Vaya más allá de los paneles para obtener información empresarial innovadora a partir de sus datos
El uso de tableros para informar sobre el estado del negocio brinda a las partes interesadas una vista rápida y de alto nivel, pero el análisis de causa y efecto específico puede generar información valiosa que puede mejorar el resultado final.
Los tableros aportan más valor a las empresas que cualquier otro punto de entrada al big data y el análisis porque muestran resultados finales sobre el estado operativo, los resultados de ventas y muchos otros eventos de la empresa, lo que permite que los gerentes y ejecutivos ocupados puedan ver.
Los tableros también brindan capacidades de desglose de los datos, por lo que puede pasar a niveles más altos de detalle si es necesario.
Pero tener tableros y profundizar en los datos no siempre lleva a una empresa en la dirección que quiere ir, y las empresas están comenzando a descubrirlo.
Ver también: Transformación digital en el comercio minorista: cómo los consumidores utilizan la tecnología para hacer que las compras sean más fáciles y placenteras (Tech Pro Research)
Hace algunos años, leí acerca de un minorista en línea en el Reino Unido que analizaba sus análisis en busca de pistas sobre el comportamiento humano y descubrí que las esposas de los fanáticos del fútbol compran más en línea cuando sus esposos no están allí para ver el fútbol. Este hallazgo de comportamiento aumenta las ventas. También es una idea que nunca se puede encontrar simplemente investigando los resúmenes del tablero.
En la mayoría de los análisis empresariales, la exploración de datos hasta la esencia del comportamiento y los eventos sigue siendo una disciplina emergente. Como resultado, los gerentes obtienen resúmenes y datos detallados instantáneos, pero no obtienen los conocimientos innovadores que pueden ayudarlos a remodelar sus negocios.
Aquí hay un caso de uso de ejemplo de la industria minorista de comestibles que ilustra el punto.
Comprobar los factores causales
Las tiendas minoristas de comestibles generalmente pierden el 30% de sus productos debido al desperdicio. De hecho, estas pérdidas eran tan esperadas que los CFO de supermercados incluyeron automáticamente el 30 por ciento de las pérdidas de productos en sus cifras de presupuesto anual.
Los sensores de IoT y el seguimiento de la cadena de suministro han intentado reducir este desperdicio y han tenido éxito hasta cierto punto, pero como en el ejemplo del fútbol, a menos que sepa la razón detrás del problema que está tratando de resolver, se perderá la solución. .
Así es como funcionan la mayoría de los sensores de IoT para proteger la frescura de los alimentos.
Miden la humedad y la temperatura en entornos cerrados, como almacenes o remolques de camiones, para garantizar que los productos que se envían permanezcan dentro de los parámetros específicos de refrigeración y humedad. También rastrean el producto desde la granja hasta la mesa, lo que puede darle una idea de cuánto tiempo está el producto en tránsito o almacenado. Los sensores pueden incluso alertarlo si el sello del camión o contenedor está roto.
¿Pero es esto suficiente?
«Ese no es el caso», dijo Kevin Payne, vicepresidente de marketing de Zest Labs, una empresa de tecnología agrícola que se especializa en soluciones de gestión de frescura y vida útil poscosecha.
La compañía proporciona software y sensores para la cadena de suministro que rastrean los productos y utiliza un algoritmo patentado llamado código postal para recalcular continuamente la frescura de cada paleta de productos a medida que avanza a través de la cadena de suministro.
«Al usar este algoritmo y proporcionar lecturas de frescura, el sistema permite a los productores, distribuidores y minoristas ver instantáneamente qué bandejas son más perecederas y necesitan ser abastecidas al mercado más rápido», dijo Payne. “También pueden decidir de manera proactiva a dónde enviar esos productos, enviar paletas con puntajes de frescura más altos más lejos y obtener productos con puntajes de frescura más bajos más cerca de las tiendas minoristas”.
VER: 60 formas de obtener el máximo valor de sus iniciativas de big data (PDF gratuito de Tecnopedia)
Payne dijo que el análisis de su empresa de los datos de fresas de California recopilados durante los cálidos meses de verano de agosto y septiembre mostró que las bandejas experimentaron diferentes tiempos de enfriamiento. Algunos también estuvieron expuestos a calor prolongado antes de llegar a la empacadora.
Aunque algunas de las fresas de este lote se aceleraron por la exposición a temperaturas más altas, los productores colocaron la misma etiqueta de «consumir antes de» en todas las tarimas enviadas. «Afortunadamente, los sensores y los algoritmos calculan la frescura real de cada bandeja, lo que permite a los minoristas acelerar las bayas que tienen más probabilidades de llegar primero al mercado», dijo Payne. «Lo que hemos visto es que los análisis y los sensores pueden mejorar la frescura de la entrega y reducir la pérdida en un 50 % o más».
El caso de uso de Zest Labs es solo un ejemplo de cómo las empresas pueden comenzar a examinar el comportamiento y otros factores causales para obtener resultados comerciales inteligentes que conduzcan a mejoras en los resultados finales.
¿Qué prácticas pueden aprender los CIO y los líderes analíticos de esto?
1. Concéntrese en los factores causales que pueden no ser inmediatamente obvios
El minorista británico en línea descubrió que las esposas aprovechaban la ausencia de sus esposos para ir de compras. El minorista tiene algunas de las promociones más agresivas durante estos tiempos. En el caso de uso de Zest Labs, los supermercados utilizan sensores «inteligentes» y software con capacidad algorítmica para saber realmente la antigüedad de sus productos a nivel de palet, de modo que puedan reducir el desperdicio y aumentar los márgenes de beneficio. Ningún caso de uso es inmediatamente obvio. En su lugar, los analistas investigan los problemas comerciales para determinar las causas del bajo rendimiento y, por lo tanto, mejorar el rendimiento.
2. Pon a prueba tus teorías
En el caso del comercio minorista del Reino Unido, las ventas crecieron con las promociones en línea durante los partidos de fútbol. En el caso de Zest Labs, el tendero ha logrado avances significativos en la reducción del deterioro del producto y la mejora de los márgenes de ganancias. Sin embargo, no todas las identificaciones de factores causales son efectivas. Si no lo tienes, déjalo y busca algo nuevo.
3. Una vez que se haya realizado con éxito un análisis causal, expandir la práctica a otras áreas del negocio.
Encontrar las razones de la falta de rendimiento en lugar de solo informar el estado es un paso hacia la generación de informes y la profundización del tablero. El análisis causal también es una disciplina poco utilizada en muchas empresas. Una vez que tenga un modelo de análisis causal exitoso que produzca resultados para el negocio, demuéstrelo, especialmente al CEO y otros ejecutivos de nivel C. Es más probable que estos tomadores de decisiones e influenciadores apoyen el análisis causal ampliado cuando surjan los resultados.
Lea también…
su opinión
¿Su organización se basa principalmente en paneles y desgloses, o emplea un modelo de análisis causal? Comparta sus experiencias y consejos con otros miembros de Tecnopedia.
