understand society through data

Transkript

1 Enabling you to understand society through data ANVENDELSE AF OG SEGMENTERING MED KUNDEDATA 2016 markedsanalyse af nordiske B2C-virksomheders databrug GEOMATIC i samarbejde med: Kantar TNS (Gallup/Sifo) PostNord, Posti, Bring Dialog SWEDMA, NORDMA 1

2 Om analysen FORMÅL MED RAPPORTEN Denne rapport har til formål at kortlægge større nordiske virksomheders evne og prioriteringer i forhold til at indsamle og anvende kunderelaterede data til at skabe sig en konkurrencemæssig fordel i markedet. Der følger også Best Practice til, hvordan din organisation bliver klar til datasegmentering især når den nye EUdataforordning træder i kraft i maj Stillings- og afdelingsbetegnelser CEO CFO CMO Senior Dataindsamling og metode Analysen er bygget på baggrund af 212 interviews med respondenter fra hele Norden, dvs. Danmark, Sverige, Norge og Finland. Dataindsamlingen blev gennemført i perioden fra maj til august 2016 ved hjælp af indsamlingsmetoden CAWI (Computer Assisted Web Interviews). Director Lead Manager MÅLGRUPPE Spørgeskemaet er udsendt til: Topledelse Management Forretningsudvikling Salg/konsulentydelse Marketing Bygge og anlæg Analyse Industri, råstofindvinding og forsyningsvirksomhed Forskning Brancher Udvikling Virksomheder med min. 50 ansatte Handel og transport mv. Overnatnings- og restaurationsvirksomhed Information og kommunikation Finansiering og forsikring Erhvervsservice Kultur, fritid og anden service 1

3 Key findings DATA ER FORRETNINGSKRITISKE I analysen svarer hele 75 % (fig. 1) af respondenterne, at det er essentielt at indsamle og analysere kundedata, hvis man skal sikre sin virksomheds fremtidige udvikling og vækst. I tråd med dette svarer ca. 70 % (fig. 2), at indsamlingen af kundedata er meget højt prioriteret og stærkt forankret blandt topledelsen. Beslutningerne vedrørende dataindsamling er altså truffet på topledelsesniveau i virksomheden (fig. 3).! KUNDEDATA DATAKVALITET ER PROBLEMATISK Taget ovenstående i betragtning, er det paradoksalt, at kun 50 % (fig. 4) svarer at kvaliteten af de indsamlede data er tilstrækkelig og kun ca. 55 % (fig. 5) formår at bruge disse data til forretningsudvikling i høj grad. Datakvalitet og brugervenlighed må siges at være nogle af de største udfordringer, når data skal bruges til forretningsudvikling (fig ). Hvis vi ikke stoler på data, hvordan skal vi så stole på resultaterne af dataanalyserne? På trods af at man i højere grad hører om brugen af eksterne dataspecialister til at vedligeholde og kvalitetssikre data, benytter kun en femtedel af virksomhederne i denne analyse sig af ekstern hjælp til dette formål (fig. 9). MANGEL PÅ KOMPETENCER BREMSER UDVIKLINGEN Når nu data i de fleste virksomheder bliver indsamlet, er spørgsmålet, hvorfor de ikke formår at anvende disse data selv med viden om den forretningskritiske betydning. Hvis vi spørger til de største barrierer for overhovedet at komme i gang med at bruge data, identificerer de adspurgte, at mangel på systemintegration, tid og de rigtige kompetencer er de væsentligste udfordringer (fig. 7). Selv om der rapporteres en mangel på de rigtige kompetencer internt i virksomhederne til at kunne anvende data, svarer kun 7 % (fig. 10) af de adspurgte virksomheder, at de i dag modtager ekstern hjælp til at analysere kundedata. Der er derved en stor andel af virksomhederne, som hverken synes at have kompetencerne til at analysere data internt eller henter dem eksternt. Med et stigende antal konsulentvirksomheder med speciale i dataanalyse, og især citizen data science, vil det i fremtiden være nemmere og mere oplagt at hente hjælp udefra. UDNYTTELSEN AF DATA HALTER Blandt virksomhederne i denne analyse er det kun 35 % (fig. 13), der svarer, at de evner at arbejde med kundedata på en måde, som giver dem en forretningsmæssig fordel. Til gengæld er der en tro på, at branchen samlet set formår at udnytte data i noget højere grad (fig. 12). Konklusionen må her være, at de fleste virksomheder opfatter deres branches evne til at udnytte data som relativt høj, men som enkeltvirksomhed vurderer man sig selv noget lavere end branchen. 2

