SlideShare a Scribd company logo
1 of 3
Download to read offline
datamine-sales analytics article-010.doc
Sales Analytics
Ειςαγωγή
Το ςφγχρονο ανταγωνιςτικό περιβάλλον, ςε ςυνδυαςμό με τθ διαρκϊσ εντεινόμενθ προςπάκεια των
επιχειριςεων για άμεςθ και εφςτοχθ ανταπόκριςθ ςτισ ανάγκεσ του πελάτθ, οδθγεί ςε απαιτθτικζσ και ςφνκετεσ
διαδικαςίεσ πϊλθςθσ - τόςο ωσ προσ τθν εκτζλεςθ όςο και ωσ προσ τθν παρακολοφκθςι τουσ. Ταυτόχρονα, οι
διαδικαςίεσ αυτζσ πρζπει να είναι ευκυγραμμιςμζνεσ με ςυγκεκριμζνεσ εςωτερικζσ πολιτικζσ, ςτόχουσ ανάπτυξθσ
ι και περιοριςμοφσ – όπωσ κακορίηονται από τθν εκάςτοτε διοίκθςθ. Η νζα αυτι πραγματικότθτα - πολλαπλζσ
(και κατά περίπτωςθ ανταγωνιςτικζσ) διαδικαςίεσ που εμπλζκονται ςτον κφκλο πώλθςθσ τθσ τυπικισ επιχείρθςθσ,
ςε ςυνδυαςμό με τισ ιδιαίτερα αυξθμζνεσ απαιτιςεισ από τθν πλευρά του πελάτθ- αναδεικνφει τθν ανεπάρκεια
των παραδοςιακϊν μεκόδων ανάλυςθσ πωλιςεων και προςδιορίηει τθν ανάγκθ για αποτελεςματική ανάλυςη
του κφκλου πώληςησ.
Οριςμόσ
Με τον όρο ‘sales analytics’ αναφερόμαςτε ςε μία εξελιγμζνθ υποδομι πλθροφοριακϊν ςυςτθμάτων που
επιτρζπει τθν άμεςθ, πολυδιάςτατθ παρακολοφκθςθ και ανάλυςθ του κφκλου πϊλθςθσ, κακϊσ και τθν
κατάλλθλθ παρουςίαςθ των αποτελεςμάτων. Βαςικόσ ςτόχοσ είναι θ κατανόθςθ των εςωτερικϊν διεργαςιϊν και
παραγόντων που επθρεάηουν το αποτζλεςμα με απϊτερο ςκοπό τθν λειτουργία μιασ γενικευμζνθσ πλατφόρμασ
υποςτήριξησ αποφάςεων ςχετικά με sales activities, policies & strategies.
Σε αντίκεςθ με τισ κλαςςικζσ προςεγγίςεισ ανάλυςθσ πωλιςεων οι λφςεισ sales analytics επιχειροφν να
παρουςιάςουν ςφαιρικι εικόνα τθσ όλθσ διαδικαςίασ (από το Lead και για όλο το life cycle του πελάτθ), μζςα από
εφχρθςτα περιβάλλοντα δυναμικϊν αναφορϊν και ανάλυςθσ δεδομζνων. Παρζχουν τθ δυνατότθτα άμεςθσ
μετάβαςθσ από macro ςε micro προοπτικι και αντίςτροφα, καλφπτοντασ ζτςι ανάγκεσ ςε κάκε επίπεδο - από τον
sales representative ζωσ και το top management τθσ επιχείρθςθσ.
Χαρακτθριςτικά ςενάρια sales analytics αφοροφν ςε ανάλυςθ αποτελεςματικότθτασ του δικτφου πωλιςεων,
αξιολόγθςθ ενεργειϊν μάρκετινγκ & διαχείριςθσ καμπάνιασ, δείκτεσ ανταπόκριςθσ πελατών, μετατροπισ
ενδιαφζροντοσ ςε αίτθςθ, αποτελεςματικότθτα διαδικαςίασ επεξεργαςίασ αιτιςεων, δείκτεσ μετατροπισ ςε
πώλθςθ και παρακολοφκθςθ τθσ μετζπειτα χριςθσ/ κερδοφορίασ και γενικά τθσ εξζλιξθσ τθσ πελατειακισ ςχζςθσ,
ςυςτθματικι παραγωγι και παρουςίαςθ KPIs για τθν όλθ διαδικαςία.
‘Παραδοςιακό reporting’ versus ‘Sales analytics’
Η τυπικι προςζγγιςθ ανάλυςθσ δεδομζνων πωλιςεων βαςίηεται κυρίωσ ςε ςφνολο προκακοριςμζνων, ςτατικϊν
αναφορϊν που αποτυπϊνουν ςυγκεκριμζνα μεγζκθ ςτισ βαςικζσ μόνο διαςτάςεισ: οι αποςπαςματικζσ,
‘αυτόνομεσ’ sales αναφορζσ, απλά αποτυπϊνουν μία πραγματικότθτα (αποτελζςματα πωλιςεων ςυγκεκριμζνθσ
περιόδου) με περιοριςμζνθ ι και ανφπαρκτθ λειτουργικότθτα ανάλυςθσ των εςωτερικϊν διαδικαςιϊν/
παραγόντων που τθν διαμορφϊνουν.
Χαρακτθριςτικά παραδείγματα αποτελοφν οι περιοδικζσ αναφορζσ πωλιςεων που παρουςιάηουν τα
αποτελζςματα με τρόπο δεδομζνο, ςτατικό και ςυνικωσ ιδιαίτερα περιοριςτικό: πωλιςεισ ανά προϊόν και μινα,
