کاربردهایی از هوش تجاری

شرکت GIANT FOOD (فروشگاه  مواد غذایی)

https://giantfoodstores.com

چالش: قیمت‌گذاری محصولات به نحو مناسب و پیش‌بینی تغییرات بازار

سیستم قیمت‌گذاری و توزیع این شرکت یک سیستم قدیمی بود که با افزایش رقابت نمی‌توانست در بازار سریع خرده‌فروشی پاسخ‌گو باشد. از سویی دیگر تعیین قیمت‌ها معمولاً نیاز به یک کارشناس انسانی خبره داشت و پیش‌بینی تغییرات بازار در این شرایط کاری دشوار بود.

راه‌حل: استفاده از سیستم‌های تصمیم‌یار هوش تجاری. برای حل این چالش شرکت GIANT FOOD از سیستم DemandTec استفاده کرد. این سیستم با کاوش حجم عظیمی از داده‌های رقابتی و ترمینال‌های فروش قادر به مدل کردن و پیش‌بینی تقاضای مشتریان است. همچنین این سیستم با کد کردن جامع و یکپارچه‌ی قوانین و استراتژی‌های قیمت‌گذاری نیاز به حضور کارشناس خبره برای قیمت‌گذاری را از بین برده و فرآیند قیمت‌گذاری به‌صورت خودکار انجام می‌شود همچنین این سیستم GIANT FOOD را قادر ساخته تا اثرات تغییرات قیمت و سایر پیشرفت‌ها و تغییرات را پیش از ورود محصول به بازار پیش‌بینی کرده و تصمیمی متناسب با اطلاعات دقیق حاصل از این پیش‌بینی‌ها اتخاذ کند و استراتژی مناسب را در پیش گیرد. این شرکت با استفاده از این سیستم تصمیم‌یار بازده خود را 2 برابر کرده است.

 

 

 

 

شرکت Vodafone

http://www.vodafone.com/content/index.html

چالش: از دست دادن سهم مشتریان بازار به دلیل ورود و رشد سریع رقبا

این شرکت از برترین شرکت‌های ارتباط از راه دور در نیوزیلند است که حدود 50% سهم بازار را در اختیار داشته است. ورود رقبا و رشد سریع آنان در بازار این شرکت را با خطر کاهش نرخ جذب مشتریان جدید و همچنین از دست دادن مشتریان قدیمی مواجه کرده است.

راه‌حل: این شرکت با بهره‌مندی از سیستم انبار داده از شرکت EDW توانسته است داده‌های بخش‌های مختلف شرکت را به‌صورت یکپارچه جمع‌آوری کرده و در اختیار بخش‌های مختلف قرار دهد و دیدی یکپارچه از کل اطلاعات شرکت ایجاد کند. استفاده از انبار داده، شرکت را به سمت بازاریابی تحلیلی سوق داد و موجب شد که برای بخش‌های مختلف شرکت امکان ارائه‌ی کوئری­های تحلیلی به وجود آید و بتوان مشتریان مناسب و ابزار مناسب بازاریابی برای هرکدام را به کار گرفت. این شرکت دپارتمان تحلیل دانش مشتری را برای انجام تحقیقات بازار تشکیل داد که با استفاده از انبار داده و تحلیل داده‌های مختلف توانست در فضای رقابتی بازار باقی مانده و همچنان به‌عنوان یکی از برترین شرکت‌های این حوزه شناخته شود. بهره‌مندی از انبار داده علاوه بر یکپارچه‌سازی اطلاعات موجب کاراتر شدن فرآیندهای بازاریابی و همچنین بهره‌مندی بهتر از نیروی انسانی شرکت شده است و لزوم به‌کارگیری چندین متخصص برای مدیریت داده‌ها را از بین برد.

 

 

 

 

 

 

 

 

شرکت DirecTV

www.directv.com

چالش: حجم عظیم و در حال افزایش داده‌های معاملاتی

این شرکت یک سرویس‌دهنده‌ی ماهواره‌ای پخش مستقیم تلویزیونی است. این شرکت با در اختیار داشتن سیزده هزار کارمند در سراسر ایالات‌متحده و امریکای لاتین، در سال 2008 توانست حدود پنجاه میلیون مشترک جذب کند. این حجم از فعالیت‌ها و مشترکین، شرکت را با حجم زیادی از داده‌ها مواجه می‌سازد از سویی دیگر نیز مدیران شرکت به گزارش‌های بلادرنگ از بخش‌های مختلف مانند بازاریابی و فروش، خدمات مشتری و بخش فنی برای تصمیم‌گیری‌های تجاری نیاز داشتند.