4 Detaljeret indsigt: Kundedatas vigtighed Data er forretningskritiske for at sikre vækst og udvikling. Hele 75 % mener, at indsamling og brug af data er lig med forretningsmæssig succes i fremtiden. 47,6 % Helt essentiel Beslutningerne om at indsamle og arbejde med kundedata er meget stærkt forankret blandt den øverste ledelse. Der er altså truffet et klart strategisk valg for virksomheden om at skulle indsamle data, og denne prioritering kommer i særlig grad fra topledelsen. 58 % - Topledelse 26,9 % 11,8 % Ligegyldig 34 % -Teamniveau 9,0 % fig. 1 - Hvor vigtig mener du, at den fremtidige indsamling og brug af data er for fortsat udvikling og vækst i din virksomhed? Indsamlingen af kundedata er højt prioriteret blandt nordiske virksomheder. Næsten 70 % har det som høj eller meget høj prioritet, mens kun ca. 10 % slet ikke prioriterer indsamlingen af kundedata. 40,1 % Meget højt 27,4 % Meget lavt 12,7 % 9,4 % 8,0 % 47 % - Afdelingsledelse fig. 2 - Hvor højt prioriteret er indsamling af kunderelaterede data i din virksomhed? 25 % - Den enkelte medarbejder 3 % - Ikke forankret på nogle niveauer 10 % - fig. 3 - På hvilke niveauer er prioritering af data stærkt forankret i din virksomhed? Når det kommer til kvaliteten af data, vurderes den som knap så god. Hvis data skal have en central plads i organisationen som værdiskabende i den strategiske udviklingsproces, går det ikke, at kvaliteten halter. Kun halvdelen vurderer, at deres data har en hæderlig kvalitet. 23,1 % Meget god kvalitet 27,8 % Meget ringe kvalitet 25,0 % 8,5 % 6,6 % fig. 4 - Hvordan vil du vurdere kvaliteten af jeres kunderelaterede data? 3

5 Detaljeret indsigt: Adgang til kundedata Kundedata bliver i dag brugt til forretningsudvikling blandt kun ca. 50 % af virksomhederne. 33,0 % I meget høj grad Væsentlige barrierer for at komme i gang med at analysere data er tid, udviklingsplatform, og kompetencer. Alt sammen noget, hvor eksterne eksperter kan hjælpe. 32 % - Tid 29 % - Manglende systemintegration 22,6 % I meget lav grad 19,3 % 7,6 % 20 % - Udviklingspatform/-system 19 % - Mangel på de rigtige kompetencer 6,6 % fig. 5 - I hvilken grad bliver kunderelaterede data brugt i forretningsudviklingen, inkl. produktudvikling, marketing, segmentering, salg osv.? Dataanalyse bør i fremtiden ikke kun være forbeholdt specialister. Det er vigtigt, at flere personer i organisationen har mulighed for at arbejde med og lære af data. Det stiller derfor høje krav til brugervenligheden af data. Netop brugervenligheden vurderes for hovedparten af de adspurgte som et problem, der bør rettes op på. 8,5 % 17 % - Validitet i data 17 % - Tekniske 15 % - Datasikkerhed 15 % - Inspiration til brug af data 14 % - Økonomi 12 % - Lovgivning 24,5 % Meget let 32,6 % Meget besværlig 16,0 % 8,0 % fig. 6 - Hvordan vurderer du brugervenligheden af jeres kunderelaterede data? 19 % - Ledelsesfokus 15 % - Jeg ser ingen barrierer i min virksomhed 3 % - Andet fig. 7 - Hvilke barrierer ser du som de væsentligste i forhold til at kunne anvende jeres data bedre? 4

