Hva er prediktiv analyse?
All drift etterlater seg spor: salgstall, ordrer, sykefravær, kundehenvendelser, driftsstans. Prediktiv analyse tar disse sporene og bruker maskinlæring til å finne mønstrene i dem. Deretter snur den mønstrene fremover og beregner hva som mest sannsynlig skjer neste uke, neste måned eller neste sesong.
Det er viktig å forstå hva svaret er: en sannsynlighet, ikke en fasit. En god prediksjon sier at det er åtti prosent sjanse for at denne kunden faller fra, eller at etterspørselen øker rundt tjue prosent før helgen. Verdien ligger i at du kan handle på anslaget før det er for sent, i stedet for å reagere etterpå.
Kvaliteten avhenger helt av historikken. En modell som har lært av to år med ryddige salgstall treffer langt bedre enn en som har lært av tre måneder med hull i dataene. Hvor godt den treffer, måles som nøyaktighet.
Eksempel fra hverdagen
Et bakeri med flere utsalg vet at salget svinger med ukedag, vær og ferier. Med prediktiv analyse på egne salgstall og værmeldingen kan systemet foreslå hvor mange brød og boller hvert utsalg bør bake i morgen. Resultatet er mindre svinn ved stengetid og færre tomme hyller ved lunsjtider. Ingen spåkule, bare bakeriets egen historikk satt i arbeid.
Hvorfor det betyr noe for en mindre bedrift
De fleste mindre bedrifter sitter allerede på råstoffet: årevis med tall i kassasystemet, regnskapet og ordrelistene. Prediktiv analyse gjør denne historikken om til bedre beslutninger om innkjøp, bemanning og oppfølging av kunder som er i ferd med å forsvinne. Du trenger ikke datavarehus eller eget analyseteam for å starte. Start med ett spørsmål du tar stilling til hver uke, og la tallene dine svare på det.