بعد أن تعلمنا أساسيات طرح أسئلة تجارية في الجزء الأول سننتقل الآن إلى مجموعة مختارة من الأمثلة ، بدءًا بالطريقة القياسية لصياغة سؤال تجاري، ثم طرح و نظيره الوصفي والتنبؤي و التوجيهي المقابل. تذكر أن السؤال التوجيهي الجيد يجب أن يجد دائمًا طرقًا لسحب بعض الرافعات حتى نحصل على أفضل نتيجة ممكنة من حيث الهدف التجاري الذي اخترناه.
خفض تسرب العملاء
في جميع الشركات ، نحتاج إلى عملاء من أجل توليد الإيرادات. نبدأ باكتساب العملاء ثم جزء من عملنا هو الحفاظ على ولائهم لأطول وقت ممكن. المعدل الذي يغادر عنده العملاء – معدل التسرب- هو نسبة عدد العملاء الذين فقدناهم في فترة زمنية محددة مقارنة بقاعدة العملاء الإجمالية في نفس الفترة. نظرًا لأن تكاليف الاستحواذ يمكن أن تكون كبيرة نسبيًا مقارنةً بتكاليف الاحتفاظ ، فإن معظم الشركات لديها مجالات متخصصة بهدف محدد هو حماية قاعدة عملائها الحاليين قدر الإمكان.
هذه حالة استخدام قياسية في معظم الشركات ، لذا فهي توفر طريقة رائعة لبدء تطبيق التقنيات (الشكل 3-3).
تحديد السؤال التجاري
لنبدأ بالسؤال التجاري الذي تواجهه معظم الشركات: كيف يمكننا خفض معدل التسرب؟ هذا مثال نبدأ فيه بإجراء وليس بهدف تجاري ، حتى نتمكن من تطبيق تسلسل أسئلة لماذا ، وعلى الأرجح سننتهي بحقيقة بسيطة مفادها أن العملاء هم المصدر الرئيسي لإيراداتنا المتكررة. يبدو الأمر واضحًا ، ولكن هذه الحقيقة البسيطة تأخذنا إلى مؤشر الأداء الرئيسي الذي نريد تعظيمه: إنه ليس معدل الإضطراب الذي نريد أن نجعله صغيرًا قدر الإمكان ، بل الإيرادات التي نريد أن تكون عالية. أو هو؟ يمكنك دائمًا التخلي عن كل شيء للحفاظ على عملائك ، وبالتالي زيادة التكاليف. ويترتب على ذلك أن هذا ليس المقياس الصحيح الذي نريد التأثير عليه أيضًا: إنه الأرباح ، مقاسة بالفرق بين الإيرادات وتكاليف الاحتفاظ.
أسئلة وصفية
على المستوى الأكثر وصفيًا ، نريد القيام بالعديد من الأشياء. بالطبع ، نبدأ بالسؤال عما إذا كان معدل التسرب لدينا مرتفعًا بشكل غير طبيعي وكيف تطور في الماضي. قد نبدأ من المستوى الإجمالي من خلال النظر في اتجاهات الوقت وأنماط الموسمية ، مما يمنحنا إحساسًا بوضعنا الصحي الحالي. لكن البيانات لديها القدرة على التعمق أكثر وإخبارنا من هم العملاء الذين غادروا بالفعل. هل هم عملاء مرتفعون أم ذوو قيمة منخفضة؟ ما هي فترة ولايتهم معنا؟ هل اتصلوا بنا في الماضي لإظهار عدم رضاهم؟ هل تقع جغرافيا في مناطق محددة؟ ما هي بعض من الخصائص اجتماعي ديموغرافي ، مثل العمر والجنس؟ ما هي أنماط استخدامهم أو استهلاكهم ؟
يمكننا الحصول على التفاصيل الدقيقة بقدر ما تسمح به بياناتنا ووقتنا. لكنك حصلت على الفكرة: هذه مجرد لقطة ، وآمل أن أكون قد أقنعتك الآن أنه بغض النظر عن مدى وضوحها ، فمن الصعب الحصول على قيمة أكبر منها. في هذه المرحلة كانت مفيدة بشكل رئيسي. القيمة الحقيقية من هذا التحليل الوصفي هي قدرته على المضي قدمًا في سعينا لإيجاد أفضل القرارات الممكنة ، من أجل تحقيق هدفنا النهائي.