6 Detaljeret indsigt: Datakompetencer Personer med de rette analytiske kompetencer er altafgørende for at få udnyttet kunderelaterede data optimalt. Dog svarer hele 55 %, at de mangler sådanne personer i virksomheden. Resurser, både i tid og personale, er en mangelvare hos mange virksomheder. På trods af dette får kun 7 % hjælp fra eksterne til at analysere på kundedata. 15,1 % 17,0 % I meget høj grad 26,9 % I meget høj grad 21,2 % I meget lav grad 25,0 % I meget lav grad 32,6 % 11,3 % 12,3 % fig. 8 - I hvilken grad mener du, at din virksomhed har personer med de rigtige kompetencer ansat til at få fuldt udbytte af jeres kunderelaterede data? Vi ved, at kundedata er forretningskritiske, men data skal vedligeholdes for at skabe værdi og ikke mindst for, at vi kan stole på de analyser, der bliver foretaget på baggrund af data. Derfor er det bekymrende, at virksomhedernes data i meget lav grad bliver valideret og kvalitetssikret gennem en uvildig tredjepart. I meget høj grad 12,3 % Det er altid vigtigt at stille sig selv spørgsmålet har jeg de data, jeg skal bruge for at svare på en given problemstilling?. Hvis ikke hvilke data har jeg så brug for?. En del må vurdere, at de har de nødvendige data, da kun ca. 13 % af de adspurgte får beriget deres kundedata med eksterne variable. 7,6 % I meget høj grad 16,0 % I meget lav grad 15,1 % I meget lav grad 26,4 % 14,6 % fig. 9 - I hvilken grad får I ekstern hjælp til at vedligeholde jeres kunderelaterede data? fig I hvilken grad får I ekstern hjælp til at analysere jeres kunderelaterede data? 15,1 % 10,4 % 12,3 % 13,3 % 28,3 % 13,3 % fig I hvilken grad får I ekstern hjælp til at berige jeres kunderelaterede data? 5

7 Detaljeret indsigt: Branchens brug af data Ca. 45 % af de adspurgte vurderer deres branche til at være rigtig god til at udnytte kundedata i det daglige strategiske arbejde, hvorimod kun ca. 15 % vurderer, at deres branche stort set ikke benytter sig af data. 21,2 % 23,6 % At arbejde strategisk med kundedata er ikke noget nyt fænomen. Hovedparten af de adspurgte virksomheder har således arbejdet med kundedata i mere end tre år og ca. 50 % i år. 2,4 % Mindre end 1 år Data bliver brugt rigtig meget 8,5 % år 14,2 % år 28,3 % Data bliver stort set ikke brugt 10,4 % 12,7 % 17,9 % år 29,7 % - 10 år eller derover 3,3 % Arbejder ikke med fig Hvordan vurderer du hele din virksomheds branches brug af kunderelaterede data? kunderelaterede data 9,9 % Arbejder med kunderelaterede data men ikke strategisk endnu 14,2 % - Der er ikke den store tiltro til egne analyseevner blandt de adspurgte virksomheder. Kun godt 35 % mener, at de ligger på niveau med de bedste i branchen. fig Hvor længe har I arbejdet strategisk med kunderelaterede data? 16,5 % 17,9 % 31,1 % 24,1 % På højde med de allerbedste På et meget lavt niveau 12,0 % fig Hvordan vurderer du, at din virksomheds indsamling og brug af kunderelaterede data i det forretningsstrategiske arbejde er sammenlignet med jeres konkurrenter og markedet generelt? 6

8 Detaljeret indsigt: Segmenteringsmodeller Kun halvdelen arbejder med en operationel segmenteringsmodel. 24,5 % I meget høj grad Af de virksomheder, der i dag arbejder med en kundesegmenteringsmodel, mener kun ca. 45 %, at den er solidt forankret i virksomheden. 18,9 % 26,9 % 17,9 % Meget solidt forankret I meget lav grad 9,0 % 25,9 % 19,3 % 9,4 % 9,4 % 14,2 % fig I hvilken grad mener du, at din virksomhed har en operationel segmenteringsmodel for jeres kundedatabase(r)? Halvdelen har selv udviklet segmenteringsmodellen og overraskende nok ved 33 % ikke, hvor modellen stammer fra. 21,5 % Meget lidt forankret 14,7 % fig I hvilken grad mener du, at denne kundesegmenteringsmodel er forankret i hele virksomheden? Af de virksomheder, der i dag arbejder med en kundesegmenteringsmodel, mener ca. 40 %, at modellen giver dem en konkurrencemæssig fordel. 17,9 % 7,3 % 48,7 % I meget høj grad 25,0 % 33,0 % 22,2 % 10,9 % Det har vi selv Det har vi fået ekstern hjælp til Vi bruger en standardmodel for vores branche Andet fig Hvem har udarbejdet segmenteringsmodellen? I meget lav grad 18,6 % fig I hvilken grad mener du, at kundesegmenteringsmodellen er med til at give din virksomhed en konkurrencemæssig fordel i jeres branche? 7

