Hva er forretningsintelligens? RevOps’ ultimate veiledning

Så du har fått oversikt over analysene dine, og du er ganske sikker på at du samler inn riktig informasjon for å forutsi hvor virksomheten din er på vei. Men hva er forretningsintelligens? Hvis du ikke vet det, har du en blindflekk som koster deg penger, og det kan være enda mer alvorlig. Forretningsintelligens kombinerer smart dataanalyse med stordata i sanntid for å gi deg et bilde av hva som faktisk skjer i organisasjonen din, i stedet for hva du forventer skal skje. Å få oversikt over konseptet er som å få et ekstra par øyne for å se hva som egentlig foregår i virksomheten din.

Denne artikkelen handler om forretningsintelligens, hvordan det fungerer og hvorfor du bør bry deg om det. Målet er å lære deg noen enkle måter du kan endre den interne tilbakemeldingen på for å få bedre (og faktisk nyttig) datavisualisering og forbedre beslutningsprosessen. Når du er ferdig med artikkelen, bør du ha noen konkrete innsikter du kan ta med deg tilbake til kontoret, og som vil endre måten du ser på virksomhetsanalysene dine.

Hva er forretningsintelligens?

La oss begynne med hva forretningsintelligens er, og hvordan det skiller seg fra forretningsanalysene du allerede bruker. Først og fremst er dette ikke helt forskjellige ideer, siden både forretningsintelligens og forretningsanalyse er måter å få et tydelig bilde av hva virksomheten din holder på med, og hvordan det går med salg, kundelojalitet, lagerbeholdning og så videre.

Begge bruker stordata og avanserte teknikker for datautvinning for å samle viktige informasjonsbiter til et helhetlig bilde. Begge presenterer vanligvis data på en måte som gir mening i et slags interaktivt dashbord, og både forretningsanalyse og forretningsintelligens er strukturert for å skape et tydelig bilde ut av det tilfeldige kaoset i en stor virksomhet med aktiviteter som foregår overalt.

Forskjellen ligger i tidsfaktoren. Forretningsanalyse er en teknikk for å utarbeide nøyaktige prognoser som bør holde seg i fremtiden, mens god forretningsintelligens handler om å se hva som skjer nå, i øyeblikket. Mens en god analyse fra tre måneder siden fortalte deg hva du kunne forvente av salget dette kvartalet, forteller god forretningsintelligens deg om du når disse målene, eller hvor du kan ha kommet på avveie.

Dette gjør det mulig å oppdage små problemer mens de fortsatt er små, i stedet for å stå på slutten av regnskapsåret og klø seg i hodet mens du lurer på hvorfor du tjente halvparten av det du hadde beregnet at du skulle tjene. Det er viktig nok til at Innenriksdepartementet faktisk hjelper små bedrifter med å sette opp sine egne BI-verktøy.

For å få et tydeligere bilde av hvordan dette passer inn i virksomheten din, kan du tenke på hvordan mange selskaper akkurat nå desperat prøver å ansette og beholde flinke medarbeidere. Forretningsanalysen din fra HR viste at hvis du bruker 100 000 dollar på rekruttering, vil du få 110 % av arbeidsstyrken du trenger i år, og kanskje vil rundt 9 % av dem naturlig nok ikke fungere av en eller annen grunn, slik at du ender opp med 101 % bemanning. Så du investerer pengene, legger ut noen annonser og gjennomfører flere runder med intervjuer og ansettelser. Ved årets slutt viser det seg imidlertid at du har for få ansatte og må takke nei til arbeid fordi den gjenværende arbeidsstyrken allerede jobber doble skift. Hva skjedde?

Det viser seg at kontoret ditt var for kaldt, og at en rekke personer sa opp fordi de ikke likte det. Ja, det høres dumt ut, men noen ganger er det faktisk så enkelt. Du fant imidlertid ikke ut av det før 15. april, siden du gjennom hele vinteren baserte deg på analysemodellen i stedet for å følge med på avgangen i sanntid og gjennomføre grundige sluttsamtaler for å finne ut hvorfor kontoransatte, men ikke feltteknikerne dine, sa opp. Dette viser noen av de største utfordringene innen forretningsintelligens som organisasjoner møter i dag.

