Den här presentationen hölls 16 oktober 2015 på Dagens Media. Fokus var key take aways från DMAs konferens &THEN i Boston och prediktiv analys.

1. Välkommen

2. Dagens upplägg

3. 1. Take aways från &Then
2. Prediktiv analys
3. Obligatorisk obekväm frågestund
(allt kommer att mailas ut)

5. Kevin Robert Saatchi&Saatchi
Tongivare
Källa:www.brighttalk.comwww.astroman.com

7. Stämningen

8. Källa:http://pagano-7.pbworks.com/

9. Källa:http://learningradiology.com/

10. Källa:
h(p://sonoscan-­‐med.com/

11. Källa:http://www.fotosidan.se/

12. Nya tekniska lösningar
Vi

13. 70%
branschen
25%
branschen
5%
branschen
Skapa
innehåll
Distribuera
innehåll
Följa upp
säljprocesser
30%
40%
30%

14. Content is king but distribution is queen,
and she wears the pants.
- Jonathan Perelman

15. 1.

19. 2.

20. Källa:www.youtube.com

22. Don’t define yourself by what you do or what you sell.
Define yourself by the core of your business.
- John Iwata

23. Källa: en.wikipedia.org

24.
What does it feel like to look like Helvetica?
What does it sound like to sound like Helvetica?

25.
What does it feel like to look like Comic Sans?
What does it sound like to sound like Comic Sans?

29. Källa:http://ltglibraries.libguides.com/

31. 1. Genomsnittlig clickthrough rate på displayannonsering, oavsett format
och placering, är 0.06% (Källa: Display Benchmarks Tool)
2. Uppskattningsvis 50% av klicken på mobilannonsering sker av misstag.
(Källa: GoldSpot Media)
3. 33% av internetanvändarna tycker att displayannonseringen är
outhärdligt. (Källa: Adobe)

32. Errol

35. A 2010 joint study by MIT Sloan Management and the IBM Institute for
Business Value shows analytically mature organizations to be three times
more likely to outperform their less mature competitors;
Top-performers are 5.4 times more likely to use an analytic approach
within their business processes than to rely on intuition.
Analy&cs
is
the
discovery
and
communica;on
of
meaningful
pa(erns
in
data

36. Sense
&
Respond
Predict
&
Act
Compe;;ve
advantage
Analy;cal
maturity
Raw
data
Cleaned
data
Standard
reports
Ad-­‐hoc
reports
What
happened?
Generic
predic;ve
analy;cs
Why
did
it
happen?
Predic;ve
modelling
Op;miza;on
What
will
happen?
What
was
the
best
that
could
happen?

38. Business
understanding
• Iden;fy
project
objec;ves
Data
understanding
• Collect
and
review
data
Data
prepara;on
• Select
and
cleanse
data
Modelling
• Select
modeling
technique
• Generate
test
design
• Build
model
parameters
• Assess
model
Evalua;on
• Evaluate
model
and
conclusions
Deployment
• Apply
conclusions
to
business

39. Prediktiv
modell
Få prediktioner
Ny data Applicera
modell
Segments
modell
Ny data Applicera
modell
Avancerad
analys
Standard
analys
Resultat

40. Obekväm frågestund

41. Stort TACK!
rut.anderson@reaktion.se