κατάςτθμα ι segment πελάτθ ι παραλλαγζσ αυτϊν απαντοφν ςε βαςικά μόνο επιχειρθματικά ερωτιματα. Η δομι
των αναφορϊν αυτϊν είναι τζτοια που δεν παρζχει τθ δυνατότθτα δυναμικισ ανάλυςθσ / αλλθλεπίδραςθσ (drill
down & drill through) ι περεταίρω ςυςχζτιςθσ και ςφγκριςθσ των αποτελεςμάτων. Σε γενικζσ γραμμζσ, το
παραδοςιακό sales reporting είναι προςανατολιςμζνο ςτο ‘τι ζγινε’ και όχι ςτο ‘γιατί ζγινε’ ι ‘ποιοι είναι οι
παράγοντεσ που επθρεάηουν και πόςο’. Το τελευταίο (θ αναηιτθςθ αιτίου-αιτιατοφ, ςυςχετίςεων και θ
υποςτιριξθ ςφνκετων ςεναρίων) αποτελεί τον βαςικό άξονα ςχεδιαςμοφ μίασ sales analytics υποδομισ – θ
μετάβαςθ από μία λογικι ‘black box’ ςε μία αρχιτεκτονικι sales insight/ dynamics.
datamine-sales analytics article-010.doc
Τα ςυςτατικά ςτοιχεία μίασ Sales analytics υποδομισ
Προχπόκεςθ για μία τζτοια υλοποίθςθ αποτελεί θ ςυςτθματικι ςυγκζντρωςθ, επεξεργαςία, τυποποίθςθ και
οργάνωςθ των δεδομζνων ςε μία κεντρικι βάςθ θ οποία κα αποτελεί το ςθμείο αναφοράσ ςχετικά με sales
activities τθσ εταιρείασ - Sales Analytics database ι sales datamart. Το εφροσ, θ αξιοπιςτία, θ λεπτομζρεια και θ
ςυχνότθτα ενθμζρωςθσ των δεδομζνων του sales data mart κακορίηει ςε ιδιαίτερα μεγάλο βακμό τθν επιτυχία
τθσ όλθσ προςπάκειασ. Τα δεδομζνα που κεωροφνται απαραίτθτα ςε τζτοιου είδουσ υλοποιιςεισ αφοροφν:
 Τθ δομι, τισ δραςτθριότθτεσ και διαδικαςίεσ τθσ επιχείρθςθσ όπωσ ο αναλυτικόσ κατάλογοσ
προϊόντων/υπθρεςιϊν, θ δομι του δικτφου καταςτθμάτων, το ανκρϊπινο δυναμικό που ςτελεχϊνει τθν
ομάδα πϊλθςθσ, οι διαδικαςίεσ αξιολόγθςθσ αιτιςεων, βιματα – φάςεισ του κφκλου πϊλθςθσ, εξωτερικοί
παράγοντεσ και διαδικαςίεσ.
 Τθ ςχζςθ με τον πελάτθ: Αιτιςεισ, αγορζσ-ςυμβόλαια, ιςτορικό επικοινωνίασ, χριςθ προϊόντων και
υπθρεςιϊν, ςτοιχεία χρεϊςεων και πλθρωμϊν, analytical CRM πλθροφορία, ποιότθτα - κερδοφορία και
φερεγγυότθτα του πελάτθ.
 Τισ ενζργειεσ marketing, τα προγράμματα loyalty, campaigns, complaints και customer satisfaction
μετριςεισ.
Τα δεδομζνα που ςυγκεντρϊνονται ςτο sales data mart, επεξεργάηονται κατάλλθλα ϊςτε να υποςτθριχκοφν τα
απαραίτθτα KPIs (conversion rates, rejection rates & credit policy evaluation, αποτελεςματικότθτα πώλθςθσ, θ
ποιότθτα πώλθςθσ - πόςο καλοί αποδεικνφονται οι πελάτεσ μετά από ςυγκεκριμζνθ χρονικι περίοδο). Τα
δεδομζνα είναι δυνατό να προζρχονται ςε μεγάλο βακμό από μία υφιςτάμενθ SFA εφαρμογι, από το corporate
data warehouse ι και απ’ ευκείασ από τα παραγωγικά ςυςτιματα.
Η Αξία των λφςεων Sales analytics
Μία ϊριμθ και ολοκλθρωμζνθ λφςθ sales analytics μπορεί να ενιςχφςει ςθμαντικά τθ διαδικαςία λιψθσ
αποφάςεων, να οδθγιςει ςε ανταγωνιςτικά πλεονεκτιματα και ςε επιχειρθματικι γνϊςθ ικανι να βελτιϊςει
δραςτικά τισ κακθμερινζσ δραςτθριότθτεσ και τθ ςυνολικι απόδοςθ τθσ επιχείρθςθσ.
 Σε επίπεδο Sales representative, επιτρζπει τθν άμεςθ παρακολοφκθςθ των κακθμερινϊν εργαςιϊν, τθν
ανάλυςθ και προβολι τθσ απόδοςθσ ςε ςχζςθ με το ςφνολο ι ςυγκεκριμζνεσ υποομάδεσ του sales force.
 Οι Sales managers μποροφν να αναλφουν τθν απόδοςθ τθσ ομάδασ, να μελετοφν ςενάρια