Sluttsamtaler er en svært enkel form for innhenting av forretningsintelligens. Hvis du hadde gjennomført dem, og du hadde gode verktøy for å videreformidle denne informasjonen til ledelsen, kunne du ha justert termostaten i september og spart 50 000 dollar på neste års rekruttering. I dette eksempelet viser eksempler på forretningsintelligens deg hva som skjer akkurat nå, etter hvert som det utspiller seg, og hvorfor virkeligheten avviker fra prognosene.

Typer BI-verktøy

Dette er bare ett svært enkelt eksempel på hvordan tilbakemeldinger i sanntid kan føre til konkrete endringer som sparer deg for en formue. Forretningsintelligens i moderne tid har kommet langt forbi den grunnleggende spørsmåls-og-svar-metoden i sluttsamtaler. Og selvfølgelig er den andre siden av saken god rapportering. Alle fordelene med forretningsintelligens i verden hjelper deg ikke hvis funnene ikke når frem til noen som kan handle på dem. 

Forretningsintelligensverktøyene du bruker til å samle inn og presentere data, vil variere avhengig av hvilken type virksomhet du driver, hvilke typer måltall du er interessert i, og, helt ærlig, hvor komfortabel du selv er med teknologi. Det er vel og bra å investere i det nyeste, smarte stordata-dashbordet som lover sporing av lagerbeholdningen sekund for sekund mens den beveger seg gjennom lagre på tre kontinenter, men med mindre du kan lese resultatene, kan du like gjerne gjette. Her er noen av de mer populære måtene folk skaffer seg forretningsintelligens på, både ved å samle den inn og lese den på en måte som gir mening.

Regneark

Når jeg sier regneark, tenker du først på Microsoft Excel og Google Sheets, og det er ikke feil. Vanlige regneark er fantastiske verktøy for å vise enorme mengder data, med uendelig skalerbarhet, i et enkelt grafisk format. Trenger du å holde oversikt over 50 ting samtidig? Legg til kolonner. Får du innspill fra 15 kilder? Legg til rader. Vil du veksle mellom data om salgsprovisjoner, personaloppfølging, faste kostnader og prisen du betaler for kobbertråd? Legg til noen faner og arbeid i ett enkelt dokument. 

Trenger du å vite hva den gjennomsnittlige avkastningen er på kobbertrådene du kjøper, indeksert etter hvilken som helst av de 37 produktlinjene du selger som bruker dem? Det er enkelt. Bare legg inn prisen på tråden i kolonne A, mengden som brukes per produkt i kolonne B, legg til rader for hvert produkt, og be den magiske mannen i datamaskinen om å beregne et gjennomsnitt i kolonne C for hver rad. Eksporter deretter dette til logistikkansvarlig, slik at vedkommende kan forklare hva du ser på.

De tidligste regnearkene var store papirbøker som du måtte skrible i med en fjærpenn eller noe slikt. Senere var de programmer du hadde på datamaskinen og fysisk kopierte til disketter (ah, gode tider). I dag ligger alt i skyen, og du deler regnearkene dine med de relevante personene i selskapet i sanntid. Bare gå inn, tast inn tallene eller se på de aktuelle dataene fra morgendagens gjennomgang, så har du offisielt kontroll på tallene du trenger.

Rapporteringsprogramvare

Rapporteringsprogramvare er et lite hakk opp fra skybaserte regneark når det gjelder sporing av forretningsinnsikt. I likhet med regneark er disse programmene en praktisk og intuitiv måte å følge med på tallene du bryr deg om, men på et system som er bygget rundt behovene dine, i stedet for et tilpasset regneark. Noen av disse verktøyene er dataspisende monstre. Ett av dem, datapine, lar alle i selskapet legge inn data fra hvilken som helst avdeling eller stasjon, samle alt i kategorier og vise hele oversikten akkurat slik du ønsker. 

Du kan til og med gå over til SQL-modus og kjøre dine egne tilpassede spørringer, eller bare la det smarte brukergrensesnittet gjøre det for deg. De kommer til slutt til å få deg til å laste ned appen, ellers kan du ikke tilpasse grensesnittet, men ellers er det som å ha Spock som vitenskapsoffiser, som leser opp de relevante dataene og gjør beslutningstakingen raskere med mobil programvare for forretningsinnsikt.

