30.04.2014 / Janne Vihervuori

I wrote the DO’s part of my DO’s and DON’Ts SAP Cloud Integration blog last week. This week’s blog part II is about the DON’Ts and partly going against the good old, traditional ways of working in the (legacy) IT world.

So, kids, DON’T do this with the cloudy things:

  1. Start by writing an über-extensive documentation and waiting for having it approved by all possible stakeholders! This ties into the DO’s #3 and also #1: the integration itself is actually an extension of the standard SAP SaaS Solution and you primarily pick the features you want to activate. SAP provides literally hundreds of pages of guides and documentation, so forget about reverse-engineering SAP’s mapping logic into mapping excels, etc. but write and update as you go a high-level design document of how you are applying the SAP standard components instead. There can be – and we also implemented some – gaps to be filled by custom development, sure, so then you document those bits in the way the customer requires, business as usual.
  2. Keep the ITSM department in the shadow and bypass them when going live! Trust me, you do not want to keep the Landscape Manager (or equivalent) out in the cold about the fact that a Cloud Solution is not a traditional 3 (or 4) tier landscape! There is usually on one Cloud tenant, sometimes two before making cutovers, but in general only one. This tenant is then to be integrated into the 3 (or 4) tier on premise backend system (ECC or CRM) landscape and this can be against the general ITSM or customer’s practicalities, so be prepared for some confused looks and try to get some cover via DO #1. Also, do not avoid getting your hands dirty by skipping all the small and mandatory details such as setting up jobs for distributing master data well in time before the go live.
  3. Set up a traditional ERP project team with high emphasis for Project Management! There is nothing wrong with solid project management, but a successful approach in these cloudy integration projects is very lean. We had a project manager, yes, but this role was more of team captain than someone keeping detailed track of tasks and arranging status meetings – I believe we had none. A good SAP SaaS cloud integration project team works like a good jazz orchestra: someone is always covering for someone on the fly, the pace and rhythm of the work can and will vary and the roles can switch so that the freshest (I am avoiding the term ‘junior’ because our scale is well above the industry’s) member of the team is taking command and requesting things from the most senior team members. Getting back to lean, we were able to avoid a lot of waste in this project.

There! Three times do, three times do not. There is a lot more than this list when it comes to integrating SAP SaaS solutions successfully, so feel free to contact me for further info. You will find me on LinkedIn and in Twitter (@JanneVihervuori). I am looking forward reading your cloudy comment!

Happy May Day! Hyvää vappua!


28.04.2014 / Ville Niemijärvi
Lissabon 2013
Lissabon 2013

Olin vuosi sitten keväällä näihin aikoihin lomalla Lissabonissa perheen kera. Saavuimme lentokentältä keskustaan ja nousimme metrosta Praça da Figueiran aukiolle. Työnsin lastenrattaita, jossa nukkui alta puolivuotias tenavamme. Alle minuutin kuluttua tuli nuorimies tarjoamaan huumeita. “Hashis? Coke? You wan’t to party sir?”

Sama toistui joka päivä neljän päivän vierailumme aikana. Ja joka kerta olin lastenrattaiden ohjaimissa tai vauva sylissäni. Jotenkin tuntui, että diilereiden kohderyhmä oli nyt vähän hakusessa.

Tai sitten ei. En ole alan ammattilainen ja kaverit ilmiselvästi ovat. Ehkä he tietävät paremmin. Ehkä lapsiperheiden väsyneet vanhemmat, roikkuvine silmäpusseineen on oikeasti ryhmä, jolle kauppa käy. Tai sitten he ajattelevat vain tekevänsä meille palveluksen.

Seurasin kavereiden touhua tovin ja huomasin, että pössöttelyaineksia ei tarjottu ihan joka jampalle. Myyjillä oli selkeä sihti, kohderyhmä johon tarjous uppoaa parhaiten. Ehkä olin vain tilastollinen poikkeus kun en tarttunut syöttiin ja näin todennäköisyyksien jämäjoukkoa.

Myynnin ja markkinoinnin kohdentaminen

Tästähän myynnissä on kyse. Optimaalisimman ostajaporukan löytämisestä. Kaman välittäjien kannalta optimaalisinta ostoväkeä eli juhlivia nuoria miesporukoita, jotka voisi stereotyyppisesti olla parasta kohderyhmää, ei löydy joka nurkan takaa. Samoin kuin autokauppaan astuu liian harvoin keski-iän kriisistä kärsivä vakavarainen mies, joka heiluttelee setelitukkoa ja haluaa jatkaa miehuuttaan/nuoruuttaan tuliterällä urheiluautolla. Kun ilmiselvä saalis on kaluttu, pitää myynti kohdistaa siihen epäselvään massaan. Pitää laajentaa kohderyhmää mutta pitää se kuitenkin mahdollisimman pienenä ja näin fokus tarkkana.

