Vad är affärsintelligens? RevOps ultimata guide

Så du har koll på din analys, och du är ganska säker på att du samlar in rätt information för att förutsäga vart ditt företag är på väg. Men vad är affärsintelligens? Om du inte vet det har du en blind fläck som kostar dig pengar, och det kan vara ännu allvarligare än så. Affärsintelligens kombinerar smart dataanalys med stordata i realtid för att ge dig en bild av vad som faktiskt händer i din organisation, snarare än vad du förväntar dig ska hända. Att få grepp om konceptet är som att skaffa sig ett extra par ögon för att se vad som verkligen pågår i ditt företag.

Den här artikeln handlar om affärsintelligens, hur det fungerar och varför du bör bry dig om det. Målet är att lära dig några enkla sätt att förändra din interna återkoppling för att få bättre (och faktiskt användbar) datavisualisering och förbättra din beslutsprocess. När du har läst klart bör du ha några konkreta insikter som du kan använda när du kommer tillbaka till kontoret, och som kommer att förändra hur du ser på din företagsanalys.

Vad är affärsintelligens?

Vi börjar med vad affärsintelligens är och hur det skiljer sig från den företagsanalys du redan använder. Till att börja med är det här inte 100 % olika idéer, eftersom både affärsintelligens och företagsanalys är sätt för dig att få en tydlig bild av vad ditt företag håller på med och hur det går med försäljning, kundlojalitet, lager och så vidare.

Båda använder stordata och avancerade datautvinningsmetoder för att sålla fram viktiga informationsbitar och skapa en helhetsbild åt dig. Båda presenterar vanligtvis data på ett sätt som är begripligt i någon form av interaktiv instrumentpanel, och både företagsanalys och affärsintelligens är utformade för att skapa en tydlig bild av det slumpmässiga kaoset i ett stort företag med verksamhet överallt.

Skillnaden ligger i tidsfaktorn. Företagsanalys är en metod för att göra korrekta prognoser som bör hålla i framtiden, medan god affärsintelligens handlar om att se vad som händer nu, i den omedelbara nutiden. Medan en bra analys från för tre månader sedan berättade vad du kunde förvänta dig av försäljningen det här kvartalet, berättar god affärsintelligens om du når de målen eller var du kan ha hamnat fel.

Det gör att du kan upptäcka små problem medan de fortfarande är små, i stället för att stå och klia dig i huvudet i slutet av räkenskapsåret och undra varför du bara tjänade hälften av det du hade räknat med. Det är en så pass viktig fråga att Inrikesdepartementet faktiskt hjälper småföretag att konfigurera sina egna BI-verktyg.

För att få en tydligare bild av hur det här passar in i ditt företag kan du tänka på hur många företag just nu desperat försöker anställa och behålla bra medarbetare. Din företagsanalys från HR förutspådde att 100 000 dollar i rekryteringskostnader skulle ge dig 110 % av de medarbetare du behöver i år, och att kanske cirka 9 % av dem av någon anledning naturligtvis inte skulle fungera, vilket skulle lämna dig med 101 % bemanning. Så du investerar pengarna, placerar ut några annonser och genomför flera omgångar av intervjuer och anställningar. Sedan visar det sig i slutet av året att du har för få medarbetare och måste tacka nej till arbete eftersom den kvarvarande personalen redan arbetar dubbla skift. Vad hände?

Det visade sig att kontoret var för kallt och att en massa människor slutade eftersom de inte tyckte om det. Ja, det låter dumt, men ibland är det verkligen så enkelt. Du fick dock inte reda på det förrän den 15 april, eftersom du hela vintern utgick från analysmodellen i stället för att följa personalomsättningen i realtid och genomföra grundliga avgångsintervjuer för att ta reda på varför kontorspersonalen, men inte fältteknikerna, sade upp sig. Det här belyser några av de största utmaningarna inom affärsintelligens som organisationer möter i dag.

