Projekty – Alpha Analytics

FCA

honza — Mon, 07 Dec 2020 16:42:04 +0000

Cílem spolupráce je formou pravidelných osobních nebo vzdálených konzultací vytvořit a kontinuálně rozvíjet reportingové řešení pro společnost FCA. Díky tomu má zákazník neustálý přehled o vývoji, který je v souladu s aktuálními potřebami organizace.

Konkrétní potřeby zákazníka:

Analyzovat informace s větším detailem a vyhodnocovat například jaké složky ovlivňují celkové tržby.
Vyhodnocení výkonu nejdůležitějších produktů a zákazníků v čase (Paretovo pravidlo 80/20)
Moderní, interaktivní a mobilní reportingový nástroj – Power BI.

U projektu jsme využili:

Power BI
Reporting

Hyundai

honza — Mon, 07 Dec 2020 16:34:03 +0000

Cílem bylo poskytnout poradenské služby týkající se reportingu, OLAP dotazů a optimalizace výkonu systému. Interní reporting je založen na řešení Business Planning and Consolidation (SAP BPC), které naši konzultanti pomáhají provozovat a zlepšovat.

U projektu jsme využili:

Data Warehousing
Reporting
Finanční konsolidaci

U projektu jsme vypracovali:

SQL infrastructure a škálování
OLAP dotazy a vyladění MDX
Finanční reporting a plánování
Monitorování účetní uzávěrky

Philips

honza — Mon, 07 Dec 2020 16:27:41 +0000

Cílem projektu bylo vytvořit jednotný datový sklad pro řízení a optimalizaci klíčových oblastí společnosti. Společnost Philips získala moderní reportovací nástroj, který nabízí informovaný náhled na aktuální obchodní i finanční informace v nejrůznějších souvislostech. Díky novým pohledům je možno jednotně pracovat napříč regiony, sortimentem i jednotlivými zákazníky a mít přehledně na jednom místě klíčové informace pro řízení důležitých firemních procesů. Nový systém umožňuje lépe řídit efektivitu nákupu, prodeje, finančních toků i CRM a díky včasným informacím poskytovat důležité informace pro klíčová rozhodnutí. To vše přináší provozní úspory, které poskytují rychlou návratnost implementovaného díla.

Řešení:

Vytvořili jsme řešení pro reporting chování a akvizici zákazníků, a to zejména napříč kanály, segmenty a regiony.
Vyhodnocujeme aktivaci retenčních zákazníků, tzn. eliminaci jejich úmrtnosti.
Zpřístupnili jsme controllerům data pro operativní finanční reportování.
Vyhodnocujeme cenotvorbu až na úroveň jednotlivých produktů oproti konkurenci.
Zpřístupňujeme uživatelům důležité informace o nákupu, prodejích a zásobách.

U projektu jsme využili:

Data Warehousing
Business Intelligence
OLAP analýzy
Reporting
Power BI
Datazen

General Motors

honza — Mon, 07 Dec 2020 16:22:32 +0000

Cílem projektu bylo vytvořit jednotný a moderní reporting pro řízení a zvýšení efektivity celého obchodního cyklu. Díky novým pohledům je možno jednotně pracovat napříč regiony, sortimentem, obchodníky, zákazníky a mít přehledně na jednom místě klíčové informace pro řízení důležitých obchodních procesů. Nový systém umožňuje lépe řídit jak obnovu stávajících kontraktů, tak i získávání nových. Navíc díky nástrojům Power BI a Office 365 jsou reporty interaktivní, přehledné a dostupné i z mobilu. To vše přináší provozní úspory, které zajišťují rychlou návratnost implementovaného díla.

Konkrétní potřeby zákazníka:

Analyzovat informace s větším detailem a vyhodnocovat například jaké složky ovlivňují celkové tržby (obnova, cross-sell, up-sell, atd.). A to na obchodníka, region, ve srovnání s plány, apod.
Automatizovat distribuci reportů širšímu spektru lidí (oblastní manažeři, produktový manažeři, obchodníci, management, atd.)
Moderní, interaktivní a mobilní reportingový nástroj – Power BI.

U projektu jsme využili:

Data Warehousing
Business Intelligence
OLAP analýzy
Reporting
Power BI

Škoda

honza — Mon, 07 Dec 2020 16:15:16 +0000

Cílem projektu bylo určení zákaznických segmentů z návštěvníků webových stránek firmy Škoda. Práce směřovala k vylepšení „funnelu“ tj. obchodního trychtýře pro oslovení potenciálních zákazníků, a tím k navýšení následných prodejů.

