Értékteremtő üzleti megoldások a BI segítségével Majorosi Gyöngyvér Értékesítési Vezető LLP Hungary Kft.

Számokról számokban

Gondolta volna? (IBM ) Forrás: http://barnraisersllc.com/?s=big+data

Gondolta volna? (BRITE/NYAMA ) Forrás: http://barnraisersllc.com/?s=big+data

Gondolta volna? (InsightSquared) Forrás: http://barnraisersllc.com/?s=big+data

Gondolta volna? (McKinsey) Forrás: http://barnraisersllc.com/?s=big+data

Ha mindez ennyire egyértelmű, Akkor miért nem használ mindenki BI-t?

Gondolta volna? (McKinsey) Forrás: http://barnraisersllc.com/?s=big+data

Gondolta volna? (McKinsey) Forrás: http://barnraisersllc.com/?s=big+data

MIÉRT?

Miért nehéz pusztán adatokból üzleti értéket teremteni? A fókusz a meglévő rendszerek finomhangolásán van. Egy matematikus/informatikus matematikai/informatikai válaszokat keres. Képes kihasználni a legújabb mesterséges intelligánciára épülő eszköztárat, de az új technológiák hiába jobbak és jobbak, ha még mindig nem a kérdésre adnak választ. Forrás: https://www.linkedin.com/pulse/150-data-scientists-still-business-value-david-stephenson-ph-d?trkInfo=VSRPsearchId%3A568591481487060405325%2CVSRPtargetId%3A6214460263689789440%2CVSRPcmpt%3Aprimary&trk=vsrp_influencer_content_res_name

A sikeres projekt feltételei

Nincsenek adatspecifikus szabályok OPTIMÁLIS FOLYAMAT FELHASZNÁLÓ TECHNOLÓGIA PROAKTÍV REAKTÍV Felelősök, képesítéssel rendelkező felhasználók és a sikeresség definíciója Chief Data Officer felelőssége kiterjed a vállalkozás adatainak teljes egészére AZ ADATBA, MINT STRATÉGIAI ESZKÖZBE, VETETT BIZALOM MÉRTÉKE ISMERETLEN Felelősségi körök egyértlemű megkülönböztetése az üzleti terület és az IT között Az adatkezelési politika alkalmazása minden részlegen a mindennapi működés része Nincsenek adatspecifikus szabályok Nincsenek az adatkezeléssel összefüggő szabályok Adatbázisok kapcsolódásának szabályrendszere Az adatok egységes megközelítése Felátró jellegű elemzések, ok-okozati összefüggések vizsgálata A FELHASZNÁLÓK ÉRETTSÉGE ÉS A RENDELKEZÉSRE ÁLLÓ INFORMÁCIÓ ÉS TECHNOLÓGIA SZINTJE

Az analitikus BI felhasználói modellje ÚJ ADATOK GYŰJTÉSE Esettanulmányok Analízisek Döntés előkészítés Mi lenne ha… ELEMZÉS DÖNTÉS CSELEKVÉS Forás: https://www.linkedin.com/pulse/150-data-scientists-still-business-value-david-stephenson-ph-d?trkInfo=VSRPsearchId%3A568591481487060405325%2CVSRPtargetId%3A6214460263689789440%2CVSRPcmpt%3Aprimary&trk=vsrp_influencer_content_res_name

Leggyakoribb elemzések JÓSLÁS Adott lehetőségek megvalósulása, mekkora valószínűséggel várható? BECSLÉS Az adott változó milyen értéket vehet fel a jövőben? MEGHATÁROZÁS A vizsgált adatok között milyen összefüggés igazolható? SZIMULÁCIÓ Mi történne, ha…? JAVASLAT Mit kellene tenni, ahhoz, hogy…?

Üzleti értékteremtés feltételei

Komplex elemzések elvégzésére alkalmas BI Szakértői csapat Komplex elemzések elvégzésére alkalmas BI megoldás Külső adatbázishoz direkt hozzáférés, strukturált adatok, szükség szerinti felhasználásával. statisztikai módszertan, adatbányászat, pénzügy/közgazdaságtan

Show me the money! LLP OPTEN Infor BI Magyarországon egyedülálló megoldás Show me the money! LLP OPTEN Prediktív elemzésre alkalmas üzleti intelligencia Teljes cégadatbázis Napi frissítés Infor BI A Magyarországon elérhető összes cégadatból CSAK a vállalkozás számára RELEVÁNSAKAT szűri ki.

Értékesítési szempontok alapján: Az adott vállalkozás mekkora valószínűséggel nyitott szerződéskötésre az adott időpillanatban? Potenciális vásárlói érték meghatározása scoring segítségével Potenciális vásárlói hajlandóság meghatározása scoring segítségével ? Az adott vállalkozás mennyire lenne jövedelmező ügyfele az Ön vállalatának? Adott hónapban azon cégek köréből, amelyek feltételezett vásárlói értéke meghaladja a definiált küszöbértéket, melyek esetében nőtt meg a szerződéskötési hajlandóság valószínűsége, ugyancsak előre definiált küszöbérték felettire?

Vevőkockázat kezelési szempontok alapján: NEGATÍV információ NEUTRÁLIS információ POZITÍV információ Meglévő ügyfeleinél, scoring alapján, melyeknél növekedett: a nemfizetés kockázata, csődkockázat? Potenciális ügyfeleknél mekkora a javasolt hitelkeret, halasztott fizetéses szállítás esetén? Meglévő ügyfeleinél, scoring alapján, melyeknél csökkent: a nemfizetés kockázata, csődkockázat? VAGY Meglévő ügyfeleknél mekkora a javasolt hitelkeret, halasztott fizetés esetén?

Show me the money! ÉRTÉKESÍTÉS KOCKÁZATKEZELÉS Jókor, jó helyen! Nő a hatékonyság Nő a volumen Javul az ügyfélbázis Csökken az ügyfélvesztés kockázata Javuló DSO Csökkenő követelésállomány Alacsonyabb behajtási költség Átlátható, tényadatokon nyugvó hitelpolitika Proaktív ügyfélmenedzsment Optimalizált engedménypolitika Csökkenő kockázat  javuló ügyfélbázis Rövidebb döntéshozatali idő  javuló teljesítmény

Felmerülő kérdés esetén, kérem keressen alábbi elérhetőségeimen: Majorosi Gyöngyvér Értékesítési Vezető Email: gyongyver.majorosi@llpgroup.com Tel: (+36) 30 241 2712