Ja tällöin tullaan myynnin kannalta tärkeään kysymykseen: keitä asiakkaamme ovat? Minkätyyppinen kuluttajaprofiili ostaa meidän tuotetta? Keneltä saamme parhaimman konversion eli ostotodennäköisyys on suurin ja näin pidämme myynnin kulut pienenä?

Perinteiset stereotyypit vievät vain osan matkaa. Okei, autoja ostaa enemmän miehet. Kalliimpia autoja ostaa vanhemmat miehet. Naiset käyttävät enemmän kampaamopalveluita. Mutta entä sitten? Yritä mainostaa kaikille suomalaisille naisille. Populaatio on ihan liian laaja, kilpailu huomiosta liian kova ja konversio eittämättä liian pieni. Ja samalla valtava määrä potentiaalisia ostajia, eli miehiä, jää mainonnan ulkopuolelle.

Otollisin porukka, joka ostaa tuotettasi, on ominaisuuksien kombinaatio. Ehkä otollisin porukka on sinkkumiehet 25-35v. jotka ovat keskituloisia JA asuvat länsisuomessa TAI Helsingissä JA harrastavat liikuntaa sekä naiset 50-69v. äänestävät kokoomusta TAI ovat eronneet.

Tämän tiedon saaminen laskutusjärjestelmästä tai kanta-asiakasjärjestelmästä/CRM:stä ei onnistu pelkästään Excelissä pivotteja vääntämällä eikä se luonnistu QlikView:llä tai vastaavalla raportointivälineellä vaikka kuinka nopea ja helppokäyttöinen tuote olisikaan. Erilaisten kombinaatioiden määrä on vain liian suuri.

Vuosikymmenien kokemus antaa perstuntuman. Lissabonin kaman luukuttajilla oli varmasti jokin kokemuksen tuoma vainu siitä, kenelle kannattaa diilata ja kuka huutaa miliisiä apuun samantien.

Kaikilla ei ole vuosikymmenien kokemusta ja tällöin apuna on asiakaskäyttäytymisen mallintaminen. Eli asiakassegmentointi.

Asiakassegmentointi myynnin ja markkinoinnin apuna

Tällöin analytiikkasoftaan heitetään joukko muuttujia, jotka kuvaavat asiakkaita. Kanta-asiakas- tai CRM-järjestelmän tietoja kuten ikä, sukupuoli, tulotaso, harrastus, kaupunki… yhdistettynä asiakkaiden todelliseen ostokäyttäytymiseen kuten viimeisin ostokerta, ostosten tiheys (montako kertaa ostaa keskimäärin per vuosi/kk/viikko), keskiostos, ostosten kokonaismäärä, kate, konversioaste, asiakaspalvelukontaktit, reklamaatiot, mitä tuotteita/tuoteryhmiä asiakas on ostanut jne.

Softa tuuppaa ulos asiakassegmentit eli samankaltaiset asiakkaat mitä tulee heidän taustatietoihin ja käyttäytymiseen. Tällöin samaan ryhmään saattaa kuulua sekä miehiä että naisia. Sekä nuoria että vanhoja. Sekä landeja että kaupunkilaisia. Sekä varakkaita että persauksisia. Ja silti nämä kaikki saattavat olla niitä “optimaalisimpia ostajakanditaatteja”. Johtuen eri tekijöiden yhteisvaikutuksesta. Usean muuttujan kombinaatiosta.

Ehkä Lissabonissa minä pääsin myyjien listalle johtuen rinkasta selässä, huolimattomasta ulkomuodosta ja pieni tenava ja silmäpussit tässä yhtälössä vain vahvisti olettamusta. Tai sitten jotain ihan muuta.

Tämä on jokatapauksessa tieto, jota et saa selville millään muulla keinolla. Korkeintaan vuosikymmenien kokemuksella, jota voit kutsua vaikka intuitioksi, aavistukseksi, hiljaiseksi tiedoksi. Kaman luukuttajien ammattitaidoksi. Tiedoksi, joka on ehkä yhdellä parhaimmista myyjistäsi. Ja toivoisit, että voisit monistaa tuon tiedon muillekin.

No, sinä voit. Analytiikkan ja asiakassegmentoinnin avulla. Tai näin ainakin me olemme sen tehneet ja asiakkaillamme myynti tuntuu sujuvan aika mainiosti.

Seuraavassa postauksessa näytän miten tällainen yksinkertainen asiakasegmentointi tehdään 3 minuutissa. Jos tavara kiinnostaa, jää notkumaan kulmille.

 


28.04.2014 / News Team

SAP:n “Innovation Partner of the Year” ja Microsoftin kultakumppani Bilot sekä Microsoftin “Country Partner of the Year 2013” Sulava ovat laajentaneet vuonna 2011 alkanutta yhteistyötään ja tuovat markkinoille uuden pilvitukipalvelun. Yritykset palvelevat nykyään yhteensä yli kahtasataa asiakasta.

