Какие бизнес-задачи решает логическая витрина данных? Как ее построить? В чем преимущества витрины данных, построенной с использованием концептуального моделирования, и онтологических (семантических) технологий?
Логическая витрина для доступа к большим даннымSergey Gorshkov
Как компании получить максимальную выгоду от накопленной информации? Как интегрировать данные из хранилищ Big Data с традиционной аналитической информацией?
Какие бизнес-задачи решает логическая витрина данных? Как ее построить? В чем преимущества витрины данных, построенной с использованием концептуального моделирования, и онтологических (семантических) технологий?
Логическая витрина для доступа к большим даннымSergey Gorshkov
Как компании получить максимальную выгоду от накопленной информации? Как интегрировать данные из хранилищ Big Data с традиционной аналитической информацией?
Andrii Belas: Turning machine learning models into stuff that actually helps ...Lviv Startup Club
Andrii Belas: Turning machine learning models into stuff that actually helps people and makes money
AI & BigData Online Day 2021
Website - http://aiconf.com.ua
Youtube - https://www.youtube.com/startuplviv
FB - https://www.facebook.com/aiconf
M. Drobyshev. Personal acqusition and retention in loyalty programs - retail ...Maxim Drobyshev
Приводятся методики и примеры выделения поведенческих сегментов с наилучшим изменением CLV (пожизненной ценности клиента) по сравнению с контрольной группой в результате акции.
Также обсуждается роль банков и требования к информационной системе.
Коробочный модуль АТК ДОМИНО 8. Анализ продаж, Софт-ВестMarina Payvina
Компания Софт-Вест представила коробочное решение «АТК Домино 8. Анализ продаж», созданное совместно с Консультационной Группой АТК. Андрей Вальман, руководитель проектов, показал, как использовать модуль для анализа эффективности продаж на основе системы Домино для торговых компаний.
ATK QlikView for Retail - Krasnopolsky AndreyMarina Payvina
Генеральный директор Консультационной Группы АТК, Андрей Краснопольский, представил отраслевое решение компании для ритейлеров и показал, как использовать Qlik Sense для анализа продаж, маркетинговых акций, складских запасов и управления потерями. Спикер провел живую демонстрацию работы системы и показал кейсы по комплексной аналитике потерь и товародвижения.
Большие данные и бизнес-аналитика: как найти пользу?Marina Payvina
Как извлечь пользу из больших данных.
Инструменты бизнес-аналитики для анализа и исследования больших данных
Мероприятие:
День Науки НИУ ВШЭ 2015
Фото: http://vk.com/album-66011151_214023156
Andrii Belas: Turning machine learning models into stuff that actually helps ...Lviv Startup Club
Andrii Belas: Turning machine learning models into stuff that actually helps people and makes money
AI & BigData Online Day 2021
Website - http://aiconf.com.ua
Youtube - https://www.youtube.com/startuplviv
FB - https://www.facebook.com/aiconf
M. Drobyshev. Personal acqusition and retention in loyalty programs - retail ...Maxim Drobyshev
Приводятся методики и примеры выделения поведенческих сегментов с наилучшим изменением CLV (пожизненной ценности клиента) по сравнению с контрольной группой в результате акции.
Также обсуждается роль банков и требования к информационной системе.
Коробочный модуль АТК ДОМИНО 8. Анализ продаж, Софт-ВестMarina Payvina
Компания Софт-Вест представила коробочное решение «АТК Домино 8. Анализ продаж», созданное совместно с Консультационной Группой АТК. Андрей Вальман, руководитель проектов, показал, как использовать модуль для анализа эффективности продаж на основе системы Домино для торговых компаний.
ATK QlikView for Retail - Krasnopolsky AndreyMarina Payvina
Генеральный директор Консультационной Группы АТК, Андрей Краснопольский, представил отраслевое решение компании для ритейлеров и показал, как использовать Qlik Sense для анализа продаж, маркетинговых акций, складских запасов и управления потерями. Спикер провел живую демонстрацию работы системы и показал кейсы по комплексной аналитике потерь и товародвижения.
Большие данные и бизнес-аналитика: как найти пользу?Marina Payvina
Как извлечь пользу из больших данных.
Инструменты бизнес-аналитики для анализа и исследования больших данных
Мероприятие:
День Науки НИУ ВШЭ 2015
Фото: http://vk.com/album-66011151_214023156
21 февраля состоялся бесплатный вебинар: "Как использовать конкурентов для развития собственного бизнеса"
Спикер: Никита Поляк — strategic Marketing Director, лектор академии WebPromoExperts
В пятничном News-roll №11 от MedMarketing читайте:
— Как провести маркетинговое исследование при ограниченном бюджете
— Как бороться с "черным PR" в соцсетях
— Практика управления Mayo Clinic. Уроки для менеджеров лучшей в мире сервисной медицинской организации
— Управление переговорами о закупках? Несколько идей для медорганизаций
— Cue: медицинская диагностика на дому
Антикризисный маркетинг - быстрые результаты за 7 недель.ИП Сафиоллин Д.М.
