| |
Reklamaatiodata on yrityksen tärkein data
Reklamaatioanalyysin tavoitteena on paljastaa prosessin ja organisaation heikkouksia. Usein tavoitteena on myös löytää sekä tuotteen tahatonta että takuupalvelun tahallista väärinkäyttöä. BayMinerillä takuutoimitusten analyysi on helppoa ja erittäin nopeata ja lisäksi edullista.
Yritysten kohdalla perussyiden (root cause) löytäminen ja todistaminen on monimutkaisen ja valmistuksen ja/tai hajautetun palveluorganisaation johdosta erittäin vaikeata. Jo pikaiset suuntaa antavat analyysit BayMinerilla käynnistävät nopeasti organisaatiossa kaikessa hiljaisuudessa korjaavia toimenpiteitä johtuen "sitä saa, mitä mittaa" ilmiöstä.
Koska kyse on suurista arvoista, kannattaa kokeilla takuutoimitusten
analyysia uudella ja tehokkaalla tavalla,
vaikka käytössä olisikin jo perinteisiä menetelmiä esim. laaduntarkkailun yhteydessä. Uuden 3-D-visualisoinnin ja ongelmaprofiilin selkeyden ansiosta tulosten viestintä eteenpäin organisaatiossa on tehokasta.
Reklamaatiotiedosta laajempi malli
BayMinerin tuottamaan reklamaatiomalliin voi yhdistää muita tietoja, kuten ympäristömuuttujia ja tietoja asiakaskannattavuudesta. Mallia voi tällöin käyttää myös liiketoiminnan suunnitteluun. Yhdistäminen ja aineiston muokkaaminen on helppoa, sen voi tehdä muun muassa normaalia taulukkolaskentaohjelmaa käyttäen.
Organisaation kehittäminen
Takuutoimitustietojen kerääminen ja tämän tiedon älykäs analysointi on niin keskeistä, että sen pitäisi olla osa organisaation normaalia ja jatkuvaa toimintaa. BayMinerin avulla se on mahdollista, ja lisäksi vielä edullista. Yksi suurimmista hyödyistä saavutetaan kun organisaatiossa asenteet muuttuvat, koska analysointi, ennakointi ja virheistä oppiminen ovat selkeästi ja näyttävästi esillä koko ajan.
Jatkuva seuranta
Jos yrityksen toimintaan kuuluu se, että asiakkaalle luovutetaan laitteita ja palveluja, on mielekästä kehittää järjestelmä, joka kerää asiakaspalautteen luovutuksen yhteydessä. Kun palautedata liitetään takuutoimitusmalliin, yrityksen tietämys omasta palveluprosessistaan kasvaa entisestään.
Toiminnan laajuus
Yleensä todennäköisyyslaskenta perustuu suureen datamäärään, mutta vaikka takuutoimituksissa olisi kyse pienistä toimitusmääristä
(esim. alle sata toimitusta / vuosi), BayMiner suoriutuu
takuutoimitusanalyysista edelleen hyvin. BayMinerissa käytetyn
Bayes-verkkoperustaisen laskentamenetelmän suorituskyky on osoittautunut testeissä ja vertailuissa nimenomaan pienen ja vaikean datan kohdalla ylivoimaiseksi. Menetelmä skaalautuu erittäin hyvin, joten BayMiner soveltuu myös tilanteisiin, joissa toimituksia on jopa satojatuhansia vuodessa.
|
|
|