Yritykset ovat rakentaneet erityisesti Microsoftin pilviympäristöihin soveltuvan modernin tukimallin, jossa Microsoft vastaa alustapalveluista, palveluiden ylläpidosta sekä päivittämisestä ja ympäristön jatkuvasta kehittämisestä. Bilot ja Sulava vastaavat, että asiakas saa jatkuvasti täyden hyödyn tekemästään pilvi-investoinnista. Nyt lanseerattu tukipalvelu soveltuu jokaiselle Microsoftin pilvipalveluiden asiakkaalle. Palvelu on suunniteltu auttamaan asiakasta saamaan irti täyden hyödyn Microsoftin teknologioihin tekemistään investoinneista.

Bilot ja Sulava ovat jo aiemmin tehneet käyttöönottoja yhteistyössä. Laajasta asiakaskysynnästä johtuen yhteistyötä on nyt laajennettu kattamaan jatkuvan tuen ketterät mallit. ”Perinteiset ylläpitomallit on suunniteltu ympäristöihin, joissa ylläpito keskittyy palvelutason takaamiseen, virheiden korjaamiseen ja päivitysten asentamiseen. Pilvessä kaikki tämä on Microsoftin vastuulla ja sisältyy asiakkaan maksamaan kuukausimaksuun.” toteaa Sulavan toimitusjohtaja Aki Antman. ”Me keskitymme mallissamme siihen, että autamme asiakkaitamme hyödyntämään tehokkaasti Microsoftin lähes 10 miljardin dollarin vuosittaisen tuotekehitysbudjetin tuloksia ”.

Yhteinen palvelumalli on rakennettu soveltuvaksi sekä suurille että PK-yrityksille, jollaisista sekä Bilotin että Sulavan asiakaskunta koostuu. ”Bilot haluaa tarjota asiakkailleen ketterästi parhaita mahdollisia SAP- ja Microsoft-ratkaisuja. Sulava on vienyt ylivoimaisesti eniten suomalaisia asiakkaita pilveen ja levittämällä omaa kokemustamme sekä kapasiteettiamme edelleen Sulavan kanssa, parannamme entisestään omien asiakkaidemme palvelukokemusta.” sanoo Bilotin Productivity and Collaboration -liiketoiminnasta vastaava Ismo Piispa.

Microsoftin tuottavuusratkaisuiden liiketoimintajohtaja Jukka Veräväinen kommentoi uutta palvelua seuraavasti: ”Office 365 -pilvipalvelut tarjoavat asiakkaillemme mahdollisuuden ottaa todella nopealla aikataululla käyttöön uusia tuottavuusratkaisuja, joista esimerkkinä yhdistetyn viestinnän ratkaisut tulevat nopeasti liiketoiminnalle kriittisiksi. Tukipalveluiden tulee kehittyä jatkuvasti päivittyvän palvelun rinnalla. Siksi on tärkeää, että asiakkaillamme on asiantuntevia kumppaneita, jotka aktiivisesti ja näkemyksellisesti auttavat heitä hyödyntämään uusia ominaisuuksia.”

Perinteiset tukipalvelut on tehty toimittajien ehdoilla lähinnä asiakkaan tietohallinnon käyttöön. Nyt lanseerattu tukipalvelu on tarkoitettu ketteräksi, kevyeksi ja kustannustehokkaaksi lisäarvopalveluksi kaikille organisaatioille, jotka käyttävät Microsoftin pilvipalveluita. Mallissa yhdistyy Bilotin vahva kokemus jatkuvien palveluiden tuotannosta, sovellusten elinkaaren hallinnasta sekä sovellusratkaisujen kehityksestä ja Sulavan globaalisti tunnustettu osaaminen pilvipalveluissa ja tietotyön kehittämisessä sekä mittaamisessa. Malli tarjoaa myös poikkeukselliset proaktiiviset palvelut Microsoftin pilvipalveluiden jatkuvasti kehittyvän tarjoaman hyödyntämiseen sekä tietotyön tehostamiseen sosiaalisen teknologian avulla.

Lisätietoa:

Toimitusjohtaja
Ismo Piispa
Bilot Concept Oy
tel. +358 50 301 2514, ismo.piispa@bilot.fi

Toimitusjohtaja
Aki Antman
Sulava Oy
tel. +358 40 7432377, aki.antman@sulava.com

Bilot on asiakassuuntautunut ja innovatiivinen IT- palveluyritys. Haluamme edistää asiakkaidemme liiketoimintasovellusten käytettävyyttä, parantaa liiketoimintaprosesseja sekä tehostaa päätöksentekoprosessia tukevaa tiedonkulkua. Bilotin perustivat vuonna 2005 alan johtavat asiantuntijat. Olemme uranuurtaja uusien SAP- ja Microsoft-ratkaisuihin perustuvien sovellusten kehittämisessä sekä niiden ensiluokkaisessa käyttöönotossa ja elinkaaripalveluissa. Vuonna 2013 Bilotin liikevaihto ylitti 15 miljoonaa euroa. Työntekijöitä yrityksessä on reilut 115. Bilot on SAP:n vuoden innovaatiokumppani ja Microsoftin kultakumppani. bilot.fi

