Seminario: Marketing e analisi di dati per la gestione dei clienti strategici

A fine mese terrò un seminario con ITER Srl, azienda di Milano specializzata in formazione ed editoria.
Tratterò del tema "cliente strategico", definendolo e descrivendone un metodo di gestione, con focus particolare sulla figura del Business Data Analyst.
Vi lascio la desccrizione del seminario ed il modulo per le ISCRIZIONI.
Vi aspetto!

SCENARIO
Non è necessario essere una grande azienda multinazionale per poter parlare di clienti strategici.

Chi sono? Come identificarli? E soprattutto, come gestirli?
Se la vostra azienda non è strutturata per la gestione dei propri clienti strategici, potrebbe essere giunto il momento di rivedere i team di lavoro interni.
Un’organizzazione che veda persone dedicate alla gestione dello sviluppo del business su clienti ad alta potenzialità permette infatti di avere una maggiore focalizzazione, un’ottimizzazione delle risorse e delle competenze, un reale affiancamento al cliente in quello che è il suo business, che a lungo termine ripaga grazie alla costruzione di un rapporto preferenziale con quelli che possiamo definire “Strategic Account”: i nostri clienti strategici.
All’interno di questi team di lavoro si colloca la figura del Business Data Analyst: conoscitore dei sistemi informativi e dei processi aziendali, capace di supportare azienda e cliente in progetti congiunti, si può rivelare una figura chiave per la definizione di strategie commerciali e di marketing di alto livello.
Il seminario mira alla descrizione delle attività della figura del Data Analyst, all’interno di visione più ampia, che descriva strategia ed approccio focalizzati sulla gestione dei clienti strategici.

PROGRAMMA


I CLIENTI STRATEGICI
Verranno esposti i criteri ed i metodi per l’identificazione e la selezione dei propri clienti strategici e si andrà attraverso l’analisi che l’organizzazione dovrebbe fare al proprio interno, per capire il proprio stato rispetto questi clienti e la propria concorrenza.

IL BUSINESS DATA ANALYST
verranno esposti

• compiti della figura
• gli strumenti informatici che utilizza
• le interazioni con i vari dipartimenti all’interno dell’azienda
• Marketing
• Finance
• Sales

Verranno poi mostrati diversi esempi di reportistica e di modelli di calcolo ad elevato valore aggiunto che la figura del Business Data Analyst può sviluppare all’interno dell’azienda, per supportare attività e strategie Sales e Marketing, come

Per i clienti interni:

• Analisi per la selezione dei clienti strategici
• Compilazione dei Profili Strategici dei clienti
• Definizione di una Pipeline di clienti strategici
• Analisi per il calcolo del Market Share sul cliente
• Report di vendita mensili e consolidamento dei dati
• Analisi della Supply Chain: key player, concorrenza, alleanze strategiche
• Analisi del business di canale
• Creazione di una libreria di Case Study strategica
• Raccolta ed analisi delle News di cliente

Per i clienti esterni:

• Pricelist personalizzate per clienti strategici
• Calcolo del risparmio dato dagli accordi quadro
• Progetti ad hoc

