3 problemy biznesowe, które można rozwiązać dzięki analityce danych

Generatywna sztuczna inteligencja przeżywa rozkwit, gospodarka po pandemii COVID‑19 chwieje się w posadach, a kryzys klimatyczny narasta. Jakie problemy musiały rozwiązać globalne firmy w 2023 roku?

Każdego roku w ramach MIT Sloan Master of Business Analytics Capstone Project studenci podejmują współpracę z firmami, które chciałyby rozwiązać jakiś problem biznesowy za pomocą analizy danych. Program oferuje unikalny wgląd w to, z czym zmagają się firmy od początku 2023 roku. W bieżącym roku studenci mieli okazję pracować nad 41 różnymi projektami z 33 firmami. Zwycięskie projekty dokonały pomiaru innowacyjności poprzez patenty dla Accenture oraz analizowały wykorzystanie sztucznej inteligencji w celu podniesienia poziomu bezpieczeństwa leków dla Takeda.

Oto trzy najczęstsze pytania, na które firmy szukają odpowiedzi za pomocą analityki.

1. W jaki sposób dane mogą pomóc nam zidentyfikować wzrost w określonych regionach geograficznych?

Firmy, które myślą o otwarciu nowych lokalizacji lub inwestowaniu w nieruchomości, wykorzystują dane do znajdowania obszarów o wysokim potencjale do rozwoju.

Zrozumienie specyfiki urbanizacji jest ważne dla firm takich jak JPMorgan Chase, której celem jest dotarcie do nowych klientów i obsługa już istniejących dzięki otwieraniu coraz to nowych oddziałów bankowych w amerykańskich miastach. Aby dowiedzieć się, które obszary mogą się rozwijać w przyszłości, firma wykorzystuje zdjęcia satelitarne, w tym segmentację pokrycia terenu z Google, do przewidywania wskaźników urbanizacji i identyfikowania gorących punktów.

Małe i średnie przedsiębiorstwa stanowią około 99% amerykańskich firm, ale tylko 40% amerykańskiej gospodarki. Korzystając z historycznych danych transakcyjnych i danych ze spisu ludności USA, Visa sprawdza, które części Stanów Zjednoczonych mają największy potencjał wzrostu małych i średnich przedsiębiorstw oraz jakie dźwignie może wykorzystać, aby pomóc im w rozwoju określonych obszarów, przykładowo wsparcia we wdrożeniu transakcji cyfrowych.

Firma zarządzająca aktywami Columbia Threadneedle chce zidentyfikować obiecujące obszary dla inwestycji w nieruchomości w Europie, budując narzędzie predykcyjne, które będzie w stanie przewidzieć rozwój danej lokalizacji, na podstawie takich czynników jak: czynniki ekonomiczne, warunki życia, łączność i dane demograficzne. Studenci MBA stworzyli narzędzie, które przewiduje długoterminowy potencjał wzrostu dla ponad 600 miast i identyfikuje kluczowe czynniki wykorzystywane do tworzenia tych prognoz.

2. W jaki sposób dane mogą pomóc nam wzmocnić pozycję pracowników pierwszej linii?

Pracownicy, którzy mają bezpośredni kontakt z klientami, lub ci pracujący w terenie często muszą podejmować błyskawiczne decyzje, bazując na domysłach. Firmy zwracają się ku analizie danych, aby stworzyć narzędzia wsparcia, które poprawią wydajność, dokładność i sprzedaż.

Coca‑Cola Southwest Beverages chce poprawić sposób, w jaki pracownicy pierwszej linii szacują zapasy w sklepie i tworzą zamówienia. Ten proces jest obecnie czasochłonny i podatny na błędy. Wykorzystując dane demograficzne, trendy konsumenckie, historyczne dane sprzedaży i informacje o brakach magazynowych, algorytm prognozy sprzedaży poprawi prognozowanie, zwiększy sprzedaż i uprości operacje.

Handle Global, firma zajmująca się zarządzaniem łańcuchem dostaw w służbie zdrowia, chce pomóc szpitalom w oszacowaniu alokacji budżetu i nakładów inwestycyjnych na urządzenia medyczne, biorąc pod uwagę rotację aktywów, różnice w typach i modelach oraz fuzje i przejęcia między producentami i systemami szpitalnymi. Firma chce opracować narzędzie wspomagające podejmowanie decyzji, które wykorzysta dane historyczne do podejmowania lepszych decyzji zakupowych.

3. Jaki jest najlepszy sposób na wykorzystanie dużych lub nieporęcznych zbiorów danych?

Chociaż analiza danych może przynieść konkretne wyniki, to niektóre dane w dalszym ciągu pozostają trudne do przetworzenia, jak dane nieustrukturyzowane, czyli niezgodne z określonym formatem lub zbyt duże zbiory. Firmy szukają sposobów na efektywne przetwarzanie i uzyskiwanie wglądu w tego rodzaju dane, których przetwarzanie może być czasochłonne i nieefektywne.

Nowe rozporządzenie rządu USA umożliwia teraz konkurencyjnym firmom dostęp do danych dotyczących cen ubezpieczeń zdrowotnych. Dostęp do tych informacji nie jest jednak łatwy ze względu na ogromną ilość danych, niezgodność ubezpieczyciela z wymogami dotyczącymi ujawniania informacji oraz podzielenie danych na kilka różnych kategorii. Wellmark Blue Cross and Blue Shield dąży do opracowania narzędzia, które zapewni przejrzystość w cenach ubezpieczeń. Narzędzie to będzie rekomendować ceny oraz obszary, które można negocjować, aby pomóc firmie utrzymać swoją konkurencyjną pozycję i osiągnąć optymalne zyski.

Międzynarodowy dostawca usług informacyjnych Wolters Kluwer pomaga firmom spełniać wymogi regulacyjne, jednocześnie zarządzając ryzykiem i zwiększając wydajność. Jednak weryfikacja dokumentów rządowych, takich jak rejestracje pojazdów, może być procesem podatnym na błędy, a do tego czasochłonnym, gdyż dokumenty mają wysoki współczynnik odrzucenia. Firma chce stworzyć system klasyfikacji dokumentów oparty na przetwarzaniu języka naturalnego i wizję komputerową, który będzie cechował się większą dokładnością, a także ułatwi przetwarzania dokumentów, które dotychczas były obsługiwane ręcznie.