Sulava on vuonna 2010 perustettu kasvuyritys, jonka tehtävänä on viedä asiakkaidensa liiketoiminta pilveen. Sulava on vienyt Microsoftin pilveen yli 150 asiakasorganisaatiota, joilla on pilvipalveluissa reilusti yli 50 000 käyttäjää. Microsoft valitsi vuonna 2013 Sulavan vuoden parhaaksi kumppaniksi. Sulavassa on reilut 20 työntekijää ja tilikauden 2014 liikevaihto tulee ennusteen mukaan ylittämään 3,5 miljoonaa euroa. www.sulava.com


25.04.2014 / Janne Vihervuori

This two-part blog is based on our real-life experience in the first SAP Cloud for Sales project in Nordics we implemented for our customer within schedule and even below the budget in Q1 2014.

I will let my colleagues explain about the real benefits and processes of a cloud-based CRM solution itself, and I will write a practical list of DO’s and DON’Ts based on the insight we gained in this implementation project instead. Integration topics in SAP SaaS Cloud integration seem to be a point of great interest and an area with more questions than answers.

So, here goes, a list of DO’s and DON’Ts for SAP Cloud SaaS integration, first the DO’s:

  1. Get a high-ranking sponsor for the project! We were lucky to have the CIO of our customer involved in the project. This is beneficial, because there are many aspects within a rapid cloud solution implementation project that do not go by the current (on premise) corporate IT governance and IT service management. This does not mean breaking the rules, but having someone on the customer side to back up the speedy process and sometimes maybe bending the rules.
  2. Respect the infrastructure! Network architecture, secure connectivity to the internet and customer’s networking policies are some of the first things to check in a cloud integration project! It  is good to keep in mind that even though SAP provides a proper reference architecture for implementing the cloud integration network infrastructure, the customer most likely has the required network components (such as proxies, load balancers) in place already. Rule of thumb: integration outbound to the cloud is more straightforward and simple than integration inbound from the cloud!
  3. Respect the standard! SAP SaaS based integration is in large a collection of standard components in the SAP on-premise backend (ECC, CRM) and the SAP integration platform (on-premise PO, PI or Hana Cloud Integration). Because these components are to be used as efficiently as possible without going into a cowboy/hero mode of implementing integration from scratch and bypassing everything that is already available!

I will post our list of DON’Ts next week – stay tuned!


24.04.2014 / Mika Laukkanen

Seuraavat yhdeksän ohjetta on osoitettu päättäjille, joiden vastuulla on tietovarasto (BIDW) projektien aloittaminen ja/tai läpivienti.

1) Hanki aina pätevä projektipäällikkö. Pätevällä tarkoitetaan henkilöä, joka on vetänyt useita DW-projekteja ja useassa erilaisessa ympäristössä. Näiden projektien kiemuroita ei opi koulunpenkillä eikä tekemällä muita IT-projekteja. Mikäli teillä ei ole pätevää projektipäällikköä, niin hanki projektipäällikölle ainakin ’oikea käsi’ – ehkä konsultti, jolla on riittävästi kokemusta. Jos teillä on toimittaja, joka tekee tietovarastoa, niin älä hanki ’oikeaa kättä’ ko. firmasta vaan joltakin kilpailijalta. Pysyvät kaikki osapuolet terveellisen skarppina.

2) Kerää projektin ydinryhmään (määrittely, tietomallit, etl, raportointi..) kokeneet osaajat. Heidän ympärillään voi olla vähemmän kokeneita tekijöitä oppimassa, mutta älä jätä kriittisiä vaiheita heidän vastuulle. Jos niitä osaajia ei ole, niin käänny vaikka konsulttien puoleen. Varmista kuitenkin, että saat sieltäkin oikeita osaajia kurssin käyneiden sijasta.

3) Pidä huoli että jokainen projektiin osallistuva tietää mikä on projektin tarkoitus, tavoite ja lopullinen maali. Miksi koko projekti tehdään ja mikä on hänen osuutensa siinä? Yllättävän usein tämän tiedon jakaminen koetaan tarpeettomaksi, varsinkin isoissa projekteissa. Jokainen projektiin osallistuva kuitenkin tuo siihen oman panoksensa ja haluaa tietää osuutensa lopputuloksen kannalta. Jos se ei ole selvää, niin on turha odottaa 110%:ia suorituksia ja ylimaallisia venymisiä.

4) Älä sokaistu uusista ohjelmistoista tai teknologioista. Projektin onnistumisen ratkaisee edelleen siihen osallistuvat ihmiset. Luettakoon tähän kategoriaan myös ne, joiden pitäisi osallistua projektiin, mutta delegoivat vastuun jollekin muulle.