راه‌حل: علی‌رغم استفاده این شرکت از سیستم انبار داده به دلیل قدیمی بودن این سیستم و ارائه‌ی اطلاعات و گزاش گیری‌ها به‌صورت روزانه، نیاز مدیران به گزارش‌گیری‌های سریع ارضا نمی‌شد. با استفاده از سیستم انبار داده‌ی جدید بهنگام سازی داده‌ها به زیر پانزده دقیقه کاهش یافت. این امر موجب شد که تغییرات و پیشرفت‌های چشم‌گیری برای شرکت ایجاد شود. به‌عنوان مثال در واحد فروش، کارمند بخش فروش با مشاهده‌ی بلادرنگ گزارش از دست دادن مشتری می‌تواند با در نظر گرفتن استراتژی مناسب و ارائه‌ی پیشنهادهای مناسب (کیفیت بالاتر، تخفیف و...) مشتری را مجدداً جذب کرده و از خروج وی جلوگیری کند. بهره‌مندی از این سیستم موجب افزایش مزیت رقابتی شرکت و همچنین کاهش هزینه‌ها شد.

 

 

 

شرکت FIRST AMERICAN

www.firstam.com

چالش: تغییر استراتژی بانک داری از استراتژی بانک داری سنتی به شیوه‌ی مشتری محور

این شرکت با تغییر استراتژی سنتی و تدوین یک استراتژی مشتری محور بانکداری، قصد افزایش سود و حضوری مؤثر را در فضای رقابتی و مشتری محور بازار داشت. برای داشتن یک استراتژی مشتری مدارانه و ایجاد یک CRM (مدیریت ارتباط با مشتری) قوی نیاز به اطلاعات دقیق از مشتری و شناخت ترجیحات آنان است.

راه‌حل: این شرکت با استفاده از سیستم انبار داده‌ی VISION توانست به اطلاعات رفتار خرید مشتری مانند ترجیحات خرید و محصولات مورداستفاده دسترسی داشته باشد. این انبار داده، اطلاعاتی همچون بیست درصد اول مشتریان سودرسان، کانال‌های توزیع کم‌هزینه و همچنین اطلاعاتی مفید برای اتخاذ استراتژی حفظ مشتری ارائه می‌کند.

 

 

 

 

 

شرکت HP

www.hp.com

چالش: نیاز به تحلیل داده‌های غیر ساختاریافته

این شرکت خدمات، راهکارها، محصولات و فناوری‌هایی را در سطح جهانی برای سازمان‌های بزرگ، کوچک و افراد ارائه می‌دهد. از مهم‌ترین محصولات این شرکت می‌توان به کامپیوترهای شخصی و بازرگانی، کامپیوترهای جیبی، چاپگرها و... اشاره کرد. تعداد زیادی از مشتریان از طریق ایمیل با این شرکت در ارتباط هستند این ایمیل‌ها حاوی اطلاعات مهمی مانند نظرات مشتریان، ارزیابی آنان از خدمات و کیفیت محصولات و همچنین نوع مشتریانی است که با شرکت در ارتباط هستند. حجم زیادی از این نوع داده‌های ساخت نایافته، بدون استفاده تحلیلی در شرکت‌های مختلف وجود دارد. داده‌کاوی می‌تواند از این حجم داده‌های عظیم اطلاعات ارزشمندی را استخراج کند.

راه‌حل: شرکت HP با بهره‌گیری از ابزارهای متن‌کاوی توانست اطلاعات ارزشمندی را از متون مربوط به ایمیل‌ها و نظرات مشتریان استخراج کند. این سیستم متن‌کاوی با دقت هشتاد درصدی در استخراج اطلاعات از متون، هم‌اکنون در بخش‌های مختلف شرکت برای یک بازاریابی هدفمند و شناخت بهتر نیازهای مشتری استفاده می‌شود.

 

 

 

شرکت Lexmark

http://www.lexmark.com

چالش: نیاز به اطلاعات صحیح، دقیق و به‌موقع برای پشتیبانی از تصمیم‌گیری و پیاده‌سازی استراتژی‌های مناسب در شرایط رقابتی

این شرکت بین‌المللی به‌عنوان یک تولیدکننده‌ی جهانی محصولات چاپی با بیش از 50 نمایندگی فروش در بیش از 160 کشور فروش دارد. با توجه به شرایط رقابتی بازار و ضرورت تصمیم‌گیری‌های تجاری به‌موقع و دقیق، مدیران شرکت نیازمند اطلاعات سریع و دقیق بودند که این امر با وجود سیستم‌های اطلاعاتی قدیمی در شرکت امکان‌پذیر نبود. برای این شرکت دسترسی به اطلاعات فروش فروشگاه‌ها، سطح موجودی نمایندگی‌ها و مبادله‌ی اطلاعات با نمایندگی‌های فروش ضرورتی حیاتی دارد.