Dati: troppi interni e pochi esterni

Pic by Nathan Wells

I primi sistemi di data warehouse, comparsi sul mercato a partire dagli anni '70, richiedevano notevoli risorse in termini di tempo ed elaborazione: far girare le query poteva richiedere giorni, se non addirittura settimane.
Oggi invece è possibile far girare query di piccola scala usando poco più di un data base, un laptop ed un foglio Excel.
Molte aziende, soprattutto di piccole dimensioni, gestiscono le proprie analisi di dati in questo modo.
Ma questo approccio fa fatica a crescre per supportare le aziende di più grandi dimensioni, e può creare reali difficoltà in aree come la gestione dei dati in aziende che hanno master data multipli.
Le aziende cominciano con una gestione semplice, e non c'è nulla di male, ma se marketing, finance e vendite hanno scorecard diverse, basate sui propri dati, si rischia di costruire una torre di Babele: non ci si capisce, è difficile integrare i dati.
Inoltre, anche se è cresciuta la capacità di elaborazione e si sono abbassati i prezzi dello storage, la crescita dei dati di business è ancora molto veloce. Si calcola che i volumi di dati si duplichino ogni 12 o 18 mesi.
Soprattutto le grandi organizzazioni stanno cominciando a scontrarsi con il tempo che si impiega a scaricare dati nei sistemi warehouse o di BI, specialmente se derivano da più fonti.
C'è troppa fiducia nei dati provenienti dai sistemi CRM o ERP: molte organizzazioni non utilizzano dati esterni, ma fanno affidamento solo sui dati provenienti dai propri sistemi informativi per risolvere problemi specifici. Il risultato è che i dati saranno buoni quanto lo sono le informazioni dei sistemi da cui provengono.
Prima di costruire sistemi di gestione di dati o di BI, bisogna lavorare sulla qualità dei dati.
Questi possono anche essere accurati ma parziali o fuorvianti, specialmente se originariamente raccolti per scopi diversi.
Le aziende devono decidere quali informazioni useranno ed essere chiare con se stesse riguardo la completezza dei propri set di dati. Se non lo fanno, i risultati potrebbero essere pessimi, soprattuo se non si ha la visione più ampia.
Sarebbe opportuno trovare il modo per estrarre le informazioni contenute in dati non strutturati, come email, presentazioni e documenti, video o telefonate registrate, per fornire una base per BI, e supportare una migliore presa di decisioni.
Il rapporto tra i dati strutturati e non è di 80/20. Questo significa che ci sono molti dati utili che non vengono presi in considerazione perché difficili da reperire.

Tratto da FT.com

SAS Conference: che la Finanza calcoli meglio i rischi

Pic by ScriS

Secondo il professore Bart Beasens dell'università cattolica belga Luven, i modelli di Data mining relativi ai servizi Finance dovrebbero comprendere un livello di calibrazione per gestire il rischio d'impresa.
Durante il suo discorso alla conferenza che si sta tenendo a Copenhagen SAS A2010, ha infatti dichiarato che, oggi più che mai, i modelli di data mining guidano la presa di decisioni strategiche all'interno delle istituzioni finanziarie.
Mentre i modelli attuali sono capaci di discriminare i dati - facendone ranking e classificazione - i modelli analitici dovrebbero fornire probabilità ben calibrate e progettate accuratamente, basate su dati storici ed aspettative future.
I dipartimenti IT dovranno sviluppare e controllare architatture multi-livello per supportare cicli di vita analitici, incorporando sia dati interni che esterni, data mining ed un modello macro economico, per permettere la creazione di modelli di rischio attraverso un'organizzazione.

Source: ComputerWeekly.com

SQLBits: l'UK per l'Europa di SQL

Vi sengalo l'evento SQLBits che si terrà presso l'Unvieristà di York dal 30 Settembre al 2 Ottobre prossimi.
Giunta ormai alla settima edizione, la conferenza in tema di Server SQL si conferma essere la più importante in Europa sul tema, rappresentando un must per tutti i professionisti di BI e gli sviluppatori che lavorano con SQL Server di Microsoft non solo in UK.
La conferenza ripropone la formula dei 3 giorni già sperimentata lo scorso anno in Galles.
Il primo giorno consiste in una sessinoe di training, con seminari approfonditi tenuti da professionisti SQL Server; il secondo giorno si terranno diverse conferenze con importanti membri della community SQL; il terzo giorno, infine, sarà il più tradizionale, con un'ampia gamma di sessioni relative ai vari aspetti di SQL Server a tutti i differenti livelli di abilità.
Le sessioni dei primi due giorni saranno a pagamento, mentre l'ingresso del Sabato sarà gratuito.
Per registrarsi e per maggiori informazioni, vi rimando al sito dell'evento.