αποτελεςματικότερθσ οργάνωςθσ, να εντοπίηουν προβλιματα ι και ευκαιρίεσ βελτίωςθσ τόςο ςε
επίπεδο ανκρωπίνων πόρων όςο και ςε επίπεδο διαδικαςιϊν.
 Οι marketing users είναι ςε κζςθ να ςχεδιάηουν εφςτοχεσ καμπάνιεσ (target group design για cross-
selling – up selling, performance evaluation & optimization).
 Οι business analysts μποροφν να αναλφουν μακροπρόκεςμα μεγζκθ τθσ πελατειακισ βάςθσ και να
προτείνουν ςτρατθγικζσ πϊλθςθσ κζτοντασ ποςοτικοφσ και ποιοτικοφσ ςτόχουσ.
 Σε επίπεδο top management, παρζχεται δυνατότθτα ανάλυςθσ και άμεςθσ ενθμζρωςθσ για τθν
αποτελεςματικότθτα των πωλιςεων, μζςω κατάλλθλων KPIs που αποτυπϊνουν τθν απόδοςθ τθσ
‘μθχανισ πϊλθςθσ’ ανά πάςα ςτιγμι και ςυγκριτικά με οποιαδιποτε άλλθ χρονικι περίοδο.
Τα πλεονεκτιματα που προκφπτουν από τθν υιοκζτθςθ sales analytics τεχνολογιϊν είναι πολλαπλά και ορατά ςε
διάφορα επίπεδα και λειτουργίεσ τθσ επιχείρθςθσ:
datamine-sales analytics article-010.doc
 Ανάλυςη δεδομζνων & παρουςίαςη: Εντυπωςιακζσ δυνατότθτεσ ανάλυςθσ δεδομζνων ςε πολλαπλοφσ
άξονεσ με ςυνδυαςμό μετριςιμων μεγεκϊν και φίλτρων: δυναμικζσ αναλφςεισ πωλιςεων και ςχετικϊν
ενεργειϊν, αναφορικά/ςυγκριτικά με προςαρμοςμζνεσ από το χριςτθ χρονικζσ περιόδουσ και με χριςθ
πολφπλοκων ςυνδυαςμϊν φίλτρων.
 Εφςτοχη και αποτελεςματική πληροφόρηςη: Διαμόρφωςθ κατάλλθλθσ προοπτικισ πάνω ςτα ίδια
δεδομζνα ανάλογα με τθν κατθγορία του χριςτθ (executive dashboards με KPIs και statistics για το top
management, marketing ι sales προοπτικι με ζμφαςθ ςε ςτοιχεία παραγωγισ, απόδοςθσ ομάδοσ ι
campaign ROI).
 Αυτοματοποίηςη, Ενοποιημζνο περιβάλλον αναφορών: Αντικατάςταςθ των παραδοςιακϊν περιοδικϊν
αναφορϊν με On-line, near-real time sales reporting και ελαχιςτοποίθςθ του effort που απαιτείται για τθν
παραγωγι ςυντιρθςθ, validation των δεδομζνων.
 Έλεγχοσ πρόςβαςησ – προςταςία δεδομζνων: Ευζλικτο μθχανιςμό ελζγχου και ανάλυςθσ πρόςβαςθσ, με
ςκοπό τθν καλφτερθ διαχείριςθ τθσ ευαίςκθτθσ πλθροφορίασ.
Οι λφςεισ sales analytics διαμορφϊνουν ζνα πλαίςιο υποςτήριξησ αποφάςεων και διαμόρφωςθσ πολιτικϊν που -
ςε ςυνδυαςμό με τθν υιοκζτθςθ νζων πρακτικϊν από τα ςτελζχθ τθσ επιχείρθςθσ (κατάλλθλθ αξιοποίθςθ τθσ
πλθροφορίασ και τθσ ςυςςωρευόμενθσ γνϊςθσ) - μπορεί να οδθγιςει ςε εντυπωςιακι βελτίωςθ τθσ απόδοςθσ
τθσ επιχείρθςθσ.
About the author
Ο κ. Κραςαδάκθσ, είναι ο ιδρυτισ και διευκυντισ τθσ εταιρείασ datamine – decision support systems. Διακζτει πολυετι
εμπειρία ςτο ςχεδιαςμό εξειδικευμζνων πλθροφοριακϊν ςυςτθμάτων διαχείριςθσ και μοντελοποίθςθσ πελατϊν,
Business Intelligence & Customer Analytics.
About datamine
Η datamine δραςτθριοποιείται ςτον ευρφτερο χϊρο τθσ πλθροφορικισ, δίνοντασ ζμφαςθ ςτθν αξιοποίθςθ τεχνολογιϊν
μοντελοποίθςθσ δεδομζνων με χριςθ μεκόδων data mining και ςτατιςτικϊν μοντζλων. Κφριεσ περιοχζσ εφαρμογισ
αποτελοφν θ διαχείριςθ ςχζςεων πελατϊν (CRM), Customer Analytics και Business Intelligence. Για περιςςότερεσ
πλθροφορίεσ:
22 Ethnikis Antistasis Avenue
15232 Chalandri, Athens, GR
Tel (+30) 210.68.99.960
Fax (+30) 210.68.99.968
info@datamine.gr
http://www.datamine.gr