Programvare for datavisualisering

Greit, herfra går det altså oppover. Programvare for datavisualisering ligner litt på rapporteringsprogramvare, bortsett fra at den ikke har like høye tanker om deg som et intelligent menneske. Gode visualiseringsprogrammer er i praksis rapporteringssystemer og apper med et fantastisk designteam som virkelig har investert i resultatet og brukergrensesnittet for å gjøre forretningsinnsikt så lett å forstå som mulig.

Si at du har en enorm mengde data fra leverandører, forhandlere, tilbakemeldinger fra kunder, offentlige tilsynsmyndigheter og økonomiteamet ditt. Ifølge deres prediktive analyser burde det være greit for deg å ta opp et lån for å kjøpe kobber før prisene stiger, og deretter betale ned rentene med pengene folk betaler for kaffemaskinene dine med musikkanlegg. Men når du viser alt i et verktøy som Tableau, kan du se at salget på Amazon har gått tregt, at stigende renter har påført deg en krevende tilbakebetalingsplan, og at salgsrapporter som er mer negative enn vanlig, gjør det vanskeligere å avslutte avtalen, noe som tyder på en kundegruppe i tilbakegang.

Med all denne informasjonen vist på forsiden av dashbordet ditt ber du økonomiavdelingen glemme lånene, ber logistikk finne billigere kobbertråd, ber salgsavdelingen finne nye mål og ber R&D vurdere saken på nytt – kanskje ved å forbedre kaffemaskinene med en digital klokke i sokkelen. Du har tatt en rekke forretningsbeslutninger, alt basert på et bilde av virksomheten din som du ikke ville hatt uten relevant, sammenhengende visualisering av viktige data fra flere steder. Noen av de beste verktøyene for dette er:

• Google Charts
• Tableau
• Grafana
• Chartist
• FusionCharts
• Datawrapper
• Infogram
• ChartBlocks

Analytisk behandling på nett (OLAP)

Dette er ganske kult, sier du til deg selv, men hvordan i all verden vet jeg hvilke data jeg skal se på til å begynne med? Er det ikke et spørsmål om søppel inn, søppel ut? Hvem forteller deg hvilke data som er viktige for beslutningstaking, og hva som er irrelevant?

Det er her nettbasert analytisk behandling kommer inn. Tenk på OLAP som en smart menneskelig forsker som ikke sover, og som vet nøyaktig hvor man skal lete etter relevant informasjon. Uansett hva slags organisasjon du driver, lagrer du sannsynligvis informasjon fra flere kilder, for eksempel direkte tilbakemeldinger, nettrafikk, interne systemer, salgsdata osv. Et godt OLAP-verktøy gjennomsøker disse kildene og sender dem inn i programvaren for datavisualisering eller rapportering, med en stordatatilnærming til sanntidsanalyse og sporing som er som å ha en ekspert på hvert felt som ringer deg hver dag for å fortelle deg hva som foregår.

Datautvinning

Verktøy for datautvinning utfyller OLAP ved å hente ut rådataene du trenger i utgangspunktet. Tenk på datautvinningsapper som politibetjentene ute i gatene. Når OLAP-systemet ditt (løytnanten) ber detektivene sine om å dra ut og gjennomføre intervjuer, er det datautvinningsprogrammene som tar på seg frakkene, griper notatblokkene og begynner å stille spørsmålene.

Trenger OLAP-systemet ditt å samle data fra salg, markedsundersøkelser og lagerbeholdning? Det er datautvinningsprogramvaren din som henter faktiske salgstall direkte fra disse databasene, svar på kundeundersøkelser og lagerinformasjon om produktavgang. Før du kan ta smarte, datadrevne beslutninger, trenger du selve dataene. Datautvinning er et av BI-verktøyene som arbeider stille i bakgrunnen for å gi de andre systemene dine forretningsintelligens råinformasjonen de trenger for å gjøre jobben sin. 

Fordeler med forretningsintelligens

Du får mange fordeler fra løsninger for forretningsintelligens. Selv om vi har gått gjennom komponentene i maskinlæring og ulike BI-plattformer, er du kanskje fortsatt ikke overbevist om hvorfor du bør gjøre dette i det hele tatt. Og jeg vil ikke benekte at det finnes utfordringer ved å implementere BI. Men etter min mening veier fordelene langt tyngre enn ulempene.

Så hvorfor er forretningsintelligens så viktig, og hvorfor er det nødvendig hvis du allerede har prediktiv analyse og et godt hode på skuldrene? 

