeden expert, který by zvládl vše. Budete muset kombinovat širokou škálu funkcí a znalostí,“ vysvětlil na nedávném online brífinku pro uživatele z ČR a SR analytik Gartneru Joao Tapadihnas. „Rozumné je proto začít s jednoduchými projekty, které můžete rychle realizovat – u nichž lze využít řadu již existujících analytických funkcí, nebo které bude možné využít opakovaně i pro další cíle či oddělení podniku.“
Přehled aktuálních témat a studií pokrývajících analytiku a datovou vědu naleznou uživatelé služeb Gartner ve studii Analytics, BI and Data Science Solutions Primer for 2020.
Napsat komentář