More Related Content

Viewers also liked

Risk assessment template media
Risk assessment template mediaRisk assessment template media
Risk assessment template media
Anthony Hanson
 
Risk Assessment Template
Risk Assessment TemplateRisk Assessment Template
Risk Assessment Template
Jordan Hoilett
 
7 cases of risk probality measurement
7 cases of risk probality measurement7 cases of risk probality measurement
7 cases of risk probality measurement
Aleksey Lukatskiy
 

Viewers also liked (13)

Risk assessment template media
Risk assessment template mediaRisk assessment template media
Risk assessment template media
 
2016 Annual General & Special Meeting of Shareholders
2016 Annual General & Special Meeting of Shareholders2016 Annual General & Special Meeting of Shareholders
2016 Annual General & Special Meeting of Shareholders
 
Annual report 2015
Annual report 2015Annual report 2015
Annual report 2015
 
CONSUMER CREDIT RISK ASSESMENT, PREDICTION & MANAGEMENT SYSTEM
CONSUMER CREDIT RISK ASSESMENT, PREDICTION & MANAGEMENT SYSTEMCONSUMER CREDIT RISK ASSESMENT, PREDICTION & MANAGEMENT SYSTEM
CONSUMER CREDIT RISK ASSESMENT, PREDICTION & MANAGEMENT SYSTEM
 
Risk Assessment Template
Risk Assessment TemplateRisk Assessment Template
Risk Assessment Template
 
7 cases of risk probality measurement
7 cases of risk probality measurement7 cases of risk probality measurement
7 cases of risk probality measurement
 
Vital signs
Vital signsVital signs
Vital signs
 
Programa atrévete a emprender - ematris
Programa atrévete a emprender - ematrisPrograma atrévete a emprender - ematris
Programa atrévete a emprender - ematris
 
Hays Plc Annual Report 2016
Hays Plc Annual Report 2016Hays Plc Annual Report 2016
Hays Plc Annual Report 2016
 
Annual Report Insights 2016 Planning your report
Annual Report Insights 2016 Planning your reportAnnual Report Insights 2016 Planning your report
Annual Report Insights 2016 Planning your report
 
Risk assesment template
Risk assesment templateRisk assesment template
Risk assesment template
 
Deloitte UK State of the State Report 2016-17
Deloitte UK State of the State Report 2016-17Deloitte UK State of the State Report 2016-17
Deloitte UK State of the State Report 2016-17
 
Succession “Losers”: What Happens to Executives Passed Over for the CEO Job?
Succession “Losers”: What Happens to Executives Passed Over for the CEO Job? Succession “Losers”: What Happens to Executives Passed Over for the CEO Job?
Succession “Losers”: What Happens to Executives Passed Over for the CEO Job?
 

Similar to Sales Analytics

ΠΡΟΤΑΣΗ , ΔΗΜΙΟΥΡΓΙΑ ΕΚΔΟΤΙΚΗΣ ΕΤΑΡΙΑΣ , ΩΦΕΛΗ
ΠΡΟΤΑΣΗ , ΔΗΜΙΟΥΡΓΙΑ ΕΚΔΟΤΙΚΗΣ ΕΤΑΡΙΑΣ , ΩΦΕΛΗΠΡΟΤΑΣΗ , ΔΗΜΙΟΥΡΓΙΑ ΕΚΔΟΤΙΚΗΣ ΕΤΑΡΙΑΣ , ΩΦΕΛΗ
ΠΡΟΤΑΣΗ , ΔΗΜΙΟΥΡΓΙΑ ΕΚΔΟΤΙΚΗΣ ΕΤΑΡΙΑΣ , ΩΦΕΛΗ
ACTIONLINE, HIGH FIDELITY
 

Similar to Sales Analytics (20)

Sales Analytics (in Greek)
Sales Analytics (in Greek)Sales Analytics (in Greek)
Sales Analytics (in Greek)
 
ANALYTICAL CRM
ANALYTICAL CRMANALYTICAL CRM
ANALYTICAL CRM
 
Pharma & Health Conference 2017, Σωτήρης Κούκιας
Pharma & Health Conference 2017, Σωτήρης ΚούκιαςPharma & Health Conference 2017, Σωτήρης Κούκιας
Pharma & Health Conference 2017, Σωτήρης Κούκιας
 
Επαναπροσδιορίζοντας το CRM
Επαναπροσδιορίζοντας το CRMΕπαναπροσδιορίζοντας το CRM
Επαναπροσδιορίζοντας το CRM
 
Loyalties
LoyaltiesLoyalties
Loyalties
 
Πρόγραμμα Loyalties
Πρόγραμμα LoyaltiesΠρόγραμμα Loyalties
Πρόγραμμα Loyalties
 
ITMC Technology Enabled Business Solutions
ITMC Technology Enabled Business SolutionsITMC Technology Enabled Business Solutions
ITMC Technology Enabled Business Solutions
 
Digital Strategy | Sergios Dimitriadis | AUEB
Digital Strategy  | Sergios Dimitriadis | AUEBDigital Strategy  | Sergios Dimitriadis | AUEB
Digital Strategy | Sergios Dimitriadis | AUEB
 
Key Account Management
Key Account ManagementKey Account Management
Key Account Management
 
Business Performance Management
Business Performance ManagementBusiness Performance Management
Business Performance Management
 
Marketing.ppt
Marketing.pptMarketing.ppt
Marketing.ppt
 
Key Account Management (Greek)
Key Account Management (Greek)Key Account Management (Greek)
Key Account Management (Greek)
 
SOCIALFIRE.TECH Social Media Agency | Athina | Greece | Marketing | ROI pres...
SOCIALFIRE.TECH  Social Media Agency | Athina | Greece | Marketing | ROI pres...SOCIALFIRE.TECH  Social Media Agency | Athina | Greece | Marketing | ROI pres...
SOCIALFIRE.TECH Social Media Agency | Athina | Greece | Marketing | ROI pres...
 
