Data Science und Marketing-Analyse verständlich erklärt

Data Science und Marketing Analyse

Data Science und Marketing Analyse
LinkedIn, Glassdoor und Harvard Business Review sind sich einig: Data Scientist ist zurzeit der begehrteste und attraktivste Job mit glänzenden Berufsaussichten. Das durchschnittliche Jahresgehalt liegt in Deutschland bei 54.000 EUR brutto, in den USA sogar bei 130.000 USD. Überall, wo Daten anfallen und Marketing-Analyse betrieben wird, sind die Datenwissenschaftler*innen gefragt. Einer Gartner-Umfrage zufolge (für Kunden auf Englisch einsehbar) macht die Marketing-Analyse mittlerweile mit 9,2 % den größten Anteil des Marketingbudgets aus und der Bedarf an den hochqualifizierten Analytiker*innen steigt weiterhin.

Bereits ein Jahr zuvor fand Gartner mit der Marktforschung 2018 Hype Cycle for Data Science and Machine Learning (für Kunden auf Englisch einsehbar) heraus, dass 77 % der leitenden Manager*innen der Meinung waren, dass Data Science einen signifikanten Mehrwert liefere und essenziell für den Erfolg ihrer Unternehmen sei.

Die Nachfrage nach Data Scientists ist hoch, denn „fast jede Branche durchläuft zur Zeit eine digitale Transformation“ und diese Daten müssen ausgelesen werden. Jedoch fehlen den Datenwissenschaftler*innen noch häufig die von Unternehmen benötigten Kenntnisse und jüngste Forschungen zeigen, dass in den letzten fünf Jahren die Ergebnisse der Marketing-Analyse nicht den gewünschten Erwartungen entsprachen.

Wie sinnvoll ist es also, Data Scientists (die es nicht ausreichend gibt) einzustellen und trotz sinkender Leistung in die Marketing-Analyse zu investieren?

Sehr!

Um dieses Paradoxon zu erklären, müssen wir uns zunächst mit drei Fragen näher befassen.

1. Was macht eigentlich ein Data Scientist?

IT-Talents beschreibt das Aufgabenfeld von Data Scientists und den Weg dahin. Gartner (für Kunden auf Englisch einsehbar) hat für eine bessere Übersicht die Hauptaufgaben im Bereich Marketing noch genauer heruntergebrochen:

  • Messen: Die Auswirkungen von Marketingbestrebungen und Werbekampagnen bestimmen
  • Optimieren: Strategiewechsel oder Änderungen in der Ausgabenplanung empfehlen, um bessere Ergebnisse zu erreichen
  • Experimentieren: Tests entwickeln und durchführen, um Ursachen einzugrenzen
  • Segmentieren: Gruppen und Untergruppen von Bestands- und potenziellen Neukunden identifizieren
  • Prognosemodellierung: Computermodelle entwickeln, um Antwortquoten zu verbessern
  • Kommunizieren: Durch Datenanalysen erhaltene Ergebnisse kommunizieren, um so bessere Geschäftsentscheidungen zu erzielen

Diese Aufschlüsselung ist eine gute Unterstützung bei der Ausschreibung und Besetzung einer offenen Stelle als Datenwissenschaftler*in. Wie Silicon erläutert, kann Marketing Analytics für einen klaren Wettbewerbsvorteil sorgen und schlechte Entscheidungen auf ein Minimum reduzieren, wenn die Möglichkeiten ausgeschöpft werden. Jedoch hat oberflächliches Wissen über die genaue Tätigkeit von Datenwissenschaftler*innen in Kombination mit der Tatsache, dass Analyse-Kenntnisse in vielen Funktionen (nicht nur im Marketing) eine zwingende Voraussetzung sind, dazu geführt, dass viele Positionen durch Personen mit mangelnder Kenntnis und Erfahrung besetzt werden.

Auf lange Sicht mag diese behelfsmäßige Lösung sogar funktionieren: Angestellte mit unzureichenden Qualifikationen werden mit der Zeit und der Erfahrung, die sie im Beruf sammeln, zu Expert*innen. Forbes ist sogar der Meinung, dass es im Jahre 2029 gar keine Data Scientists nach dem heutigen Verständnis mehr geben wird. Stattdessen wandelt sich der Beruf: Das Fachwissen wird in die Bereiche Kommunikation, Domänenwissen und Unternehmensstrategie einfließen und zu einer unverzichtbaren Voraussetzung in allen Abteilungen werden.

Kurzfristig wird dies jedoch zu Problemen führen, da Mitarbeiter*innen ohne Data Science- und Analysewissen entsprechende Stellen besetzen und unweigerlich Fehler machen bzw. die Erwartungen ihrer Arbeitgeber*innen nicht erfüllen werden. Beim erfolgreichen Einstellen von Datenwissenschaftler*innen und Analytiker*innen ist es daher unabdingbar, dass beide Parteien die Jobanforderungen verstehen und ein Unternehmen bereit und in der Lage ist, neue Mitarbeiter*innen in das Feld einzuarbeiten.

2. Wovon hängt der Erfolg von Marketing-Analyse ab?

Eine gute Marketing-Analyse ist nur mithilfe von sauberen und zuverlässigen Daten möglich. Harvard Business Review zufolge wird die Situation nicht nur durch den Mangel an erfahrenen Data Scientists, sondern auch durch chaotische und undurchsichtige Datenberge verschärft. Schlecht organisierte Datenmengen eignen sich nicht für die Datengewinnung, sodass die Bemühungen der Marketing-Analyse weit hinter ihren Möglichkeiten zurückbleiben.

Die meisten Unternehmen sammeln Daten über verschiedene Abteilungen hinweg und setzen dabei verschiedene Systeme und Variablen ein. Das macht es schwierig, alle Daten zusammenzubringen und in ihrer Gesamtheit zu analysieren. Probleme lassen sich aber vermeiden, indem man von Anfang an akzeptiert, dass weniger manchmal mehr ist. Idealerweise sollten Unternehmen daher noch vor dem Sammeln eine Strategie festlegen und entscheiden, welche Daten für die Erfolgsanalyse nötig sind. So wird der zeitaufwendige Vorgang der nachträglichen Standardisierung umgangen.

Bei diesen Überlegungen hilft es, eine Darstellung sämtlicher möglicher Berührungspunkte des Kunden mit dem Unternehmen anzufertigen, da Einkäufe meist nicht geradlinig verlaufen. Erhebt man dann Daten bei jedem Kundenkontakt, hat die Marketing-Analyse den erforderlichen Kontext, um eine informierte Unternehmensstrategie zu entwerfen.

3. Wie ist Marketing Analytics-Software einsetzbar?

Eine große Auswahl kann erschlagend wirken – und genauso ist es auch bei Marketing-Analysesoftware. Anstatt eine unendliche Anzahl an Plattformen zu vergleichen, raten wir daher, sich für ein Tool zu entscheiden, das alle Anforderungsbereiche eines Marketing-Data-Scientists abdeckt (auch wenn noch niemand eingestellt wurde).

Folgende Fragen können dabei helfen zu evaluieren, welche Softwarelösungen über die richtigen Funktionen für dein Unternehmen verfügen:

  • Messen: Welchen Metriken nutzt das Unternehmen, um den Erfolg einer Marketing-Kampagne zu messen (z. B. Klickrate, Bounce Rate oder Seitenaufrufe)? Erlaubt das Marketing-Analytics-Tool, diese Erfolgskriterien zu verfolgen?
  • Optimieren: Ein Data Scientist oder Analyst ist dafür verantwortlich, Änderungen für die Marketingstrategie zu empfehlen. Die Software sollte jedoch Funktionen für Messungen, Experimente und Prognosemodellierungen bereitstellen, um diesen Vorgang zu unterstützen. Wenn es voraussichtlich schwierig ist, eine*n Datenwissenschaftler*in in Vollzeit zu finden, sollte man die Softwareanbieter fragen, ob Augmented Analytics unterstützt wird. Diese neue Technologie analysiert und interpretiert die Daten automatisch und wird von Gartner als Zukunftstrend
  • Experimentieren: Bietet die Marketing-Plattform AB-Tests an, um sicherzustellen, dass in die beste Version einer Kampagne investiert wird? Ermöglicht mir die Lösung, alle Kampagnentypen zu testen, die mein Unternehmen durchführen wird (z. B. E-Mails, Landing Pages, Calls-To-Action)?
  • Segmentieren: Hilft das Marketing-Analytics-Tool, eine Zielpublikum-Segmentierung zur Verbesserung des Return on Investment (ROI) der Kampagnen festzulegen? Wie werden Zielgruppensegmente angelegt und gepflegt? Bietet die Plattform dynamische Listen, die auf Grundlage vordefinierter Regeln aktualisiert werden können, wenn sich die Daten möglicher Kunden ändern?
  • Prognosemodellierung: Bietet die Plattform eine Prognosemodellierung, sodass das Unternehmen Kontakte priorisieren kann, die mit hoher Wahrscheinlichkeit von potenziellen Kunden zu tatsächlichen Kunden konvertiert werden? Setzt die Software Predictive Marketing ein, das Nutzer*innen personalisierte Erfahrungen (z. B. Inhalte, Angebote, Preise) bietet, um die Konversionsrate zu erhöhen?
  • Kommunizieren: Enthält die Software Funktionen für die Datenvisualisierung und Berichterstattung, um auch weniger technisch versierten Stakeholdern eine Strategie näherbringen zu können? Werden Berichte und Dashboards automatisch erstellt oder müssen sie manuell konfiguriert werden?

Ähnlich wie bei der Datenmenge ist auch in diesem Fall mehr nicht unbedingt besser. Die Fragen oben helfen bei der Auswahl der Software-Funktionen, die für den konkreten Geschäftsbedarf am sinnvollsten sind. Wenn es zudem gelingt, einen qualifizierten (oder zumindest einigermaßen qualifizierten) Data Scientist einzustellen, sollten auch die Erfahrungen und Vorlieben dieser Person in die Entscheidung für eine Software einfließen.

Marketing-Analysesoftware vergleichen

Letztendlich sollte es das Ziel sein, eine einheitliche Marketing-Analyse-Plattform einzusetzen und eine saubere Datenbank zu nutzen, die für die Analyse optimiert wurde. Wenn du Marketing-Analysen mithilfe von Software erstellen möchtest, nutze das Software-Vergleichstool von GetApp, um die richtige Marketing-Analysesoftware für deinen Bedarf zu finden.

Software Vergleichstool

Das Software-Vergleichstool von GetApp zeigt u. a. Produktdetails wie Plattform-Support, typische Verbraucher, Kundenservice, Screenshots der Software, Nutzerbewertungen, Integrationsmöglichkeiten, Sicherheit und mehr.

