“Competing on Analytics” or “The era of reporting draws … · “The telephone book is full...

Copyright © 2006, SAS Institute Inc. All rights reserved.

“Competing on Analytics”or

“The era of reporting draws to a close”

Hans-Rainer PauliBusiness Development Manager TechnologySAS [email protected]


Inhalt

Ausgangslage

Kritische Faktoren

Business Value

Information Evolution Model


Was ist Business Intelligence?Das Wissen, welches man aus der Analyse firmeneigener Informationen gewinnt

Ein von Howard Dresner von der Gartner Group 1989 eingeführter, populärer Oberbegriff für die Beschreibung einer Gruppe von Konzepten und Methoden, welche Geschäftsentscheidungen mit Hilfe faktenbasierter Entscheidungs-findungssysteme verbessern sollen.

“The telephone book is full of facts, but it doesn’t contain a single idea.”

Mortimer J. Adler

Copyright © 2006, SAS Institute Inc. All rights reserved.IntelligenceIntelligence

Bus

ines

s V

alue

Bus

ines

s V

alue

Reporting / OLAPReporting / OLAP

Data ManagementData Management

Data AccessData Access How Much?How Many?

What Happened?

Business IntelligenceThe Current (Old) Definition


Einfache, aber nützliche Fragen…

Wieviel haben wir verkauft (pro Monat, Kanal, Region)?

Welche Läden haben am meisten verkauft?

Welches ist unser meistverkauftes Produkt?

Welches ist unser profitabelstes Produkt?

Haben wir unsere Ziele erreicht?

Product Time

Loca

tion

Year

Month

Week

Store

SK

U

Brand

Region

Subcategory

All M

erchandise

CountryCompany

Zone

Category


…führen zu vielversprechenderen Fragen

Wie viel werden wir nächsten Monat (Quartal, Jahr) verkaufen (pro Produkt, Niederlassung)?Wie stocken wir unsere Lagerbestände optimal wieder auf?Welche Kunden werden wahrscheinlich auf eine Werbeaktion reagieren und wieviel werden sie wahrscheinlich ausgeben?Wie bekommen und behalten wir profitable Kunden?Wie verwenden wir unser Marketingbudget um unseren Profit zu maximieren?Wo sollten wir neue Läden eröffnen um unseren Umsatz zu steigern?


Bus

ines

s V

alue

Bus

ines

s V

alue

OptimizationOptimization

Predictive ModelingPredictive Modeling

ForecastingForecasting



Data AccessData Access

What will happen next?What’s the best that can happen?

How Much?How Many?

What Happened?

Beyond Traditional BI to Business Analytics


Keep in Mind This is what traditional BI looks like…


This is what “true” analytics can do for you …


"It is not necessary to change. Survival is not mandatory."

W. Edwards Deming


„Competing on analytics“

“Organizations are competing on analytics not just because they can …but also because they should.”

"After years of fitful progress, leading firms have begun basing their competitive strategies on the sophisticated analysis of business data."

Thomas H. Davenport,President's Distinguished Professor & Director of ResearchBabson College

Source: Harvard Business Review (January 2006)


Wettbewerb heute

Stephen ZanderDirector of Operations & Technology

Enterprise Solutions & Services, McKesson

“If you can build something, I can build something six months later. If you can buy it, I can buy it. What you do with your information is absolutely what differentiates you from your competitors …”


Wettbewerb morgen„Competing on analytics“

Optimierung von Schlüsselprozessen• Verkauf• Kundenbeziehungsmanagement• Produktion• Logistik

Erkennen von Zusammenhängen statt ex post factoBereinigungen• Wie beeinflussen nicht-finanzielle Faktoren ein optimales

finanzielles Ergebnis?