Avgångsintervjuer är en mycket enkel form av insamling av affärsintelligens. Om du hade genomfört dem och haft bra verktyg för att vidarebefordra den informationen till ledningen, hade du kunnat justera termostaten i september och sparat 50 000 dollar på nästa års rekrytering. I det här exemplet visar exempel på affärsintelligens vad som händer just nu, medan det utvecklas, och varför verkligheten avviker från prognoserna.

Typer av BI-verktyg

Det är bara ett mycket enkelt exempel på hur återkoppling i realtid kan omvandlas till konkreta förändringar som kan spara dig en förmögenhet. Affärsintelligens i modern tid har gått långt bortom den grundläggande fråge- och svarsnivån i avgångsintervjuer. Och naturligtvis är den andra sidan av saken bra rapportering. Alla fördelar med affärsintelligens i världen hjälper dig inte om resultaten inte når någon som kan agera på dem. 

De affärsintelligensverktyg du använder för att samla in och presentera data varierar beroende på vilken typ av verksamhet du bedriver, vilken typ av mätvärden du är intresserad av och, ärligt talat, hur bekväm du själv är med teknik. Det är bra att investera i den senaste häftiga stordatainstrumentpanelen som lovar spårning sekund för sekund av ditt lager medan det rör sig genom lagerlokaler på tre kontinenter, men om du inte kan läsa resultatet kan du lika gärna gissa. Här är några av de populärare sätten för människor att få tillgång till sin affärsintelligens, både genom att samla in den och genom att läsa den på ett begripligt sätt.

Kalkylblad

När jag säger kalkylblad kommer du först att tänka på Microsoft Excel och Google Kalkylark, och det är inte fel. Vanliga kalkylblad är fantastiska verktyg för att visa enorma mängder data, oändligt skalbara, i ett enkelt grafiskt format. Behöver du hålla koll på 50 saker samtidigt? Lägg till kolumner. Får du in uppgifter från 15 källor? Lägg till rader. Vill du växla mellan data om försäljningsprovisioner, personaluppföljning, allmänna omkostnader och priset du betalar för koppartråd? Lägg till några flikar och arbeta i ett enda dokument. 

Behöver du veta vilken den genomsnittliga avkastningen är på koppartrådarna du köper, indexerad efter någon av de 37 produktlinjer du säljer som använder dem? Det är enkelt. Lägg bara in trådpriset i kolumn A, mängden som används per produkt i kolumn B, lägg till rader för varje produkt och be trollkarlen i datorn att räkna ut ett genomsnitt i kolumn C för varje rad. Exportera sedan detta till din logistikansvarige så att hen kan förklara vad du tittar på.

De tidigaste kalkylbladen var stora pappersböcker som du var tvungen att klottra i med en fjäderpenna eller något liknande. Senare var de program som du hade på datorn och fysiskt kopierade till disketter (ah, det var tider det). Nu för tiden finns allt i molnet och du delar dina kalkylblad med relevanta personer på företaget i realtid. Det är bara att öppna dem, skriva in siffrorna eller titta på de aktuella uppgifterna från morgonens sammanställning, så har du officiellt koll på de siffror du behöver.

Rapporteringsprogram

Rapporteringsprogram ligger ett halvt steg över molnbaserade kalkylblad när det gäller att följa upp affärsdata. Precis som kalkylblad är dessa program ett praktiskt och intuitivt sätt att följa de siffror du bryr dig om, men i ett system som är byggt kring dina behov i stället för ett anpassat kalkylblad. Vissa av dessa verktyg är dataätande monster. Ett av dem, datapine, låter alla på företaget mata in data från vilken avdelning eller station som helst, sammanställa allt i kategorier och visa hela resultatet precis som du vill. 

Du kan till och med växla över till SQL-läge och köra egna anpassade frågor, eller bara låta det häftiga användargränssnittet göra det åt dig. Förr eller senare kommer de att få dig att ladda ner appen, annars kan du inte anpassa gränssnittet, men i övrigt är det som att ha Spock som vetenskapsofficer, som läser upp relevanta data och snabbar på ditt beslutsfattande med mobila BI-program.