Her er fire grunner:

Et helhetlig perspektiv

For det første gir god forretningsintelligens deg et helhetlig bilde av hvordan det går. Du er sjefen, husker du? Du må se det store bildet. Tidligere innebar det at du enten kom til kort ved å trekke deg ut og miste oversikten over detaljene, eller at du zoomet inn og ikke så skogen for bare trær. Med selvbetjente verktøy for forretningsintelligens kan du se trærne i sin sammenheng, slik at du nesten intuitivt er klar over hvordan det går.

Økt organisatorisk effektivitet

De ulike delene av organisasjonen din må snakke med hverandre for å få noe gjort. Tilfeldige møter i korridorene er ikke godt nok for informasjonsdeling i en moderne bedrift, og selv strukturerte møter har bare begrenset verdi. Den kunstige intelligensen som er innebygd i BI-applikasjoner, bruker maskinlæring til å samle relevante data og få dem til personene som trenger dem. Effektivitetsgevinstene taler for seg selv. 

Datadrevne forretningsbeslutninger

Intuisjon har sin plass i forretningslivet, og du er sannsynligvis god på det, men uten data gjetter du. Datadrevne beslutninger begynner med data, og hele poenget med programvare for forretningsintelligens er å gi deg disse dataene i en form du kan fordøye. Å vite hva du gjør fra dag til dag er et konkurransefortrinn sammenlignet med konkurrerende selskaper.

Forbedret kundeopplevelse

BI-løsninger kan være skremmende smarte, og de viser det ved å løse problemer som ennå ikke har oppstått. En smart tilnærming til salg, markedsføring, forsyningskjeder, leveringssystemer – og så videre – samarbeider for å løse potensielle kundeklager før de oppstår. Det er imidlertid viktig å forstå ulempene ved forretningsintelligens før implementering. BI-systemet ditt kan ha pekt på et problem med webgrensesnittet ditt for flere måneder siden, og da du løste det tidlig, forhindret du at tusenvis av besøkende på nettstedet fikk problemer og sendte inn klager.

3 trinn til forretningsintelligens

Når du forstår fasene i forretningsintelligens, er det enklere å bestemme hva som skal automatiseres. Her er de vanligste trinnene:

Trinn 1: Innsamling av data

Du kan hente data fra flere kilder. Begynn med å planlegge å tilføre BI-programvaren din data hentet fra så mange kilder som mulig. Gode forretningsdata kan komme fra:

• Undersøkelser, spørreskjemaer, meningsmålinger osv. 
• Salgstall
• Programvare for lagerstyring
• Smarte målere
• Ytelsesmålinger
• IBM POS-skanninger og andre feltsystemer
• I utgangspunktet alt annet i verden du kan tenke deg 

Trinn 2: Analysere data

Dataforskere trenger data, og når de har dem, må de finne ut hva de ser på, samtidig som de håndterer vanlige utfordringer innen virksomhetsinnsikt. Du trenger ikke et team med dataanalytikere for å håndtere relativt enkle ting, som lønn i et regneark, men for alt som er større enn det du kan føre i en hovedbok, bør du bruke gode analyseverktøy som de som er nevnt ovenfor. Du kan også vurdere opplæring, for eksempel å ta et kurs i virksomhetsinnsikt.

Trinn 3: Presentere data

Resultater, resultater, resultater. Hvis du skal forstå det du har, må du lese det i en form som gir mening fra starten av. Velg et godt verktøy for datavisualisering som fungerer i moderne forretningsmiljøer. Infografikk er flott til dette, og det samme gjelder tradisjonelle diagrammer og grafer. Dette er i bunn og grunn opp til deg, og gode analyseverktøy vil tilby deg en rekke alternativer for visualisering.

Sette alt sammen

Så for å oppsummere: Hva er virksomhetsinnsikt? Det er settet med dataanalyseverktøy du bruker for å forstå den moderne virksomheten du driver, og for å ta smarte beslutninger om veien videre. Å abonnere på RevOpsTeams nyhetsbrev er en annen smart beslutning, og det er en du bør ta akkurat nå for å holde deg oppdatert på de nyeste teknikkene, verktøyene og trendene som kan gi merkevaren din det konkurransefortrinnet den trenger for å lykkes.