Vi omgir oss med et hav av data – nå er det på tide at du og din organisasjon tar hånd om potensialet og begynner å vaske frem de innsikter som på mange måter utgjør den nye tidens valuta.
Dine data vet hva kunden ønsker
Både Netflix og Zalando tilpasser aktivt sitt utvalg basert på data fra brukerne. For Netflix handler det om karakterer, dramaturgi og genre for nye serier og filmer. For Zalando gjør innsikter fra kundenes oppførsel at de kan finne ut hva som er ønsket og hva som selger, både når egne kolleksjoner tas frem eller for å styre sine innkjøp. Dette er såkalt datadrevet design!
For å kunne gjøre dette på riktig måte må dataene dine være så detaljert at alle relevante faktorer kan evalueres. Dataene må også være koblet slik at vi for eksempel kan se demografi fra kunder som oppfører seg på en viss måte, eller kjøper produkter med en spesifikk konfigurasjon.
Det innebærer at du med dine data må kunne lese at et plagg er blomstrete, kortermet og at kunden valgte å kjøpe det, tittet på det men ikke kjøpte det, eller kjøpte men returnerte. Det hele med et lag av demografi.
Muliggjør komplekst salg
God, komplett og selgende produktinformasjon er en selvfølge i dag og for kunden noe grunnleggende som forventes. Man har i dag ofte behov for å utvikle forretningsmodeller som er mer komplekse enn å bare selge lagervarer. For eksempel ønsker du kanskje å legge til installasjon som en tjeneste til ditt produkt.
Med rett data vet du hvem som kan installere det aktuelle produktet, når den personen er tilgjengelig, hvor lang tid den spesifikke installasjonen tar – slik at kunden ved kjøp lett kan velge tid, dato og plass direkte i din netthandel.
Når du lykkes med dette gir det en fantastisk brukeropplevelse, men det krever også at dine data er strukturerte, tilgjengelige og oppdaterte. Trikset her er å gå på produksjonsdata, dvs. den data som for øvrig brukes av virksomheten. Når data ligger urørt eller kanskje bare brukes av en kanal, blir den ofte støvete, gammel og foreldet.
Ta vare på dataene dine og gjør den brukbar
Det er dessverre ganske vanlig å ha data med mangler i struktur og kvalitet – noe som kommer frem når man forsøker å samkjøre data mellom system og finne mønster for å kunne trekke konklusjoner.
Dette er verken rart eller noe man behøver la seg begrenses av – man behøver bare en plan for å løse det!
Når datamodellene opprinnelig ble laget så man ikke behovet for den detaljgrad man nå ønsker. Først når man skal gå ned i dataene er det behov og grunn til å fullt ut sikre kvaliteten. Aktiviteter som normalt må gjøres er å rydde, berike, korrigere, bryte dataene fra hverandre og strukturere de bedre.
Kontroll og god kvalitet på din data er en forutsettelse for å kunne gå videre og slippe fri kraften i kunstig intelligens (AI) og Machine learning. Ta tak i saken allerede i dag for å fult ut kunne utnytte nye innovasjoner og skap ytterligere verdi fra denne potensielle gullgruven.
Eller se vårt webinar nedenfor, for å få flere tips om hvordan du konkret kan gå frem for å lykkes.👇🏽