Program för datavisualisering

Okej, härifrån går det alltså uppåt. Program för datavisualisering liknar rapporteringsprogram, förutom att de inte har särskilt höga tankar om dig som intelligent människa. Bra visualiseringsprogram är i grunden rapporteringssystem och appar med ett fantastiskt designteam som verkligen har satsat på resultatet och användargränssnittet för att göra affärsdata så lättbegripliga som möjligt.

Säg att du har en enorm mängd data från leverantörer, återförsäljare, kundfeedback, statliga tillsynsmyndigheter och ditt team för finansiella tjänster. Enligt deras prediktiva analyser borde det vara helt okej för dig att ta ett lån för att köpa koppar innan priserna stiger och sedan betala av räntan med pengarna som folk betalar för dina musikaliska kaffebryggare. Men när du visar allt i ett verktyg som Tableau kan du se att försäljningen på Amazon har gått trögt, att stigande räntor har gett dig ett tufft återbetalningsschema och att försäljningsrapporter som är trögare än vanligt gör det svårare att slutföra affären, vilket tyder på en minskande kundbas.

Med all denna information på förstasidan i din instrumentpanel säger du åt ekonomiavdelningen att glömma lånen, åt logistikavdelningen att hitta billigare koppartråd, åt försäljningsavdelningen att ta fram nya mål och åt forskning och utveckling att göra en ny bedömning, kanske genom att förbättra kaffebryggarna med en digital klocka i botten. Du har fattat en serie affärsbeslut, alla baserade på en bild av verksamheten som du inte skulle ha haft utan relevant, relationell visualisering av viktiga data från flera platser. Några av de bästa verktygen för detta är:

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

Analytisk databearbetning online (OLAP)

Det här är ganska häftigt, tänker du för dig själv, men hur sjutton vet jag vilka data jag ska titta på från första början? Är det inte en fråga om skräp in, skräp ut? Vem berättar för dig vilka data som är viktiga för beslutsfattandet och vad som är irrelevant?

Det är där onlineanalytisk bearbetning kommer in i bilden. Tänk på OLAP som en smart mänsklig forskare som aldrig sover och som vet precis var den ska leta efter relevant information. Oavsett vilken typ av organisation du driver lagrar du förmodligen information från flera källor, till exempel direkt feedback, webbtrafik, interna system, försäljningsdata med mera. Ett bra OLAP-verktyg genomsöker dessa källor och matar in dem i din datavisualiserings- eller rapporteringsprogramvara, med ett stordataangreppssätt för analys och spårning i realtid som är som att ha en expert inom varje område som ringer dig varje dag för att berätta vad som händer.

Datautvinning

Verktyg för datautvinning kompletterar din OLAP genom att samla in de rådata du behöver från början. Tänk på appar för datautvinning som poliser ute på patrull. När ditt OLAP-system (löjtnanten) säger åt sina detektiver att gå ut och genomföra intervjuer är det datautvinningsprogrammen som tar på sig trenchcoats, plockar fram anteckningsblock och börjar ställa frågorna.

Behöver din OLAP sammanställa data från försäljning, marknadsundersökningar och lager? Det är din datautvinningsprogramvara som direkt hämtar faktiska försäljningssiffror, svar på kundenkäter och lagerinformation om produkternas omsättning från dessa databaser. Innan du kan fatta smarta, datadrivna beslut behöver du själva datan. Datautvinning är ett av de verktyg för affärsintelligens som arbetar tyst i bakgrunden för att ge dina andra system för affärsintelligens den råinformation de behöver för att göra sitt jobb. 

Fördelar med affärsintelligens

Du får många fördelar av lösningar för affärsintelligens. Även om vi har gått igenom komponenterna i maskininlärning och olika plattformar för affärsintelligens kanske du fortfarande inte är övertygad om varför du över huvud taget ska använda det. Och jag förnekar inte att det finns utmaningar med att implementera affärsintelligens. Men enligt min mening väger fördelarna långt tyngre än nackdelarna.

Så varför är affärsintelligens så viktigt, och varför behövs det om du redan har prediktiv analys och gott omdöme? 

