Lasse Liukkonen

16.05.2016

blog

Azure ML – Prediktiivisen analytiikan ...

Viime kirjoituksessa käytiin läpi IBM Watson analytics-palvelun käyttökokemuksia ja oleellisia toiminnallisuuksia. Kuten kirjoituksessa tuli luvattua, on seuraavaksi luvassa kurkistus "kilpailevaan" Microsoftin Azure ML-palveluun. Heti kättelyssä voisi kuitenkin mainita, että oikeastaan palvelut painivat eri sarjassa: Watson analytics painottuu tutkivaan aineiston analysointiin ja Azure ML puolestaan prediktiiviseen. Kirjoituksen kannalta oleellisinta onkin saada käsitys siitä miten nämä käsitteiden erot näkyvät konkreettisesti data-analyysin tekemisessä, löydöksissä ja tuloksissa.

Read more

05.05.2016

post

Katsaus IBM Watson Analyticsiin – Mitä sain irti ...

Näin Vapun jälkeisissä simoissa ja munkkipöhnässä ajattelin kirjoittaa uudehkosta analytiikan pilvipalvelusta, Watson Analyticsistä. Miksi? Sana Watson on kantautunut näkö- ja kuuloaisteihini hyvin rytinällä…

Read more

15.04.2016

post

Nyt lähtee ristiinmyynti lapasesta

Tässä onkin mennyt jo tovi edellisestä analytiikkaan liittyvästä blogi-postauksesta, joten allekirjoittanut nakitettiin tarinoimaan. Selattuani hetken läppärin aarteita, huomasin, että on tullut tehtyä ristiinmyynnin…

Read more

28.01.2016

post

Deep learning – Mitä se on?

"Deep learning"- termiin törmää nykyisin monessa yhteydessä, esimerkiksi lukiessaan kagglen kilpailujen tuloksia tai alan kirjoituksia (machine learning). Google Trendsistä tarkastettuna "deep learning" tai tuttavallisemmin syväoppiminen on alettu hypettämään 2012 vuoden lopusta lähtien ja termin viljeleminen internetissä on ollut liki eksponentiaalisessa nousukiidossa. Mistä oikein on kyse?

Read more

10.11.2015

post

Kuinka mitata kahden tuotteen myynnin välistä ...

Monesti olen törmännyt kysymykseen "Miten mitataan kahden eri tuotteen myynnin välistä korrelaatiota?" tai vastaavasti "Miten tuotteen A myynnin historiaa voidaan käyttää tuotteen B kysynnän ennustamisessa lähitulevaisuuteen?". Konseptina näissä kysymyksissä esiintyivät aikasarjat.

Read more

26.04.2015

post

Asiakkuudenhallinnan analytiikka ...

Edellisessä kirjoituksessa paneuduimme analyyttiseen prospektointiin ja sen tuomiin hyötyihin liiketoiminnan ohjauksessa. Kun uudet asiakkaat on saatu hankittua prospektien joukosta, voidaan heidän osaltaan aloittaa seuraava vaihe asiakkuuden hallinnassa, asiakkuuden pitäminen.

Read more

12.03.2015

post

Asiakkuudenhallinnan analytiikka ...

Prospektointi, kohdennetun uushankinnan määrittely, on avainasemassa yrityksen myyntistrategiassa. Vanhoilliset myynnistä vastuussa olevat henkilöt yleensä ajattelevat, että myyjien tulee itse haalia kasaan potentiaaliset uusasiakkaat ilman mitään systemaattisia/analyyttisiä apukeinoja, ”valistuneita vihjeitä”. Yleensä myyjillä ei ole edes pääsyä, osaamista tai kiinnostusta porautua nykyiseen asiakaskantaan ja/tai vanhoihin myyntiponnistelutietoihin. Myyjien aikaansaannokset edellämainituissa tilanteissa ovat heikommat kuin yrityksellä, jossa käytetään systemaattista myynti-/prospektointistrategiaa asiakaslistojen tekemisessä. Tietysti useista yrityksistä löytyy niitä huippumyyjiä, jotka vuodesta toiseen louhivat yritykselle malmia huonoinakin aikoina, omien kontaktilistojensa avulla. Tämänkaltaisien huippuosaajien tekemisiä ei tietenkään ole järkevää häiritä strategiamuutoksilla prospektoinnin osalta.

Read more

19.02.2015

post

Asiakkuudenhallinnan analytiikka ...

Asiakkuudenhallinta (eng. customer relationship management, lyh. CRM) on keskeisempiä käsitteitä nykypäivän yritystoiminnassa. Se pitää lyhykäisyydessään sisällään asiakaslähtöisen ajattelutavan yrityksessä, sekä siihen yhteydessä olevat IT-pohjaiset järjestelmät. Asiakkuudenhallinnan keskeisenä ideana on tuoda hyötyjä sekä liiketoimintaa harjoittavalle yritykselle että heidän asiakkailleen. Oikein rakennetun ja edistyneen asiakkuudenhallinnan hyötyjä yritykselle ovat mm. asiakashankinnan kulujen vähentäminen ja kohdentaminen (prospektointi), korkea asiakaspysyvyys (asiakaspito, poistuma), sekä yleinen kilpailukyvyn parantaminen (liikevaihdon parantaminen pienin kustannuksin).

Read more

02.09.2014

post

Asiakaspoistuma-analyysin vaiheet RapidMinerilla

Kirjoitelma on jatkoa Asiakaspoistuma-analyysi ja miljoona lisämyyntiä blogiketjun avaukselle. Kirjoitelmassa käydään läpi asiakaspoistuma-analyysin suorittamisen vaiheet poikkileikkausaineiston tapauksessa. Yleisesti sanottakoon, että asiakaspoistuma-analyysin suorittaminen Rapidminerilla on melko vaivatonta ja nopeaa. Allekirjoittaneen mielestä Rapidminer lukeutuu markkinoiden parhaisiin ja nopeimmin oppittaviin analytiikkaohjelmistoihin erityisesti luokittelutyyppisien ongelmien osalta. Esiteltävät poistuma-analyysin vaiheet eivät ole suinkaan ainoat mahdolliset, tarkoituksena on antaa yksi käyttökelpoinen runko analyysin suorittamiselle. Poikkileikkausaineiston tapauksessa voidaan yleensä noudattaa seuraavaan kaavion mukaista etenemismallia:  

Read more