Digital transformation and Business
Digital transformation and BusinessDigital transformation and Business
Digital transformation and Business
 
StayOn_Environmental_Chapter 2.pptx
StayOn_Environmental_Chapter 2.pptxStayOn_Environmental_Chapter 2.pptx
StayOn_Environmental_Chapter 2.pptx
 
Biz miz o1 m6_u6.2.r6_cy
Biz miz o1 m6_u6.2.r6_cyBiz miz o1 m6_u6.2.r6_cy
Biz miz o1 m6_u6.2.r6_cy
 
Effectiveness of Online Campaign
Effectiveness of Online CampaignEffectiveness of Online Campaign
Effectiveness of Online Campaign
 
Action line bank productivity plan
Action line bank productivity  planAction line bank productivity  plan
Action line bank productivity plan
 
ΠΡΟΤΑΣΗ , ΔΗΜΙΟΥΡΓΙΑ ΕΚΔΟΤΙΚΗΣ ΕΤΑΡΙΑΣ , ΩΦΕΛΗ
ΠΡΟΤΑΣΗ , ΔΗΜΙΟΥΡΓΙΑ ΕΚΔΟΤΙΚΗΣ ΕΤΑΡΙΑΣ , ΩΦΕΛΗΠΡΟΤΑΣΗ , ΔΗΜΙΟΥΡΓΙΑ ΕΚΔΟΤΙΚΗΣ ΕΤΑΡΙΑΣ , ΩΦΕΛΗ
ΠΡΟΤΑΣΗ , ΔΗΜΙΟΥΡΓΙΑ ΕΚΔΟΤΙΚΗΣ ΕΤΑΡΙΑΣ , ΩΦΕΛΗ
 
CEO 2016 Stefanos Komninos
CEO 2016 Stefanos KomninosCEO 2016 Stefanos Komninos
CEO 2016 Stefanos Komninos
 

More from George Krasadakis

More from George Krasadakis (20)

INNOVATION IN THE ERA OF LOCKDOWN
INNOVATION IN THE ERA OF LOCKDOWNINNOVATION IN THE ERA OF LOCKDOWN
INNOVATION IN THE ERA OF LOCKDOWN
 
From an idea to an MVP: a guide for startups
From an idea to an MVP: a guide for startupsFrom an idea to an MVP: a guide for startups
From an idea to an MVP: a guide for startups
 
Prototyping and MVPs for startups
Prototyping and MVPs for startupsPrototyping and MVPs for startups
Prototyping and MVPs for startups
 
How to win the hackathon!
How to win the hackathon!How to win the hackathon!
How to win the hackathon!
 
How to run a successful corporate hackathon
How to run a successful corporate hackathonHow to run a successful corporate hackathon
How to run a successful corporate hackathon
 
2018 innovation trends and opportunities medium
2018 innovation trends and opportunities medium2018 innovation trends and opportunities medium
2018 innovation trends and opportunities medium
 
Datamine information technologies
Datamine information technologiesDatamine information technologies
Datamine information technologies
 
DATAMINE-CAS for banking-business-summary
DATAMINE-CAS for banking-business-summaryDATAMINE-CAS for banking-business-summary
DATAMINE-CAS for banking-business-summary
 
Datamine Competition Analysis, for Retailers
Datamine Competition Analysis, for RetailersDatamine Competition Analysis, for Retailers
Datamine Competition Analysis, for Retailers
 
Datamine - CAS: Competition Analysis, for Telcos
Datamine - CAS: Competition Analysis, for TelcosDatamine - CAS: Competition Analysis, for Telcos
Datamine - CAS: Competition Analysis, for Telcos
 
Datamine- Customer Feedback Management
Datamine- Customer Feedback ManagementDatamine- Customer Feedback Management
Datamine- Customer Feedback Management
 
Gamified Adaptive Digital Disc Jockey
Gamified Adaptive Digital Disc JockeyGamified Adaptive Digital Disc Jockey
Gamified Adaptive Digital Disc Jockey
 
Implicitly adaptive eye-tracking user interface
Implicitly adaptive eye-tracking user interfaceImplicitly adaptive eye-tracking user interface
Implicitly adaptive eye-tracking user interface
 
ORGANIZATION, RETRIEVAL, ANNOTATION AND PRESENTATION OF MEDIA DATA FLES USING...
ORGANIZATION, RETRIEVAL, ANNOTATION AND PRESENTATION OF MEDIA DATA FLES USING...ORGANIZATION, RETRIEVAL, ANNOTATION AND PRESENTATION OF MEDIA DATA FLES USING...
ORGANIZATION, RETRIEVAL, ANNOTATION AND PRESENTATION OF MEDIA DATA FLES USING...
 