 

O que é business intelligence e para que serve?

o que é business intelligence e para que serve

o que é business intelligence e para que serve

Você com certeza já deve ter lido por aí essas duas palavras: business intelligence. Mas você realmente sabe o que é business intelligence e para que serve? Também conhecida como BI ou inteligência de negócios, essa recente tendência empresarial refere-se a uma série de processos, baseados em softwares, cujo objetivo é transformar os dados desestruturados de uma empresa em informações estruturadas. 

Com a aplicação do business intelligence, deixa de haver espaço para achismos, intuições e o tão famigerado “tiro no escuro”. Isso porque as informações citadas acima, na verdade, tornam-se conhecimento que ajuda os tomadores de decisões a encontrar soluções eficientes. 

Ou seja, faz-se uso de informação privilegiada para atuar em direção às reais necessidades de otimização e crescimento de um negócio. Abaixo, confira as principais vantagens de trazer o BI para a sua empresa:

  • Melhoria e rapidez nas decisões
  • Apresentação de dados de forma simplificada
  • Acompanhamento de KPIs (indicadores de desempenho) em tempo real
  • Gestão de riscos
  • Identificação de falhas
  • Abertura de novos mercados
  • Consolidação de diferentes dados em um mesmo relatório
  • Lançamento de novos produtos ou serviços

A importância do business intelligence para as PMEs

Há inúmeros cases na internet que mostram como o BI ajudou alguma grande empresa a abrir mercados, reduzir custos e maximizar suas vendas. A impressão que se tem é que as soluções de BI são acessíveis apenas às organizações maiores, mas isso não é verdade.

Hoje, é preciso destacar, existem ferramentas de business intelligence preparadas às exigências e ao orçamento das PMEs. Antes de mais nada, é necessário saber que as soluções que atendem os grandes negócios não são necessariamente o que as PMEs precisam. Por isso, é importante conhecer como cada área se beneficia dessa estratégia para então poder selecionar a ferramenta de BI ideal.

Como as áreas de uma empresa usam o BI

Marketing 

Quando usados no marketing, softwares de business intelligence permitem monitorar e analisar conversões de leads (os clientes potenciais), identificar por quais canais vieram e qual o interesse deles. Ainda a partir desses dados é possível analisar o custo por lead e o retorno sobre investimento (ROI na sigla em inglês) para que, no futuro, se possa definir novas campanhas mais assertivas e distribuir melhor a verba de marketing.

Vendas

No comercial, as ferramentas de BI permitem identificar o produto ou serviço com maior taxa de venda, o ritmo que elas acontecem, além do ticket médio dos clientes. Também estão disponíveis informações como a região que mais adquire determinado produto, abrindo oportunidade para que se criem ações segmentadas.

Financeiro

A criação de relatórios financeiros torna-se mais rápida com a automatização de processos.  Com inteligência de negócios, o usuário acessa relatórios onde pode comparar um ano com o outro para saber qual o lucro e o crescimento da empresa. 

Recursos humanos

No RH, é possível monitorar as iniciativas que estão sendo realizadas na área, o gasto com horas extras, o tamanho da folha de pagamento por setor, além, principalmente, de acessar o índice de retenção dos colaboradores, um bom indicador do resultado da política de recursos humanos de uma empresa.  

Logística

Setor estratégico para muitas empresas, a área de logística pode ser avaliada – e constantemente melhorada – de acordo com o Acordo de Nível de Serviço (SLA) de entrega de cada transportadora parceira, valor de entrega por cada região e o custo do envio de mercadorias.

PMEs: como escolher a melhor ferramenta de BI 

O primeiro passo antes de selecionar um software é definir estratégias e metas de business intelligence para que sua empresa tenha uma orientação cujo desempenho possa sempre ser medido e, se necessário, reajustado com base nos resultados.

Em seguida, deve-se olhar para as soluções do mercado com os requisitos que listamos abaixo:

1. Informação visual

É comum que as PMEs possuam equipes enxutas e sem tempo para se debruçar em gráficos complexos para entender o que eles querem dizer. Por isso, invista em soluções com bons dashboards (ou painéis de controle), que incluem infográficos, tabelas e planilhas, de preferência ajustadas com um bom design.  Além de apresentar as informações com uma excelente qualidade, o dashboard reúne importantes métricas, o que evita que os funcionários precisem acessar inúmeras fontes em busca do que necessitam.

power bi dashboard
Exemplo de dashboard do Power BI, solução de business intelligence da Microsoft (Fonte)

2. Configuração da análise 

Vale recordar que, apesar dos dashboards serem uma excelente ferramenta de visualização, eles não farão milagre sozinhos. Portanto, estabeleça os principais indicadores de performance que pretende acompanhar para usufruir melhor da sua ferramenta.

Antes de contratar a sua solução, certifique-se de que poderá personalizá-la com facilidade, de forma que sua equipe possa ter domínio rápido da ferramenta. 

3. Segurança dos dados

Como a ferramenta irá trabalhar com dados estratégicos do seu negócio, é imprescindível que você contrate uma opção segura. Portanto, busque informações sobre o software que você está considerando, bem como a reputação da empresa que o oferece. Também descubra como suas informações serão armazenadas e tenha certeza de que terão a integridade garantida. 

4. Dispositivos móveis

Se na sua empresa é comum que parte da equipe trabalhe remotamente, busque uma solução com design responsivo. Isso significa que o software pode ser acessado de qualquer dispositivo: desktop, celular ou tablet.

dashboard mobile do tableau
Exemplo de painel responsivo do Tableau (Fonte)

5. Suporte 

Além das questões de funcionalidade, informe-se se o fornecedor oferece suporte para implementação do software bem como atendimento para quando sua equipe necessitar de auxílio. A ferramenta só terá efeito se os seus colaboradores souberem aproveitar todos os recursos que ela oferece.

Em busca de uma solução de business intelligence? O Capterra oferece uma gama de ferramentas de BI. Conheça!

Bots et Natural Language Processing : du neuf en BI

Bots et natural language processing, du neuf en Business Intelligence !

Bots et natural language processing, du neuf en Business Intelligence !

La plupart des dirigeants de petites ou moyennes entreprises l’admettent : l’analyse de données n’est pas leur point fort. Ces passionnés travaillent sans relâche pour construire l’entreprise de leurs rêves,mais une organisation ne peut se développer sans l’analyse de données à l’époque du Big Data. Le volume, la vélocité et la diversité des données que vous serez amené à traiter augmenteront proportionnellement à la croissance de votre entreprise. L’analyse de données s’est par conséquent complexifiée, exigeant une meilleure connaissance en matière de programmation et de statistiques.

Et c’est là que les chatbots de business intelligence (BI), appelés aussi bots de BI ou d’informatique décisionnelle, peuvent s’avérer utiles. Les bots de BI comprennent les demandes de données dans des langues telles que l’anglais et fournissent des résultats. Le traitement automatique des langues (Natural Language Processing ou NLP en anglais) et les chatbots constituent des technologies émergentes qui rendront bientôt l’analyse de données accessible à tous.

L’intégration d’outils de BI équipés de chatbots de NLP aidera les petites et grandes entreprises à instaurer une culture de l’analyse, à améliorer l’adoption des outils relatifs aux données et à prendre des décisions associées qui pourront gonfler le chiffre d’affaires et améliorer les prestations des entreprises.

Dans cet article, nous allons définir ce en quoi consistent les bots de NLP et de BI, énumérer les fonctionnalités les plus intéressantes et vous faire découvrir les avancées notables du secteur.

Ce dont nous allons parler :

  • Les bots de natural language processing et de BI simulent les conversations humaines au sujet des données et des analyses
  • Les bots de BI font de l’analyse de données un jeu d’enfant
  • Les principales fonctionnalités des chatbots de BI
  • Les dernières avancées en matière de chatbots dans le monde de la BI
  • Les chatbots de BI et la NLP deviendront des technologies grand public au cours des 5 prochaines années
  • Les prochaines étapes pour votre PME

Les bots de traitement automatique du langage naturel et de BI simulent des conversations humaines au sujet des données et des analyses

Le natural language processing (NLP) est un sous-domaine de l’intelligence artificielle qui permet d’interpréter, de reconnaître, de comprendre et de traiter les requêtes des utilisateurs sous la forme de langage humain. En termes de business intelligence, cela signifie que la programmation en SQL ou en .NET n’est plus nécessaire pour extraire des résultats. Il vous suffit de saisir votre requête en anglais pour obtenir des réponses à partir de vos données.

Capture d'écran du fonctionnement d'une requête NLP dans QlikSense
Fonctionnement d’une requête NLP dans QlikSense (source)

La NLP désigne la technologie au cœur des chatbots qui leur permet de déchiffrer et de traiter des requêtes humaines.

Les chatbots sont des programmes informatiques conçus pour simuler une conversation avec des utilisateurs humains. Particulièrement utiles, ils sont souvent utilisés lors des échanges d’assistance client, de premières discussions commerciales, mais aussi pour répondre aux demandes des clients.

Les chatbots sont également depuis peu utilisés dans le cadre de la business intelligence. Les applications de BI permettent de baser des décisions sur des données. Les bots de BI simplifient le processus en permettant aux utilisateurs d’avoir une vraie discussion autour de leurs données. De plus, les bots de BI parcourent vos données, réalisent les analyses nécessaires et fournissent les résultats demandés.

Les bots de BI fonctionnent comme n’importe quel chatbot normal. Il vous suffit d’encoder vos données et de faire ou saisir votre demande. Ce dernier partagera alors avec vous les informations et résultats pertinents.

Les bots de BI font de l’analyse de données un jeu d’enfant

Les bots de BI simplifient l’analyse de données et la génération d’informations tout en apportant une touche humaine. Parmi les principales caractéristiques des bots de BI, figurent :

La facilité d’utilisation : les chatbots utilisés dans le cadre de la BI augmentent leur facilité d’utilisation. C’est aussi simple que de demander les données à votre ami et d’obtenir immédiatement les résultats sans devoir éplucher des milliers de données et lire leur représentation graphique.

 La démocratisation des données : les chatbots stimulent le taux d’adoption des outils de BI au travail. Gartner estime que d’ici 2021, l’analyse conversationnelle (les chatbots) et la NLP aideront plus de 50 % des employés à utiliser l’analyse dans leur travail, par rapport aux 35 % actuels. Les chatbots de BI rendront l’analyse de données facilement accessible à une grande majorité des employés.

 La réduction des coûts : les chatbots de service client contribuent à économiser plus de 20 milliards d’euros chaque année. Les bots de BI peuvent également représenter des économies similaires pour les petites entreprises en leur évitant de payer des scientifiques des données ou à des prestataires d’analyse de données.

Pourquoi les bots de BI gagnent-ils du terrain ?

Les chatbots de BI permettent d’obtenir rapidement une analyse de données approfondie, et deviendront bientôt une fonctionnalité courante des outils d’analyse. De fait, tout le monde a besoin de l’analyse.