أسئلة تنبؤية
يمكن أن يساعدنا الذكاء الاصطناعي و تعلم الألة في العثور على إجابات للسؤال التنبئي: هل يمكننا توقع العملاء الذين من المرجح أن يغادروا؟ بفضل ثراء تحليلنا الوصفي ، نأمل الآن في العثور على بعض الدوافع الأساسية التي تشرح معدل التغيير الحالي لدينا. لكن البيانات وحدها يمكن أن تأخذنا حتى الآن. أفضل علماء البيانات هم أولئك الذين يفهمون ويفترضون سبب مغادرة العملاء. بهذه الطريقة يمكنهم إنشاء تنبؤات أكثر تحديدًا في عملية تسمى هندسة السمات ، وهي أفضل طريقة للحصول على قوة تنبؤية جيدة حقًا. إن معرفة ما يجب تضمينه أو عدم تضمينه في نماذجنا هو أهم شيئ في بناء النماذج الجيدة ، حتى أكثر من اختيار الخوارزميات المتاحة الأكثر قوة ، على سبيل المثال.
ما مقدار القيمة التي توفرها المرحلة التنبؤية؟ في الشكل أعلاه ، أقترح أنها أعلى من القيمة المأخوذة من الخطوة الوصفية ، لكنها قد تكون خالية جدًا أو حتى سلبية.
أسئلة توجيهية
أخيرًا ، وصلنا إلى السؤال التوجيهي: ما هي الرافعات التي يجب أن نسحبها إذا أردنا تعظيم أرباحنا من حملات الاحتفاظ لدينا؟ لكن هل نفكر في أرباح قصيرة المدى؟ هل سيتعلم العملاء استراتيجيتنا ويبدأون في ممارسة نظام الاستبقاء لدينا ، وبالتالي زيادة التكاليف على المدى الطويل؟ تفضل معظم الشركات الناضجة استخدام القيمة الدائمة للعميل (customer lifetime value) أو (CLV) التي قدمناها في المقال الثالث، وأنا أوافق على أن هذه بالفعل صورة أفضل للقيمة الصافية طويلة الأجل لعملائنا. لكن هذا الاختيار للمقياس يأتي بمجموعة من الصعوبات الخاصة به: لإعادة صياغة ما قاله يوغي بيرا ، يصعب التنبؤ بالمستقبل ، بل إنه من الصعب فهم الآثار طويلة المدى لأفعالنا.
في حالة الاحتفاظ بالعملاء ، يمكننا دائمًا التخلي عن شيء ما على الأقل في شكل خصومات. إذن ما هي الخصومات المناسبة لكل عميل؟ يوفر CLV حدًا أعلى لمقدار ما يجب أن نتخلى عنه بشكل معقول ، لكننا نريد دائمًا العثور على الإجراء بأقل تكلفة تضمن الاحتفاظ. هذا يقربنا من تخصيص الرافعات.
النموذج التوجيهي هو الذي نختار فيه الإجراء المناسب ، في الوقت المناسب ، للعميل المناسب.
التحليل الوصفي صعب ، لذلك سنحاول في معظم الأحيان تبسيط المشكلة.
البيع المتقاطع: العرض التالي الأفضل
تبيع معظم الشركات أكثر من منتج أو تقدم أكثر من خدمة. يسمي الاقتصاديون الميزة الطبيعية التي قد تتمتع بها الشركة عند تقديم المنتجات التي يمكن أن تستفيد من عمليات الإنتاج المماثلة اقتصاديات النطاق (economies of scope). وبالتالي فمن المنطقي بالنسبة لمعظمنا أن يبحث عن طرق لتعميق علاقتنا مع عملائنا من خلال محاولة القيام ببعض عمليات البيع المتقاطع. في المصطلحات الاستشارية ، تمت إعادة تسميته بالعبارة المشهورة العرض التالي الأفضل (next-best offer) ، والذي يأخذنا بالفعل إلى التضاريس التوجيهية. على الرغم من هذه التسمية ، سنرى الآن أنه ليس من الواضح ما هو هدف النشاط التجاري الذي يتم تحسينه هنا.