9 Detaljeret indsigt: Datasystemer Over 50 % arbejder fortsat med deres data i regneark og SQL. Mange arbejder også i internt udviklede systemer. Kun en mindre andel af virksomhederne arbejder i specialiserede visualiserings- og analyseværktøjer. 36 % - Microsoft (Excel eller Access) 19 % - SQL 17 % - QlikView 12 % - SAS 11 % - Salesforce 8 % - SAP 7 % - SPSS 4 % - IBM 3 % - MicroStrategy 3 % - Tableau 1 % - Alteryx 56 % - Intern 7 % - fig Hvilke systemer benytter I jer primært af i det daglige arbejde med jeres kunderelaterede data? 8

10 Sådan bliver din segmentering en succes 1/7 Efterhånden som flere data bliver tilgængelige for organisationer, og værktøjer til udtræk, analyser og modelleringer af data bliver mere avancerede, er segmentering blevet afgørende for organisationer for at omfavne og foretage datadrevne beslutninger. Segmentering fremmer også en proaktiv fremgangsmåde i arbejdet med kunder, og giver dig større muligheder for at øge kundetilfredshed, vækst og markedsandel. Udfordringen er ikke at vi mangler data. Den er der ofte til overflod. Den store udfordring er at få omsat store datamængder til indsigter, som gør en forskel for forretningen. Når man bruger den rigtige segmentering i en organisation, gør man det muligt at bibeholde, udvide og optimere den eksisterende kundebase, mens man samtidig tiltrækker de rigtige nye kunder for ens produkter og serviceydelser. Nedenfor følger Best Practice til, hvordan din organisation bliver klar til segmentering også når den nye EU-dataforordning træder i kraft i maj Peter Juul Ottesen, Adm. direktør og stifter, Mediabroker Data is our most important strategic and tactic asset. In this era of never ending increase and faster access to data - it s important to build the right infrastructure, internally as well as with partners, to keep high quality and actionable data as our core. Patrik Furuhagen, Head of Campaign & Concepts, Swedbank SEGMENTERING SKAL IND I ORGANISATIONENS KERNE Det største udbytte af kundesegmentering opnås ved at få den implementeret i organisationens kerne og derefter brugt på alle niveauer i organisationen. Sådan en segmenteringsproces er multidimensionel, idet den støtter de forskellige behov på tværs af organisationen som branding, marked, kunde, CRM, og databehov. En model, der integreres i virksomhedens kerne, vil ikke kun sikre en komplet forståelse på tværs af organisationen, men også øge fleksibiliteten ved tilpasninger og ændringer i organisationen. Resultatet er en optimeret brug af LEAN-princippet med de strategiske mål florerende på tværs af hele organisationen og dermed en større lethed i operationaliseringen af disse mål. 9