5) Etene rauhallisesti. Vaikka se ehdoton deadline menisikin ohi, niin huomennakin aurinko nousee idästä, laineet lyö rantahiekkaan ja linnut laulaa. Tämä ei tarkoita sitä etteikö aikatauluista pitäisi pitää kiinni, mutta sitä ei kannata tehdä laskemalla tekemisen laatua. Olen nähnyt käytännössä kuinka miljoonia maksaneesta tietovarastosta tuli käyttökelvoton, koska mitään ei ehditty tehdä kunnolla.

6) Odota vaikeuksia, niitä tulee lähes varmasti. Kun osaat odottaa haasteita, niin pystyt valmistautumaan niihin jo etukäteen. Sitten kun ne ilmenevät, niin iloinen virne naamalle ja Rokka asenteella niiden kimppuun.

7) Rakenna tietovarastoa pienissä osissa, jotta se pysyy hyvin hallinnassa ja saat ensimmäiset tulokset nopeasti arvioitavaksi. Usein kuulee jälkiviisauden – ” valittiin liian suuri scope..”. Toisaalta, kuinka usein kuulee kenenkään harmittelevan liian pientä scopea – isompikin olisi mennyt, paljon ISOMPI!

8) Projektin alussa kahden asian tulee olla selvillä. Ensimmäinen on projektin haluttu lopputulos. Toinen on datat, joista lopputulos pitäisi rakentaa. Lopulta se projekti rakentuu näiden kahden asian välille. Yksi jos toinenkin DWBI-projekti on joutunut hankaluuksiin, kun jompikumpi tai molemmat kohdat ovat olleet alkuvaiheessa ylimalkaisesti määriteltyjä.

9) Pidä yllä hyvää tekemisen henkeä, se investointi maksaa itsensä takaisin. Eikä se usein vaadi muuta kuin rohkaisevaa palautetta ja uskon luomista hyvään lopputulokseen. Olin kerran projektissa, jossa päivät venyivät iltaan ETL:n parissa. Eräänä iltana projektipäällikkö saapui suuren omenapussin kanssa ja alkoi jakaa omenoita (ja tsemppailuja) kaikille väsyneille ETL-puurtajille. Muutaman euron investointi teki ihmeitä työteholle ja motivaatiolle.

Tässäpä näitä tällä kertaa. Kymmentä ohjetta ei tullut, koska se olisi vaikuttanut jotenkin ‘oikealta’ määrältä. Nyt varaan mahdollisuuden kirjoittaa tälle vielä jatko-osia.


14.04.2014 / Lasse Liukkonen

Blogikirjoituksen tarkoituksena on esitellä yksi keino estimoida kampanjan vaikutusta myyntiin. Aineistona on yrityksen “Lassen lelutehdas” myyntieurot vuodesta 1996 vuoteen 2003. Lelutehtaalla on vuosien saatossa ollut vain yksi kampanja tammikuusta (1997) elokuun (1997) alkuun saakka. Kampanjan todellinen vaikutus myyntiin tunnetaan, mutta sitä tietoa käytetään vain ennustetarkkuuden laskennasta, ts. käytämme vain tietoa kampanjan alkamisajankohdasta (ja ripauksen loppumisajankohdasta arvioitaessa kampanjan vaikutusta kampanjan jälkeiseen aikaan). Blogikirjoitus on tarkoitettu ensisijaisesti R-osaajille tai luomaan yksinkertaisen kuvan pikaisesta kampanjan vaikutuksen estimoinnista. Kampanjan vaikutuksen tutkimisessa suoritetaan seuraavat vaiheet:

  1. Myyntiaineiston redusointi; katkaistaan myyntiaineisto kampanjan alkamisajan kohdasta.
  2. Muodostetaan SARIMA-malli katkaistulle aineistolle.
  3. Ennustetaan estimoidun mallin avulla myyntiennuste seuraavalle vuodelle (1997).
  4. Tarkastellaan kampanjan vaikutuksen päättymistä ennusteen avulla
  5. Lasketaan todellisen ja ennustetun aikasarjan erotus estimoidulta kampanjan vaikutusajalta => kampanjan vaikutus (euroina).

1. Aineisto ja sen redusointi

Aineisto ja sen muodostama aikasarja graafina.

aika_sarja_kampanjaMyynti_data

aika_sarja_kampanjaMyynti_2

Kampanjan vaikutus on määritelty aikavälille 1.1997-7.1997:

(17325,15473,15443,9876,6758,3215,4360), kampanjan vaikutus=72450.

