Tavs informācijas panelis parāda, kas notika. Vai tas var pateikt, kas notiks tālāk?

Pie viena no mūsu klientiem pārdošanas dati tika apkopoti vienotā datu sistēmā. AI rīks analizēja visas komandas rezultātus, meklējot likumsakarības gan labā, gan vājākā sniegumā. Pēc tam šīs likumsakarības tika pārvērstas saprotamā biznesa valodā un nodotas vadībai pārskata veidā.

Pārskats bija precīzs.

Taču drīz kļuva skaidrs kas būtisks: labs pārskats un reālas izmaiņas rezultātos ir divas dažādas lietas.

Ko patiesībā parāda informācijas panelis?

Tradicionāls pārskats labi atbild uz vienu jautājumu: "Kas notika?"

Šajā gadījumā dati bija strukturēti, analizēti un pārvērsti no tehniskas informācijas tādā formā, ko pārdošanas vadītājs varēja izmantot ikdienas darbā. Tas jau sniedza daudz vairāk informācijas nekā parasts informācijas panelis.

Pārskats parādīja, ko atklāj dati. Tas identificēja likumsakarības starp labākajiem pārdevējiem, parādīja, kuros darījumu posmos rezultāti pasliktinās un kāda rīcība bija raksturīga labākiem rezultātiem.

Taču nākamais jautājums bija sarežģītāks: Ko konkrētam cilvēkam vajadzētu darīt citādi jau rīt?

Lai uz to atbildētu, nepieciešama cita veida informācija. Tas, ka labākie pārdevēji rīkojas noteiktā veidā, pats par sevi vēl nepasaka, kura darba daļa jāmaina pārdevējam ar vājākiem rezultātiem. Šis modelis kļūst redzams komandas līmenī. Taču nākamajam solim jābūt skaidram konkrētajam cilvēkam.

Kur ar precizitāti vairs nepietiek?

Pārskats bija pareizs. Tajā identificētās likumsakarības apstiprinājās. Taču katram cilvēkam tas nepiedāvāja konkrētu nākamo soli.

Vadītājs varēja redzēt, ka noteikta rīcība ir saistīta ar labākiem rezultātiem. Tālāk bija jāizvērtē, ko šis secinājums nozīmē katram komandas dalībniekam:

• Vienam pārdevējam tas varēja nozīmēt izmaiņas sarunu veidā.
• Citā gadījumā - atšķirīgu pieeju potenciālo klientu uzrunāšanai vai turpmākajai komunikācijai.
• Savukārt labākajam pārdevējam vajadzēja pavisam citu skatījumu - nevis labot problēmu, bet atrast iespēju vēl vairāk uzlabot jau efektīvu pieeju.

Tieši šeit ar informācijas precizitāti vien vairs nepietiek. Svarīgs kļūst jautājums: cik ātri precīza informācija pārvēršas konkrētā rīcībā?

Pārskats var identificēt likumsakarību. Lēmums par to, ko šī likumsakarība nozīmē konkrētam cilvēkam, joprojām jāpieņem.

Kas mainās, kad sistēma var pateikt, kas, visticamāk, palīdzēs tālāk?

Dažus mēnešus pēc pirmās versijas ieviešanas bija uzkrājies pietiekami daudz papildu datu, lai analīzi izmantotu nākamajā līmenī. Mainījās pats jautājums.

Tā vietā, lai jautātu tikai: "Ko mūsu labākie pārdevēji dara citādi?"

Sistēma varēja jautāt: Balstoties uz šīm likumsakarībām, kas varētu palīdzēt šim konkrētajam pārdevējam uzlabot rezultātu?

Atbilde kļuva individuāla. Pārdevēji saņēma individuālus ieteikumus, balstoties uz darbībām, kas komandā bija saistītas ar labākiem rezultātiem. Arī labākie pārdevēji saņēma savus ieteikumus - šoreiz nevis korekcijām, bet jau veiksmīgas pieejas uzlabošanai.

Sistēma pārgāja no likumsakarības aprakstīšanas uz tās piemērošanu konkrētam cilvēkam. Tā vairs tikai nepaskaidroja, kas pārdošanas komandā bija noticis. Tā izmantoja iepriekšējos datus, lai noteiktu, kādas darbības konkrētajam pārdevējam varētu palīdzēt sasniegt labāku rezultātu jau pirms nākamajām sarunām ar klientiem.

Kas nepieciešams, lai atziņa pārvērstos rīcībā?

Projekts devās vēl vienu soli tālāk. Identificētās likumsakarības tika savienotas ar automatizētiem procesiem, kas pārdevējiem veidoja ikdienas plānus. Šie plāni balstījās uz darbībām, kuras dati konkrētajā dienā norādīja kā perspektīvākās.

Izveidojās skaidra secība: Dati → likumsakarība → individuāls ieteikums → dienas plāns

Ar katru soli cilvēkam pašam bija mazāk jāinterpretē dati.

• Pirmā versija vadībai parādīja, kas notiek.
• Otrā sasaistīja šīs likumsakarības ar konkrētiem cilvēkiem.
• Trešā pārvērta atziņu plānā, ko varēja izmantot uzreiz.

Informācijas vērtība parādās tad, kad tā palīdz pieņemt lēmumu vai mainīt rīcību.

Tātad - tavs informācijas panelis parāda, kas notika. Vai tas var pateikt, kas notiks tālāk?

Var, taču ar dashboardu vien parasti nepietiek.

Šajā projektā izveidojās trīs atšķirīgas iespējas: parādīt, kas notika, noteikt, kas varētu uzlabot rezultātu, un pārvērst šo atziņu nākamajā darbībā.

Pārskats bija precīzs un vērtīgs. Pārskats atbildēja uz jautājumu par notikušo, bet uzņēmumam bija nepieciešama atbilde uz citu jautājumu - ko darīt tālāk.

Svarīgākais bija pāriet no: "Dati rāda šo." uz "Lūk, kas šim cilvēkam jādara tālāk."

Lai šo pāreju aizvērtu, projektam bija nepieciešami vēl divi attīstības posmi.

Pirms paļauties, ka nākamais dashboard, pārskats vai AI analīze pats par sevi mainīs rezultātu, ir vērts uzdot vienu jautājumu:

Cik soļu ir starp to, ko rāda dati, un to, ko cilvēks pēc tam patiešām dara?

Tieši tur beidzas pārskatu veidošana un sākas lēmumu atbalsts.