אנחנו כבר רגילים שלקוחות פונים אלינו שנעזור להם לעשות שימוש בדאטה לא רק למטרות של דו"חות ודשבורדים וניתוח של מידע אנליטי – אלא גם לצורכי תפעול, פיתוח ושיפור המוצר שלהם, ממשקים עם לקוחות, שותפים וספקים חיצוניים – ואפילו שימוש באנליטיקה כחלק אינטגרלי מהמוצר או אתר האינטרנט שלהם. אספנו עבורכם כמה מהשימושים החדשים שסטארטאפים וארגונים גדולים מבקשים מאיתנו לעזור להם ליישם, שימושים שאולי יתנו לכם רעיונות חדשים או יענו על צורך שעדיין לא מצאתם לו מענה.

שימוש תפעולי בדאטה 360 מעלות – ODS

חברת ביטוח גדולה שהחליפה אתר אינטרנט ומערכת CRM, ביקשה ליצור מאגר נתונים תפעולי אחד, Data Hub שאוגר את נתוני כלל המערכות בחברה וחוסך ומפשט ממשקים בין המערכות התפעוליות השונות. עד היום כל תוספת של מערכת היתה גורמת לגידול אקספוננציאלי של מספר הממשקים ככל שגדל מספר המערכות. באמצעות שימוש ב-Operational Data Store – ODS, כל המערכות יכולות להתממשק עם Data Hub תפעולי אחד. זה מאפשר שימוש תפעולי בדאטה 360 מעלות, מכיוון שהנתונים מכל המערכות מרוכזים במקום אחד ויכולים לשרת את כל שאר המערכות, בלי צורך לפתח ממשק ייעודי בין כל שתי מערכות.
הקמת ODS מאפשרת גם יצירת  על אירועים תפעוליים שונים ב-PUSH, כמעט בזמן אמת. תחשבו על זה – אם בשימושים ה"רגילים" ב-BI אנחנו בדרך כלל עובדים במשיכה, נכנסים לדשבורד ומתחקרים את המידע כדי למצוא תשובות, ב-ODS יש לנו אפשרות לקבל התראות אלינו – למייל או לנייד – ולפעול מיידית על פי ההתראה שהתקבלה. התוצאה היא שימוש יותר מניע לפעולה (Actionable) במידע. זהו שוני מהותי מהשימוש הנהוג בדשבורדים, שם המשתמש צריך להסיק בעצמו מה הפעולה שכדאי לעשות, ליזום ולבצע אותה באופן וולונטרי.
עם ODS, המידע נאסף ממערכות ה-CRM, ה-ERP, ה-BILLING, אתר האינטרנט ועוד, ונשמר במקום אחד. היתרון הוא בריכוז כל המידע של ניהול המכירות, ההזמנות, הייצור, הכספים, הלוגיסטיקה וכדומה במאגר אחד שמתרענן בתדירות גבוהה, כל מספר דקות. מאגר נתונים מקיף כזה מאפשר להסתכל על הנתונים במבט-על ולהתריע בזמן אמת על כשלים אפשריים.
בנוסף, המערכות השונות יכולות לשלוח התראות אחת לשנייה ישירות, "ללא מגע יד אדם" וללא תיווך. המערכת שמקבלת את המידע והוגדרו לה כללים או תנאי סף מסוימים תוכל לפעול על פיהם או להקפיץ התראה למשתמש העיסקי.

אנליטיקה לצורכי שיפור המוצר ו-Behavioral Analytics

לעתים אנחנו מתבקשים לסייע באיסוף ועיבוד הדאטה לא ממערכות שונות, אלא מתוך המוצר עצמו. כאשר מדובר במוצרי תוכנה או אפליקציות, נתוני השימוש מועילים מאוד לניתוח התנהגות המשתמשים – Behavioral Analytics ולניתוח השימושים במוצר – Product Analytics. מידע זה מאפשר לאנשי הפרודקט להחליט איך להמשיך לפתח ולשפר את המוצר.
לדוגמה, אפליקציית מובייל אוספת הרבה מאוד אירועים (Events) שנוצרים במהלך השימוש בה, ומהם ניתן ללמוד רבות על הרגלי השימוש של המנויים. כמה זמן נשארו באפליקציה לאחר ההתקנה? כמה הם פעילים? אם הסירו את האפליקציה – כמה זמן עבר מרגע ההתקנה עד רגע ההסרה? איזו פעולה אחרונה עשו לפני ההסרה? האם היה שם חסם כלשהו שהוביל לנטישה?
גם מי שממשיך להשתמש באפליקציה בימים ובחודשים הבאים, מייצר Events שמתועדים בדאטה ומספקים מידע חשוב להמשך פיתוח האפליקציה. באילו פיצ'רים משתמשים ובאילו לא? (A/B Testing), האם תהליך האונבורדינג פשוט ורציף או מסובך ומתסכל? יש כל כך הרבה מידע שניתן לאסוף ולנתח בשביל לשפר את המוצר.