11 Sådan bliver din segmentering en succes 2/7 Implementeringen sker top-down og bottom-up Alles kompetencer skal bringes i spil, når det handler om et succesfuldt segmenteringsprojekt. Derfor er en Top-down <> Bottom-up-fremgangsmåde ideel til at sikre, at alle funktioners behov tilgodeses. Det understøtter projektets indlejring i organisationens kerne og fremmer medejerskabet på alle niveauer. Og det viser sig på bundlinjen ved optimeret effektivitet og fremskynder de samlede resultater i ROI hurtigere. Ved at fjerne blot to spørgsmål i vores ansøgningsproces, som følge af vores segmenteringsprojekt, har vi øget vores konvertering med 3 %, samtidigt fik vi flere ansøgninger med en bedre kreditkvalitet. Da alle niveauer i en organisation har forskellige mål, skal disse forenes, uanset hvilket niveau, der arbejder med segmentering: På det strategiske niveau med ejere og bestyrelse ønsker man at kende virksomhedens og målgruppens markedsandel samt hvilket marked og målgruppe virksomheden bør målrette sig mod. På det ledelsesmæssige niveau ønsker man at sikre det ønskede ROI samt at rekruttere og fastholde de rigtige kunder. På det operative niveau ønsker man at kunne handle på sine segmenter og nå kunderne via de rette kanaler. I CRM-afdelingen ønsker man tydeligt definerede målgrupper til kampagner og hjælp til at målrette budskabet til kunderne. I dataanalyse-afdelingen ønsker man at bruge segmenterne som valgbare filtre i deres database eller som variabler i modeller. Morten Larsen, Direktør, Basisbank STRATEGY MANAGEMENT OPERATIONS CRM DATA ANALYSIS fig Nøglen til succes er at kombinere en top-down og bottom-up-tilgang. 10

12 Sådan bliver din segmentering en succes 3/7 GRUNDLAGET FOR VELLYKKET SEGMENTERING I hjertet af enhver succesfuld segmentering er brugen af relevante, strukturerede og kvalitetssikrede data. Hvis disse fundamentale blokke ikke er sikret fra starten, vil projektet blive kompromitteret og sandsynligvis ende i en løsning, der er svær at udfolde i organisationen. Strukturerede Relevante KUNDEDATA Kvalitetssikrede Uanset behovet er det bedst at bruge en kombination af interne kundedata og eksterne statistiske data for at opnå den ideelle kundesegmentering: Ved hjælp af de interne data tegnes et billede af, hvilke produkter og transaktioner, som kunden har i organisationen. De eksterne data supplerer dette med en forståelse for, hvordan de interagerer uden for din organisations grænser. Ved at bruge begge datakomponenter, får du altså det fulde 360o overblik over hver enkelt af dine kunder. fig Fundamentale blokke i succesfuld segmentering Relevante data er grundstenen Hvad er relevante data? Det varierer baseret på behovet for segmentering: Hvis du bygger en markedssegmentering, er de data, der hjælper til at forstå markedet de mest relevante. Hvis målet er at segmentere din kundebase og identificere drivere til at forbedre kundeoplevelsen, så er de mest relevante data de, som er med til at forklare kunden (forbrug, behov osv.). fig o overblik over en kunde Disse data skal i sidste ende forbindes med de fremtidige behov for både din virksomhed og din kunde. 11

13 Sådan bliver din segmentering en succes 4/7 De grundlæggende interne data dækker: Kundens stamdata (navn, adresse, alder osv.) Produkter Transaktioner Adfærd interaktioner med forskellige kanaler og applikationer För att förstå och driva kundbeteenden under digitaliseringsresan behövs en enad kundbild och en segmentering som speglar såväl digitalt beteende som livsstil och socioekonomiska förutsättningar. De grundlæggende eksterne data (enten i aggregeret statistisk form eller 1:1 afhængig af lovgivningens rammer) dækker: Geodemografiske- og socioøkonomiske data Data om holdninger og attitude fra nationale surveys Forbrugsdata - f.eks husholdningens ugentlige madforbrug (hjælper ved etableringen af Share of Wallet estimeringer - altså dine kunders rådighedsbeløb) Adfærdsdata - bl.a. indsamlet online som statistik ved brugen af cookies. Særligt på det nordiske marked producerer de nationale statistikbureauer sådanne markedsdata, ligesom mere generiske segmenterings- og klassifikationssystemer har været udviklet i snart flere årtier. Med disse er det muligt at vide rigtigt meget om mange mennesker uden at vide noget om den enkelte. Her er conzoom et godt eksempel, der med sin kombination af flere af ovenstående datakilder på nordisk plan inddeler husstande i konsumenttyper. Sara Novak, Head of Customer Insight, Bonnier News Generiske modeller som conzoom er i dag et af vores vigtigste værktøj i marketing, og er altid omdrejningspunkt for vores kontakt til kunderne - både de eksisterende og de potentielle. Mille Just, Marketing Manager, EnergiMidt Ved brugen af sådanne anonymiserede data overholdes den nye EU-persondataforordning, og du undgår at kompromittere privatlivet det kalder vi Data played well. 12