Campaign optimization using Business Intelligence and Data Mining
Campaign optimization using Business Intelligence and Data MiningCampaign optimization using Business Intelligence and Data Mining
Campaign optimization using Business Intelligence and Data Mining
 
Competition Analysis System for Telecommunications
Competition Analysis System for TelecommunicationsCompetition Analysis System for Telecommunications
Competition Analysis System for Telecommunications
 
CORPORATE CRITERION
CORPORATE CRITERIONCORPORATE CRITERION
CORPORATE CRITERION
 
Information technologies & Analytics for Telcos & ISPs
Information technologies & Analytics for Telcos & ISPsInformation technologies & Analytics for Telcos & ISPs
Information technologies & Analytics for Telcos & ISPs
 
Customer Satisfaction & Complaint Management
Customer Satisfaction & Complaint ManagementCustomer Satisfaction & Complaint Management
Customer Satisfaction & Complaint Management
 
Customer Analytics & Segmentation
Customer Analytics & SegmentationCustomer Analytics & Segmentation
Customer Analytics & Segmentation
 

Sales Analytics

  • 1. datamine-sales analytics article-010.doc Sales Analytics Ειςαγωγή Το ςφγχρονο ανταγωνιςτικό περιβάλλον, ςε ςυνδυαςμό με τθ διαρκϊσ εντεινόμενθ προςπάκεια των επιχειριςεων για άμεςθ και εφςτοχθ ανταπόκριςθ ςτισ ανάγκεσ του πελάτθ, οδθγεί ςε απαιτθτικζσ και ςφνκετεσ διαδικαςίεσ πϊλθςθσ - τόςο ωσ προσ τθν εκτζλεςθ όςο και ωσ προσ τθν παρακολοφκθςι τουσ. Ταυτόχρονα, οι διαδικαςίεσ αυτζσ πρζπει να είναι ευκυγραμμιςμζνεσ με ςυγκεκριμζνεσ εςωτερικζσ πολιτικζσ, ςτόχουσ ανάπτυξθσ ι και περιοριςμοφσ – όπωσ κακορίηονται από τθν εκάςτοτε διοίκθςθ. Η νζα αυτι πραγματικότθτα - πολλαπλζσ (και κατά περίπτωςθ ανταγωνιςτικζσ) διαδικαςίεσ που εμπλζκονται ςτον κφκλο πώλθςθσ τθσ τυπικισ επιχείρθςθσ, ςε ςυνδυαςμό με τισ ιδιαίτερα αυξθμζνεσ απαιτιςεισ από τθν πλευρά του πελάτθ- αναδεικνφει τθν ανεπάρκεια των παραδοςιακϊν μεκόδων ανάλυςθσ πωλιςεων και προςδιορίηει τθν ανάγκθ για αποτελεςματική ανάλυςη του κφκλου πώληςησ. Οριςμόσ Με τον όρο ‘sales analytics’ αναφερόμαςτε ςε μία εξελιγμζνθ υποδομι πλθροφοριακϊν ςυςτθμάτων που επιτρζπει τθν άμεςθ, πολυδιάςτατθ παρακολοφκθςθ και ανάλυςθ του κφκλου πϊλθςθσ, κακϊσ και τθν κατάλλθλθ παρουςίαςθ των αποτελεςμάτων. Βαςικόσ ςτόχοσ είναι θ κατανόθςθ των εςωτερικϊν διεργαςιϊν και παραγόντων που επθρεάηουν το αποτζλεςμα με απϊτερο ςκοπό τθν λειτουργία μιασ γενικευμζνθσ πλατφόρμασ υποςτήριξησ αποφάςεων ςχετικά με sales activities, policies & strategies. Σε αντίκεςθ με τισ κλαςςικζσ προςεγγίςεισ ανάλυςθσ πωλιςεων οι λφςεισ sales analytics επιχειροφν να παρουςιάςουν ςφαιρικι εικόνα τθσ όλθσ διαδικαςίασ (από το Lead και για όλο το life cycle του πελάτθ), μζςα από εφχρθςτα περιβάλλοντα δυναμικϊν αναφορϊν και ανάλυςθσ δεδομζνων. Παρζχουν τθ δυνατότθτα άμεςθσ μετάβαςθσ από macro ςε micro προοπτικι και αντίςτροφα, καλφπτοντασ ζτςι ανάγκεσ ςε κάκε επίπεδο - από τον sales representative ζωσ και το top management τθσ επιχείρθςθσ. Χαρακτθριςτικά ςενάρια sales analytics αφοροφν ςε ανάλυςθ αποτελεςματικότθτασ του δικτφου πωλιςεων, αξιολόγθςθ ενεργειϊν μάρκετινγκ & διαχείριςθσ καμπάνιασ, δείκτεσ ανταπόκριςθσ πελατών, μετατροπισ ενδιαφζροντοσ ςε αίτθςθ, αποτελεςματικότθτα διαδικαςίασ επεξεργαςίασ αιτιςεων, δείκτεσ μετατροπισ ςε πώλθςθ και παρακολοφκθςθ τθσ μετζπειτα χριςθσ/ κερδοφορίασ και γενικά τθσ εξζλιξθσ τθσ πελατειακισ ςχζςθσ, ςυςτθματικι