Программа - тренинг «Антикризисный маркетинг - быстрые результаты за 7 недель» - это интенсивный курс для малого и среднего бизнеса, помогающий в течении 7 недель решить 7 ключевых задач маркетинга.
Особенность курса - это сочетание живых тренингов и непрерывной работы в закрытой группе в режиме он-лайн. Участники программы, под контролем коуча, выполняют практические задания и ведут дневники успехов, обмениваются между собой идеями, информацией и энергией. В результате получается синергия - «1+1=11»: вы получаете новые знания, делитесь опытом, мотивируете и вдохновляете друг друга.
Автор программы Дмитрий Сафиоллин - сертифицированный бизнес-круч, практикующий аналитик-маркетолог, с успешным опытом работы от малых стартапов до корпораций с миллиардными оборотами.
2. Для чего мы сами используем свою СУЗ: 1
1. Определить наши недоработки в ходе пре-сейлов.
2. Найти способы отработки возражений заказчика.
3. Понять, какие продукты нуждаются в совершенствовании
маркетинговых материалов, и в чем именно их нужно улучшить.
4. Выявить самые «выигрышные» в глазах заказчика аргументы.
5. Понять, какие пре-сейлы закончились неудачей
по объективным причинам, а какие – по субъективным.
6. Начиная новый пре-сейл, заранее выявить наиболее
вероятные проблемы, которые следует отработать.
7. Выявить преимущества конкретных продуктов,
оказавшиеся решающими для заказчика в прошлых продажах,
и получить презентационные материалы по ним.
3. В СУЗ создана простая онтология: 2
Наличие признака
«Доказано заказчику»
или «Принято
заказчиком»
Элементы этого типа
имеют собственную
внутреннюю
классификацию
4. Как выявить наши недоработки? 3
Не всегда известно заранее, в чем состоит интерес заказчика. В таких случаях сначала мы предлагаем
те или иные идеи, которые с нашей точки зрения несут ценность для заказчика.
Если заказчик соглашается с тем, что достижение названного нами результата для него интересно –
это первый шаг к формулированию успешного предложения. Следовательно, интересно выявить
пре-сейлы, в которых заказчик подтвердил наличие у него того или иного интереса или задачи,
но предложение в конечном счете не было им принято. Скорее всего, это наши недоработки.
Запрос построим так:
Имеется предложение для удовлетворения
определенного интереса заказчика,
И интерес подтвержден заказчиком,
И предложение не принято заказчиком.
6. Как найти способы отработки возражений? 5
Теперь выявим предложения, к которым заказчик выдвинул контраргумент,
для которого существует способ опровержения.
Запрос будет таким (режим «Поиск по связям»):
Результат запроса:
Нажав на причину неудачи,
увидим способ отработки возражения.
7. Как предсказать возможные проблемы? 6
У интересов заказчика в модели
есть собственная классификация.
Один из наиболее очевидных
и часто встречающихся в наших
пре-сейлах интересов –
«снизить затраты на интеграцию
информационных систем».
Предположим, мы начинаем новый
пре-сейл, в котором заказчик
демонстрирует такой интерес.
Посмотрим, по каким причинам
заканчивались неудачей сделки,
в которых заказчик подтверждал
наличие у него такого интереса.
Запрос будет таким:
8. Как предсказать возможные проблемы? 7
Результат содержит, например, такие причины:
Собственный отдел ИТ блокирует работу с подрядчиками, предпочитая делать
все своими силами (Субъективная, организационная причина).
У заказчика нет действительной заинтересованности в снижении объемов
и стоимости работ по интеграции (Несоответствие поставленных и решаемых задач).
Уже идет создание собственного решения для той же проблемы, но без семантики
(Объективная причина).
Посмотрев на эти причины, и исключив те, которые заведомо возникли только в одной
конкретной организации, можем сделать вывод о том, на чем следует сосредоточиться
при работе с заказчиком.
9. Проанализируем положительный опыт! 8
Предположим, мы хотим
предложить заказчику продукты
Onto.pro и АрхиГраф.MDM.
Построим список принятых
предложений, содержащих
эти продукты, и выведем
список преимуществ, которые
сыграли роль в их успехе:
Запрос будет таким:
10. Проанализируем положительный опыт! 9
Результаты запроса:
Нажав на каждое из преимуществ,
получим список презентационных
материалов, в которых оно
представлено и обосновано.
Другими интересными кейсами мы готовы поделиться
в частной демонстрации