Akkurate Vorrausschätzungen• Planung• Pro-aktives und rechtzeitiges Handeln


Charakteristika analytisch orientierter Unternehmen

Mitglieder der Geschäftsleitung, welche Analytik und faktenbasierte Entscheidungen befürworten und fördern

Einsatz wirklich analytischer Werkzeuge und Verfahren

Strategische Nutzung analytischer Verfahren in verschiedenen Geschäftsbereichen und –prozessen

Unternehmensweiter Ansatz für das Management analytischer Werkzeuge, Datenbestände und Fähigkeiten


Unternehmensweite Einsatzgebiete

Management

Marketing

Verkauf

Personal

Finanzen

Produktion

Logistik


„Business Analytics“ hat nichts zu tun mit…

Reporting

Multidimensionale Analysen (OLAP)

Deskriptive Statistik

„Dashboarding“


…sondern „Business Analytics“ hat zu tun mit:

Statistische Verfahren• Regression, Korrelation, Varianzanalysen,

Clusteranalysen

Prediktives Data Mining• Neuronale Netze• Entscheidungsbaumverfahren

Textmining

Zeitreihenanalyse und Forecasting

Komplexe Optimierungstechniken• Lineare und nicht-lineare Programmierung


Einsatzgebiete für Statistik und Datamining

Predictive maintenanceQualitätskontrolleGarantieanalysen

WarenkorbanalysenPreisgestaltungProduktpromotionenTarifberechnung

Produkt

MitarbeiterretentionSaläranalysen

Credit scoringBetrugsentdeckungGeldwäscheKostenanalyse

Kostenreduktion

BedarfsplanungCross-/Up-sellPotentialProfitabilitätsanalyseKundenretentionZielgruppenanalyseKundensegmentierungWeb Analytics

Umsatzsteigerung

ProzesseKunden


Beispiel: Salärvergleich


Beispiel: Analytischer Salärvergleich


The Future Matters… - Zeitreihenanalyse und Vorhersage

ManagementManagement

ProductionProductionSales &

MarketingSales &

MarketingDevelopmentDevelopment FinancialFinancial

Our profit is declining due to lost orders and large inventories

Our profit is declining due to lost orders and large inventories

We have many customers complaining as production does not

deliver what we expected

We have many customers complaining as production does not

deliver what we expected

Sales always promise more

than we can produce

Sales always promise more

than we can produce

It is impossible to make plans

–We always have

emergencyorders

It is impossible to make plans

–We always have

emergencyorders

The sales forecast isunreliable and

not binding

The sales forecast isunreliable and

not binding

What to develop when nobody knows what the customer really demands?

What to develop when nobody knows what the customer really demands?

Where shall we open the next

new store?

Where shall we open the next

new store?

PurchasingPurchasing

How do we make agreements with

suppliers when we do not know what to sell?

How do we make agreements with

suppliers when we do not know what to sell?


Zeitreihenanalyse und Vorhersage

Allgemein• Bedarfsplanung für Produkte

und Dienstleistungen• Vorhersage für

Langzeitplanung− Financial forecasts − Standortauswahl

• Vorhersage von Personalbedarf

Finanzwesen• Cash Management (ATMs

und Zweigstellen)• Risiko Management

− Monte Carlo Simulations− Input für Basel 2

Modellierungen• Forschung – Equity / Bond

Analysen

Einzelhandel • Bedarfsplanung• Güterauswahl• Promotiosanalyse

Energie• Bedarfsvorhersage


Operations ResearchAntworten auf die entscheidenden Fragen…

Wie sieht die optimale Lösung aus?

“…there is always a well-known solution to every human problem - neat, plausible, and wrong.”

H.L. Mencken (1880-1956) editor, critic, curmudgeon


Operations Research - Optimierung

Operations Research (OR) befasst sich mit der optimalen Lösung von Planungsaufgaben in Technik, Wirtschaft und Verwaltung.• Netzplantechnik: Planung des zeitlichen und logischen

Ablauf von Großprojekten• Linearoptimierung: Mengenplanung für Absatz und

Produktion, sowie für Transport-, Netzfluss- oder Maschinenbelegungs-Probleme

• Simulation: Lösung von Warteschlangenproblemen oder Optimierung von Online-Systemen


Operations Research – Optimierung:Einige Anwendungsbeispiele

Standortsuche

Verkaufsoptimierung

Kampagnenoptimierung

Produktionsplanung

Materialbedarfsplanung

Personalplanung

Verteilung

Netzwerk-Routing

Ablaufplanung

Lieferantenauswahl und -bewertung

Lageroptimierung

Lieferkettenoptimierung


Ein einfaches Beispiel

A product mix problem:The Green Diamond Snack Company has available 410 pounds of peanuts, 140 pounds of cashews, 210 pounds of almonds, and 80 pounds of Brazil nuts. The company produces one-pound cans of the following nut mixes:

*

*Honolulu

London

$7.5015%45%40%-Waldorf Mix$6.005%30%15%50%Savoy Mix$2.50---100%Fancy Peanuts

PriceBrazil NutsAlmondsCashewsPeanutsMix

How many cans of each mix should be produced in order to producethe greatest revenue?