تحديد سؤال تجاري
السؤال التجاري هنا واضح ومباشر: ما الذي يجب أن أقدمه لعملائي الآن؟ إذا كنت تتساءل عن سبب رغبتك في القيام بمثل هذا الشيء (تسلسل أسئلة لماذا) ، فإن الإجابة ليست واضحة. الفرق هنا هو أن البيع المتقاطع له تأثيران.
التأثير المباشر هو القناة المعتادة لزيادة الإيرادات والأرباح. لكن القناة غير المباشرة أكثر إثارة للاهتمام وتعقيدًا: فالعملاء الذين يشترون منا أكثر يميلون إلى أن يكونوا أكثر ولاءً ، مما يزيد من الوقت الذي يظلون فيه عملاء لنا.
لهذا السبب ، في كثير من الأحيان قد نفكر في البيع المتقاطع بخصم لمجرد أن الأرباح الإجمالية طويلة الأجل أعلى ، حتى عندما تتم معاملة منتج فردي بخسارة للشركة. يبدو ، مرة أخرى ، أن القيمة الدائمة للعميل (customer lifetime value) هو المقياس الصحيح للتحسين.
أسئلة وصفية
في التضاريس الوصفية ، فإن نوع الأسئلة التي يمكن للمرء أن يستكشفها عادة هي أشياء مثل أنماط الاستهلاك للعملاء المختلفين. على وجه التحديد ، من الطبيعي استكشاف ما إذا كان هناك تسلسلات من المنتجات تقوم بشكل طبيعي بجذب عملاء مختلفين.
فكر في بنك ، على سبيل المثال: يبدأ معظم العملاء في سن مبكرة بمنتج بسيط نسبيًا مثل بطاقة الائتمان. مع مرور الوقت ، ومع زيادة دخولهم مع الخبرة الوظيفية ، يميلون إلى الانتقال إلى فرص ائتمانية واستثمارية أكثر تعقيدًا: قد تحصل أولاً على رهن عقاري ، وتنتقل إلى التأمين على الحياة ، وما إلى ذلك. مع التسلسلات ، الترتيب الذي يتم به شراء كل منتج مهم ، لذلك من المعتاد البدء بالبحث عن تلك الأنماط في البيانات.
أسئلة تنبؤية
نظرًا لأن كل عميل قد اشترى بالفعل شيئًا ما ، فمن الطبيعي أن نسأل عما إذا كان بإمكاننا التنبؤ بما من المرجح أن يشتريه نظرًا لأنماط استهلاكهم حتى الآن. يمكننا بعد ذلك التحرك بشكل استباقي وعدم الانتظار ومعرفة ما إذا كانوا يشترون معنا أو مع منافسينا. ولكن هل يجب أن نقدم لنا المنتج الذي يحقق أكبر أرباح ، حتى لو كان من غير المرجح أن يتم شراؤه؟ بالعودة إلى مثال البنك ، قد ترغب في أن يحصل عملاؤك على قرض رهن عقاري (بسبب عوائده الكبيرة) ، ولكن بالنسبة لطلاب الجامعات والمهنيين الشباب ، قد يكون من غير المرجح أن يقبلوا مثل هذا العرض.
يأخذنا هذا إلى واحدة من أكثر المقايضات إثارة للاهتمام في تحليل العرض التالي الأفضل: احتمالية الشراء مقابل الزيادة في القيمة. وهذا بدوره يقودنا إلى السؤال التوجيهي.
أسئلة توجيهية
نظرًا لأنه يمكننا تقديم العديد من العناصر لكل عميل ، فما العنصر الذي يجب أن نختاره حتى نتمكن من الحصول على أعلى قيمة؟ كما ذكرنا سابقًا ، نظرًا لأننا نتعامل مع التسلسلات والوقت ، فمن المرجح أن يكون المقياس الصحيح هو CLV. بالمعنى الذي يركز على العميل حقًا ، فإن النموذج التوجيهي يأخذنا ، مرة أخرى ، للعثور على المنتج المناسب ، للعميل المناسب ، بالسعر المناسب ، والوقت المناسب. في وقت لاحق ، سنرى طريقة للتعامل مع هذا السؤال شديد التعقيد.