راه‌حل: این شرکت با خرید نرم‌افزار هوش تجاری منطبق با فروشگاه‌ها و خرده‌فروشی‌ها توانست به نحو مؤثری با این چالش مواجه شود. این سیستم با فراهم کردن قابلیت تجزیه‌ وتحلیل داده‌های فروش و موجودی بخش‌های مختلف، امکان دسترسی به اطلاعات دقیق را برای کارکنان در سراسر شرکت ایجاد کرد. با بهره‌گیری از این سیستم مدیران می‌توانستند به پاسخ دقیق کوئری­ هایی مانند برترین فروشگاه در هفته‌ی گذشته ازلحاظ تعداد فروش، پرفروش‌ترین اقلام، سطح موجودی هر انبار برای هر کالا و... دسترسی داشته باشند. بهره‌گیری از این سیستم موجب شده است تا مدیران با درک بهتر روند کسب‌وکار خود تصمیمات استراتژیک مناسبی اتخاذ کنند و شناسایی فرصت‌های جدید برای جذب مشتریان و راهکارهایی برای افزایش وفاداری مشتریان را تسهیل کرده است.

 

 

 

 

 

 

 

 

شرکت تویوتا (Toyota Motor Sales)

http://www.toyota.com

چالش: عملکرد ضعیف در جلب رضایت مشتری، هزینه‌های بالا

فروشگاه تویوتا موتور آمریکا به‌عنوان زیرمجموعه‌ای از شرکت عظیم تویوتا وظیفه‌ی حمل و ارسال خودروهای تویوتا را به فروشگاه‌های آمریکا بر عهده دارد. در اواخر دهه‌ی 1990 این کمپانی با مشکلاتی در زنجیره‌ی تأمین و عملیات خود مواجه بود از سویی دیگر عدم توانایی در تحویل به‌موقع خودروها به بنگاه‌داران موجب نارضایتی آنان و در پی آن، خرید از شرکت‌های رقیب مانند هوندا می‌شد. مدیریت بخش حمل‌ونقل نیاز به پیگیری دقیق و مدیریت زنجیره تأمین داشت که برای انجام این پیگیری و مدیریت مؤثر، به اطلاعات و گزارش‌های دقیق نیاز بود. این امر که به‌صورت دستی و یا در برخی قسمت‌ها با استفاده از سیستم‌های اطلاعاتی قدیمی انجام می‌شد موجب هم‌پوشانی گزارش‌ها، عدم دقت در اطلاعات ارائه‌ شده و همچنین کند بودن فرآیند انتقال اطلاعات بود.

راه‌حل: این شرکت استفاده از انبار داده را به‌عنوان یک نیاز اساسی در مدیریت شرکت راه‌اندازی کرد و در سال 2000 با ارتقاء سیستم انبار داده و بهره‌گیری از انبار داده‌ی اوراکل و همچنین پلت فرم هوش تجاری Hyperion که از داشبوردهای مدیریتی برخوردار بود توانست نتایج مطلوبی کسب کند. افزایش 40 درصدی ظرفیت جابجایی اتومبیل‌ها با افزایش تنها 3 درصد هزینه و کاهش 5 درصدی زمان حمل‌ونقل ازجمله‌ی این نتایج بود. اثرات مطلوب به‌کارگیری این سیستم در این بخش از شرکت مدیران تویوتا را ترغیب کرد تا در سایر بخش‌ها نیز از این سیستم استفاده کنند. نتایج نشان داد که به‌کارگیری هوش تجاری در تویوتا بازگشت سرمایه‌ای 506 درصدی را در پی داشته است.

 

 

 

شرکت Frito Lay

www.fritolay.com

چالش: عدم دسترسی بخش‌های مختلف شرکت به داده‌های موردنیاز یکسان، ایزوله بودن اطلاعات

این شرکت که بخشی از شرکت بزرگ پپسی است با مشکل ناهمگون بودن اطلاعات و پراکندگی داده‌ها در سیستم‌های مختلف مواجه بود. اطلاعات مربوط به واحد فروش و بازاریابی که شامل اطلاعاتی ارزشمند برای بخش‌های مختلف شرکت بود تنها در اختیار همان واحد قرار داشت و بسیاری از داده‌های موردنیاز بخش‌های مختلف در یک بخش ایزوله شده بود و سایر بخش‌های شرکت به آن دسترسی نداشتند. ضمن اینکه برای تهیه‌ی برخی گزارش‌ها نیاز به داده‌هایی بود که به‌صورت ناهمگون ذخیره‌شده بودند.

