Digiarjessa

Asiakaskokemus ja myynnin onnistuminen ovat perinteisessä kivijalkakaupassa osaavan henkilökunnan käsissä, mutta verkkokaupassa niissä pitäisi onnistua digitaalisesti. Tässä blogissa otamme katsauksen siihen, kuinka verkkokaupan myyntiä voidaan kasvattaa analytiikkaa ja koneoppimista hyödyntämällä.

Asiakaspalautteen keruu on yksi käytetyimmistä asiakaskokemuksen kehittämisen työkaluista. Mutta miten saatua palautetta voidaan analysoida tehokkaammin? Yksi työkalu on tekstianalytiikka, jota hyödynsimme oman asiakaspalautteemme analysoinnissa.

NHL:n vuotuisissa pudotuspeleissä on mukana liigan 16 parasta joukkuetta. Näistä muodostetaan 8 otteluparia, jotka pelaavat toisiaan vastaan. Kun joukkue voittaa 4 ottelua, se etenee seuraavalle kierrokselle, jossa puolet joukkueista on tippunut ja otteluparit jaetaan uudelleen. Parin kuukauden jälkeen selviää voittaja. Reilu järjestelmä, jossa paras ja voimakkain selviää kukkulan kuninkaaksi nostamaan pokaalia, eikö vain?

Tableau ja Power BI ovat johtavat BI- ja visualisiontityövälineet, mutta mitä eroa niillä on? BI-konsulttimme Jenna Wahlström otti välineet vertailuun.

Analytiikka-alusta ei tule kerralla valmiiksi vaan vaatii kehittämistä aktiivisen elinkaarensa ajan. Lue, miten kehitystä voidaan tehdä ketterästi DevOps-käytäntöjä hyödyntäen.

Datan hyödyntämiseen voi kohdistua suuria toiveita, mutta yleinen kokemus on, ettei datasta saada riittävästi tukea liiketoiminnan kehittämiseen ja päätöksentekoon. Tämä johtuu näkemyksemme mukaan siitä, että ihmiset unohdetaan, kun datan hyödyntämistä suunnitellaan. Apu löytyy palvelumuotoilun ja data-analytiikan yhdistämisestä.

Analytiikan ja raportoinnin avulla liiketoiminta-alustalla sijaitsevaa dataa voidaan hyödyntää johtamisessa ja kehittämisessä. Mutta mitä se käytännössä tarkoittaa ja edellyttää?

Vapaaehtoisten ja jäsenistön saaminen mukaan ja sitouttaminen toimintaan on kansalaisjärjestöille elintärkeää. Digiarvoa 2019 -kilpailun voittaja Suomen Punainen Risti ja Digia hyödynsivät data-analytiikkaa vapaaehtoistoiminnan kehittämisessä. Lue, millaisia tuloksia hankkeesta saatiin.

Vaikka jokainen ei voi olla ”data scientist”, yhä useampi meistä pääsee tavalla tai toisella olemaan tekemisissä analytiikan ja tekoälyn kanssa. Hyödynnämme tuloksia, vedämme projekteja, tarjoamme asiantuntemusta tai lähtötietoja ja niin edelleen. Niinpä modernin työntekijän yleissivistykseen kuuluu nykyään perustietämys siitä, mitä analytiikka ja tekoäly ovat ja mitä ne käytännössä pitävät sisällään.