14 Sådan bliver din segmentering en succes 5/7 Når datagrundlaget er skabt, er det fornuftigt at sikre, at både de interne og eksterne kundedata kan forbindes; uanset kilden, skal alle data nemt kunne sættes i relation til den enkelte kunde ved hjælp af en unik datanøgle. Dette kaldes pseudonymisering af kundedata. INTERNE DATA CUST_ID 123XY EKSTERNE DATA KUNDEN fig Pseudonymisering af kundedata ved brug af unik datanøgle Det er i øvrigt et krav at holde data om kunder opdaterede, både i den nuværende Markedsføringslov og i den nye EU-dataforordning. Win-back Opsigelse af kunden EKSTERNE DATA INTERNE DATA LOYALITET Derfor er det altid vores første anbefaling, at kundedatabasen vedligeholdes og opdateres regelmæssigt. Dette hjælper ikke kun i segmentering, men også i det generelle kundeengagement og i aktiviteterne omkring kunderejsen. Udover kravet om aktivt samtykke til at indsamle data, der indskærpes yderligere i EUs dataforordning, indføres også et helt nyt paradigme om, at det er kunden, der ejer retten til egne data. Det betyder at samtykket når som helst kan trækkes tilbage af kunden, ligesom de kan bede om at få flyttet sine data til andre, måske konkurrerende virksomheder eller få dem helt slettet. Dette stiller høje krav til både struktureringen af data og den software, der anvendes til at lagre data. PROSPECTING Datakvalitet og -struktur skaber tillid til analyserne Lige så vigtig som datas relevans, er kvaliteten og strukturen af data. Hvis data er af lav kvalitet eller er dårligt struktureret, vil de være vanskelige at arbejde med, analysere på og opbygge meningsfulde modeller omkring. Kundes livscyklus fig Artikler 20 og 17: Retten til dataportabilitet og retten til at blive glemt kunden kan bede om at få sine data slettet og efterlade dig uden intern vidensgrundlag. En måde at sikre sig et stabilt og validt vidensgrundlag for segmentering er derfor at sørge for, at denne viden er lagret som anonymiserede data. Derved kan de anvendes uden at være direkte personhenførbare og dermed risikere at skulle slettes. At holde sine data opdaterede, klares mest omkostningseffektivt med hjælp fra automatiserede vaske-løsninger, der sørger for at vedligeholde stamdata på eksisterende kunder, samt sikrer, at nye kunder oprettes korrekt fra starten. Når datas relevans, kvalitet og struktur er på plads, kan analysearbejdet påbegyndes. 13

15 Sådan bliver din segmentering en succes 6/7 Segmenteringsprojektet er aldrig slut Som med ethvert vellykket projekt, er planlægning og klare mål med ordentlig udførelse afgørende for succesoplevelsen. Efter implementeringen bør segmenteringen aldrig blive set som statisk; det er en never ending story. Det betyder, at segmenteringen løbende bør overvåges, reevalueres og optimeres til at understøtte udviklingen af organisationen og vores samfund. Følgende diagram giver et overblik over Best Practice til et kundesegmenteringsprojekt fra planlægning til opbyggelse, implementering og forbedringer. 1. Needs Planning En sidste ting at huske Igennem ethvert kundesegmenteringsprojekt eller implementering er det vigtigt at balancere 80/20-reglen. Det betyder, at en løsning, der dækker 100 % aldrig er opnåelig, men hvis du stræber efter at levere en segmentering, der dækker 80 % af alle scenarier, vil det resultere i væsentlige forretningsmæssige fordele. Vores erfaringer viser, at stræben efter at opnå de sidste 20 % ofte resulterer i for mange omkostninger i forhold til det mulige afkast. 2. Scoping Stage 7. Quarterly Updates 8. Monitor Performance to KPIs & Optimise 6.2. Campaign Test Phase 3.1. Data Extraction 3.2. External Data Enrichment 6.1. Business Roll-out 3.3. Data Analysis 5.2. Data & IT Implementation Plan 5.3. Campaign Planning 5.1. Define Roll-out plan fig /20 reglen for segmenteringsprojekter 4.1. Segmentation 4.2. Segmentation Description Build + Action Codes fig Processen for Best Practice 14