تحسين النفقات الرأسمالية
السيارات والنفط والغاز والاتصالات السلكية واللاسلكية وشركات الطيران هي أمثلة على الصناعات التي تتطلب رأس مال كثيفًا: من أجل التشغيل ، يحتاجون إلى تخصيص كميات كبيرة من الموارد لبناء وصيانة المصانع والمصانع والأبراج والطائرات وأي أصول مادية أخرى تنخفض في الوقت المناسب. هذا النوع من الاستثمار يسمى النفقات الرأسمالية (capital expenditure) ، أو CAPEX ، وهو شائع في جميع الصناعات ، وليس فقط الأربعة المذكورة سابقًا.
أحد الأسئلة الطبيعية التي يطرحها المديرون الماليون والمديرون التنفيذيون الآخرون في أي شركة هو كيفية تخصيص النفقات الرأسمالية ، على سبيل المثال ، عبر المناطق الوظيفية أو المواقع الجغرافية .
نظرًا لأنه قد يمثل جزءًا كبيرًا من التدفق النقدي للشركة ، فلدينا حتى مؤشرات أداء رئيسية محددة لقياس تأثيرها ، مثل العائد على الاستثمار (ROI) أو العائد على رأس المال المستخدم (ROCE).
ومع ذلك ، يجب أن ننتقل دائمًا إلى التساؤل عن سبب حاجتنا إلى تخصيص النفقات الرأسمالية وما الذي نحاول تحقيقه بالضبط: على سبيل المثال ، من أين يأتي الدخل في بسط عائد الاستثمار؟
على المستوى الوصفي ، يمكننا أن نبدأ بإيجاد ارتباطات بين مخصصات رأس المال المختلفة والعائدات عبر المناطق الجغرافية. هذا يستغل التباين في الاستثمارات السابقة مع المقياس الرئيسي الذي نعتقد أنه تأثر. والاحتمال الآخر هو استغلال التباين في الوقت وسلسلة تجميع البيانات في البحث عن أي تلميحات أولية للعلاقة بين مخصصات النفقات الرأسمالية والإيرادات. إذا لم نعثر على مثل هذا الدليل ، فيمكننا تغيير هدفنا والتفكير في التباين في الأرباح ، حيث قد يهدف الإنفاق الرأسمالي أيضًا إلى تقليل التكاليف.
المشكلة الرئيسية التي نواجهها عند التفكير في أي استثمار هي أننا لا نعرف ماهية العوائد ، لذلك سيكون من الرائع أن نتمكن من التنبؤ بها تمامًا. عندئذٍ يمكن أن يكون التخصيص الأمثل مجرد مسألة ترتيب: إذا كان لدي دولار واحد لأستثمره وكنت أعرف عوائد جميع مخصصات المرشحين ، فسأضعه في ذلك الذي يحقق أعلى عوائد. ولكن هل يمكننا الوثوق في الارتباطات في تحليلنا الوصفي؟ هل التأثير الذي نجده سببيًا حقًا؟ كالعادة ، يتمثل الجزء الصعب في العثور على تنبؤات سببية موثوقة ، وهذا ما سيحاول علماء البيانات لدينا العثور عليه باستخدام مجموعة أدوات التعلم الآلي الخاصة بهم.
ولكن بافتراض أننا حققنا تنبؤات موثوقة ودقيقة ، فقد انتهى الجزء التوجيهي تقريبًا بالنسبة لنا: تخصيص ميزانيتك في مناطق جغرافية مختلفة مرتبة حسب عائداتها.
