Zdjęcie główne artykułu by picjumbo.com
Jedną z branży, która jest szczególnie wrażliwa na dane jest e-commerce. Informacji do analizowania jest tutaj bardzo dużo: liczba nowych klientów, liczba powracających klientów, koszt pozyskania klienta, koszt pozyskania zamówienia, całkowita wartość klienta, konwersja, źródła wejść, ruch na stronie, reakcja na promocje, social media i związane z nimi parametry, cały nasz omnichannel, kanały dystrybucji, koszty logistyczne itp. Do tego często też staramy się analizować i badać dane odnośnie konkurencji (np. pochodzące od operatorów płatności, lub ze sklepów stacjonarnych).
Jak widzicie w e-commerce dawka informacji do przetworzenia jest olbrzymia. Potwierdzają to również przykłady dużych i znanych firm. Ebay, którego nikomu nie trzeba przedstawiać, codziennie zapisuje 6 miliardów informacji o swoich transakcjach, przy tym jednocześnie odczytując 5 miliardów informacji dziennie. Rozmiar bazy danych eBay jest szacowany na 250 TB.
Inny ciekawym przykładem (choć nie jest to do końca e-commerce) jest Amazon. Ich pierwsza duża produkcja filmowa – czyli House of Cards, powstała i odniosła sukces dzięki analizie danych. Analizowali zachowania 20 milionów klientów sprawdzając kiedy zatrzymują film, które dialogi ich znudziły, jak odnosili się do filmów, jak je oceniali itp.
W czasach kiedy social media stały się kolejnym zbiorem danych do przeanalizowania, można śmiało stwierdzić, że dane rządzą tą branżą. Oczywiście najważniejszy jest produkt, ale trzeba zrozumieć klienta, jego potrzeby, jego sposób kupowania, jego oczekiwania, jego wrażliwość na promocje itd.
Źródeł informacji również jest coraz więcej. Każdy, nawet mały sklep internetowy, sprawdza dziś swoje statystyki w Google Analytics, prowadzi profil na Facebooku i często dodatkowo na Instagramie. Analizuje i zapisuje kontakty z klientami w swoim systemie CRM, kupuje reklamy w Google i w social mediach, korzysta z narzędzi do sprawdzania pozycji w wyszukiwarce, korzysta z remarketingu i zbiera cookies. Do tego wszystkiego dochodzi jeszcze pełny zestaw informacji o samych transakcjach i ich przebiegu.
Nie trzeba być analitykiem aby zrozumieć, że odpowiednie przetworzenie danych i poprawne wyciąganie wniosków może znacząco poprawić sytuację każdego biznesu.
IBM Watson Analytics
Jednym z narzędzi, które w dzisiejszych czasach może wam pomóc w analizie waszego biznesu jest IBM Watson Analytics. Jest to dość potężne narzędzie analityczne, które jednak nie wymaga od was zaawansowanej wiedzy technologicznej czy programistycznej. Każdy, kto dziś radzi sobie z analizą danych w takich narzędziach jak Google Analytics poradzi sobie również z Watson Analytics.
Co to w ogóle jest? IBM w 2014 zaprezentował system, który poczynając od małego biznesu, może być użyty przez każdego kto chce analizować dane. Można to nazwać Self-Service Analytics Tools dla opornych. Watson Analytics pozwala nam porozumiewać się z naszymi danymi za pomocą języka naturalnego, czyli możemy zadawać systemowi pytanie w języku angielski a on po delikatnej korekcie, którą zaproponuje znajdzie dla nas odpowiedź (oczywiście jeśli da się odpowiedzieć na podstawie danych, które dostarczyliśmy).
Dodatkową zaletą Watson Analytics jest jego umiejętność analizowania danych z social mediów i korelowanie ich z danymi z naszych źródeł. Mówimy tutaj w szczególności o Twitterze, z którym IBM współpracuje.]
Jak zacząć z Watson Analytics i co potrafi?
Dane – Na początku możemy zarejestrować sobie 30 dniową wersję próbną. Ja z takiej korzystam. Pierwszym krokiem jest oczywiście załadowanie danych do Watson Analytics. Właściwie forma danych jest dowolna, przyjmuje większość formatów z jakich korzystam. Bez problemu wrzuciłem, więc do niego informacje o transakcjach z banku, dane z GA czy własne tabele.
Watson Analytics ma też kilka predefiniowanych źródeł i jednym z nich jest np. Twitter. Wystarczy, że podamy kluczowe tagi, które chcemy śledzić, i za jaki okres, i za chwilę w systemie mamy pełny zestaw danych na ten temat.
Watson Analytics potrafi też łączyć się bezpośrednio z różnymi źródłami danych. W większości przypadków są nimi bazy danych lub wybrane popularne systemy CRM, jak SalesForce. Dzięki temu nasze dane i analizy będą bazować na aktualnych informacjach i będziemy mogli obserwować ich zmiany dynamicznie.
Eksploracja – Drugim krokiem zaraz po “załadowaniu” jest eksploracja. Możemy praktycznie natychmiast zacząć “bawić się” naszymi danymi po przez zadawanie pytań. Ważne aby pamiętać, że system rozumiem jedynie język angielski. Dla przykładu wrzuciłem sobie do Watson Analytics wyniki naszego ostatniego badania czytelników na Antywebie. Dzięki szybkiej analizie znalazłem korelacje pomiędzy tym jak często czytelnicy czytają AW, a tym czy korzystają z Adbloków.
Oczywiście to tylko prosty przykład. Na danych pokazowych możemy poćwiczyć naprawdę bardziej skomplikowane zapytania. Wynik każdego z nich możemy sobie zapisać w osobnej zakładce, dzięki czemu możemy tworzyć zestawy własnych raportów. Kiedy dane pochodzą bezpośrednio ze źródeł i są podawane w “real time” będziemy mieli świetne narzędzie do poglądu naszego biznesu “na żywo”.
Predykcje – czyli możemy w systemie postawić sobie kilka celów do realizacji. Watson Analytics na bazie zebranych już danych liczy prawdopodobieństwo osiągnięcia danego celu. Do tego wszystkiego, progres związany z celami mamy zwizaulizowany, dzięki czemu mamy jasną informację czy jesteśmy blisko jego osiągnięcia.
Prezentacja – wspomniałem już o możliwości tworzenia raportów. W Watson Analytics na podstawie danych możemy też przygotować infografiki (łącznie z mapami itp.). Możemy budować i zapisywać layouty dla naszych dashboardów z wybranymi danymi. Możemy dzięki temu – na przykład, stworzyć kompleksowy podgląd głównych parametrów mających wpływ na nasz biznes.
To w skrócie jeśli chodzi o samo narzędzie. IBM postarał się, aby Watson Analytics był dostępny dla każdego i tak faktycznie jest. Początki są banalne, wraz z potrzebami będziemy natomiast mogli z Watson Analytics wyciągnąć naprawdę dużo dużo więcej. Technologia wbudowana w tę platformę pozwoli nam na zaawansowane analizy nie tylko statyczne, ale również w czasie rzeczywistym.
–
Tekst powstał przy współpracy z firmą IBM
