Hyödynnä näitä 2 pientä datapakettia kasvattamaan liiketoimintaa

Big Data on kuuma aihe. Ja se voi ihmetellä oikeaa yritystä.

Pienyrittäjänä et kuitenkaan ole oikea yritys.

REAL kulta on pienissä tiedoissa.

Small Data Analyticsin edut

Pienien tietojen hyödyntäminen voi tuottaa suuria voittoja kannattavuudessa ja kassavirrassa (jotkut tutkimukset ovat osoittaneet, että kasvu voi olla jopa 50 - 60 prosenttia). Ja sen avulla voit tehdä sen matalan riskin tavalla, hyvin lyhyessä ajassa (miten seuraava viikko, ensi kuukausi tai seuraava neljännes tarttuu sinuun?)

$config[code] not found

Small Data on liiketoimintatieto, joka on otettu yhteydenpidosta asiakkaiden, toimittajien, tiimin jäsenten ja tuotteiden ja palvelujen kanssa. Se on tietoja, jotka ovat kirjanpitojärjestelmässä, CRM: ssä, ERP-, Excel-laskentataulukoissa ja vastaavissa pienissä datakäynneissä.

Täydellinen sitoumus pienten tietojen hyödyntämiseen edellyttää tasa-arvoisten tietojen tietojenkäsittelyä, ohjelmointia, rikosteknistä tarkastusta ja luovuutta.

Pienet tiedot

Jos haluat aloittaa Small Data -analytiikka-matkan, haluaisin antaa teille kaksi erittäin tehokasta ”pientä dataa”, joiden avulla voit aloittaa pienten tietojen tehon.

Kokeile näitä yrityksessäsi. Luulen, että olet iloisesti yllättynyt siitä, mitä huomaat.

Pienet tiedot Hack # 1 - CVPM-analyysi

CVPM-analyysi on tapa eritellä tapa, jolla yrityksesi näyttää rakeisesta tai transaktiotasosta. CVPM-analyysin tekeminen edellyttää, että analysoit tulosi, bruttokateesi ja yleiskustannuksesi "per transaktio" -periaatteen.

Mitä etsit, ovat muutokset näissä rakeisissa määrissä ajan mittaan. Esimerkiksi kolmen viimeisen tilikauden aikana. Tai jos se on tarkoituksenmukaista, neljän viimeisimmän neljänneksen aikana. Yleisesti ottaen parempia näkemyksiä saavutetaan tarkastelemalla CVPM-analyysiä kolmen täyden varainhoitovuoden aikana.

Tarkastellaan tätä esimerkkiä kahdesta eri yrityksestä. Joitakin olennaisia tietoja kustakin yrityksestä on seuraava:

	Business Alpha	Business Beta
(A) Asiakkaiden lukumäärä	1,000	370
(B) Taajuus vuodessa	0.5	6.0
(C) Keskimääräinen bruttokate	$ 350	$79
Bruttotulos (A x B x C)	$175,000	$175,380

Nämä tiedot kertovat, että tarkastelemme kahta yritystä, joilla on täysin erilaiset lähestymistavat ja rakenteet (kaksi eri liiketoimintamallia).

Business Alpha ylläpitää suuren määrän asiakkaita, jotka ostavat vain noin kahden vuoden välein (taajuus 0,5 vuodessa), mutta se on suurempi lippu kuin Business Beta.

Beta-liiketoiminnassa on paljon vähemmän asiakkaita (noin kolmasosa niin paljon), mutta he ostavat pienemmän lipun kohteen paljon useammin (noin kahden kuukauden välein).

Mutta katso lopputulos. Molemmat yritykset palauttavat melko samanlaiset bruttotuloksen tulokset. Jokaisella liiketoiminnalla on noin 175 000 dollaria yleiskustannusten kattamiseen, velkojen takaisinmaksuun, investointeihin kasvuun ja omistajien palauttamiseen.

Small Data Hack # 2 - Tuotteen matriisianalyysi

Tuotematriisianalyysi on menetelmä, jolla tarkastellaan tiettyjä asiakkaita tai asiakassegmenttejä ja verrataan kunkin asiakkaan myyntiä tuotteiden (tai tuoteryhmien) mukaan. Se tarjoaa näkymän kunkin asiakkaan tuloista eri tuotteista ja palveluista.

Se on yleensä tehokkainta aloittaa useammilla tasoilla ja porata yksityiskohtaisemmin, kun tiedot ja analyysit osoittavat.

Tuotematriisianalyysi on tehokkain, kun se tehdään seuraavilla mitoilla:

Asiakas - myynti
Asiakas - tulot
Asiakas - bruttokate
Markkina- tai liiketoimintasegmentti
Maantiede
Ala

Alla olevat taulukot tarjoavat esimerkin, jonka avulla voit:

Myyntitulot asiakkaalta
asiakas	Tulot
huippukohta	$ 35,000
ACX	$ 23,600
Bergström	$ 74,835
Manilo SP	$ 126,959
KAIKKI YHTEENSÄ	$ 260,394

Tämän ensimmäisen taulukon tiedot ovat mielenkiintoisia. Mutta se ei anna paljon yksityiskohtia kunkin asiakkaan tulojen kokonaismääristä. Parhaimmillaan se todennäköisesti johtaisi sinuun ja myyntitiimiisi tyytymään Manilo SP: n tulojen määrään ja yksinkertaisesti “yrittää myydä enemmän” Acme-yhtiölle ja ACX: lle.

Alla olevassa taulukossa on yksityiskohtaisempi ja hyödyllisempi näkemys samoista asiakkaista tuotematriisianalyysin käsitteiden avulla.

Tuotteen läpäisymatriisi (tulojen mukaan)
asiakas	Tuote A	Tuote B	Tuote C	Tuote D	KAIKKI YHTEENSÄ
huippukohta	$ 35,000	$ nolla	$ nolla	$ nolla	$ 35,000
ACX	$ nolla	$ nolla	$ nolla	$ 23,600	$ 23,600
Bergström	$ 12,500	$ 19,325	$ 1,350	$ 41,660	$ 74,835
Manilo SP	$ 103,000	$ 23, 009	$ 950	$ nolla	$ 126,959
KAIKKI YHTEENSÄ	$ 150,500	$ 42,334	$ 2,300	$ 65,260	$ 260,394

Tämän tuotteen matriisianalyysin tiedot johtaisivat todennäköisesti erilaisiin päätelmiin.

Esimerkiksi vaikka Manilo SP näytti siltä, että meidän pitäisi olla tyytyväisiä tuloihinsa (kun vain ensimmäisestä taulukosta saatua myyntituloa käytettiin), meidän ei pitäisi todellakaan olla tyytyväisiä. He ostavat meiltä suhteellisen pienen määrän tuotteita C ja D.