مواقع المتاجر
إحدى حالات الاستخدام المفضلة لدي هي مكان فتح متجر ، وبما أننا تحدثنا بالفعل عن تحسين النفقات الرأسمالية، فإننا نرى على الفور أن هذا مجرد مثال لنفس المشكلة. لدينا ميزانية لتعزيز تواجدنا التجاري ، ومن الأفضل أن نفتح متجرًا حيث سيكون لدينا أكبر عائد ممكن مؤشر الأداء الرئيسي الطبيعي هو صافي القيمة الحالية (NPV) لأرباح المتجر ، أم أنها كذلك؟
فقط لتوضيح مدى تعقيد المشكلة ، فكر في فتح متجر قريب جدًا بالفعل من متجر آخر (هل تساءلت يومًا لماذا يوجد الكثير من ستاربكس في مبنى أو حي معين؟). يمكنك الحصول على إيرادات وأرباح إضافية ولكن فقط على حساب الأرباح في المتاجر القريبة. لذا فإن مؤشر الأداء الرئيسي الأكثر موثوقية هو المستوى الإجمالي للأرباح ، على الأقل على مستوى محلي (حي ، شارع ، أو حتى مدينة).
وصفًيا ، سأبدأ بالبحث عن أنماط الاختلافات في الأرباح عبر مواقع مكانية مختلفة: هل هناك أي من متاجرنا الخاصة في المنطقة المجاورة؟ ماذا عن المنافسة؟ هل لدينا بيانات لتقريب عدد العملاء المحتملين الذين يدخلون متاجر مختلفة؟ ماذا عن متوسط الدخل في الحي؟ هل هو حي سكني؟ قد نطرح العديد من الأسئلة من أجل العثور على الأنماط التي تشرح الاختلافات في الأرباح.
تمامًا كما هو الحال مع تخصيص النفقات الرأسمالية ، إذا تمكنا من التنبؤ تمامًا بصافي القيمة الحالية للأرباح الإجمالية ، فسنكون على وشك الانتهاء: تخصيص كل ميزانيتك لفتح متاجر مصنفة حسب مؤشر الأداء الرئيسي هذا. بالطبع ، أفترض هنا أن لديك ميزانية محدودة وأنك لن تستثمر في فتح متاجر ذات عوائد سلبية.
من يجب عليّ توظيفه؟
الموظفين هم من يجعلون شركتنا رائعة أو تعيسة. لذا فإن أحد أهم القرارات التي نتخذها باستمرار هو من يجب تعيينه. تبذل وحدات الموارد البشرية جهودًا كبيرة في وجود عملية توظيف قوية وموثوقة .
المشكلة الرئيسية التي نواجهها في التوظيف هي أن بعض مؤشرات الأداء الرئيسية قد لا تكون سهلة القياس. ضع في اعتبارك الإنتاجية ، على سبيل المثال. إذا كنت مندوب مبيعات ، فيمكننا قياس إنتاجيتك بوضوح بعدد المبيعات في فترة محددة. ولكن بالنسبة للعديد من الوظائف الأخرى ، يصعب قياس الإنتاجية أو حتى تأثير الموظف على الإيرادات.
لنفترض أنه يمكننا قياس الإنتاجية بشكل موثوق كما في حالة فريق المبيعات لدينا. هل هذا هو مؤشر الأداء الرئيسي الوحيد الذي يهم؟ ماذا عن الحيازة؟ قد لا ترغب في تعيين مندوبة مبيعات متميز إذا غيرت وظيفتها بعد شهر ، لأن مبيعاتها قد لا تعوض عن تكاليف التوظيف والتدريب. من الناحية المثالية ، نرغب في قياس شيء مثل القيمة الدائمة للعميل ، لذلك دعونا نستخدم المصطلح المقابل – قيمة عمر الموظف: صافي القيمة الحالية لمساهمتنا الفردية في الأرباح. بهذه الطريقة يمكننا تضمين المدة المتوقعة والأثر المالي.