راه‌حل: این شرکت اقدام به راه‌اندازی یک درگاه مدیریت دانش در شبکه‌ی داخلی شرکت کرد. از طریق این درگاه اطلاعات بخش‌های مختلف به‌صورت یکپارچه به اشتراک گذاشته می‌شود و همچنین جست‌وجو و یافتن اطلاعات و یا متخصصی خاص در زمان کمتری انجام می‌شود. از دست آوردهای این درگاه دانش می‌توان به افزایش رشد فروش و به اشتراک گذاشتن اطلاعات به‌صورت برخط به جای فکس کردن اسناد برای افراد مختلف در شهرهای مختلف اشاره کرد.

 

 

 

 

 

شرکت Egg

www.Egg.com

چالش: نیاز به اطلاعات مشتریان برای بازاریابی مؤثر

Egg از بزرگ‌ترین بانک‌های آنلاین جهانی است که به بیش از 3.6 میلیون مشتری خدمات بانکداری آنلاین ارائه می‌دهد. برای دسترسی مناسب به اطلاعات مشتریان و پیشگیری از ایجاد تأخیر در ارائه‌ی خدمات، به ذخیره‌سازی مناسب و تحلیل داده‌های مشتریان نیاز است.

راه‌حل: این شرکت با بهره‌مندی از انبار داده‌ی مشتری ((Customer Data Warehouse(CDW) توانست اطلاعات مشتریان را به‌صورت جامع جمع‌آوری کند همچنین با در دست داشتن این داده‌ها از ابزارهای داده‌کاوی برای ایجاد گزارش‌ها و تحلیل‌های ارزشمند استفاده کرد. با بهره‌مندی از این سیستم ایجاد کمپین‌های بازاریابی با استفاده از داده‌های بلادرنگ و بخش‌بندی مشتریان به شکل مؤثر برای پیاده‌سازی استراتژی‌های مربوط به هر بخش از مشتریان امکان‌پذیر شد.

 

 

 

 

 

 

 

شرکت 1.800 flowers

www.1800flowers.com

چالش: نیاز به کاهش هزینه‌ها، افزایش وفاداری مشتری و ترغیب مشتریان برای بازگشت مجدد

این کسب‌وکار آنلاین که به‌عنوان یک گل‌فروشی شروع به کار کرد، در ادامه قدم به حوزه‌ی خرده‌فروشی‌های آنلاین هدیه گذاشت و به یکی از برترین برندهای این حوزه تبدیل شد. این کسب‌وکار الکترونیکی نیز همچون سایر کسب‌وکارهای مشتری محور نیاز به جذب و نگهداری مشتری و درنتیجه نیاز به اطلاعات مشتری برای تصمیم‌گیری بلادرنگ داشت. تا میزان وفاداری مشتری را افزایش دهد و بتواند مشتریان جدیدی را نیز جذب کند.

راه‌حل: این شرکت با بهره‌گیری از ابزار داده‌کاوی SAS توانست الگوهای خرید مشتریان را کشف کند و از این دانش در عملکرد تجاری خود استفاده کند. استفاده از سیستم توصیه گر (recommender system) برای مشتریان قدیمی و پیشنهاد خرید اقلام بر اساس سابقه‌ی خرید مشتری موجب افزایش وفاداری مشتریان به این خرده‌فروشی آنلاین شد همچنین با استفاده از دانش حاصل از داده‌کاوی فرآیند بازاریابی به صورتی کاراتر و با در نظر گرفتن مشتریان بالقوه صورت گرفت و در شرایطی که سایر رقبا برای باقی ماندن در بازار تلاش می‌کردند این شرکت به سودی چشم‌گیر دست‌یافت.

 

 

 

 

منابع:

E. Turban, R. Sharda, J. E. Aronson, and D. King, Business intelligence: A managerial approach. Prentice Hall, 2008

تارخ. محمدجواد. هوش تجاری نگرشی پویا در عرصه‌ی کسب‌وکار. دانشگاه صنعتی خواجه‌نصیرالدین طوسی: انتشارات دانشگاه صنعتی خواجه‌نصیرالدین طوسی, 1392.