Green DiamondGreen Diamond


Lohnt sich der Einsatz von Analytics?Gaming by customers who use their Total Rewards cards increased 5.6 percent, and the amount of gaming revenue generated by customers outside their home markets rose 15.6 percent.

Um

satz

More targeted campaigns based on customer needsImproved ROI from 2x to 10xAverage campaign lead time cut by 9 weeks

Um

satz

400 automated campaigns per year3-400% increase in response rates –better targetingGreater profitability through better X and up-sellMeasure ROI of each campaign

Um

satz


Lohnt sich der Einsatz von Analytics?

One-to-one customer contactsConsistent pan-European processes and procedures2% reduction in 400M Euro marketing spend – 8M cost saving

Accurately predicting product demand and customer behavior. Each 1% reduction in forecast variance = $200K reduced expenses

Q3 05 - US$15M from lead-generation activitiesSignificant uplift in credit card salesBehaviour-triggered activities up to 25% response rates

Um

satzK

ostenK

osten


Lohnt sich der Einsatz von Analytics?

“…a payback of more than $6 million to date” (Alcon)“savings potential of at least € 8.5 million” (Europay)“…impact has to be in the millions“ (Salt River Project)“reduced costs by up to 50 percent” (Copenhagen Energy)“1% reduction in forecasting error can save a electricity supplier €2 million to €3 million per year” (CGE&Y)“…predicted a saving of €400,000 per year” (CartaSí )


Was ist Information Evolution?

“Survival of the fittest”

Permanenter Prozess ohne finales Ziel

Schrittweise Veränderung hin zu optimaler Anpassung

Gesteuerte Mutation und Auslese


5 StufenStufe 5: InnovateStufe 4: OptimizeStufe 3: IntegrateStufe 2: ConsolidateStufe 1: Operate

4 kritische Dimensionen• Menschen• Prozesse• Kultur• Infrastruktur

Information Evolution Model Description


Stufe 5: Innovate

Proactive, innovative thinkers with multiple roles

Extensive use of analytics to predict future outcomes and minimize risk, continuous innovationFocus “outside the box”, interdisciplinary teams, change is the norm

Adaptive information infrastructure, flexible and extensible


Validation – IEM

Doug BuschCIO, Intel

“By using the Information Evolution Model that SAS is pioneering, enterprises can make more incisive and strategic decisions about their information investments. A structured approach such as IEM allows CIOs and their staffs to come up with an investment strategy that can mobilize the entire organization and improve communication with business stakeholders.”


SAS Enterprise Intelligence Platform


Bus

ines

s V

alue

Bus

ines

s V

alue

Industry ExpertiseIndustry Expertise

OptimizationOptimization

Predictive ModelingPredictive Modeling

ForecastingForecasting



Data AccessData Access

What will happen next?What’s the best that can happen?

How Much?How Many?

What Happened?

Analytics drive the Power of Information


Source: Bloor Research(September 13, 2005)

“When it comes to knowledge generation, SAS is clearly one of the leading lights in the space and intends to remain so for the foreseeable future.”

“The software created by SAS has been designed from the ground up to address the needs of data analysis, and the 28 years of its development really shows.

Analyst Validation“In the short term IDC does not see any serious challenge to SAS' dominance of the advanced analytics market and expects the company to continue to experience above market growth rates for query, reporting and analysis…”

- IDC, Worldwide Business Intelligence Tools 2005 Vendor Shares, Doc # 202603, Dan

Vesset, July 2006

“Competing on Analytics” or “The era of reporting draws … · “The telephone book is full...

Documents

Transcript of “Competing on Analytics” or “The era of reporting draws … · “The telephone book is full...