دعونا نتخيل أن لدينا مجموعة بيانات لجميع مندوبي المبيعات لدينا خلال الـ 24 شهرًا الماضية. كما هو الحال مع اضطراب العملاء ، نحتاج إلى مجموعة البيانات الخاصة بنا لتشمل موظفين نشطين ذوي فترات مختلفة بالإضافة إلى أولئك الذين غادروا بالفعل. سيسمح لنا هذا الاختلاف بالبدء في العثور على الأنماط. سيكون من المثالي أيضًا أن يكون لديك بعض مقاييس الأداء الصعبة (المبيعات الشهرية) وكذلك مقاييس أكثر ليونة مثل نتائج الاستطلاع 360 الخاصة بهم. أخيرًا ، سيكون من الرائع الحصول على بعض البيانات التي نحصل عليها بالفعل عند التوظيف: السير الذاتية ، والتعليم ، والخبرة السابقة ، والدراسات السيكومترية ، والجنس ، والعمر ، وما إلى ذلك. يمكننا بعد ذلك البحث عن الارتباطات في البيانات للحصول على فكرة عن نوع من المتغيرات التي قد تتوقع الأداء.
السؤال التنبئي بسيط بما فيه الكفاية: بهذه المعلومات المسبقة – أي شيء نجمعه قبل اتخاذ قرار التوظيف – هل يمكننا توقع أداء المرشحين؟ إذا استطعنا ، فستكون المشكلة قابلة للحل على الأقل ، ولكن كما في السابق ، هناك تعقيدات.
القضية الرئيسية هنا تتعلق بجميع مشاكل البحث (فكر في مشكلة العثور على شخص آخر مهم): هل يجب أن نستمر في البحث عن مرشحين جدد؟ هل هذا أفضل ما يمكن أن نجده؟ إذا واصلنا البحث لمدة شهر آخر ، على سبيل المثال ، فهل سنتمكن من العثور على شخص أفضل؟
كلمة تحذير أخيرة عند استخدام الذكاء الاصطناعي في مشاكل مثل هذه هي أن خوارزمياتنا التنبؤية حساسة للغاية للتحيزات في بياناتنا ، ويجب على علماء البيانات لدينا أن يواجهوا مشكلة البحث عنها ومحاولة إيجاد طرق لتصحيحها.
تخيل أن مجموعة البيانات الخاصة بك تظهر أن معظم مندوبات المبيعات منتجات للغاية ولكنهن توقفن عن العمل بعد شهر. قد ينتهي نموذج التنبؤ الخاص بك بإظهار أن قيمة عمر الموظف للمرأة أقل بكثير ، وسوف ينتهي بك الأمر إلى توظيف المرشحين الذكور في الغالب.
لكن لماذا تغادر النساء بهذه السرعة؟ هل يمكن أن يكون لشركتنا مدير كاره للنساء بشكل رهيب؟ يجب علينا فصل هذا الشخص أولاً ، ثم توظيف المزيد من النساء. الفكرة هنا هو أنه ما لم نقم بإلغاء تحيز بياناتنا بأفضل ما نستطيع ، فإن نماذجنا التنبؤية ستكون ناقصة للغاية: كما نقول في عالم البيانات ، “قمامة ، قمامة.”
معدلات التأخر في السداد
توفر العديد من الشركات طرقًا لتمويل مشتريات عملائها ، على سبيل المثال ، ببطاقات الائتمان الخاصة بالمتجر وهي أكثر شيوعًا متاجر التجزئة الضخمة. والأفضل من ذلك هو ترك هذه الوظيفة للشركات المتخصصة (البنوك) ، لكننا في كثير من الأحيان نقوم بالتمويل بأنفسنا. السؤال التجاري هو كيفية تقديم الإقراض دون زيادة معدلات التخلف عن السداد .
الأسئلة الوصفية مشابهة للحالات التي ناقشناها بالفعل ، ولكن دعني فقط أعزز فكرتين: إذا حددت سؤال العمل بشكل صحيح وقمت بوضعة في إطار توجيهي ، يجب أن تبحث عن أنماط في البيانات التي توجه هذا الهدف ، وليس العكس.
