En framgångsrik och lönsam affär är resultatet av otaliga beslut – både operativa och strategiska. Alltför många av dessa beslut baseras på intuition. Magkänsla i all ära, men den måste kombineras med fakta och verklig insikt. Organisationer som blir datadrivna fattar helt enkelt beslut med större precision, vilket bäddar för större framgång på alla plan.
Hör du till dem som har insett att data är en underutnyttjad resurs? Då brottas du sannolikt med utmaningen att försöka sammanlänka olika interna datakällor för att omvandla dem till bra beslutsunderlag? Det blir inte lättare när du dessutom behöver länka in externa dataset.
Geografin sammanlänkar data
Har du tänkt på att de allra flesta data kan kopplas till en plats eller position? Det gör att det faktiskt finns en faktor som kan användas just för att länka samman data från olika källor. Vårt ArcGIS kan sammanlänka och omvandla i stort sett vilka data som helst till värdefulla beslutsunderlag. Det gör att du kan dra nytta av exempelvis:
- Internt verksamhetsdata som kunddata, försäljningsdata och andra ekonomiska data
- Data om era fastigheter och andra tillgångar, till exempel om fordon och energiförbrukning
- Konkurrent- och branschdata
- Data om väder, miljö och infrastruktur
- Sensordata
- Demografiska data och livsstilsdata
Så funkar det – steg för steg
I ett GIS (geografiskt informationssystem) som ArcGIS visualiseras stora datamängder och komplexa analysresultat på digitala kartor. Men hur ser då en sådan här smart karta ut i praktiken?
I det här exemplet används geografisk analys för att utveckla och optimera upptagningsområden för en verksamhets serviceställen. Olika typer av data har kombinerats och förädlats till svar på det här sättet:
- En så kallad körtidsanalys har gjorts för att skapa områden baserat på befolkningsunderlaget inom en viss körtid från ett serviceställe. Resultatet av analysen är mycket användbar information inte minst vid val av plats för ny- eller ometablering.
- För att få svar på den aktuella frågeställningen behöver vi i det här fallet komplettera med en analys där CRM-data används för att skapa säljområden baserat på faktisk försäljning.
- När vi jämför utfallet ser vi att säljområdena baserat på population (brun markering på kartan) i stort sett överensstämmer de försäljningsbaserade områdena (blå markering). Men vi kan bland annat också se vilka serviceställen som faktiskt har kunder med längre körtid än den optimala. Det kommer att påverka den kompetens, service och sortiment v erbjuder på våra serviceställen.
Nästa steg blir nu att fortsätta borra sig vidare ner genom datalagren. Genom att zooma in i varje område, bland annat med hjälp av demografiska data, kan ansvariga i detalj utforska upptagningsområdena ur ett kundsegmentperspektiv. Spännande eller hur!
Länktips:
