Daten haben die Art und Weise verändert, wie wir unsere Arbeit ausführen und Unternehmen führen. Es existierte ursprünglich als Metrik, die wir verfolgen mussten, aber in den letzten Jahren wird es in Seen und Ozeanen gesammelt, die an Informationen wertvoll sind. Dieses Wasser muss, wenn man so will, gezähmt und analysiert werden. Seine Komplexität hat sowohl Unternehmen als auch Lösungsanbieter dazu veranlasst, intelligente Systeme und Software zu entwickeln. Nein, es spricht nicht zurück, sondern führt eine statistische Analyse der verfügbaren Daten durch und weist das System dann an, bestimmte Aktionen entweder zu empfehlen oder selbst durchzuführen. Dies ist nicht unbedingt ein neues Konzept, aber es ist weiterhin möglich als je zuvor, da zahlreiche Datenbestände, Data Science-Techniken und Software verfügbar sind, die diese Informationen mit der Geschwindigkeit von Entscheidungen verarbeiten können.
Die heute verfügbaren Quellen umfassen ausgewählte Hauptkategorien von Daten, die jeweils eine Fülle von tatsächlichen Informationsressourcen enthalten. Ob aus internen Systemen oder externen Quellen, die digitale Ökosphäre macht diese strukturierten und unstrukturierten Daten weiterhin zugänglicher denn je. Einige dieser Kategorien umfassen:
Die vielen spezifischen Quellen innerhalb jeder der oben genannten Kategorien umfassen interne Transaktionsdaten aus Kunden- und Immobilienverwaltungssystemen, Point-of-Sale-Lösungen, Angebotsbestände, Nachfragestatistiken, Wettbewerbsbenchmarking, Kanalplatzierung und Preisgestaltung, Veranstaltungsdaten, Kundenfeedback, Website-Analyse, Werbung Segmentierungen, Social-Media-Aktivitäten und vieles mehr.
Als Führungskraft ist es wichtig, sich mit qualitativ hochwertigen Leistungskennzahlen zu umgeben. Der nächste natürliche Schritt besteht darin, diese Daten in Eingaben für Ihre Kernentscheidungsprozesse und -systeme umzuwandeln, damit diese Systeme Daten unter Anleitung eines qualifizierten Benutzers analysieren können. Dadurch kann ein System mehr Eingaben empfangen, als die normale Person in der gleichen Zeit sammeln kann, und anschließend bessere Entscheidungen für ein Unternehmen treffen.
Schauen wir uns nun einige Beispiele an, wie Daten mit Software kombiniert werden, um eine Lösung zu schaffen, die aufgrund verschiedener Einschränkungen bisher nicht möglich war.
Revenue Management
Das Revenue Management wird immer ausgefeilter, wenn es um die Verwendung von Datenquellen geht. Seit den Anfängen dieser Systeme waren sie auf Schnittstellen zu anderen internen Systemen angewiesen. Ihre zunehmende Nutzung von Informationen aus externen Quellen hat sie jedoch intelligenter und in der Lage gemacht, Aufgaben effizienter auszuführen. Diese Lösungen umfassen nun Eingaben wie lokale Angebots- und Nachfragestatistiken, wettbewerbsfähige Preise, Flugaktivitäten auf Marktniveau, Wetter und Ereignisse, um genauere Vorhersagen und Preisfestsetzungen zu ermöglichen. Entdecken Sie LodgiQ, Maxim und IDeaS, um Beispiele für Lösungen zu finden, die durch diese Art von Informationen unterstützt werden.
Remarketing
Mehrere Werbelösungen ermöglichen es Unternehmen, Produkte an Personen weiterzuvermarkten, die ihre Website zuvor besucht haben. Bei dieser Werbemöglichkeit werden die Produkte des Werbetreibenden derselben Person präsentiert, wenn diese eine andere Website besucht, die Teil eines Werbenetzwerks ist. Die Identifizierung der Person erfolgt in der Regel über anonyme Tracking-Techniken wie ein Cookie, es können jedoch auch andere Techniken eingesetzt werden. Tatsächlich ist dies das Ergebnis der Webanalyse eines Werbetreibenden, die in ein Werbenetzwerk umfunktioniert wird, um eine bestimmte Person zu identifizieren, die zuvor Interesse an ihrem Produkt gezeigt hat, um das Interesse dieser Person wiederzubeleben. AdRoll, Google, Facebook, Perfect Audience und Sojern bieten alle Remarketing- oder Retargeting-Lösungen.
Verhaltens- und Absichtswerbung
Diese Art von Werbelösung basiert auf einer Datengrundlage. Der Unterschied besteht jedoch darin, dass die Informationen auf dem bisherigen Browserverlauf einer Person, tatsächlichen Kauftransaktionen oder anderen Quellen basieren, die die Interessen der Person und die wahrscheinliche Kaufabsicht darstellen. Die Informationen werden aggregiert und es werden Annahmen getroffen, um eine Person oder ein Zielgruppensegment in eine Gruppe einzuordnen, die für bestimmte Werbetreibende von Interesse ist. Unternehmen wie Adara, Journera, Sojern, Cendyn/ONE, Acxiom und AdTheorent können ebenso wie verschiedene Predictive Analytics-Lösungen als Beispiele für diese Art von Service angesehen werden.
Viele dieser Softwaretechnologien erzeugen Fähigkeiten, die zuvor nicht möglich waren. Darüber hinaus ist jeder von ihnen einzigartig. Diese Systeme sind oft in der Lage, die Privatsphäre der betroffenen Personen zu schützen, indem sie sie in ihre Kernalgorithmen integrieren, anstatt sie einer Schnittstelle auszusetzen. Sie erleichtern dann Entscheidungen und Empfehlungen, die entweder von einer Person oder dem System selbst durchgeführt werden können.
Obwohl Listen von Produkten innerhalb einer Kategorie oft nützlich sind, ist es wichtig, die großen Unterschiede zwischen den oben genannten Produkten innerhalb einer Kategorie trotz einiger oberflächlicher Ähnlichkeiten zu verstehen. Das Verständnis dieser einzigartigen Fähigkeiten ist der Schlüssel zur Generierung der Unternehmensleistung. Tatsächlich müssen Führungskräfte schnell erkennen, dass die Implementierung einer datenabhängigen Anwendung strategisches Denken erfordert. Wenn die Anwendung nicht mehr mit der beabsichtigten Richtung ausgerichtet ist, kann eine Organisation gezwungen sein, eine ungeplante Änderung vorzunehmen. Obwohl diese Risiken bestehen, sollten die dateninfundierten Anwendungen in der Lage sein, einen erheblichen Wettbewerbsvorteil zu schaffen.