Selon le Hype Cycle for Analytics and Business Intelligence 2018 (disponible uniquement pour les clients de Gartner), la découverte de données basées sur la recherche à l’aide de requêtes en langage naturel est en train de devenir une interface importante de la création de contenu sur la BI. On s’attend à ce qu’elle fasse partie intégrante des outils modernes d’analyse plutôt qu’à ce qu’elle constitue une catégorie distincte.

Les fournisseurs de solution de BI cherchent également à améliorer l’interface entre leurs outils et les chatbots afin de simplifier l’analyse et de la rendre accessible à tous.

Les principales fonctionnalités des chatbots de BI

Les bots de BI en sont toujours à leurs balbutiements et n’offrent peut-être pas encore toutes les fonctionnalités que l’on voudrait, mais ils proposent déjà les services suivants :

  • Le traitement du langage naturel (natural language processing ou NLP) et le machine learning (ML) : l’apprentissage intelligent et les conversations naturelles permettent aux bots de comprendre l’intention de l’utilisateur et de s’adapter rapidement au jargon de l’entreprise. Avec des technologies avancées telles que le NLP, l’IA et le ML, le chatbot apprendra avec chaque nouvelle requête et gagnera en efficacité et en précision.
  • Les alertes en temps réel : le chatbot doit envoyer des mises à jour et des résultats clés tirés de l’analyse des données qui sont pertinents pour l’utilisateur. Il doit pouvoir personnaliser les alertes en fonction des départements, de la situation géographique et du poste de l’utilisateur. Il doit également avertir l’utilisateur des anomalies que comportent les données.
  • Les fonctionnalités de collaboration : le chatbot peut partager des informations avec les autres utilisateurs par e-mail, par pièces jointes envoyées par chat ou par message. Ces fonctionnalités permettent également à d’autres utilisateurs de rejoindre un chat de groupe.
  • La sécurité : le chatbot sécurise les données grâce à des fonctionnalités telles que l’authentification et l’autorisation de l’utilisateur, le cryptage et le contrôle des accès.
  • L’intégration : le chatbot doit pouvoir intégrer sans encombre les données des outils de BI et d’autres applications tels que les ERP, les CRM et les autres entrepôts de données. Il doit également s’intégrer rapidement à vos outils de BI, si ce n’est pas le cas par défaut.
  • Déployable sur les applications de messagerie : vous devez pouvoir ajouter le bot de BI à des applications de messagerie tierces telles que Slack ou Microsoft Teams. Vous recevez ainsi les résultats de l’analyse des données sans même ouvrir vos systèmes de BI ou sans devoir passer d’une application à l’autre pour accéder aux données.
  • Déploiement sur plusieurs appareils : le chatbot doit être disponible et pouvoir fonctionner sur différents types d’appareil tels que des ordinateurs portables ou de bureau, des smartphones et des tablettes. Il doit également prendre en charge différents systèmes d’exploitation tels que Windows, iOS ou encore Android.

Les dernières avancées en matière de chatbots dans le monde de la BI

Le traitement automatique des langues, l’intelligence artificielle et les chatbots vont façonner l’avenir de la business intelligence. L’IA conversationnelle est considérée comme le dernier élément qui aidera à faire le pont entre les données stratégiques d’entreprise et l’ensemble des employés.

Voici ce qu’ont réalisé certains fournisseurs de BI populaires dans le domaine de l’analyse conversationnelle.

Tableau : Tableau a ajouté à sa version 2019 un éventail de fonctionnalités intelligentes telles que le traitement automatique des langues à l’aide d’un nouvel outil de requête, Ask Data. Ses fonctionnalités phares comprennent la capacité d’encoder des questions au format texte dans l’outil Ask Data et d’obtenir des résultats pertinents. Les analystes de marché comme les développeurs de Tableau s’accordent à dire que les fonctionnalités de natural language processing du produit sont toujours en cours d’amélioration.

Qlik :  Qlik a racheté CrunchBot début 2019 dans le but d’étendre ses fonctionnalités d’analyse conversationnelle. Grâce à cette acquisition, Qlik dispose de la technologie nécessaire pour permettre aux utilisateurs de taper des questions en langage conversationnel dans l’IU de QlikSense ou dans d’autres outils collaboratifs tels que Slack, Skype, Salesforce Chat ou Microsoft Teams. Les utilisateurs recevront directement dans ces applications des réponses à leurs requêtes ainsi que des graphiques générés automatiquement, des prévisions et des interprétations de données.

Sisense : Sisense Boto est le chatbot d’analyse de Sisense. Il utilise le machine learning pour découvrir et partager des données. Les utilisateurs peuvent ajouter Sisense Boto comme contact dans Slack, Skype ou les outils de messagerie et partager avec lui des fichiers CSV à analyser. Le bot vous fournira les résultats et les partagera avec d’autres utilisateurs si nécessaire.

Les chatbots de BI et la NLP deviendront des technologies grand public au cours des 5 prochaines années

Les technologies de Natural Language Processing font encore leurs premiers pas. Avec un taux de précision de 60 à 70 %, elles ne sont actuellement pas adaptées à de nombreux cas d’usage. Mais il y a un intérêt grandissant à rendre le NLP plus intelligent et plus précis, et de nombreux projets de recherche sont réalisés dans ce sens.

Gartner est convaincu que les chatbots conversationnels destinés à l’analyse, la recherche de business intelligence ainsi que la génération et la requête en langage naturel seront très bénéfiques aux entreprises au cours des deux à cinq prochaines années. L’utilisation de la programmation en langage naturel dans les outils de BI permettra aux travailleurs moins expérimentés d’obtenir plus facilement des données des outils d’analyse.

“Nous sommes au début de la tendance, mais je crois que l’analyse conversationnelle va s’imposer comme la manière dont les utilisateurs consomment et utilisent par défaut le contenu analytique au cours de ces deux à cinq prochaines années.”
—Rita Sallam, analyste chez Gartner

Alors que les fournisseurs de solutions de BI se hâtent d’ajouter des fonctionnalités de chatbot à leurs outils, nous nous attendons à ce que les chatbots deviennent partie intégrante de la majorité des solutions de BI au cours de ces cinq prochaines années. Ils devraient également être disponibles à des prix raisonnables pour la plupart des entreprises, quelle que soit leur taille.

Vous souhaitez essayer les bots de BI et le NLP ?

Bien qu’il soit important que votre entreprise soit au courant des avancées en matière de chatbots et de NLP qui sont réalisées dans le domaine de la BI, vous devez également être proactif afin de garantir que la transition vers ces technologies émergentes soit fluide pour tous les employés.

  • Utilisez les versions d’essai : inscrivez-vous à des versions d’essai des bots de business intelligence. Demandez à votre équipe d’essayer ce service afin d’en étudier les avantages et les difficultés.
  • Instaurez une “culture de la donnée” : vous devez investir dans l’instauration d’une culture de l’analyse des données au sein de votre entreprise. Vos employés prendront ainsi conscience des avantages de baser les décisions sur les données et non sur des intuitions et seront plus motivés à adopter les outils de BI. Ils seront par ailleurs plus à même de comprendre et d’utiliser aisément les nouvelles fonctionnalités de BI telles que les chatbots une fois qu’ils seront disponibles.
  • Contactez régulièrement votre fournisseur de BI : contactez régulièrement votre fournisseur de BI pour vous informer des mises à jour, des nouvelles fonctionnalités et des mises à niveau. Vous devez également collaborer avec lui pour ajouter de nouvelles fonctionnalités et personnalisations.

Artificial intelligence: how to apply it to your business

benefits of artificial intelligence for small businesses

benefits of artificial intelligence for small businesses

Few people may have not yet heard about AI, the abbreviation for artificial intelligence. It’s everywhere, and the business world is no exception. According to a global survey by Gartner (complete study available to clients), 50% of companies plan to invest in this area by 2020. 

But what is artificial intelligence? It’s a technology that applies advanced analysis and logic-based techniques to help and automate decisions, imitating human behavior.

The use of artificial intelligence allows companies for example to offer us targeted advertising with specific products that we are looking for. This technology can also provide access to autonomous cars in the future or help cure serious diseases such as cancer.

At first glance, therefore, using artificial intelligence in companies may seem a bit distant. But the reality is different. 

“Common definitions of AI focus on automation and, as a result, often fail to make clear the opportunities available to IT and business leaders,” said Whit Andrews, distinguished vice president analyst at Gartner.

According to Andrews, the key to demystifying it is to understand how to select and apply technologies that use artificial intelligence and generate business value, such as online service robots and advanced analysis techniques that enhance the work in companies. 

We’ll look at the ways in which businesses can benefit from artificial intelligence below:

CRM

One of the major fields of artificial intelligence impacting business recently is customer relationship management (CRM). 

With this technology, the software can predict behavior patterns by analysing the “footprint” left by consumers in the digital world. By helping to understand consumers in the smallest detail, artificial intelligence enables companies to develop better sales strategies and rethink the way they communicate with potential customers. Among the areas benefiting the most from the use of artificial intelligence (cited by 100 companies in Gartner’s report) the main one is sales. 

By identifying patterns through data analysis it’s possible to gain efficiency, contacting consumers more likely to buy certain products and at the most appropriate time. The main CRM software offers this type of functionality.

In addition, automation can also help vendors with repetitive work and process optimisation.

Chatbots

The use of chatbots is gaining popularity and is another area that is benefiting from AI,  enhancing these tools in order to make virtual assistance as natural and efficient as possible. 

According to a recent survey conducted by the specialised company Aivo with e-commerce companies in the US,  65% of customer enquiries over the past six months have been answered effectively by chatbots. The survey indicates that the focus when using them is to optimise and improve customer service, while allowing cost reduction and potential sales growth. The study also reveals that Facebook and WhatsApp are channels where chatbots are more frequently used.

Digital Marketing

Those who work with marketing know the importance of understanding the audience they are writing or creating for.

Artificial intelligence can help in the development of campaigns designed for a certain type of consumer based on their online behavior and that seek to make the most of the available budget. Marketing automation tools use this technology to optimise advertisements on large platforms such as Facebook and Google for example. 

In addition, analysing consumer habits with the help of artificial intelligence allows companies to regulate pricing and schedule promotions and offers. 

With these powerful statistical analysis tools, it’s possible to find out from data what the strengths (and weaknesses) of the business are, and open your eyes to niche markets that could go unnoticed if all this information wasn’t analysed. 

Human Resources 

Another area where automation gains space is human resources, where software is used to manage staff holidays, benefits and keeping track of employees’ time.

Programs that use artificial intelligence can help HR professionals in the different areas in which they work: 

Selection: with the large number of CVs received for certain vacancies, choosing the ones that best fit is a challenge. Tools that automate the process make this task easier.

Management: new employees normally have the same questions when they start in a company. With an optimised portal with artificial intelligence, new staff can make inquiries without having to contact HR directly, including through chatbots.

Results and training: With the analysis of workers’ performance data it’s possible to identify staff weaknesses and develop training.