παραγωγι και παρουςίαςθ KPIs για τθν όλθ διαδικαςία. ‘Παραδοςιακό reporting’ versus ‘Sales analytics’ Η τυπικι προςζγγιςθ ανάλυςθσ δεδομζνων πωλιςεων βαςίηεται κυρίωσ ςε ςφνολο προκακοριςμζνων, ςτατικϊν αναφορϊν που αποτυπϊνουν ςυγκεκριμζνα μεγζκθ ςτισ βαςικζσ μόνο διαςτάςεισ: οι αποςπαςματικζσ, ‘αυτόνομεσ’ sales αναφορζσ, απλά αποτυπϊνουν μία πραγματικότθτα (αποτελζςματα πωλιςεων ςυγκεκριμζνθσ περιόδου) με περιοριςμζνθ ι και ανφπαρκτθ λειτουργικότθτα ανάλυςθσ των εςωτερικϊν διαδικαςιϊν/ παραγόντων που τθν διαμορφϊνουν. Χαρακτθριςτικά παραδείγματα αποτελοφν οι περιοδικζσ αναφορζσ πωλιςεων που παρουςιάηουν τα αποτελζςματα με τρόπο δεδομζνο, ςτατικό και ςυνικωσ ιδιαίτερα περιοριςτικό: πωλιςεισ ανά προϊόν και μινα, κατάςτθμα ι segment πελάτθ ι παραλλαγζσ αυτϊν απαντοφν ςε βαςικά μόνο επιχειρθματικά ερωτιματα. Η δομι των αναφορϊν αυτϊν είναι τζτοια που δεν παρζχει τθ δυνατότθτα δυναμικισ ανάλυςθσ / αλλθλεπίδραςθσ (drill down & drill through) ι περεταίρω ςυςχζτιςθσ και ςφγκριςθσ των αποτελεςμάτων. Σε γενικζσ γραμμζσ, το παραδοςιακό sales reporting είναι προςανατολιςμζνο ςτο ‘τι ζγινε’ και όχι ςτο ‘γιατί ζγινε’ ι ‘ποιοι είναι οι παράγοντεσ που επθρεάηουν και πόςο’. Το τελευταίο (θ αναηιτθςθ αιτίου-αιτιατοφ, ςυςχετίςεων και θ υποςτιριξθ ςφνκετων ςεναρίων) αποτελεί τον βαςικό άξονα ςχεδιαςμοφ μίασ sales analytics υποδομισ – θ μετάβαςθ από μία λογικι ‘black box’ ςε μία αρχιτεκτονικι sales insight/ dynamics.
  • 2. datamine-sales analytics article-010.doc Τα ςυςτατικά ςτοιχεία μίασ Sales analytics υποδομισ Προχπόκεςθ για μία τζτοια υλοποίθςθ αποτελεί θ ςυςτθματικι ςυγκζντρωςθ, επεξεργαςία, τυποποίθςθ και οργάνωςθ των δεδομζνων ςε μία κεντρικι βάςθ θ οποία κα αποτελεί το ςθμείο αναφοράσ ςχετικά με sales activities τθσ εταιρείασ - Sales Analytics database ι sales datamart. Το εφροσ, θ αξιοπιςτία, θ λεπτομζρεια και θ ςυχνότθτα ενθμζρωςθσ των δεδομζνων του sales data mart κακορίηει ςε ιδιαίτερα μεγάλο βακμό τθν επιτυχία τθσ όλθσ προςπάκειασ. Τα δεδομζνα που κεωροφνται απαραίτθτα ςε τζτοιου είδουσ υλοποιιςεισ αφοροφν:  Τθ δομι, τισ δραςτθριότθτεσ και διαδικαςίεσ τθσ επιχείρθςθσ όπωσ ο αναλυτικόσ κατάλογοσ προϊόντων/υπθρεςιϊν, θ δομι του δικτφου καταςτθμάτων, το ανκρϊπινο δυναμικό που ςτελεχϊνει τθν ομάδα πϊλθςθσ, οι διαδικαςίεσ αξιολόγθςθσ αιτιςεων, βιματα – φάςεισ του κφκλου πϊλθςθσ, εξωτερικοί παράγοντεσ και διαδικαςίεσ.  Τθ ςχζςθ με τον πελάτθ: Αιτιςεισ, αγορζσ-ςυμβόλαια, ιςτορικό επικοινωνίασ, χριςθ προϊόντων και υπθρεςιϊν, ςτοιχεία χρεϊςεων και πλθρωμϊν, analytical CRM πλθροφορία, ποιότθτα - κερδοφορία και φερεγγυότθτα του πελάτθ.  Τισ ενζργειεσ marketing, τα προγράμματα loyalty, campaigns, complaints και customer satisfaction μετριςεισ. Τα δεδομζνα που ςυγκεντρϊνονται ςτο sales data mart, επεξεργάηονται κατάλλθλα ϊςτε να υποςτθριχκοφν τα απαραίτθτα KPIs (conversion rates, rejection rates & credit policy evaluation, αποτελεςματικότθτα πώλθςθσ, θ ποιότθτα πώλθςθσ - πόςο καλοί αποδεικνφονται οι πελάτεσ μετά από ςυγκεκριμζνθ χρονικι περίοδο). Τα δεδομζνα είναι δυνατό να προζρχονται ςε μεγάλο βακμό από μία υφιςτάμενθ SFA εφαρμογι, από το corporate data warehouse ι και απ’ ευκείασ από τα παραγωγικά ςυςτιματα. Η Αξία των λφςεων Sales analytics Μία ϊριμθ και ολοκλθρωμζνθ λφςθ sales analytics μπορεί να ενιςχφςει ςθμαντικά τθ διαδικαςία λιψθσ αποφάςεων, να οδθγιςει ςε ανταγωνιςτικά πλεονεκτιματα και ςε επιχειρθματικι γνϊςθ ικανι να βελτιϊςει δραςτικά τισ κακθμερινζσ δραςτθριότθτεσ και τθ ςυνολικι απόδοςθ τθσ επιχείρθςθσ.  