Metodika:

Profilování jednotlivých segmentů pomáhá prodávat a vedle toho rozeznat skupiny zákazníků, jejich nákupní záměr, potřeby, touhy a zkušenosti.

Porozumění zákaznickým segmentům má zásadní význam pro:

Přizpůsobení zákaznických témat v komunikaci (např. dle životní situace, financí a životního stylu)
Relevantní přímou (direkt) komunikaci

Dimenze:

Identifikace 4 nejdůležitějších dimenzí z více než 300 různých atributů:
Nákupní záměr
Kvalita aut / hodnotová dimenze
„Místní“ vs. celosvětový význam značky
Výkon motoru

Segmenty:

Matematicky byl určen optimální počet segmentů
Konečným výsledkem Segmentace bylo 10 větších Zákaznických segmentů s vysokým podílem a jasnou charakteristikou pro každý z nich

Potenciál segmentů:

Nejvyšší obchodní potenciál se projevil v “Segmentu 7” následován “Segmentem 10” a “Segmentem 2”
Segmenty s nízkým nebo žádným obchodním potenciálem: “Segment 1”, “Segment 3” a “Segment 6”

Výsledná návratnost marketingových investic:

Díky cílení na segmenty s vysokým potenciálem (7, 10, 2) a jejich oslovení segmentovanou marketingovou komunikaci při současném vyřazení segmentů (1, 3, 6) s nízkým potenciálem bylo dosaženo již v prvním měsíci masivního zvýšení efektivity marketingových kampaní!

Segmenty (4, 5) s vysokou afinitou byly oslovené speciální nabídkou zaměřenou na úzkou produktovou skupinu

ROI – návratnost projektu

„ROI“ projektu on-line segmentace přesáhl úrovně 5 během prvních 180 dní!

Toyota

honza — Mon, 07 Dec 2020 15:54:19 +0000

Pro věrnostní klub Toyota jsme chtěli zajistit oslovení těch zákazníků, které potřebovala společnost Toyota odměnit a zároveň si s nimi udržet ziskový vztah. Nabídky v rámci věrnostního klubu měly ovšem chodit jen těm zákazníkům, kteří se skutečně chystají nakoupit. Komunikaci na spící část zákaznické databáze jsme chtěli omezit, abychom zvýšili návratnost kampaní a zajistili, že pravidelná dávka dopisů do schránek přinese zisk. Zároveň společnost Toyota chtěla odměňovat své nejvěrnější namísto náhodných kupujících.

Řešení

Jako řešení jsme zvolili afinitní model, který zkombinoval věrnost zákazníka, jeho minulé útraty a zároveň jeho stáří, tedy jak dlouho nakupuje u firmy Toyota. Naše společnost vyvinula prediktivní model na pozitivních příkladech zákazníků, kteří opakovaně nakupují. Model vybírá zákazníky s vysokou pravděpodobností nákupu. Těmto věrným a kvalitním zákazníkům společnost Toyota poskytuje výhody a slevy v měsíčních zásilkách.

Výsledky

Protože je podnikání společnosti Toyota extrémně stabilní, chová se i předpovědní model velmi stabilně. Model byl použit od svého vytvoření ve dvanácti vlnách komunikace, aniž by se snížila jeho účinnost. Model se používá k roztřídění databáze zákazníků na deset skupin (decilů) dle skóre pravděpodobnosti nákupu. Na obrázku vidíme, že nejlepší desetina – decil 10 – nakoupí ve 22 % případů a průměrný decil 6 jen ve 2 % případů. Oslovením decilu 10 tedy dosáhneme desetinásobné návratnosti oproti oslovení „průměrného“ decilu 6. Model tedy při oslovení decilu 10 stabilně přináší desetinásobnou návratnost (ROI) oproti oslovení celé databáze, tedy i průměrných a horších zákazníků.

Nižší decily 1-5, tedy méně afinitní polovina databáze, je zcela vyřazena ze zásilek, čímž jsme dosáhli značných úspor.

Plných 5 ze 7 finančně vyhodnocených vln komunikace bylo vysoce ziskových, při zachování výhodnosti pro zákazníky. Zbylé dvě ze sedmi hodnocených vln komunikace přinesly „jen“ mírný zisk, odměnu zákazníkům a propagaci méně obvyklého zboží.