Redusoitu aikasarja 1992-1996:

aika_sarja_kampanjaMyynti_1992_1996

2. SARIMA-malli

Aikasarja malliksi valittiin acf/pacf-tarkasteluiden päätteeksi SARIMA-malli seuraavilla estimoiduilla parametreilla, jossa ar1=AR-kerroin, sar1/2=AR-kausikertoimet, 1:length(timeseries_1_48)=drifti.

sarima_malli

3. Mallin tuottamat ennusteet seuraavan vuoden myynnille

Mallin tuottamat sovitteet ja ennusteet seuraavalle vuodelle:

aika_sarja_kampanjaMyynti_1992_1996_ennuste

ennusteet_aikasarja_kampanja

4. Kampanjan vaikutuksen päättyminen

Esimerkin tapauksessa käy hyvin kampanjan päättymisen ennustamisessa, sillä kriteerinä kampanjan vaikutuksen päättymiselle voidaan pitää hetkeä, jolloin tarkasteltava aikasarja leikkaa ennustetta. Aina tilanne ei ole yhtä ruusuinen, joskus joudutaan tekemään “silmämääräinen” päätös kampanjan vaikutuksesta aineiston ja ennusteen avulla (graafien/luottamusvälien avulla). Seuraavasta kuvasta huomataan, että kampanjan vaikutus estimoidaan loppuneeksi heinäkuussa 1996 (sama kuin todellisuudessa):

aika_sarja_kampanja_vaikutus

5. Kampanjan vaikutuksen estimaatti

Edellisestä kappaleesta saamme laskettua estimoidun kampanjan vaikutuksen summaamalla positiiviset arvot yhteen. Estimoitu kampanjan vaikutus on 68581, kun oikea arvo oli 72450. Pääsimme siis hyvin lähelle todellista vaikutusta yksinkertaisella aikasarjamallinnuksella.

Esitetyn lähestymistavan etuna on sen helppo toteutus. On kuitenkin aikasarjoja, jotka eivät ole yhtä “säännöllisiä” kuin esimerkin aikasarja, jolloin kampanjan vaikutusajan estimoinnissa voi tulla ongelmatilanteita, eikä myöskään ARIMA-mallin sovittaminen ole aina järkevää/mahdollista. Mikäli ARIMA-perheen mallit eivät ole tuttuja, voi myynnin ennusteet (redusoidusta aineistosta) estimoida esimerkiksi Holt-Winters:llä tai aikasarjan dekomponoinnin avulla (estimoi trendi tuleville kuukausille lineaarisella regressiolla ja lisää trendiin kausivaihtelukomponentti).


9.04.2014 / Lasse Liukkonen

Blogin tarkoituksena on käydä läpi yksinkertainen lähestymistapa brändilojaalisuuden tutkimiseen, vaikkakin taustalla lymyävä Markovin ketjujen teoria ei ole välttämättä yksinkertaista (ainakaan tilanteissa, joissa ketjujen siirtymäydin on jatkuva vrt. siirtymämatriisi). Konstruoimme esimerkkiaineiston avulla Markovin ketjun siirtymämatriisin, jonka avulla saamme laskettua lojaalisuutta kuvaavat kertoimet (tasapainojakauman todennäköisyydet). Aluksi käymme kuitenkin aineiston kimppuun.

1. Aineisto

Esimerkkiaineistona on tarkasteltu 39 asiakkaan matkapuhelimen ostokäyttäytymistä rajoittuen kolmen matkapuhelin valmistajan tuotteisiin. Aineisto sisältää asiakaskohtaisesti neljän ostokerran tiedot ostetuista puhelinmerkeistä,

Lojaliteetti_aineisto

Aineisto on siis hyvin yksinkertainen ja helposti muodostettavissa esimerkiksi myyntitapahtumista. ID kenttää tarvitsemme tunnistamaan asiakkaan peräkkäiset ostokerrat, ostokerrat on oltava ajallisesti järjestyksessä.

2. Markovin ketjun konstruointi

Muodostettava Markovin ketju on ajallinen prosessi, joka kuvaa puhelimien vaihtoprosessia. Markovin ketjun erityispiirre on se, että uuden ostokerran arvo (puhelimen merkki) riippuu ainoastaan edellisestä ostokerrasta, ei sitä edeltävistä. Esimerkin tapauksessa Markovin ketjun tila-avaruus on {Nokia, Samsung, Iphone}, siis mahdolliset ketjun saamat puhelinmerkkien arvot. Voimme määrittää muodostettavan ketjun alkujakauman 1. ostokerran frekvenssien perusteella (alkujakauman määrittäminen ei välttämätöntä sovellettaessa):

(17/39, 11/39, 11/39)=(0.44, 0.28,0.28),

missä 0.44 on Nokia puhelimien suhteellinen osuus, sekä 0.28 Samsungin ja Iphonen suhteelliset osuudet.

Oleellisin ketjun rakenne on siirtymämatriisi, joka kertoo puhelimien vaihtotodennäköisyydet. Kappaleen alussa mainitusta erityispiirteestä johtuen saamme konstruoitua siirtymämatriisin helposti laskemalla peräkkäisien ostokertojen siirtymien osuudet. Seuraavassa kuvassa siirtymien frekvenssit (laskettu excelillä),

Lojaliteetti_siirtyma_frek

Siirtymäfrekvenssien avulla saamme laskettua siirtymämatriisin arvot jakamalla sarakekohtaiset summat siirtymän alkuarvon (1. sarakkeessa Nokia) esiintymisten lukumäärällä poislukien viimeisen ostokerran lukumäärät. Koska siirtymäfrekvenssi-sarakkeita on 9 kpl tulee siirtymämatriisissa olemaan 9 solua. Siirtymämatriisi ja ketjun siirtymiä kuvaava graafi on seuraavanlainen:

Lojaliteetti_matriisi

Nyt olemme konstruoineet diskreetissä tila-avaruudessa kuljeskelevan Markovin ketjun. Lasketaan vielä ketjun avulla esimerkinomaisesti todennäköisyys sille että (populaation) henkilö ostaa ensimmäisellä kerralla Nokian ja viimeisellä (4. ostokerta) ostokerralla hänellä on kädessään uusi Iphone. Laskenta tapahtuu yksinkertaisesti matriisilaskennan avulla, merkataan siirtymämatriisia laskennassa A:lla:

(0.44, 0.28,0.28)*A*A*A=(0.44, 0.28,0.28)*A^3=(0.35, 0.37, 0.28),

missä *-merkki tarkoittaa matriisituloa. Nyt poimimalla syntyneen vektorin 3:n komponentin (vastaa Iphonea) saamme todennäköisyydeksi 0.28.

3. Regulaarinen Markovin ketju

Aluksi mainittakoon, että sana regulaarinen ei välttämättä ole kirjallisuudessa käytetty vastine englanninkieliselle sanalle regular. Riittävä ehto Markovin ketjun regulaarisuudelle on se, että ketjun kaikki siirtymätodennäköisyydet ovat aidosti positiivisia. Selvästi nähdään, että kyseinen ehto toteutuu viime kappaleessa konstruoidussa siirtymämatriisissa. Regulaariselle Markovin ketjulle pätee seuraava tulos:

A^n –> W, kun n kasvaa rajatta.

Rajamatriisi W on matriisi, jonka rivien alkiot ovat aidosti positiivisia ja ne summautuvat 1:ksi (voidaan tulkita siirtymämatriisiksi). Matriisin W riviä kutsutaan tasapainotilaksi. Kuten arvata saattaa, tämän kyseinen matriisin rivi kuvaa esimerkissämme lojaalisuuslukuja (todennäköisyyksiä). Saadaksemme lojaalisuutta kuvaavat luvut, riittää muodostaa siis matriisitulo A^n, riittävän suurella n,

Lojaliteetti_kertolasku

Ylhäällä olevan kuvan perusteella siirtymämatriisimme konvergoi todella nopeasti, tuloksena saamme tasapainotilan

(0.35 , 0.37 , 0.28).

  • Brändien lojaliteetit: Nokia 0.35, Samsung 0.37, Iphone 0.28.

Yksinkertaisen analyysin perusteella Samsung- ja Nokia-puhelimien omistajat ovat liki yhtä lojaaleja brändilleen, Iphonen omistajat vähiten. Lojaalisuus ilmentyy tulomatriisista A^10 kahdella tavalla: a) Nokia/Samsung puhelimen omistajat ovat keskimääräistä taipuvaisempia pysymään Nokiassa/Samsungissa, jos ovat sen valinneet, sekä b) ovat keskimääräistä taipuvaisempia palaamaan Nokiaan/Samsungiin, jos ovat niistä pois hairahtaneet.


7.04.2014 / Kristiina Burtsoff

Sokerista, kukkasista, inkivääristä, kanelista. Työpaikkailmoituksia lukiessa tulee mieleen vanha englantilainen kansanruno. Liikaa kuorrutettu kuvaus ei kerro hakijalle mitään minkä perusteella tehdä valintaa, joka vaikuttaa pitkälle tulevaisuuteen. Toisaalta liian tavanomainen teksti on vain latistava. Oman yrityskulttuurin ja työyhteisön kuvaaminen ei ole helppoa.

Parhaat talentit hakevat työyhteisöä, joka on kuin he: rohkea ja aina valmis laittamaan itsensä likoon. Elämme Bilotilla voimakasta kehittymisen ja kehittämisen aikaa nyt kun henkilöstömäärämme on 110 plus. Kolme sisäisten järjestelmiemme kehitysprojektia yhtenä keväänä voi olla liikaa, mutta haluamme panna asioita kuntoon sitä mukaa kuin suinkin kykenemme. Valloitamme uusia osaamisalueita jatkuvasti. Ajoittainen epämukavuusalueella käyminen siirtää henkisiä rajojamme etäämmälle.

Raskas työ vaatii vastaavat huvit. Bilotin työyhteisön Vuoden Tapahtuma ei tietenkään ole pikkujoulut vaan The Kevätretki. Lähdemme jälleen toukokuussa koko porukalla seikkailulle, jonka määränpäätä ja sisältöä ei tiedä kuin vuosittain vaihtuva järjestelytoimikunta. Toimistolta lähdetään perjantaiaamuna ja paluu, hieman ryytyneinä mutta onnellisina, samaan paikkaan on lauantai-iltana. Retki on kuin turnaus, joka kasvattaa meistä joka vuosi uudelleen joukkueen.

