Dataforståelse og forretningsforståelse går hånd i hånd

I en tid hvor det ikke længere handler om, hvor mange enheder der er koblet på internettet, men hvor mange, som ikke er, vil der også lagres langt mere data end tidligere. Derfor er det også vigtigt, at man som nutidig og fremtidig medarbejder har dataforståelse.
Hvis du har en webshop, så har du altid haft gode muligheder for at indsamle data om de besøgene og deres adfærd. Men som fysisk butik er det sværere. Der er mange regler, som skal overholdes, når det kommer til tracking af kunder, for det ender hurtigt som ‘overvågning’. Men dette prøver virksomheden Yodaway at løse med deres kunstige intelligens modeller og sociale robotter. En social robot er 1 meter høj, har et appellerende udseende, og så har den tiltrækningskraft på mennesker. “Data i fx detail kan være med til at skabe indsigt, som ellers kun opleves online, og vi mener, den her indsigt kan være med til at hjælpe detail ud af en krise. Simpelthen ved at få indsigt i hvem det er, der kommer og besøger os,” siger Jakob Tordal Bols, CCO hos Yodaway. Yodaway har, udover de sociale robotter, udviklet kunstige intelligens modeller til androidbaserede telefoner og tablets. Den kunstige intelligens kan via enhedens kamera spore, om vedkommende, som står foran kameraet er mand/kvinde samt hvilken alder vedkommende er i. Sådanne demografiske data kan give stor værdi, hvis man eksempelvis skal forstå sine markedsføringssignaler.
Normaltvis vil man kun have mavefornemmelser, og det, som medarbejdere ser. En dygtig sælger ved typisk godt, hvilken bil han sælger mest til en specifik type, men med Yodaways løsning får man meget mere faktuel indsigt. Desuden røber Jakob også, at man kigger meget på emotionel tracking, hvor kameraet simpelthen kan se, hvorvidt kunden er tilfreds/utilfreds med afsæt i ansigtsudtryk. Så det bliver spændende i 2020, hvor Yodaway vil gå mere ind i det.
I HK, hvor Povl Heiberg Gad arbejder i analyseafdelingen som Erhvervs-ph.d., kigger de meget på medlemskaber. Når man er medlem af HK, betaler man kontingent hver måned, og det er derfor nemt for HK at se, når medlemmer melder sig ud, da de typisk stopper med at betale kontingentet. “Der bliver i enhver virksomhed gemt en masse data, når man har interaktioner med kunder eller i vores tilfælde medlemmer. Så kan man simpelthen med nogle forskellige modeller beregne, hvad det er, der typisk sker, og på den måde kan man også lave nogle forudsigelser. Hvis det er det her, der typisk plejer at ske, jamen så kan vi også antage, at det er et mønster, som gentager sig, da der er noget statisk eller cyklisk, så ved vi, hvad der sker med det her medlem. Hvis langt de fleste melder sig ud, hvis de har oplevet dårlig service, så kan vi også være ret sikre på, at den næste, der oplever dårlig service, melder sig ud. Derfor kan man måske sætte ind nogle steder, og prioritere sine ressourcer både ledelsesmæssigt og operationelt i forhold til der, hvor det givermening at sætte ind sådan rent forretningsmæssigt og kundetilfredshedsmæssigt,” uddyber Povl Heiberg Gad. Det er ofte svært at få et helhedsbillede af kunder og medlemmers oplevelser, hvis man blot sender et spørgeskema ud til alle. Ét er, at du skal være rigtigt heldig hvis ca. 10% svarer. Dernæst er det også tvivlsomt, om de ca. 10% repræsenterer midtergruppen eller de mest tilfredse/utilfredse. Ifølge Povl Heiberg Gad, som netop forsker i brugen af data, så tyder alt på, at de 10% der svarer, typisk er de mest engagerede. Engagementet kan både være fra de tilfredse ambassadører men også de gode gamle ‘brokkerøve’. Så den mest neutrale måde at få data og indsigt om dine kunder/medlemmer på er ved at kigge på alle. Ulempen er så, at du ikke får så dyb indsigt, da du ikke kan komme ned i hovedet på folk og spørge om deres mening.
Men hvorfor er det, at dataforståelse er så relevant? Og kan det egentligt stå alene? Det har Povl Heiberg en helt klar holdning til, for han oplever ofte, at der opstår udfordringer i koblingen mellem at forstå forretningen og forstå data.
pludseligt kan fortælle os, at det er lige når de bliver 65 at de melder sig ud, så det skal vi gøre noget ved. Det er bare et lille eksempel, hvis ikke du forstår, hvad det er for en forretning, du har. Hvad det er at sælge biler? Hvad det er at sælge dagligvarer? Hvis ikke du har den dybe forståelse, så er det svært. Derfor handler det tit også om, at du skal kombinere nogle kompetencer, og lige pludselig har du nogle ret tunge projekter, hvis du skal bruge data rigtigt godt. For folk skal kunne virkeligt mange forskellige ting.
Dataforståelse og forretningsforståelse går altså hånd i hånd. Hvis ikke du har begge dele, enten i samme person eller i personer som kan tale sammen, så er der stor sandsynlighed for, at du kommer galt afsted. Det er vigtigt at have overlappende kompetencer, og skabe bro mellem de forskellige fagligheder. Hvis du eksempelvis er handelsstuderende, er det en god idé at få en forståelse for data og nogle af de programmer, man bruger. På samme måde bør dem, som arbejder med IT også have kommerciel indsigt, så der skabes meningsfulde indsigter i kunder og medlemmer.