Kaip „Telia“ duomenų specialistai kuria vertę įmonei ir jos klientams?
Duomenys šiandien yra vienas vertingiausių verslo resursų. Siekiant juo pasinaudoti esminis vaidmuo tenka duomenų analitikams, duomenų inžinieriams, duomenų mokslininkams, marketingo technologijų specialistams ir kitiems su duomenimis dirbantiems profesionalams. Būtent jie yra „Telia“ skaitmeninės transformacijos priešakyje ir kuria duomenimis grįstą organizaciją, gebančią išnaudoti duomenų suteikiamą potencialą priimant geresnius verslo sprendimus, didinant procesų efektyvumą ir kuriant didesnę vertę klientams. „Telia Lietuva” Duomenų Mokslo, Dirbtinio Intelekto ir Analitikos padalinio bendradarbiaujant su kitomis komandomis įgyvendinamas „Next best offer“ projektas yra puikus pavyzdys, kaip to pasiekiama.
Siekis – duomenimis, o ne nuojauta, grįsti verslo sprendimai
Mūsų duomenų specialistai siekia, kad komerciniai sprendimai būtų priimami remiantis duomenimis, o ne nuojauta. Kaip paskirstyti marketingo išlaidas? Kokią kitą paslaugą pasiūlyti klientui? Kada jam reikės naujo telefono? Kokio tipo paslaugos jam yra aktualios? Ką klientas mano apie mūsų paslaugų kokybę? Į visus šiuos klausimus padeda atsakyti iš duomenų gaunamos įžvalgos.
Duomenų mokslas padeda geriau suprasti klientą, jo elgseną, poreikius ir iš anksto nuspėti, ko jam gali reikėti. Būtent toks yra projekto „Next best offer“ tikslas – atsižvelgiant į individualius kiekvieno kliento poreikius pasiūlyti aktualius asmeninius pasiūlymus.
Link tikslo septynių žingsnių procesu
Įgyvendindami projektą visuomet omenyje turime galutinį tikslą ir vadovaujamės „Start with an end in mind“ principu, kuris atsispindi 7 žingsnių procese:
1. Pradedame nuo problemos supratimo ir uždavinio suformulavimo. „Telia“ klientams siūlo įvairias paslaugas, nuolat pristato naujoves ir specialius pasiūlymus. Turime daugiau nei 700t klientų ir siekiame atsižvelgti į kiekvieno iš jų asmeninius poreikius. Kaip protingiausia tai atlikti? Būtent tai ir yra „Next best offer“ uždavinys – remiantis duomenimis automatiškai išrinkti kiekvienam klientui tinkamiausią pasiūlymą, ir priskiriant pasiūlymus atsižvelgti į nuolat besikeičiančią kliento situaciją. Taip pat svarbu kokiu būdu tiksliai šie pasiūlymai klientus pasieks – per savitarną, skambučių ar klientų aptarnavimo centrą. Tuoment į diskusijas įtraukiame ir šios srities atstovus.
2. Suformulavę uždavinį prioriteto tvarka susidėliojome modeliui reikalingų duomenų sąrašą. Tai gali būti duomenys apie tai, kokiomis paslaugomis ir kaip klientas naudojasi, kiek už jas moka, ir pan. Tuomet duomenys renkami ir tikrinama jų kokybė. Šiame etape glaudžiai bendradarbiaujame su duomenų inžinieriais, taip pat skirtingų verslo padalinių atstovais. Taip užtikrinama, kad duomenys tarnautų verslo tikslams ir būtų kokybiški.
3. Susirinkę svarbiausius duomenis imamės analizės ir modeliavimo. Šio žingsnio tikslas – pasiruošti pirmąją modelio versiją ir įsivertinti, ar tikrai galime uždavinį išspręsti per protingą laikotarpį. Turėdami padinę modelio versiją keliaujame atgal pas verslo kolegas.
4. Tolimesnis žingsnis – pasitikrinimas, ar rezultatai yra prasmingi iš verslo pusės – t. y. ar modelis yra validus. Įvertiname, kiek laiko praleidžiame kurdami ir vėliau palaikydami modelį. Pastangas lyginame su finansine nauda, kurią tikimės gauti. Jei matome potencialą, judame toliau.
5. Turint pirminį modelį ir verslo pritarimą reikia integruoti rezultatus į galines sistemas – t. y. suteikti prieigą prie rekomendacijų skambučių centro kolegoms ir įkelti pasiūlymus į savitarnos platformą. Šiame etape estafetę perduodame programuotojų komandoms, o patys atliekame palaikomąjį vaidmenį. Šis žingsnis yra kritinis, nes pasiūlymai pateikiami klientams, o matematiniai modeliai patikrinami praktikoje.
6. Tuo procesas nesibaigia. Modeliui startavus atliekame stebėseną ir vertinimą. Norime žinoti, ką klientui pasiūlėme ir ką jis iš tiesų pasirinko. Kitaip tariant – kas pasiteisino, o kas ne?
7. Galiausiai, matematinius modelius paleidžiame pilna apimtimi. Toliau tikriname, kokius atsiliepimus gauname ir pagal tai sprendžiame, kurias modelio dalis dar reikia tobulinti: galbūt turime geriau suprasti problematiką, gal reikia papildomų duomenų, o gal apskritai turime pereiti prie kitokio modelio. Priimti tinkamą sprendimą ir suprasti, kur geriausia investuoti savo laiką, padeda būtent kliento pasirinkimų stebėjimas ir grįžtamojo ryšio vertinimas. Žinoma, šiame etape ir vėl neapsieiname be verslo kolegų indėlio.
Daugiau galimybių ir verslui, ir specialistams
Toks procesas leidžia kiekviename žingsnyje pasitikrinti, ar judame teisinga kryptimi, atlikti reikiamas korekcijas, padeda nuspręsti dėl tinkamiausių tolimesnių žingsnių. Tokiu būdu savo kuriamais matematiniais modeliais verslui galime suteikti didžiausią vertę ir operatyviai reaguoti į jo poreikius.
Na, o mūsų specialistams tai suteikia sąlygas įdomiam darbui, plačias tobulėjimo galimybes ir progą praktikoje taikyti skirtingus metodus, algoritmus ir modelius. Dėl to komandai netrūksta motyvacijos ir užsidegimo ieškoti geriausių sprendimų.