Η συλλογή και χρήση δεδομένων στη λήψη έγκυρων και έγκαιρων αποφάσεων έχει αναχθεί σε βασικό παράγοντα για τις περισσότερες επιχειρήσεις και οργανισμούς. Οι εφαρμογές της ανάλυσης δεδομένων (data science) είναι πολλές και αφορούν κάθε πτυχή της καθημερινότητας μας : τραπεζικές συναλλαγές, κοινωνικά δίκτυα, δεδομένα τηλεφωνικών κλήσεων, δεδομένα διαδικτύου, google analytics, έξυπνα τηλέφωνα κτλπ.
Οι όροι επιχειρηματική αναλυτική (business analytics) και μεγάλα δεδομένα (big data) βρίσκονται στο επίκεντρο των δραστηριοτήτων των τμημάτων τεχνολογίας μεγάλων και μικρών οργανισμών. Όπως έχει επανηλειμμένως αναφερθεί σε επιστημονικά – και όχι μόνο- περιοδικά η ανάλυση δεδομένων οδηγεί την 4η βιομηχανική επανάσταση και αποτελεί το επάγγελμα του μέλλοντος.

 

Πως όμως εφαρμόζονται τα data analytics στις σύγχρονες επιχειρήσεις?

Case Studies:

1) Ανάλυση πιστωτικού κινδύνου

Η ''credit risk analysis'' είναι ουσιαστικά η εύρεση της πιθανότητας μίας χρηματοοικονομικής υποχρέωσης να μην πληρωθεί ή η εύρεση της πιθανότητας διαγραφής ενός δανείου από τον ισολογισμό της τράπεζας ως ζημιά εξ επισφαλών απαιτήσεων.
Χρησιμοποιώντας αφενός μακροοικονομικά δεδομένα της χώρας αλλα και προσωποποιημένα όπως το φύλο, η ηλικία, το επάγγελμα, η οικογενειακή κατάσταση, η ύπαρξη άλλων δανείων, το ύψος των καταθέσεων και των επενδύσεων που διατηρεί ο υποψήφιος δανειολήπτης, η συνέπεια στην αποπληρωμή υποχρεώσεων έναντι του τραπεζικού συστήματος κτλπ υπολογίζεται η πιθανότητα αθέτησης (credit score) και για τους νέους δανειολήπτες λαμβάνεται η απόφαση σχετικά με το  αν θα εγκριθεί το δανειο τους ή όχι.

2) Netflix

Το συνδρομητικό κανάλι Netflix έχει πλέον 100 εκατομμύρια εγγεγραμμένους χρήστες. Βασικό συστατικό της επιτυχίας της πλατφόρμας είναι η ανάλυση των δεδομένων των χρηστών.
Με σκοπό να προβλέψει τις προτιμήσεις των χρηστών του, χρησιμοποιεί δεδομένα όπως οι γενικότερες τάσεις των χρηστών αλλα και προσωποποιημένες πληροφορίες όπως ποιών ταινιών τις περιγραφές διαβάζει ο χρήστης, ποιές ταινίες παρακολούθησε και για πόση ώρα. Απο την μελέτη των παραπάνω δεδομένων προτείνει στον χρήστη ποιές ταινίες είναι πιθανότερο να του αρέσουν και αποφασίζει για το ποιές ταινίες θα προστεθούν στην πλατφόρμα και για πόσο καιρό.

3) Διατήρηση πελατολογίου ΟΤΕ

Μέχρι πρότεινος όταν ένας συνδρομητής του ΟΤΕ υπέβαλλε αίτημα φορητότητας σε νεό πάροχο, το αίτημα καταχωρούταν άμεσα στην ΕΒΔΑΦ, παρέχοντας έτσι την δυνατότητα στον ΟΤΕ να γνωρίζει για το αίτημα και να υποβάλλει ανταγωνιστική αντιπροσφορά στον συνδρομητή. Αυτό το καθεστώς πρόσφατα άλλαξε και πλέον ο ΟΤΕ πρέπει να προβλέπει ποιοί συνδρομητές είναι πιθανό να αλλάξουν πάροχο.
Έτσι δημιούργησε πρόσφατα τμήμα ανάλυσης δεδομένων για τον παραπάνω λόγο. Με χρήση δεδομένων όπως ηλικία, φύλο, αριθμό συνδέσεων, ύψος αδιάθετων πόρων του συμβολαίου του χρήστη, ύπαρξη νέων προσφορών απο τους ανταγωνιστές, συχνότητα τηλεφωνικών συνομιλιών με το support center, εμφάνιση ασυνήθιστα υψηλών χρεώσεων κτλπ. προβλέπεται η πιθανότητα μετατροπής του πελάτη , ώστε να του γίνει η αντιπροσφορά.

Σε ενδιαφέρει να μάθεις πώς υλοποιούνται όλα αυτά?

Ρίξε μια ματιά σε αυτό

Συντάκτης : Κρυσταλλίδης Παναγιώτης