To get started 

The use of artificial intelligence in companies is already a reality however, experts point out that it is necessary to keep an eye out for new developments in the area, since the changes are constant. 

Investment should not be a barrier. For small businesses, where the financial issue is always important, there are free software options that integrate this technology to its functionalities. Just choose the one that best adapts to the size and type of business and make a test!    

Digitaliseringtrends van het MKB in Nederland – Is jouw ‘Ding’ al online?

Nederland is een van de meest gedigitaliseerde landen van Europa. We zijn zelfs het land met de hoogste 4G-dekking, het meeste internetgebruik en de meeste digitale overheidsdiensten, dat blijkt uit de index van de digitale economie en maatschappij (DESI) voor 2019. 

De digitalisering van het MKB is de laatste jaren ook in een stroomversnelling geraakt. Maar liefst 63% van de bedrijfsprocessen in het midden- en kleinbedrijf verloopt in 2019 digitaal volgens de Visma digitaliseringsindex

Wat die digitale transformatie mogelijk maakt zijn digitale technologieën. Bedrijven maken gebruik van verschillende tools of softwareprogramma’s om hun bedrijfsprocessen te automatiseren, te verbeteren en met elkaar te integreren. Nu de digitale transformatie al ver gevorderd is, vroegen wij ons af welke software nu eigenlijk het meest gebruikt wordt. En in hoeverre digitalisering nu nog een prioriteit voor Nederlandse bedrijven is. En wat zijn de digitaliseringtrends van 2019? We zijn benieuwd! Dit zijn de resultaten van ons onderzoek over digitalisering van het MKB in Nederland. 

Digitaliseringtrends

Hoogtepunten van de studie

  • De cloud wint het van hybride oplossingen
  • Boekhoudprogramma’s zijn de meest gebruikte software in Nederland
  • Digitalisering wordt niet genoeg ingezet voor verbetering klantervaring
  • Internet of the Things is de meest gebruikte nieuwe technologie 
  • Nederlandse bedrijven willen méér gebruik maken van technologie
  • Weinig aandacht voor training in software

Digitaliseringtrends: de cloud triomfeert in Nederland

Cloud gebaseerde software wint het anno 2019 definitief van op de computer geïnstalleerde software. Meer dan de helft van de ondervraagden werkt met cloudoplossingen. Bijna een derde van alle bedrijven in Nederland werkt uitsluitend met cloudapplicaties. Veel bedrijven werken echter nog met hybride-oplossingen, een combinatie van cloud computing software en on-premise (op de computer of server geïnstalleerde) programma’s. 

Opvallend is dat een vrij groot aantal van de ondervraagden aangaf niet precies te weten welke soort software ze precies gebruiken, in de cloud of op de server.  Sommigen antwoordden dat ze überhaupt geen software gebruiken. Het kan zijn dat ondervraagden niet geheel bekend zijn met de term software. Terwijl wij Nederlanders het gebruik van Engelse termen niet schuwen, zijn veel mensen in dit geval beter bekend met de variant computerprogramma of -systeem of applicatie. 

digitaliseringtrends cloud software

Dankzij cloudapplicaties kan het MKB dezelfde krachtige ICT-oplossingen in huis halen als grote bedrijven. Cloudapplicaties werken op abonnementsbasis, oftewel als Software-as-a-Service (SaaS). Bedrijven hoeven dus niet voor licenties te betalen of te investeren in eigen servers en onderhoud. Dat wordt bij softwareoplossingen in de cloud allemaal uit handen genomen. Bedrijven verminderen zo aanzienlijk de risico’s die voortvloeien uit investeren in dure bedrijfsapplicaties, implementatie, exploitatie en onderhoud. Kleine en middelgrote ondernemingen hebben vaak geen IT-afdeling en missen het benodigde personeel en kennis voor softwareselectie en -implementatie. SaaS-producten bieden vooraf gebouwde structuren en processen die het MKB goed gebruiken kan.

De cloud is bovendien locatie-onafhankelijk. Met een internetverbinding kunnen medewerkers thuis, op locatie of onderweg inloggen en meteen aan de slag. Het Nieuwe Werken en het werken met externe teams wordt hierdoor veel makkelijker.  

Het is ook belangrijk om te realiseren dat veel nieuwe digitale technologieën, zoals kunstmatige intelligentie en het Internet of the Things (IoT) het gebruik van applicaties in de cloud vereisen. Cloud is en blijft de toekomst. 

Wat kan het gebruik van de cloud tegenhouden

Als je met vertrouwelijke gegevens werkt die je liever binnenshuis houdt kan het verstandig zijn om voor hybride oplossingen te kiezen. Je kan bepaalde systemen of data lokaal laten staan en de overige gegevens migreren naar de cloud op een externe server. 

Office is de meest gebruikte software in het MKB

We wilden weten welke specifieke softwaretoepassingen worden gebruikt in het Nederlandse MKB. In de enquête vroegen we daarom de naam van de softwareprogramma’s die door de respondenten op hun werk worden gebruikt. Uit de resultaten blijkt dat Office de duidelijke leider is, gevolgd door Adobe, Google Drive, Exact en SAP.

digitaliseringtrends meest gebruikte software

De grote populariteit van Google Drive geeft aan in hoeverre Nederland de voordelen van opslag van gegevens in de cloud al benut. Het hoge percentage Dropboxgebruikers getuigt daar ook van. Ook al haalde Dropbox de top 5 net niet, het programma staat wel op de 7de plaats. De bedrijfssoftware van het Nederlandse AFAS neemt de 6de plaats in. 

Software wordt het meest gebruikt voor boekhouden 

Vervolgens vroegen wij welke soorten software er op het werk gebruikt worden. Bijna de helft gaf aan gebruik te maken van boekhoudprogramma’s, en 24% is van plan of evalueert om het in de komende 1-2 jaar te gaan gebruiken. 

Boekhouding is de basis van digitalisering. Zonder een heldere inrichtingen van de boekhouding heeft een bedrijf geen inzicht in zijn krachten en uitdagingen. Bovendien zijn gestructureerde data de basis voor een datagedreven bedrijfsvoering. Ook zijn er in Nederland 1,1 miljoen zzp’ers werkzaam die hun administratie grotendeels zelf regelen en daar veelal boekhoudprogramma’s voor gebruiken. Respondenten noemden bijvoorbeeld Exact Online, Snelstart, Accountview, Moneybird of Rompslomp.

Data- en informatiebeveiliging hoog op de digitaliseringsagenda

Met de groeiende digitalisering wordt cybersecurity ook steeds belangrijker. Hoe meer digitalisering, des te meer gegevens digitaal zijn en systemen met elkaar verbonden worden. Dan wordt digitale veiligheid een must. 28% van de ondernemers gaf aan al gebruik te maken van software voor data- en informatiebeveiliging, 32% is van plan of is het aan het evalueren om het te gaan gebruiken in de komende 1-2 jaar. 

Verder scoorde het gebruik van HR-software hoog. Wetgeving kan hier een rol spelen. Afscherming van privacygevoelige persoonsgegevens om aan de AVG te voldoen is nauwelijks te doen met een personeelsadministratie op papier en in ordners. Een personeelsbeheersysteem met wachtwoorden ter beveiliging en waarin gegevens gemakkelijk opgehaald en vernietigd kunnen worden is dan een logische oplossing.

Bovendien is het zonder gedigitaliseerde HR-afdeling moeilijk om jong talent te bereiken. Kandidaten moeten benaderd kunnen worden waar ze zich ook bevinden, en dat gaat alleen digitaal. Respondenten noemden bijvoorbeeld de HR-software van Carerix.

Ten slotte zijn CRM-systemen (28%) en projectmanagement programma’s (22%) ook zeer populair. Respondenten noemden bijvoorbeeld de CRM-systemen van Salesforce, Odoo, Exact en Oscar CRM en de projectmanagement tools Monday, AFAS, Jira en Asana, Exact.

Bedrijven willen méér gebruik maken van technologie

Uit de resultaten van het onderzoek blijkt dat ongeveer 1 op de 3 werknemers vindt dat hun organisatie nog meer gebruik zou kunnen maken van IT en technologie. De meeste mensen beschouwen echter dat hun bedrijf al enkele voordelen van software ondervindt en dat hun bedrijf met de tijd mee gaat. Twee op de tien vindt zelfs dat hun bedrijf technologisch geavanceerd is en bijna 1 op de tien beschouwt zich een digitaliseringskoploper. 

Digitaliseringtrend gebruik IT

Een van de manieren om nog meer uit technologie te halen is het gebruik van smartphone apps. Maar liefst 40% van de ondervraagden maakt daar echter nog geen gebruik van. Digitaliseringstrends zoals mobiel werken zullen het gebruik van apps aandrijven en in de komende jaren zal het gebruik blijven toenemen. Onder de app-gebruikers gebruikt 34% meer dan één app en 26% één app voor werkdoeleinden. 

De top vijf uitdagingen van bedrijven

Maar in hoeverre is digitalisering nu nog een prioriteit voor Nederlandse bedrijven? Nu de meeste organisaties hun processen grotendeels geautomatiseerd hebben en wettelijke verplichtingen wat betreft privacywetgeving en boekhouding geregeld zijn, wat zijn nu de belangrijkste uitdagingen voor bedrijven?

Top 10 prioriteiten MKB

De nummer één prioriteit is de werving van nieuwe klanten, nauw gevolgd door de wens om producten of diensten te verbeteren. Digitalisering staat op de gedeelde vijfde plaats samen met de wens om de klanttevredenheid te verbeteren. 

Het binnenhalen van nieuwe klanten heeft uiteraard een rechtstreeks effect op de resultaten van het bedrijf, maar tegenwoordig wordt de strijd net zo hard gevoerd op het marketingslagveld van de klantervaring. De kracht van kleine ondernemingen zit hem vaak in het goed kennen van hun klanten, maar grote bedrijven kunnen nu ook een veel persoonlijke klantervaring nastreven door slim gebruik van data. 

Digitalisering wordt niet genoeg ingezet voor verbetering klantervaring

Uit ons onderzoek blijkt dat op dit vlak nog verbeteringspunten mogelijk zijn. Slecht 10% van de ondervraagden gaf aan dat het verbeteren van klantrelaties een van de belangrijkste voordelen is van het implementeren van nieuwe technologieën. Uit onderzoek van het KVK blijkt ook dat bijna de helft van de ondernemers geen enkele verandering heeft gerealiseerd rondom online marketing of het gebruiken van klantdata in de afgelopen 3 jaar. 

Gartner meldt dat een derde van de marketeers die verantwoordelijk zijn voor de Customer Experience (CX) zeggen dat hun bedrijven voornamelijk concurreren op basis van CX. De verwachtingen zijn dat bedrijven door het stroomlijnen van de ‘buyer journey’ en het verbeteren van klantervaring grote competitieve voordelen zullen behalen. Maar dan zal er wel geïnvesteerd moeten worden in het marketingbudget, want dat groeit niet altijd mee.  