נושא הנטישה (Churn) הוא נושא מטריד מאוד עבור מפתחי האפליקציות. הסטטיסטיקות מדברות על כך
שכ-50% ממשתמשי האפליקציות נוטשים אותן תוך 24 שעות, בין אם הם מסירים אותן ובין אם הם לא חוזרים להשתמש בהן שוב. הדאטה הנאספת מהמוצר יכולה לספק תובנות חשובות לשיפור אחוזי השימוש והשימור על ידי הוספת פיצ'רים, שיפור חוויית המשתמש בכלל וה-Onboarding בפרט.
אגב – הנושא רלוונטי לא רק לאפליקציות Mobile או למוצרי תוכנה – אלא גם לאתרי אינטרנט, בין אם הם אתרים תדמיתיים / שיווקיים, אתרים שמאפשרים לגולש לבצע פעולות בשירות עצמי (למשל: לצפות במידע, להעלות קבצים וכד') ובוודאי אם מדובר באתרי e-Commerce.

הנגשת דאטה ללקוחות או שותפים עיסקיים

במקרים מסוימים, נדרש להנגיש דאטה או מידע של חברה למשתמשים חיצוניים לצרכים עסקיים. לדוגמה, חברות סטארטאפ רבות נעזרות בפלטפורמות חיצוניות כדי להפיץ את המוצר שלהן, ומתגמלות את המפיצים באחוזים מתוך המכירות. הפלטפורמה המפיצה זקוקה לנתוני המכירות של היצרנית כדי לדעת את גובה העמלות המגיעות לה, ולכן מבקשת מהסטארטאפ גישה למידע הרלוונטי. במצב כזה נדרש לייצר פתרון מהיר שישקף את המידע לאותו מפיץ, לפעמים אפילו כתנאי לחתימת הסכם שיתוף הפעולה. אנחנו יודעים להנגיש למפיץ את המידע הרלוונטי בלוחות זמנים קצרים שהם לעתים קריטיים מבחינה עסקית.
דוגמה נוספת של מידע שהתבקשנו להנגיש ללקוחות הוא היקף השימוש שלהם בפלטפורמה מסויימת: מדובר בפלטפורמה שמייצרת דאטה עבור הלקוחות שלה ומוכרת להם חבילות שימוש בדאטה הזו. הצורך העיסקי היה לאסוף את נתוני השימוש כדי לשקף אותם ללקוחות, למשל: בכמה דאטה הם משתמשים? באיזו תדירות? מהם הפרמטרים שעל פיהם הם מבקשים לייצר את הדאטה באמצעות הפלטפורמה? כמה מתוך חבילת השימוש כבר נוצל? ומתי צריך לקנות חבילה חדשה או להרחיב את הקיימת? את כל המידע הזה אנחנו מנגישים ללקוחות כחלק מהשירות שאותה חברה מספקת ללקוחותיה.
יש חברות המבקשות לשקף דאטה ללקוחותיהן כחלק מהמוצר או האתר שלהן. במקרים כאלה יתכן שכבר קיים ממשק משתמש, UI, אשר הלקוחות עושים בו פעולות, והחברה מבקשת בעצם לשתול דשבורדים או חלקי דשבורדים, להוסיף אזור של אנליטיקה באפליקציה או באתר, דרכו יוכלו לקוחותיה לעקוב אחר הפעולות או החשבון שלהם. האתגר הוא להחצין אנליטיקה ללקוחות ב-UI הקיים, ללא "תפרים" ובאופן שחוויית השימוש תהיה חלקה וזהה ליתר המוצר/אתר הקיים. אתגר כזה יכול להיות לא פשוט, אבל גם סוג שימוש כזה במידע אנחנו יודעים לאפשר ללקוחות המבקשים זאת.

איפה בארגון שלכם הדאטה ואנליטיקה היו ממש יכולים לעזור עכשיו?

כמו שאתם יכולים להתרשם, השימושים היום בדאטה מגוונים מאוד ויכולים לשרת פונקציות רבות ושונות בארגון, כמו Product, ייצור, תפעול, מכירות, שירות, לוגיסטיקה, פיתוח עסקי, שיווק ועוד. האם ODS יכול לחסוך לכם ממשקים מיותרים? האם שימוש במידע יכול לשפר או לשדרג את המוצר או השירות הקיימים שלכם? האם ניתן באמצעות המידע לשפר חוויית לקוח או לקדם שיתופי פעולה פנימיים וחיצוניים? אם תוך כדי קריאת המאמר הבריק לכם רעיון חדש לגבי אתגר קיים בארגון, צרו איתנו קשר כדי שנברר יחד את ההיתכנות שלו.