16 Sådan bliver din segmentering en succes 7/7 GØR DATAARBEJDET LETTERE TILGÆNGELIGT De værktøjer, en organisation bruger til segmentering, bør være såkaldte blending-applikationer, der kan understøtte følgende analyseopgaver og processer: Dataudtræk Dataanalyse og -modellering Implementering af segmenteringen med mulighed for opdateringer Dashboard over segmenteringen sammenfatter både de beskrivende materialer og aggregerede visninger Data management data warehouse Kundedashboard Omni-channel marketing platform Fordelen ved mange af de nye værktøjer, der inkluderer de store fremskridt inden for meningsbaserede algoritmer osv. er, at de mindsker udfordringerne omkring datastruktur og analyse og giver adgang til data i et mere brugervenligt setup end tidligere. For det første muliggør det, at mindre opgaver inden for dataprocessering kan foretages af de afdelinger, der har kundekontakt, og ikke længere forudsættes forankret i IT-afdelingen. For det andet bliver disse værktøjer i højere grad nødvendige, efterhånden som virksomheder bliver mere afhængige af dataspecialister, og - endnu vigtigere citizen data scientists, der kan give et billede af menneskerne bag kundedata. Disse citizen data scientists kan findes både internt og eksternt hos konsulentvirksomheder med ekspertise på det pågældende område inden for segmentering. The increased use of data drives the rate of change within organizations at a pace which makes it critical for them to have a very thought through plan for acquiring talent and partners. To manage this challenge on your own is probably a very risky proposition. Mats Ferm, Head of Customer Intelligence, Swedbank Vi er i dialog med rigtig mange mennesker hele tiden, og det kræver selvsagt segmentering og stor datadisciplin. For at støtte vores forretning med dette har vi valgt at købe ydelsen eksternt, så kan vi nemlig koncentrere os om vores kerneforretning. Lars Monrad-Jensen, Head of Omnichannel Communications, Business Intelligence & Analytics, Group Strategy & Portfolio Management, TDC Privat 15

17 Om Geomatic Geomatic løser opgaver på tværs af den offentlige og private sektor inden for dataanalyse, -berigelse og -strukturering. Vi analyserer og kombinerer demografiske data med geografi, ejendomsdata, kundedata og meget andet. Vi hjælper vores kunder med at forstå, rense og vedligeholde deres data, at anvende dem optimalt og benytte de rigtige data til de rigtige opgaver. DET TROR VI PÅ Digitaliseringen forbinder os og hjælper os med at dele indsigter, der bidrager til vores samfund. Det gør os i stand til at tage ansvar for en bedre forståelse og en positiv udvikling i vores samfund. At have adgang til data og viden er et privilegium, der også giver os et ansvar for at dele relevante indsigter for at skabe værdi og vækst for alle. For at forstå samfundet er det essentielt, at vi omfavner de forskelligheder, der udspringer af vores individuelle forhold, evner og præferencer, og vi sætter en ære i, at kulturel og personlig mangfoldighed fortsat består, uanset vores økonomiske og digitale adfærd. Vi ønsker at fremme denne forståelse ved at indsamle, opdatere, berige og strukturere data. Vi hjælper vores kunder med at optimere datakvaliteten og identificere mønstre, som gør det muligt for vores kunder at tage de rigtige beslutninger både professionelt og personligt. KONTAKT GEOMATIC Du er velkommen til at kontakte Geomatic for et uforpligtende møde, hvor vi kan gennemgå, hvordan du fremover bør arbejde med dataindsamling og -anvendelse for at få flere data i spil og samtidigt overholde lovgivningen på området. Danmark: Jonas Stone-Bjarup jsb@geomatic.dk Sverige: Eva Säfström eva.safstrom@geomatic.se Norge: Ingrid Lidgren ingrid.lidgren@geomatic.no Finland: Maiju Hämäläinen +358 (0) mah@conzoom.fi SINCE

18 Enabling you to understand society through data 17 geomatic.dk geomatic.se geomatic.no conzoom.fi