أيضًا ، يجب أن نحاول استغلال الاختلافات في الخصائص الأساسية للمشكلة من أجل التنبؤ بالنتيجة التي نهتم بها. لذلك سأبحث عن التباين عبر المناطق الجغرافية والعملاء وربطها بمعدلات التأخر في السداد ونتائج التأخر في السداد لإعداد المشكلة التنبؤية: هل يمكننا توقع ما إذا كان العميل سيتخلف عن سداد القرض؟ إذا فعلوا ذلك ، فهل يمكننا استرداد أي جزء منه ، ربما من خلال إستراتيجية جمع قوية؟
من المهم الإشارة إلى أن التحيزات في بياناتنا يمكن أن تؤثر بشكل كبير على النتائج التي نريد متابعتها. مع القروض ، يجب أن نكون حريصين على عدم إيذاء المجموعات الممثلة تمثيلا ناقصا بسبب الطريقة التي قدمنا بها الإقراض في الماضي.
لإعداد السؤال التوجيهي، ابدأ بالمقياس الذي نريد التأثير فيه: لا يتعلق الأمر بما إذا كان العميل يتخلف عن السداد (الاحتمال الافتراضي) ، بل الفوائد المتوقعة بعد خصم التكاليف من القرض.
لصياغة وتقديم إجابات لجميع الأسئلة التوجيهية، نحتاج إلى فهم واضح للتكاليف والفوائد من أفعالنا. ما هي رافعتنا؟ نحن بالتأكيد قادرون على تحديد مبلغ القرض ، وبالطبع قرار الإقراض أم لا. تتمتع البنوك أيضًا بالقدرة على إعداد وتغيير سعر الفائدة ، ولكن بسبب المشكلات التنظيمية ، قد لا تكون هذه الرافعة متاحة للشركات الأخرى.
تحسين المخزون
هناك مشكلة شائعة جدًا لمعظم الشركات وهي عدد وحدات كل منتج في مخزون كل متجر. على نفس المنوال ، تقرر البنوك باستمرار مقدار النقد الذي يجب أن تمتلكه في أجهزة الصراف الآلي الخاصة بها. دعونا نبدأ من النهاية هذه المرة ، ونبدأ بالسؤال التوجيهي.
ضع في اعتبارك التكاليف والفوائد من الإفراط في تخزين عنصر معين أو نقصه. على مستوى واحد ، إذا لم تكن هناك وحدات كافية ، فسوف نعيق مبيعاتنا في يوم معين ، وبالتالي تنخفض الإيرادات. يمكن أن يؤدي نقص المخزون أيضًا إلى زيادة تكاليف النقل والخدمات اللوجستية التي قد تكون كبيرة بما يكفي لتضمينها في تحليلنا.
ماذا عن الإفراط في التخزين؟ هناك بعض الاحتمالات بأن قيمة هذه العناصر قد تنخفض ، إما عن طريق الاستهلاك ، أو بسبب خطر سوء الإدارة أو السرقة ، أو لمجرد ظهور بديل جديد وأفضل غدًا ولن يكون هناك طلب على الأشياء القديمة.
في المرحلة التوجيهية ، نرغب في العثور على المقدار المناسب لكل عنصر لتقليل المبلغ المتوقع لهذه التكاليف. ما هو عدم اليقين الكامن وراء المشكلة؟ سوف نستخدم الذكاء الاصطناعي لمساعدتنا في التعامل معه في المرحلة التنبؤية.
في البداية ، لا نعرف عدد الوحدات التي سيتم بيعها من كل منتج. إذا كنا نبيع دائمًا نفس الكمية كل يوم ، لنقل 100 وحدة ، فيجب على الأقل أن نحصل دائمًا على تلك المائة وحدة.
العميل غير الراضي لن يؤثر على فرصة المبيعات الحالية الضائعة فحسب ، بل ربما سيؤثر على العديد منها في المستقبل: قد لا يعودون هم ومعارفهم إلى المتجر ، لذا دعونا نأمل ألا يكونوا مؤثرين!
لذلك ، يجب أن نبدأ بالتنبؤ بالطلب في فترة زمنية محددة. لكن ما هي تلك الفترة؟ يوم؟ أسبوع؟ يعتمد ذلك على جميع التكاليف الأخرى: إذا كان النقل رخيصًا مقارنة بالمخاطر الأخرى مثل السرقة أو الاستهلاك ، فيمكنك التخزين مرة أخرى غدًا دون مشكلة (هذا هو الحال مع أجهزة الصراف الآلي ، على سبيل المثال).وإلا فقد تحتاج إلى توقع احتمالية حدوث هذه الأحداث.