Besparen van tijd is belangrijkste aspect van digitalisering

Niet het verbeteren van klantrelaties maar tijdsbesparing is voor bedrijven het grootste voordeel dat zij ondervonden door het implementeren digitale technologieën. 

 

digitalisering trend voordelen nieuwe technologieën

Op de tweede plaats komt het verhogen van efficiëntie en het verbeteren van de productiviteit. Voor bijna 20% is het gebruik van nieuwe technologieën noodzakelijk voor hun activiteit. Voor 14% is kostenbeperking een belangrijke reden.

Digitaliseringstrends: Internet of the Things 

Omdat Nederland koploper is in veel aspecten van digitalisering, onderzochten we in hoeverre het MKB al gebruik maakt van de nieuwste digitale technologieën. Uit de antwoorden bleek bijvoorbeeld dat 15% al gebruik maakt van Internet of the Things (IoT) en dat 23% erover nadenkt om het in de komende 1-2 jaar te gaan gebruiken. Dat is een hoog percentage en laat een duidelijke trend zien. 

Gebruik nieuwe technologieën in Nederland

Alle mensen zijn inmiddels online, met IoT zijn ‘dingen’ nu ook online en dus opeens een stuk ‘slimmer’. En als dingen slim worden dan plukken wij daar de vruchten van. Althans, dat gebeurt als we gebruik weten te maken van de mogelijkheden die IoT biedt. Het gaat niet alleen om het besturen van machines of apparaten op afstand met smartphones of tablets, maar om het verzamelen van gegevens. Omdat de meeste activiteiten en processen inmiddels geautomatiseerd zijn, kunnen we met IoT weer een stap verder gaan. Met IoT kunnen er oneindig veel gegevens (Big Data) verzameld worden. Met die gegevens kunnen bedrijven bestaande processen optimaliseren, opnieuw vormgeven om tot nieuwe betere of goedkopere producten of servicemodellen te komen.  

Blockchain is een andere disruptive technologie die door 5% van de respondenten al gebruikt wordt. Het is niet alleen de technologie achter cryptomunten meer, maar er zijn steeds meer nieuwe toepassingen, zoals bijvoorbeeld blockchain in de supply chain. 11% van de ondervraagden gaf aan dat ze het gebruik van blockchain aan het evalueren zijn en 6% is van plan het te gaan gebruiken in de komende 1-2 jaar.

Niet genoeg training in gebruik softwaretools

Software maakt ons dagelijkse werk veel makkelijker (70 % is het daarmee eens), maar bedrijven moeten niet vergeten hun personeel voldoende te trainen om nieuwe softwaretools optimaal te benutten. Het succes van softwaretool staat of valt met de acceptatie en de toepassing door de medewerkers en meer dan een derde van de ondervraagden melde geen enkele training te hebben gehad in het gebruik van de door het bedrijf aangeschafte software. Ook al zijn de meeste softwareprogramma’s redelijk gebruiksvriendelijk, toch zijn er altijd functionaliteiten die een uitleg nodig hebben om de mogelijkheden optimaal te benutten.

Methodologie:

Voor dit onderzoek over digitalisering in het Nederlandse bedrijfsleven hebben we in juli 2019 een online enquête uitgevoerd. De antwoorden komen uit een steekproef van de doelmarkt Nederland. De enquête werd verzonden naar 615 mensen waaruit, na screeningvragen, uiteindelijk 158 deelnemers kwalificeerde om de enquête in te vullen. Gekwalificeerde deelnemers zijn in dienst (voltijd, deeltijd of zelfstandig), werken in een kleine tot middelgrote onderneming (1-250 werknemers) en gebruiken software voor hun werk.

 

Datenbereinigung – der Frühjahrsputz für die Datenoptimierung

Wir haben es schon oft geschrieben: Daten sind die wichtigste Ressource für Unternehmen und wer die Datensicherheit vernachlässigt, bringt sich schnell in die Bredouille.

Doch bei der Datenpflege geht es nicht nur um die Sicherheit: Auch die Datenbereinigung spielt eine enorm wichtige Rolle.

Datenbereinigung – der Frühjahrsputz für die Datenoptimierung

An dieser Stelle taucht bei vielen die Frage auf: „Was ist Datenbereinigung eigentlich?“ Bei der Datenbereinigung, auch Data Scrubbing oder Data Cleansing genannt, geht es darum, Unternehmensdaten auf Ungenauigkeiten, Duplikate sowie veraltete und unvollständige Einträge zu überprüfen. Dabei werden Datenfehler entfernt und korrigiert und alles behoben, was die Daten für die Nutzung in Business Intelligence (BI)-Software unbrauchbar macht.

Daten müssen genauso regelmäßig gereinigt werden wie andere Dinge im Alltag, wie das Spülbecken oder der Hund, der sich mal wieder im Komposthaufen gewälzt hat – und der Vergleicht hinkt gar nicht mal allzu sehr, denn genau wie der Hund tun Daten alles, um die gründliche Wäsche zu vermeiden, und genau wie beim Spülbecken wartet man vergeblich darauf, dass sie sich von selbst putzen.

Während ein schmutziges Spülbecken allerdings wenig Konsequenzen nach sich zieht, sieht das bei vernachlässigten Unternehmensdaten schon ganz anders aus: Schlimmstenfalls können sie das ganze Geschäft gefährden.

Chaos ist nicht immer kreativ – Wettbewerbsvorteil dank gut organisierter Daten

Kissmetrics schätzt, dass Unternehmen aufgrund von schlechter Datenqualität mindestens 20 Prozent ihres Umsatzes verlieren. 41 % der Unternehmen nennen inkonsistente (und damit „schmutzige“) Daten als ihre größte Herausforderung, und das in den unterschiedlichsten Technologien – darunter CRM, Marketing-Tools und BI.

Werden unsaubere Daten zur Datenanalyse verwendet, ist das in etwa so, als würde man einen Benziner mit Diesel fahren. Nicht nur läuft das Unternehmen nicht rund, man riskiert auch, dauerhaft den Motor zu schädigen.

Datenanalysen, die auf Grundlage minderwertiger Daten erfolgen, können zu falschen Entscheidungen mit häufig teuren Konsequenzen führen.

Ein fehlender Datenbereinigungsplan sollte Unternehmen also genauso in Sorge versetzen wie hygienisch bedenkliche Zustände in der Kantine – doch nur 16 Prozent der Unternehmen beschreiben die von ihnen genutzten Daten als „sehr gut“, sprich: als Daten, die auf Integrität, Genauigkeit und Sicherheit basieren.

Die Datenbereinigung zur Verbesserung der Datenqualität ist nicht selten die anstrengendste und schwierigste Aufgabe bei der Datenanalyse, doch sie ist gleichzeitig die wichtigste.

Die erfolgreichsten Unternehmen, deren Geschäft auf Daten basiert, sind häufig geradezu davon besessen, ihre Daten makellos zu pflegen. Beim Aufrechterhalten der Datenqualität geht es schließlich nicht nur darum, negative Auswirkungen zu vermeiden, sondern auch um all das, was man dank sauberer Daten an Erkenntnissen für Geschäftsinnovationen gewinnen kann.

An dieser Stelle ist die Rede vom „kreativen Chaos“ einfach nicht angebracht: Unternehmen mit gut gepflegten und strukturierten Daten haben einen eindeutigen Wettbewerbsvorteil.

Was ist Datenbereinigung bzw. Data Scrubbing?

Nahezu jedes Unternehmen hat Daten, die eine Bereinigung gebrauchen könnten. Wie fangen wir also damit an?

Es gibt verschiedene Verfahren, die zur Datenbereinigung verwendet werden, doch letztendlich laufen sie auf dasselbe hinaus:

1. Das Modifizieren, Berichtigen, Zusammenfügen und Entfernen korrupter, unvollständiger, veralteter oder ungenauer Daten.

2. Das Entwickeln von Strategien zur Verbesserung von Datensicherheit und Compliance, sodass das Unternehmen durch qualitativ hochwertigere Daten einen großen Mehrwert schafft.

Warum ist die Datenbereinigung so wichtig?

Es kostet im Durchschnitt …

  • 1 $, ein Duplikat zu vermeiden
  • 10 $, ein Duplikat zu korrigieren
  • 100 $, Datenduplikate unverändert zu speichern und keine Maßnahmen zu ergreifen

Damit wird deutlich: Es ist schlicht und einfach eine Sache des guten Geschäftssinns, die eigenen Daten zu bereinigen, bevor das Chaos immer größer wird. Aktuell geben Unternehmen immerhin durchschnittlich 50 Prozent ihres IT-Budgets für die Datenwiederherstellung aus.

Ein weiteres Problem liegt darin, dass die meisten Menschen ständig Unmengen an Daten generieren. Besonders das Internet of Things (IoT) trägt dazu wesentlich bei. Wer einmal versucht, einen Tag lang keinerlei Geräte oder Services zu nutzen, die persönliche Daten teilen könnten, wird feststellen, dass das gar nicht so einfach ist: Wir haben uns schon längst daran gewöhnt, Essen online zu bestellen, Musik per Streaming-App zu hören oder unsere Heizung per Smart Home-Gerät zu steuern.

Natürlich fallen in Unternehmen noch viel mehr Daten an als in einem Privathaushalt, weshalb eine Data-Governance-Strategie, die festlegt, wie Daten verarbeitet und verwaltet werden, für Unternehmen jeder Größe unverzichtbar sind.

Data-Governance-Strategien verbessern die Datenqualität

Ideal ist es, wenn Unternehmen mithilfe entsprechender Datenverwaltungsrichtlinien zuverlässig dafür sorgen, dass die eigenen Daten regelmäßig bereinigt werden. Diese Richtlinien müssen dann natürlich auch wirklich umgesetzt werden.

Daher empfehle ich, die Datenbereinigung als ständig laufenden Hintergrundprozess zu etablieren, der genauso sorgfältig gepflegt wird wie die Hygiene im Alltagsleben.

EMPFEHLUNG:  Die folgende Checkliste für die Datenbereinigung soll dabei helfen, Data-Governance-Initiativen voranzutreiben, eine gute Datenqualität für Geschäftsprozesse zu gewährleisten und sicherzustellen, dass sich keine Daten an schwer zugänglichen Stellen im Unternehmen verstecken.

Eine Checkliste zur Datenbereinigung

Wat is ERP en wat zijn de voordelen van ERP-implementatie voor het MKB

Wist je dat het vuurtje van jouw barbecue brandt op ERP? Wist je dat hele bouwwerken staan of vallen bij ERP? 

Als je het woord ERP-systeem hoort denk je misschien aan een ingewikkeld computerprogramma met hoge aanschafkosten dat alleen voor enorme reuzen is weggelegd, maar dat is niet waar. Ook kleinere en middelgrote bedrijven kunnen profiteren van een ERP-systeem. Zo ondersteunt enterprise resource planning (ERP) van Odoo het Nederlandse bedrijf Fire-Up met de duurzamere productie van milieuvriendelijke aanmaakblokjes. En zo gebruikt het bouwbedrijf Knol Bouw de ERP-software van Exact Globe om hun bouwprojecten te ontwikkelen. 

wat is ERP

Wat is ERP?