Hauskanpitoa ja tapahtumia kevätretkillä riittää, joskus mukaan tarttuu myös matkamuistoja, joista kehitellään uusia tarinoita vaikka firman sisäiseen joulukalenteriin. Yksi työhyvinvoinnin tärkeimpiä mittareita onkin leikillisyys. Bilotilla huumori ja leikillisyys on hyvässä tasapainossa kilpailuhenkisyyden kanssa. Emme pidä häviämisestä, mikä tarkoittaa myös sitä, että kauppojen voittamisen lisäksi haluamme voittaa asiakkaidemme luottamuksen ja tehdä työmme parhaiten.

Haemme jatkuvasti uusia bilotteja joukkueeseemme. Jos haluat ehtiä mukaan kevätretkelle, pidä kiirettä ja lähetä hakemuksesi meille rekry@bilot.fi.


1.04.2014 / Ville Niemijärvi

Linkedin_logoLouhian tuotekehitysosasto on julkaissut beta-version uudesta ennakoivan analytiikan tuotteesta, joka on suunnattu suuryritysten henkilöstöhallintaosastoille estämään aivovuoto.

Kehittämämme algoritmi lukee yrityksen työntekijöiden LinkedIn-aktiivisuuden: uudet kontaktit, tykkäämiset, liittymiset ryhmiin, postaukset, profiilin täydentämiset jne. ja vertaa sitä edistyneeseen poistumamalliin todennäköisestä työpaikan vaihtajasta.

Tuote on nyt koekäytössä kourallisessa kansainvälisesti toimivia suuryrityksiä ja palaute on järisyttävän positiivista.

Olemme pystyneet pongaamaan Louhian algoritmilla ennakkoon kymmeniä potentiaalisia kilpailijoille siirtyjiä ja tarjoamaan heille porkkanaa, jotta he ovat jääneet taloon. 

Mikä parasta: tuotteen avulla löydetään myös ns. vähään tyytyjät. Näille kavereille on turha antaa palkankorotuksia koska näemme ettei reppanat ole mihinkään lähdössä. Mahtavaa!

Suuryrityksen HR-päällikkö

Oppivat algoritmit käytännössä – vuosien tuotekehityksen tulos

Tuotteen kehitys sai alkunsa huomiosta, että työpaikan vaihtoa tai palkankorotusta suunnittelevat LinkedIn-jäsenet aktivoituvat ja alkavat haalia uusia kontakteja, päivittävät profiiliaan keskimääräistä huomattavasti tiheämmin ja osoittavat muutenkin normaalia poikkeavaa käytöstä.

Tästä alkoi tuon hypoteesin testaus ja tuotekehitys, jossa pilvirahoituksen turvin saimme useilta kumppaniyrityksiltä todellista historiadataa heidän poistuneista ja ei-poistuneista työntekijöistä. Yhdistimme tämän tiedon näiden työntekijöiden LinkedIn-historiaan ja loimme data mining -työvälineillä ennustemallin. Opetimme algoritmit havaitsemaan, milloin työntekijä poistuu. Lopputuloksena on todella monimutkainen mutta nerokas malli, joka yhdistää työntekijän taustatietoja (ammatti, koulutus, sukupuoli, kansallisuus, ikä, tulotaso) sekä hänen LinkedIn-aktiviisuuden ja pisteyttää työntekijät poistumatodennäköisyyden mukaan.

Pätijät ilman substanssia jäävät kiinni

Malli löytää myös mainiosti tyhjän jauhajat eli name-droppaajat, jotka haluavat vain päteä keskustelupalstoilla ja luetella wikipediasta ja self-help -oppaista löytämiään hypetermejä sekä kommentoida kaikkea mikä liikkuu, omaamatta kuitenkaan mitään todellista osaamista tai mikä tärkeintä – aitoa intoa vaihtaa työpaikkaa. Tällaiset  Pätijät-Ilman-SubstanSsia eli somen Pissikset on hyvä erottaa todellisesta aivovuodosta.

Algoritmeja on jouduttu matkan varrella virittämään herkemmiksi ja herkemmiksi koska alustavissa analyyseissä 98% LinkedIn populaatiosta osui tähän segmenttiin.

Jatkokehitys: tiedämme milloin vaimosi nostaa kytkintä

Louhian R&B-osasto jatkaa tuotteen kehittämistä ja aiomme viedä sen seuraavaksi uusille markkinoille. Tällä hetkellä mallinnuksen alla on päätellä muiden sosiaalisen median alustojen kuten Facebookin, Pinterestin, Instagrammin ja Pentagrammin aktiivisuuden perusteella, milloin parisuhde on katkolla. Alustavat tulokset ovat lupaavia joten jatkossa sinun ei tarvitse enää tutkia salaa puolisosi puhelinta tai hakkeroida hänen facebook tilille, Louhian big data some-algoritmi kertoo milloin partnerisi on oikeasti lähdössä ja milloin sinun kannattaa siirtyä perusnahjuksesta kunnon stalkkeriksi ja alkaa etsimään lemmikkikanille sopivaa pataa.