حتى الآن يمكننا توجيه التحليل الوصفي: كيف تختلف المبيعات عبر الوقت والمواقع الجغرافية؟ هل هناك تأثيرات موسمية؟ ماذا عن السرقة؟ إذا كانت أغراضك سلعًا معمرة (سيارات أو ثلاجات أو هواتف محمولة أو أجهزة كمبيوتر محمولة أو ما شابه ذلك) ، فكيف تنخفض قيمها بمرور الوقت؟ تستطيع أن ترى الصورة الآن.
موظفو المتجر
يتعلق مثالنا الأخير بمشكلة اختيار عدد مندوبي المبيعات في المتجر . إنها مشكلة مماثلة إلى حد ما لمشكلة المخزون: ما هي تكاليف وفوائد الإفراط أو نقص الموظفين؟
إذا لم يكن لدينا عدد كافٍ من الأشخاص ، فسنحصل بالتأكيد على عائدات أقل: هؤلاء العملاء الذين ينتظرون لفترة طويلة سيغادرون المتجر و يذهبون إلى المنافس. أو سيبقون ويشترون اليوم ، ولكن من المرجح أن يؤدي انخفاض رضاهم إلى زيادة معدل تسرب العملاء ، مما يؤثر على عائداتنا في المستقبل.
من ناحية أخرى ، يؤدي التوظيف الزائد إلى تكاليف غير ضرورية ومتوقعة. لذلك ، يبدو أن الأرباح المتوقعة – الإيرادات من المبيعات مطروحًا منها تكلفة التوظيف – هي مؤشر أداء رئيسي معقول للتحسين.
قد يكون تأثير تسرب العميل كبيرًا جدًا لتبدأ به ، لذلك دعونا نبدأ بمحاولة العثور على العدد الصحيح من مندوبي المبيعات في متاجرنا لتحقيق أعلى أرباح متوقعة محتملة في يوم واحد. إذا عالجنا هذه المشكلة الصعبة ، فيمكننا المضي قدمًا في تحسين الإصدار طويل المدى.
ما الذي نحتاج إلى معرفته لحل هذه المشكلة؟ كيف يمكننا المضي قدمًا إذا لم يكن هناك عدم يقين أساسي؟ من الناحية المثالية ، أود معرفة عدد العملاء الذين يأتون إلى متجرنا في أي وقت معين في اليوم ـ على سبيل المثال ، كل ساعة أو في فترات زمنية مدتها 30 دقيقة.
سنحتاج إلى توقع تدفق العملاء في كل متجر من متاجرنا. سيقودنا هذا بطبيعة الحال إلى أوقات الانتظار نظرًا لحجم موظفي المبيعات لدينا
. قد نحتاج الآن إلى تحديد ما هو وقت انتظار معقول لأن حد عدم الانتظار قد يكون مكلفًا للغاية ، خاصة وأن هناك ساعات ذروة حيث لدينا العديد من العملاء. أوقات الانتظار تؤثر على أرباحنا اليوم.
ما الذي يجب أن نبحث عنه في البيانات إذن؟ الاختلاف بين المتاجر في الطلب والتوظيف هو ما نحتاج إلى استغلاله ، ولكن يجب علينا أيضًا مراعاة النتائج التي نريد توقعها: المبيعات ، والأرباح ، وأوقات الانتظار ، ورضا العملاء هي أربعة تظهر على الفور. يجب إعداد المرحلة الوصفية للبحث عن هذه الارتباطات.
ختاماً
تسلسل لماذا يمكن أن تساعد الأسئلة في تحديد هدف العمل الصحيح الذي تريد تحقيقه: يساعد هذا النهج التصاعدي بشكل عام في تحديد أهداف العمل وتوسيع مجموعة الإجراءات التي يمكننا اتخاذها. لكن في أوقات أخرى ، يمكنك أيضًا استخدام نهج من أعلى لأسفل مشابه لتحليل معدلات التحويل.
إضافة تعليق