Maar wat is ERP precies? Laten we daar eerst een antwoord op geven. De betekenis van ERP volgens Garner is een softwarepakket dat geïntegreerde applicaties biedt om een ​​reeks administratieve en operationele bedrijfsprocessen in meerdere bedrijfstakken te automatiseren en ondersteunen”. In andere woorden, de spin in het web die alle draadjes tussen de verschillende afdelingen met elkaar verbindt. 

Verschillende afdelingen binnen eenzelfde bedrijf werken nog vaak als eilandjes. ERP kan alle bedrijfsonderdelen met elkaar koppelen en afstemmen op een geautomatiseerde manier. 

In de praktijk betekent dit voor een bedrijf als Fire-Up bijvoorbeeld dat het ERP-systeem automatisch aangeeft wanneer de voorraad houtvezels en biologische olie die nodig is voor de productie van aanmaakblokjes aangevuld moet worden dankzij een voorraadsbeheermodule. De inkoopbeheermodule geeft automatische inkoopadviezen op basis van bestaande orders en doet slimme voorspellingen op basis van de bedrijfsgegevens. Het fabricageproces van de blokjes wordt efficiënter omdat het systeem de productieplanning kent en zo de capaciteit van het workcenter optimaliseert. 

Zo loopt alles als een goed geoliede machine! 

Voordelen van ERP voor MKB

Hoe kunnen MKB-bedrijven de voordelen van ERP-software benutten? We zetten er hier 7 op een rijtje. 

Schaalbaar

ERP is bovenal een schaalbaar systeem, gebaseerd op een basispakket waaraan softwaremodules of verschillende bedrijfsapplicaties toegevoegd kunnen worden. Je hebt de mogelijkheid om alleen de modules te gebruiken die voor jouw organisatie nuttig zijn en die uit te breiden wanneer nodig. Zo zijn er modules voor productie, verkoopbeheer, email marketing, voorraadbeheer, facturatie, crm, websitebuilder, etc. Als je aparte software gebruikt voor al deze bedrijfsonderdelen is latere koppeling een tijdrovend proces als het überhaupt al mogelijk is. Bovendien gaat zo’n integratieproces soms gepaard met gegevensverlies omdat het uploaden van historische of niet digitale data een heel karwei is. Een ERP-pakket verschaft uniformiteit vanaf het begin en biedt schaalbare oplossingen voor groei. Je betaalt overigens vaak per gebruiker, wat voordelig is voor kleine bedrijven. 

Stroomlijnen van bedrijfsprocessen 

Alle gegevens uit verschillende afdelingen worden nu digitaal geregistreerd in één systeem en met elkaar gekoppeld. Hierdoor hebben medewerkers rechtstreeks inzicht in de bedrijfsprocessen op andere afdelingen en kunnen efficiënter werken. De kans op menselijke fouten neemt af en de communicatie tussen afdelingen verbetert. Voor het management betekent dit bovendien een beter overzicht van alle bedrijfsprocessen. 

Intelligente automatisering

Het ERP-programma kan handelingen die handmatig uitgevoerd worden automatiseren. Dit kan bijvoorbeeld inhouden dat een bestelling automatisch wordt verwerkt tot inkoopbon. Of dat je voorraad gereduceerd kan worden om risico’s te vermijden. Dit laatste is een voorbeeld van intelligente automatisering, waarbij het systeem de gegevens waarover het bezit gebruikt om voorspellingen te kunnen doen op basis van AI

Bedrijfsvoering gebaseerd op data 

Dankzij de digitalisering van alle gegevens in één systeem komt er een zee aan betrouwbare bedrijfsinformatie beschikbaar. In plaats van een bedrijfsvoering op basis van stukjes data kunnen er nu volledig op data gedreven beslissingen worden genomen. Het biedt de kans om bestaande processen te optimaliseren, opnieuw vorm te geven en tot nieuwe betere of goedkopere servicemodellen of producten te komen. Bovendien heb je de zekerheid dat de data die je uit je systeem ophaalt accuraat is. 

Reporting 

Een ERP-programma biedt goede reporting functionaliteiten. Dat wil zeggen dat het systeem de gegevens niet alleen voor je ophaalt, maar ook omzet naar begrijpelijke informatie. Ben je zelf geen grote fan van data-analyse, dan hoef je nu je hoofd niet meer te breken over het structureren van informatie. De ERP-software presenteert de data op zo’n manier dat jij het kan gebruiken voor het meten en monitoren van je bedrijfsprestaties. Zo wordt het een stuk makkelijker om de juiste beslissingen te nemen en op tijd te anticiperen.

Informatiebeveiliging

Als gegevens in verschillende systemen en spreadsheets ondergebracht zijn is je bedrijf een makkelijker doelwit voor hackers. Elke bron moet apart beveiligd zijn om te voorkomen dat cybercriminelen gevoelige gegevens te pakken krijgen. ERP-software biedt één veilige locatie voor alle gegevens. 

ERP-software aanbieders helpen bedrijven hun gegevens veilig te stellen via de laatste automatische veiligheidsupdates, instellingen voor gebruikerstoestemmingen, het aanbieden van trainingen, het extern monitoren door deskundigen, source code scanning, etc. Voldoen aan de privacywetgeving (AVG) en de bescherming van klantgegevens wordt nu ook een stuk eenvoudiger.  

Kostenbesparing

De implementatie van een ERP-systeem betekent volledige digitalisering van je bedrijf. Handmatige processen verdwijnen en worden geautomatiseerd. Het zorgt voor meer effectiviteit en efficiënter werken. Je krijgt beter inzicht in je eigen bedrijf zodat het duidelijk wordt waar je kosten kan besparen. Denk bijvoorbeeld aan het fabricageproces van de aanmaakblokjes voor de barbecue van Fire-Up. Het bedrijf wil inzetten op duurzaamheid, en dat geldt niet alleen voor de ingrediënten van de aanmaakblokjes die milieuvriendelijk moeten zijn, maar betekent ook de optimalisering van het productieproces en de verpakkingsmethodes. Zonder een systeem dat het productieproces en de voorraad optimaliseert is dat niet mogelijk. 

Kort gezegd, een complete oplossing als ERP brengt je bedrijfsvoering op een hoger niveau. Nu is het alleen nog zaak om de juiste oplossing voor jouw bedrijf te vinden. Er zijn namelijk wel honderden ERP-software aanbieders! Hoe kan je dat het beste aanpakken?

Je kan beginnen met de lijst ERP-systemen op Capterra en deze filteren op functionaliteiten die voor jou van belang zijn. Vervolgens kan je de geschikte programma’s naast elkaar zetten en vergelijken en de reviews lezen van geverifieerde gebruikers. Dat maakt je keuze wellicht een stuk makkelijker! 

 

Valorisez vos données en optant pour le data scrubbing

Mettez en valeur vos données, optez pour le data scrubbing

Mettez en valeur vos données, optez pour le data scrubbing

Imaginez-vous une seconde recevoir ce compliment lors d’une réunion professionnelle : « Votre base de données a bonne mine. C’est idéal pour le data scrubbing ! »

Il y a des chances que vous ne sachiez pas quoi répondre et n’osiez pas admettre que vous ignorez tout de ce fameux data scrubbing.

Nous sommes là pour vous aider. Le data scrubbing, ou nettoyage des données, désigne le processus de vérification des données commerciales. L’objectif est d’identifier les informations erronées, dupliquées, obsolètes ou incomplètes. Le data scrubbing élimine tout ce qui rend les données peu fiables ou inutilisables pour les logiciels de business intelligence et les analyses de données.

Après tout, tout comme les objets du quotidien, il faut bien nettoyer les données de temps en temps si on ne veut pas que ce soit le chaos. Et si vous avez un animal de compagnie, le data scrubbing va vous parler : car les données, tout comme un chat ou un chien, ça déteste le bain. Si vous repoussez l’échéance, vous finirez dans le premier cas avec un animal dont l’odeur risque de vous faire pleurer. Et avec les données, les conséquences d’une telle négligence sont bien pires : vous mettez votre entreprise en péril.

Si vous aimez le chaos, mauvaise nouvelle : ce sont les données les mieux organisées qui l’emportent

IBM estime qu’en 2016, la mauvaise qualité des données a coûté plus de
3,1 milliards de dollars aux entreprises américaines. Environ 50 % du temps des spécialistes de la gestion des connaissances est dédié au traitement et à la correction des données, que ce soit sur un CRM, un outil de marketing ou dinformatique décisionnelle.

Utiliser des données corrompues pour réaliser des analyses revient à verser de l’essence dans le réservoir d’une voiture diesel. Non seulement votre entreprise fonctionnera moins bien, mais en plus, vous risquez d’endommager le moteur.

Vous prendrez des décisions fondées sur des bases incorrectes et dont les conséquences pourraient bien être sévères.

Se passer d’une routine de nettoyage des données reviendrait à se passer de votre douche quotidienne. Et pourtant, 66 % des entreprises françaises n’ont aucune approche centralisée en place et considèrent que 19 % de leurs données sont de mauvaise qualité. Autrement dit, 19 % de ces données ne sont ni intègres, ni exactes, ni sécurisées.

En vous permettant de calibrer la qualité des données, le nettoyage des données est le point le plus difficile et crucial de l’analyse de données.

Ce n’est pas un hasard si les plus grandes entreprises déploient des efforts colossaux pour organiser leurs données. Il ne s’agit pas seulement de limiter les conséquences d’une mauvaise qualité des données, mais aussi d’utiliser des données propres pour obtenir des informations précises sur les innovations métier.

Si vous êtes plus à l’aise dans le désordre, il va falloir prendre de bonnes résolutions : les données les mieux organisées sont celles qui prévalent.

Qu’est-ce que le data scrubbing ?

Tout le monde possède des données qui pourraient bénéficier d’un petit récurage. Mais par où commencer ?

Google identifie trois expressions correspondant au nettoyage des données :

  • Data scrubbing
  • Data cleaning
  • Data cleansing

Mais y a-t-il une réelle différence entre ces trois expressions ?

Il s’agit davantage d’une question de nuances, car toutes les trois désignent le même processus et les mêmes stratégies dans le contexte de purification des données pour les analyses.

Que vous l’appeliez par un nom ou un autre, dans tous les cas, le data scrubbing, cleaning ou cleansing désigne :

  1. La modification, la correction, la fusion et l’élimination de données corrompues, incomplètes, obsolètes ou inexactes.
  2. Les stratégies de sécurisation, de mise aux normes et d’enrichissement des données pour ajouter de la valeur à l’entreprise.

Pourquoi le data scrubbing est-il  important ?