Här är fyra skäl:

Ett helhetsperspektiv

För det första ger bra affärsintelligens dig en helhetsbild av hur det går. Du är chefen, minns du? Du behöver se helheten. Tidigare innebar det att du antingen tappade överblicken genom att zooma ut och förlorade detaljerna, eller att du zoomade in och inte såg skogen för alla träd. Med självbetjäningsverktyg för affärsintelligens kan du se träden i sitt sammanhang, så att du nästan intuitivt förstår hur det går.

Ökad organisatorisk effektivitet

Organisationens olika delar måste kommunicera med varandra för att något ska bli gjort. Slumpmässiga möten i korridoren räcker inte för informationsdelning i ett modernt företag, och även strukturerade möten har bara ett begränsat värde. Den artificiella intelligens som finns inbyggd i applikationer för affärsintelligens använder maskininlärning för att sammanföra relevanta data och få dem till de personer som behöver dem. Effektivitetsvinsterna talar för sig själva. 

Datadrivna affärsbeslut

Intuition har sin plats i affärslivet, och du är förmodligen bra på det, men utan data gissar du. Datadrivna beslut börjar med data, och hela poängen med programvara för affärsintelligens är att ge dig dessa data i en form som du kan ta till dig. Att veta vad du gör från dag till dag är en konkurrensfördel gentemot konkurrerande företag.

Förbättrad kundupplevelse

Lösningar för affärsintelligens kan vara skrämmande smarta, och de visar det genom att lösa problem som ännu inte har uppstått. Ett smart angreppssätt för försäljning, marknadsföring, leveranskedjor, leveranssystem – ja, allt du kan tänka dig – samverkar för att lösa potentiella kundklagomål innan de uppstår. Det är dock viktigt att förstå nackdelarna med affärsintelligens innan implementeringen. Ditt system för affärsintelligens kan ha pekat på ett problem med ditt webbgränssnitt flera månader tidigare, och när du åtgärdade det i tid förhindrade du att tusentals webbplatsbesökare fick problem och lämnade in klagomål.

3 steg till affärsintelligens

När du förstår stadierna inom affärsintelligens blir det lättare att avgöra vad som ska automatiseras. Här är de vanligaste stegen:

Steg 1: Insamling av data

Du kan hämta data från flera källor. Börja med att planera för att mata din programvara för affärsintelligens med data som samlats in från så många källor som möjligt. Bra affärsdata kan komma från:

• Undersökningar, frågeformulär, opinionsundersökningar osv. 
• Försäljningssiffror
• Programvara för lagerhantering
• Smarta mätare
• Prestationsmått
• IBM POS-skanningar och andra fältsystem
• I princip allt annat i världen som du kan tänka dig 

Steg 2: Analysera data

Dataforskare behöver data, och när de har den behöver de förstå vad de tittar på samtidigt som de hanterar vanliga BI-utmaningar. Du behöver inte ett team av dataanalytiker för att hantera relativt enkla saker, som lönehantering i ett kalkylblad, men för allt som är större än det du kan föra in i en bokföringsbok bör du använda bra analysverktyg som de som listas ovan. Du kan också överväga någon form av utbildning, till exempel att gå en kurs i affärsanalys.

Steg 3: Presentera data

Resultat, resultat, resultat. Om du ska förstå det du har behöver du läsa det i en form som är begriplig redan från början. Välj ett bra verktyg för datavisualisering som fungerar i moderna affärsmiljöer. Infografik passar utmärkt för detta, liksom traditionella diagram och grafer. Det här är i princip upp till dig, och bra analysverktyg erbjuder dig en rad olika alternativ för visualisering.

Sätt ihop allt

Sammanfattningsvis, vad är affärsanalys? Det är den uppsättning dataanalysverktyg du använder för att förstå den moderna verksamhet du driver och fatta smarta beslut om vart du ska gå härifrån. Att prenumerera på RevOpsTeams nyhetsbrev är ett annat smart beslut, och det är ett beslut du bör fatta nu för att hålla dig uppdaterad om de senaste metoderna, verktygen och trenderna som kan ge ditt varumärke den konkurrensfördel det behöver för att blomstra.