Σε επίπεδο Sales representative, επιτρζπει τθν άμεςθ παρακολοφκθςθ των κακθμερινϊν εργαςιϊν, τθν ανάλυςθ και προβολι τθσ απόδοςθσ ςε ςχζςθ με το ςφνολο ι ςυγκεκριμζνεσ υποομάδεσ του sales force.  Οι Sales managers μποροφν να αναλφουν τθν απόδοςθ τθσ ομάδασ, να μελετοφν ςενάρια αποτελεςματικότερθσ οργάνωςθσ, να εντοπίηουν προβλιματα ι και ευκαιρίεσ βελτίωςθσ τόςο ςε επίπεδο ανκρωπίνων πόρων όςο και ςε επίπεδο διαδικαςιϊν.  Οι marketing users είναι ςε κζςθ να ςχεδιάηουν εφςτοχεσ καμπάνιεσ (target group design για cross- selling – up selling, performance evaluation & optimization).  Οι business analysts μποροφν να αναλφουν μακροπρόκεςμα μεγζκθ τθσ πελατειακισ βάςθσ και να προτείνουν ςτρατθγικζσ πϊλθςθσ κζτοντασ ποςοτικοφσ και ποιοτικοφσ ςτόχουσ.  Σε επίπεδο top management, παρζχεται δυνατότθτα ανάλυςθσ και άμεςθσ ενθμζρωςθσ για τθν αποτελεςματικότθτα των πωλιςεων, μζςω κατάλλθλων KPIs που αποτυπϊνουν τθν απόδοςθ τθσ ‘μθχανισ πϊλθςθσ’ ανά πάςα ςτιγμι και ςυγκριτικά με οποιαδιποτε άλλθ χρονικι περίοδο. Τα πλεονεκτιματα που προκφπτουν από τθν υιοκζτθςθ sales analytics τεχνολογιϊν είναι πολλαπλά και ορατά ςε διάφορα επίπεδα και λειτουργίεσ τθσ επιχείρθςθσ:
  • 3. datamine-sales analytics article-010.doc  Ανάλυςη δεδομζνων & παρουςίαςη: Εντυπωςιακζσ δυνατότθτεσ ανάλυςθσ δεδομζνων ςε πολλαπλοφσ άξονεσ με ςυνδυαςμό μετριςιμων μεγεκϊν και φίλτρων: δυναμικζσ αναλφςεισ πωλιςεων και ςχετικϊν ενεργειϊν, αναφορικά/ςυγκριτικά με προςαρμοςμζνεσ από το χριςτθ χρονικζσ περιόδουσ και με χριςθ πολφπλοκων ςυνδυαςμϊν φίλτρων.  Εφςτοχη και αποτελεςματική πληροφόρηςη: Διαμόρφωςθ κατάλλθλθσ προοπτικισ πάνω ςτα ίδια δεδομζνα ανάλογα με τθν κατθγορία του χριςτθ (executive dashboards με KPIs και statistics για το top management, marketing ι sales προοπτικι με ζμφαςθ ςε ςτοιχεία παραγωγισ, απόδοςθσ ομάδοσ ι campaign ROI).  Αυτοματοποίηςη, Ενοποιημζνο περιβάλλον αναφορών: Αντικατάςταςθ των παραδοςιακϊν περιοδικϊν αναφορϊν με On-line, near-real time sales reporting και ελαχιςτοποίθςθ του effort που απαιτείται για τθν παραγωγι ςυντιρθςθ, validation των δεδομζνων.  Έλεγχοσ πρόςβαςησ – προςταςία δεδομζνων: Ευζλικτο μθχανιςμό ελζγχου και ανάλυςθσ πρόςβαςθσ, με ςκοπό τθν καλφτερθ διαχείριςθ τθσ ευαίςκθτθσ πλθροφορίασ. Οι λφςεισ sales analytics διαμορφϊνουν ζνα πλαίςιο υποςτήριξησ αποφάςεων και διαμόρφωςθσ πολιτικϊν που - ςε ςυνδυαςμό με τθν υιοκζτθςθ νζων πρακτικϊν από τα ςτελζχθ τθσ επιχείρθςθσ (κατάλλθλθ αξιοποίθςθ τθσ πλθροφορίασ και τθσ ςυςςωρευόμενθσ γνϊςθσ) - μπορεί να οδθγιςει ςε εντυπωςιακι βελτίωςθ τθσ απόδοςθσ τθσ επιχείρθςθσ. About the author Ο κ. Κραςαδάκθσ, είναι ο ιδρυτισ και διευκυντισ τθσ εταιρείασ datamine – decision support systems. Διακζτει πολυετι εμπειρία ςτο ςχεδιαςμό εξειδικευμζνων πλθροφοριακϊν ςυςτθμάτων διαχείριςθσ και μοντελοποίθςθσ πελατϊν, Business Intelligence & Customer Analytics. About datamine Η datamine δραςτθριοποιείται ςτον ευρφτερο χϊρο τθσ πλθροφορικισ, δίνοντασ ζμφαςθ ςτθν αξιοποίθςθ τεχνολογιϊν μοντελοποίθςθσ δεδομζνων με χριςθ μεκόδων data mining και ςτατιςτικϊν μοντζλων. Κφριεσ περιοχζσ εφαρμογισ αποτελοφν θ διαχείριςθ ςχζςεων πελατϊν (CRM), Customer Analytics και Business Intelligence. Για περιςςότερεσ πλθροφορίεσ: 22 Ethnikis Antistasis Avenue 15232 Chalandri, Athens, GR Tel (+30) 210.68.99.960 Fax (+30) 210.68.99.968 info@datamine.gr http://www.datamine.gr