En moyenne, les erreurs coûtent aux entreprises environ 10 à 20 % de leur budget d’implémentation.

Sans surprise, il est plus judicieux de corriger les informations saisies au fur et à mesure que d’attendre d’avoir un volume de données ingérable. Actuellement, 40 à 50 % du budget temps d’un projet est dédié à la modification des données.

Il faut également se rappeler que chacun d’entre nous génère un volume affolant de données. L’Internet des objets contribue de façon majeure à ce problème. On ne peut même plus commander un café sans utiliser de données.

Toutes les entreprises, quelle que soit leur taille, devraient intégrer le nettoyage de données dans leurs processus informatiques, car elles produisent chaque jour des volumes astronomiques de données. La politique de gestion des données doit être clairement définie et figurer parmi les processus cruciaux de l’entreprise.

Mettez en valeur la qualité de vos informations pour une gestion des données stratégique

On pourrait penser qu’il suffit de procéder à un grand nettoyage de printemps dans sa base de données, mais il est probable que cela ne suffise pas. Considérez plutôt le data scrubbing comme une tâche en arrière-plan.

LA SOLUTION :  Utilisez la checklist suivante pour définir votre initiative de nettoyage de données, extraire des informations de qualité pour prendre des décisions, et vous assurer de ne manquer aucun dépôt de données.

Infographie data scrubbing : la checklist

Neue Technologien im Bereich Business Intelligence: Natural Language Processing (NLP) und BI-Chatbots

Roboter arbeitet mit Natural Language Processing

Roboter arbeitet mit Natural Language Processing

Die meisten Inhaber*innen kleiner und mittelgroßer Unternehmen geben unumwunden zu, dass die Datenanalyse nicht zu ihren großen Stärken gehört. Sie werfen sich voller Elan in ihre Arbeit, um die Firma ihrer Träume aufzubauen und nehmen Business Intelligence-Trends nur am Rande wahr.

Im Zeitalter von „Big Data“ kommt der Datenanalyse aber ein wichtiger Platz beim Aufbau und Wachstum eines Unternehmens zu. Es wächst nämlich nicht nur das Unternehmen selbst, sondern auch die Masse, Geschwindigkeit und Vielfalt der Daten. Gleichzeitig wird auch die Datenanalyse komplexer und stellt somit eine Herausforderung dar, die mehr Programmierkenntnisse und Statistikwissen verlangt.

An diesem Punkt lohnt sich der Einsatz von Business Intelligence (BI)-Chatbots oder BI-Bots. BI-Bots verstehen Datenabfragen in gesprochener Sprache und liefern Ergebnisse. Natural Language Processing (NLP), d. h. die Verarbeitung natürlicher Sprache, und Chatbots sind aufstrebende Technologien, die jedermann Zugang zur Datenanalyse ermöglichen werden.

In Zukunft wird in kleinen wie großen Unternehmen die Datenanalyse mithilfe von BI-Tools mit NLP-Chatbots (auch Freitext-Chatbots) zum Alltag gehören, genau wie die Einführung von Datentools und das Treffen von datengestützten Entscheidungen zur Umsatzsteigerung und einem verbesserten Geschäftsverlauf.

In diesem Artikel werden NLP- und BI-Bots definiert und Features aufgeführt, nach denen man Ausschau halten sollte. Weiterhin werden interessante Marktentwicklungen aufgezeigt.

Natural Language Processing- und BI-Bots simulieren menschliche Gespräche über Daten und Analysen

Bei NLP handelt es sich um einen Teilbereich der Künstlichen Intelligenz (KI), in dem in menschlicher Sprache gestellte Nutzeranfragen interpretiert, erkannt, verstanden und verarbeitet werden. Für BI bedeutet dies, dass man nicht länger in SQL oder .NET programmieren muss, um Daten auszuwerten. Fragen können in einfacher Sprache eingegeben werden und man erhält Antworten aus seinen Datensätzen.

Screenshot einer Natural Language Processing AnfrageSo funktioniert eine NLP-Anfrage in QlikSense

Chatbots sind Computerprogramme, die zu dem Zweck entworfen wurden, eine Unterhaltung mit menschlichen Nutzern zu simulieren. Sie haben sich als sehr hilfreich erwiesen und sind zum Beispiel beim Kundenservice, zu Beginn von Verkaufsgesprächen und zum Lösen von Kundenfragen weit verbreitet.

Die Kerntechnologie hinter Chatbots, mit deren Hilfe menschliche Anfragen entziffert und verarbeitet werden, heißt Natural Language Processing, kurz NLP.

Ein weiteres Einsatzgebiet sind BI-Anwendungen, also Business-Intelligence-Anwendungen. BI-Anwendungen erleichtern datengestützte Entscheidungen und BI-Bots vereinfachen den Vorgang zusätzlich, indem sie Nutzer*innen die Möglichkeit geben, eine echte Unterhaltung über ihre Daten zu führen. BI-Bots greifen dann auf die Daten zu, nehmen notwendige Analysen vor und liefern Ergebnisse zu den gestellten Anfragen.

Für Anwender*innen funktionieren sie wie jeder normale Chatbot. Man muss einfach nur seine Daten eingeben und dann dem Chatbot seine Fragen stellen bzw. sie eintippen. Der Chat-Simulator liefert dann relevante Ergebnisse und Erkenntnisse.

Hier ein Beispiel, wie ein BI-Bot funktioniert:

Mit BI-Bots wird Datenanalyse zum Kinderspiel

BI-Bots vereinfachen die Datenverarbeitung und -auswertung und verleihen dem Ganzen eine menschliche Note. Einige der Hauptvorteile von Bi-Bots sind:

 Bedienkomfort In BI-Anwendungen integrierte Chatbots erhöhen den Bedienkomfort. Alles ist so einfach, als wenn man Kolleg*innen um Daten bitten würde und das Ergebnis sofort erhält, ohne dass man über einem Wust von Datensätzen brüten muss.

 Daten-Demokratisierung Chat-Simulatoren fördern die Benutzerakzeptanz von BI-Tools am Arbeitsplatz. Gartner schätzt, dass Konversationsanalysen in Form von Chatbots und NLP im Jahr 2021 mehr als 50 % der Mitarbeiter*innen unterstützen werden. Zurzeit sind es noch 35 %. NLP-Chatbots erleichtern es einer großen Zahl der Angestellten, Datenanalysen durchzuführen und auf die Ergebnisse zuzugreifen.

 Kosteneinsparungen: Kundendienst-Chatbots können bis zu 80 % der Fragen allein lösen, sparen dabei Zeit und steigern die Kundenbindung. BI-Bots erzielen ähnliche Einsparungen für kleine Unternehmen. Allein im Kundendienst können Millionen eingespart werden, die normalerweise für (interne oder externe) Analyst*innen hätten ausgegeben werden müssen.

Warum nehmen NLP-Bots an Bedeutung zu?

NLP-Chatbots ermöglichen eine schnelle und gründliche Datenanalyse und werden bald standardmäßig zu jedem Analysetool gehören, sodass auch die breite Masse sich diese zu Nutzen machen kann.

Dem Gartner Hype Cycle for Analytics and Business Intelligence 2018 (für Gartner-Kunden verfügbar) zufolge wird die Suche-basierte Datenermittlung mithilfe natürlicher Sprache eine wichtige Schnittstelle für BI-Inhaltserstellung. Sehr wahrscheinlich wird sich dies zu einem Feature in modernen Analyse-Tools entwickeln, nicht zu einer eigenständigen Technologie.

Anbieter von BI-Lösungen arbeiten daran, die Schnittstellen ihrer Tools mit Chatbot-Features zu verbessern, damit Analysen noch leichter vorgenommen werden und allen zur Verfügung stehen.

Häufige BI-Chatbot-Features

Die BI-Chatbot-Entwicklung befindet sich noch in den Kinderschuhen und hat noch nicht viele Optionen zur Auswahl. Einige der häufigen Features sind u. a.:

  • Natural Language Processing (NLP) und maschinelles Lernen (ML): Smart Learning und natürliche Unterhaltungen helfen Bots, die Absicht eines Nutzers zu verstehen und sich schnell an den Büro-Jargon anzupassen. Erweiterte NLP-, KI- und ML-Technologien unterstützen den Chatbot dabei, mit jeder neuen Anfrage zu lernen, sodass Ergebnisse wie Nutzererlebnis effizienter und genauer werden.
  • Warnungen in Echtzeit: Der Chatbot muss Nutzer*innen eigenständig wichtige Updates für die Datenanalyse und andere für sie relevante Ergebnisse zukommen lassen. Diese Benachrichtigungen müssen abhängig von der Abteilung, dem Standort und der Position personalisiert und so auf jede einzelne Person zugeschnitten sein. Außerdem müssen sie Nutzer*innen über Datenanomalien unterrichten.
  • Funktionen für die Zusammenarbeit Funktionen für die Zusammenarbeit ermöglichen es dem Chatbot, aus den Daten gewonnene Erkenntnisse mit anderen Nutzer*innen per E-Mail, Chat oder Nachrichten zu teilen. Auch ein Gruppen-Chat sollte zur Verfügung stehen.
  • Datensicherheit: Der Chatbot sichert Daten mithilfe von Features wie Benutzerauthentifizierung, Autorisierung, Verschlüsselung und Zugangskontrolle.
  • Integration: Der Chatbot muss in der Lage sein, Daten nahtlos zwischen BI-Tools und anderen Anwendungen wie ERPCRM und weiteren Datenbanken zu verschieben. Außerdem muss er sich schnell in BI-Tools integrieren lassen, am besten sogar über eine eingebaute Funktion verfügen.
  • Bereitstellbar auf Messaging-Apps: Der BI-Bot muss zu beliebten Messaging-Apps wie Slackoder Microsoft Teams hinzugefügt werden können. Auf diese Weise können Daten analysiert werden, ohne BI-Systeme überhaupt öffnen oder zum Zugriff auf Daten zwischen verschiedenen Apps wechseln zu müssen.
  • Bereitstellung auf mehreren Geräten: Der Chatbot muss auf mehreren Geräten wie Laptops, Desktops, Mobiltelefonen and Tablets bereitgestellt werden können. Weiterhin muss er verschiedene Betriebssysteme wie Windows, iOS, und Android unterstützen.

Aktuelle Chatbot-Entwicklungen im BI-Sektor

Natural Language Processing, KI und Chatbots werden die Business Intelligence vorantreiben. Die Verbindung aus Gesprächsführung und Künstlicher Intelligenz ist der letzte Schritt, der strategische Geschäftsdaten mit allen Mitarbeitern verknüpft.

Einige bekannte BI-Anbieter verzeichnen bereits gewaltige Fortschritte in der Konversationsanalyse.

