Gegevens hebben de manier waarop we ons werk uitvoeren en bedrijven beheren veranderd. Het bestond aanvankelijk als een metriek die we moesten volgen, maar de laatste jaren wordt het verzameld in meren en oceanen aan informatie. Dit water moet, als je wilt, getemd en geanalyseerd worden. De complexiteit ervan heeft ertoe geleid dat zowel bedrijven als leveranciers van oplossingen slimme systemen en software hebben ontwikkeld. Nee, het praat niet terug, maar voert eerder statistische analyses uit op beschikbare gegevens en stuurt het systeem vervolgens om bepaalde acties aan te bevelen of deze zelf uit te voeren. Dit is niet per se een nieuw concept, maar het is wel een concept dat nog steeds meer mogelijk is dan ooit tevoren met de beschikbaarheid van talloze data-assets, datawetenschapstechnieken en software die deze informatie met de snelheid van beslissingen kunnen verwerken.
De bronnen die vandaag beschikbaar zijn, omvatten geselecteerde belangrijke categorieën gegevens, elk met een overvloed aan actuele informatiebronnen. Of het nu afkomstig is van interne systemen of externe bronnen, de digitale ecosfeer blijft deze gestructureerde en ongestructureerde gegevens toegankelijker dan ooit maken. Een paar van deze categorieën zijn onder meer:
De vele specifieke bronnen binnen elk van de bovenstaande categorieën omvatten interne transactiegegevens van klant- en vastgoedbeheersystemen, point-of-sale-oplossingen, aanbodinventarissen, vraagstatistieken, concurrerende benchmarking, kanaalplaatsing en prijsstelling, gebeurtenisgegevens, klantfeedback, website-analyse, advertenties segmentaties, activiteiten op sociale media en nog veel meer.
Als bedrijfsleider is het belangrijk om jezelf te omringen met kwaliteitsprestatiestatistieken. De natuurlijke volgende stap is om deze gegevens om te zetten in inputs voor uw belangrijkste beslissingsprocessen en -systemen, zodat deze systemen gegevens kunnen analyseren onder begeleiding van een gekwalificeerde gebruiker. Hierdoor kan een systeem meer input ontvangen dan de gemiddelde persoon in dezelfde tijd kan verzamelen en vervolgens betere beslissingen voor een bedrijf kan nemen.
Laten we nu eens kijken naar een paar voorbeelden van hoe gegevens worden gecombineerd met software om een oplossing te creëren die voorheen niet mogelijk was vanwege verschillende beperkingen.
Inkomstenbeheer
Inkomstenbeheer wordt steeds geavanceerder als het gaat om het gebruik van gegevensbronnen. Sinds de begindagen van deze systemen vertrouwden ze op interfaces met andere interne systemen. Het toenemende gebruik van informatie uit externe bronnen heeft hen echter intelligenter gemaakt en in staat gesteld om taken efficiënter uit te voeren. Deze oplossingen bevatten nu input, waaronder lokale vraag- en aanbodstatistieken, concurrerende prijzen, vluchtactiviteit op marktniveau, weer en evenementen om nauwkeurigere voorspellingen en vaste prijzen te leveren. Verken LodgiQ, Maxim en IDeaS voor voorbeelden van oplossingen die mogelijk worden gemaakt door dit soort informatie.
Remarketing
Meerdere advertentieoplossingen stellen bedrijven in staat om producten te remarketen aan personen die hun website eerder hebben bezocht. Deze advertentiemogelijkheid presenteert de producten van de adverteerder aan dezelfde persoon wanneer deze een andere site bezoekt die deel uitmaakt van een advertentienetwerk. De persoon wordt meestal geïdentificeerd via anonieme volgtechnieken zoals een cookie, maar er kunnen ook andere technieken worden gebruikt. In feite is dit het resultaat van webanalyses die eigendom zijn van een adverteerder, die worden hergebruikt in een advertentienetwerk om een specifieke persoon te identificeren die eerder interesse toonde in hun product om de interesse van deze persoon nieuw leven in te blazen. AdRoll, Google, Facebook, Perfect Audience en Sojern bieden allemaal oplossingen voor remarketing of retargeting.
Gedrags- en intentiereclame
Dit type advertentie-oplossing is gebouwd op een fundament van gegevens. Het verschil hier is echter dat de informatie is gebaseerd op de browsegeschiedenis van een persoon, daadwerkelijke aankooptransacties of andere bronnen die de interesses en de waarschijnlijke intentie van de persoon om te kopen vertegenwoordigen. De informatie wordt geaggregeerd en er worden veronderstellingen gemaakt om een persoon of doelgroepsegment in te delen in een groep die interessant is voor bepaalde adverteerders. Bedrijven zoals Adara, Journera, Sojern, Cendyn/ONE, Acxiom en AdTheorent kunnen als voorbeelden van dit soort diensten worden beschouwd, evenals verschillende oplossingen voor voorspellende analyse.
Veel van deze softwaretechnologieën produceren mogelijkheden die voorheen niet mogelijk waren. Bovendien zijn ze elk op hun eigen manier uniek. Deze systemen zijn vaak in staat om de privacy van betrokkenen te beschermen door deze in hun kernalgoritmen op te nemen in plaats van deze bloot te stellen aan een interface. Ze vergemakkelijken vervolgens beslissingen en aanbevelingen die door een persoon of het systeem zelf kunnen worden uitgevoerd.
Hoewel lijsten met producten binnen een categorie vaak handig zijn, is het absoluut noodzakelijk om de enorme verschillen tussen de bovengenoemde producten binnen een categorie te begrijpen, ondanks enkele overeenkomsten op het oppervlak. Het begrijpen van deze unieke mogelijkheden is essentieel voor het genereren van bedrijfsprestaties. Leidinggevenden moeten zich in feite snel realiseren dat het implementeren van een applicatie die afhankelijk is van data strategisch vooruitdenken vereist. Als de toepassing niet goed aansluit bij de beoogde richting, kan een organisatie worden gedwongen om een ongeplande wijziging door te voeren. Hoewel deze risico's bestaan, zouden de met data doordrenkte toepassingen een aanzienlijk concurrentievoordeel moeten kunnen creëren.