Tableau: Tableau hat in Tableau 2019 mit dem neuen Tool „Frag die Daten“ eine Reihe von Smart-Funktionen wie Natural Language Processing hinzugefügt. Über das Tool kann man Fragen in Textform in das Programm eingeben und erhält dann relevante Ergebnisse. Markenanalysten und Entwickler*innen bei Tableau sind sich jedoch einig, dass da noch Luft nach oben ist und die NLP-Features im Laufe der Zeit weiterentwickelt und verbessert werden.

Qlik: Qlik hat CrunchBot im Frühjahr 2019 aufgekauft, um so die eigene Expertise im Bereich der Gesprächsanalysen auszuweiten. Durch die Übernahme verfügt Qlik nun über die Technologie, mit der Nutzer einfach in natürlicher Sprache eine Frage in Qlik Sense oder in anderen Kollaborationstools wie Slack, Skype, Salesforce Chat oder Microsoft Teams eingeben können. Nutzer erhalten dann direkt in diesen Anwendungen in Form von automatisch erstellten Tabellen, Prognosen und Datenauswertungen Antworten auf ihre Fragen.

SisenseSisense Boto ist der Chatbot von Sisense, der mithilfe von maschinellem Lernen Dateneinblicke gibt und teilt. Nutzer können Sisense Boto als Kontakt zu SlackSkype oder anderen Messenger-Lösungen hinzufügen und dann CSV.-Tabellen zum Analysieren weiterleiten. Der Bot liefert dann die Ergebnisse und teilt sie (wenn gewünscht) auch mit anderen Nutzern.

BI-Chatbots und NLP werden in den nächsten 5 Jahren zu Mainstream-Technologien

Die Entwicklung von NLP-Technologien steckt noch in den Anfängen und so liegt ihr Präzisionsgrad zurzeit bei 60-70%, was in vielen Fällen noch nicht ausreicht. Es gibt jedoch ein wachsendes Interesse und Forschungsbemühungen zur Entwicklung eines noch intelligenteren und genaueren NLP.

Gartner vertritt die Meinung, dass Chatbots für Analysen, KI-Suchen und die Generierung von und Abfrage in natürlicher Sprache in den nächsten zwei bis fünf Jahren Unternehmen viele Vorteilen verschaffen werden. Programmierung in natürlicher Sprache bei BI-Tools wird es Mitarbeitern ohne die erforderlichen Kenntnisse leichter machen, mithilfe von Analysetools datengestützte Einsichten zu erhalten.

„Der Trend ist noch ganz frisch, aber ich glaube, dass die Konversationsanalyse in den nächsten zwei bis Jahren eine wichtige und gewohnheitsmäßige Rolle dabei zukommen wird, wie Nutzer Analyseinhalte nutzen und mit ihnen umgehen.“

Rita Sallam, Analystin bei Gartner

Anbieter von BI-Lösungen arbeiten zurzeit daran, Chatbot-Funktionen so schnell wie möglich in ihre Tools zu implementieren, sodass sie wahrscheinlich in den nächsten fünf Jahren in den meisten Lösungen ein Standard-Feature sein werden. Zu diesem Zeitpunkt werden sie hoffentlich auch zu angemessenen Preisen in einem Großteil der Unternehmen – sowohl kleinen als auch großen – zum Einsatz kommen.

Nächste Schritte mit BI-Bots und NLP

Für dein Unternehmen ist es nicht nur wichtig, über Entwicklungen in der BI und im NLP auf dem Laufenden zu bleiben. Dein Unternehmen muss auch einige Schritte aktiv einleiten, um sicherzustellen, dass der Wechsel zu den aufstrebenden Technologien für alle Mitarbeiter reibungslos verläuft.

  1. Testen von Probeversionen: Unternehmen sollten Probeversionen der BI-Bots vom eigenen BI-Anbieter, aber auch von Wettbewerbern testen. Am besten sollte eine kleine Gruppe von Mitarbeiter*innen diese Funktion nutzen und so Vor- und Nachteile feststellen. Auf diese Weise fällt der Wechsel zum vermehrten Einsatz von NLP-Chatbots später allen Mitarbeiter*innen leichter.
  2. Aufbau einer „Datenkultur“: Der Aufbau einer Datenkultur erfordert einiges an Investitionen. Mitarbeiter*innen erfahren dadurch die Vorteile von datengestützten anstelle von Bauch-Entscheidungen, sodass die Akzeptanz von BI-Tools wächst. Weiterhin fällt es ihnen leichter, neue BI-Features wie Chatbots zu verstehen und zu nutzen.
  3. Regelmäßige Interaktion mit dem BI-Anbieter: Unternehmen sollten über Updates, neue Feature und Upgrades ihrer BI-Anbieter auf dem Laufenden bleiben. Vielleicht ergibt sich auch eine Zusammenarbeit, sodass neue Features erarbeitet und individuelle Anpassungen vorgenommen werden können.

Eine Liste von BI-Software ist im GetApp-BI-Verzeichnis erhältlich

Hinweis: Die in diesem Artikel aufgeführten Anwendungen dienen als Beispiel, um ein Feature im Kontext zu zeigen. Es besteht keine Verbindung und sie sind nicht als Empfehlung zu verstehen. Weiterhin stützen sich zum Zeitpunkt der Veröffentlichung auf Quellen, die als vertrauenswürdig gelten.

Inteligência artificial nas empresas: saiba como aplicá-la no seu negócio

benefits of artificial intelligence for small businesses

inteligencia artificial nas empresas

Poucos devem ser os que ainda não cruzaram com a seguinte sigla em suas buscas pela internet: IA, a abreviação para inteligência artificial, está por todos os lados, e o mundo dos negócios não é exceção.

Segundo pesquisa global da empresa de consultoria Gartner (estudo completo em inglês disponível para assinantes), 50% das empresas planejam investir nesta área até 2020. 

Mas o que é inteligência artificial? Trata-se de uma tecnologia que aplica análises avançadas e técnicas baseadas na lógica para interpretar eventos e auxiliar e automatizar decisões, imitando o comportamento humano.

O uso da IA permite, por exemplo, que empresas nos ofereçam publicidades direcionadas com produtos super específicos que estejamos buscando. Essa tecnologia também pode proporcionar no futuro o acesso a carros autônomos ou ainda ajudar na cura de doenças graves como o câncer.

À primeira vista, portanto, utilizar a inteligência artificial nas empresas pode parecer algo distante. Mas a realidade é outra. 

“A inteligência artificial é confusa por natureza por causa da sua conexão com a ficção científica presente nos meios de comunicação e porque as pessoas tendem a dotá-la de poderes mentais que não possui”, destaca Whit Andrews, especialista em inteligência artificial da Gartner.

Segundo Andrews, o segredo para desmistificá-la é entender como selecionar e aplicar tecnologias que utilizam a IA e que gerem valor para os negócios, como os robôs de atendimento online e técnicas avançadas de análise que potencializem o trabalho nas empresas. 

Analisaremos essas questões abaixo.

Exemplos de inteligência artificial nas empresas

1. CRM

Um dos campos de grande impacto da inteligência artificial nos negócios recentemente é a gestão de relacionamento com o cliente (CRM na sigla em inglês). 

Com essa tecnologia, softwares podem prever padrões de comportamento ao analisar o “rastro” deixado por consumidores no mundo digital. Ao ajudar a entender os consumidores nos mínimos detalhes, a IA permite que as empresas desenvolvam melhores estratégias de venda e repensem a maneira como se comunicam com potenciais clientes. Entre as áreas beneficiadas pelo uso da AI citadas por 100 empresas ouvidas pela Gartner (conteúdo em inglês) está justamente a de vendas. 

Ao identificar padrões através da análise de dados é possível ganhar eficiência, contatando os consumidores mais propensos a comprar determinados produtos e no momento mais adequado. Os principais softwares CRM oferecem este tipo de funcionalidade.

Além disso, internamente, a automação pode ajudar vendedores em trabalhos repetitivos e na otimização de processos.

 

2. Chatbots

chatbot entre os exemplos de inteligencia artificial nas empresas

O uso de chatbots, os canais automatizados de atendimento, no suporte ao cliente ganha cada vez mais popularidade. É outra das áreas que se beneficia da inteligência artificial, que aprimora essas ferramentas a fim de tornar a assistência virtual o mais natural e eficiente possível. 

De acordo com uma pesquisa recente feita pela empresa especializada Aivo com empresas de e-commerce nas Américas, 65% das consultas de clientes feitas nos últimos seis meses foram respondidas de forma eficaz por chatbots. O levantamento indica que o foco ao usá-los é otimizar e aprimorar o atendimento ao cliente, permitindo ainda uma redução de custos e um potencial aumento de vendas. Facebook e Whatsapp são canais onde o seu uso é bastante comum. 

Uma curiosidade: especificamente no Brasil, a segunda-feira é o dia em que tradicionalmente os consumidores solicitam mais a ajuda dessa ferramenta.

3. Marketing Digital

Quem trabalha com marketing sabe da importância de entender a fundo a audiência para a qual se está escrevendo ou criando. 

 A inteligência artificial pode ajudar no desenvolvimento de campanhas desenhadas para um determinado tipo de consumidor com base no seu comportamento online e que busquem aproveitar ao máximo o orçamento disponível. Ferramentas de automação de marketing usam essa tecnologia para a otimização de propagandas em grande plataformas, como Facebook e Google, por exemplo. 

Além disso, as análises dos hábitos dos compradores geradas por programas com a ajuda da IA permitem aos empresários regular preços e programar promoções e ofertas. 

Com essas poderosas ferramentas de análise estatística é possível descobrir com base em dados quais são os pontos fortes (e fracos) do negócio e abrir os olhos para nichos de mercado que poderiam passar despercebidos caso toda essa informação não fosse analisada. 

4. Recursos humanos 

rh inteligencia artificial

Outra área onde a automatização ganha espaço é a de recursos humanos, onde softwares são usados no gerenciamento de férias, benefícios, desligamentos e turnos de horário de colaboradores. 

Programas que usam inteligência artificial podem auxiliar os profissionais de RH nas diferentes áreas em que atuam: 

Seleção: com a grande quantidade de currículos recebidos para certas vagas, escolher os que melhor encaixam é um desafio. Ferramentas que automatizam o processo facilitam essa tarefa.

Gerenciamento: as dúvidas de um trabalhador novo geralmente se repetem. Com um portal otimizado com inteligência artificial os trabalhadores podem fazer consultas sem ter de contatar diretamente o RH, inclusive apelando a chatbots.

Resultados e treinamento: com a análise dos dados de desempenho dos trabalhadores é possível conhecer os pontos fracos da equipe e desenvolver treinamentos.

Para começar agora

O uso da inteligência artificial nas empresas já é uma realidade, mas especialistas ressaltam que é preciso estar atento às novidades na área, já que as mudanças são constantes. 

O investimento não deve ser uma barreira. Para os pequenos negócios, onde a questão financeira é sempre importante, há opções gratuitas de softwares que integram essa tecnologia às suas funcionalidades. Basta escolher a que melhor se adapta ao tamanho e ao tipo negócio e fazer um teste!