Kutsuttiin puhumaan (tapahtuma peruttu – esitys käytettävissä).

Jälkilisäys 26.10.2018: Seminaari on peruttu järjestäjän toimesta.
Esitys mielenkiintoisesta teemasta on kuitenkin valmis, joten mielelläni näistä (kts. ao. kiroitus) tulen kertomaan ja keskustelua alustamaan sopivaan tilaisuuteen.

Tein myös blogikirjoituksen kirjasta, jonka inspiroimiin ajatuksiin esitykseni pohjautuu.
Kts. Kirjasuositus: Big Data Demystified (analytics driven data strategy).

=================================================================
Alla alkuperäinen kirjoitus (hieman editoituna).
=================================================================

Kutsuttiin puhujaksi.
Kiitos kutsusta, mukava mennä. Pitkästä aikaa.
Analytiikan tekeminen muuttuu vauhdilla ja itsellenikin on, kuuden yrittäjävuoden aikana, uusia kokemuksia, ajatuksia & näkemyksiä kertynyt. Mukava päästä summeeraamaan esitysmuotoon.

Kun esitystä ei ole valmiina, joudun hyväksymään järjestäjän sisältöehdotuksen kutakuinkin sellaisenaan:

Asiakasdatasta lisäarvoa – toimintaan ja asiakaskokemukseen

  • Vahvempi analyysi – 360 asteen kuva asiakkaasta
  • Monipuoliset datalähteet – tietojen yhdisteleminen eri tietolähteistä
  • Mitkä ovat tärkeimmät mittarit?
  • Mikä kerätyssä datassa on arvokasta ja mitä kannattaa analysoida tulevaisuuden päätöksenteon tueksi? Miten optimoit asiakasdatan keräämisen
  • Kuinka saat järjestelmät kohtaamaan asiakasanalytiikan tarpeet?
  • Dataohjattu päätöksenteko kilpailuvalttina

… ei ihan vaatimaton sisältö, mutta onhan aikaa kuitenkin ruhtinaallinen tunti 😊
[tahtoo sanoa, että jokaisesta kohdasta voisi puhua päivän seminaarin]

PERUTTU: ALMA TALENT ASIAKASDATA 2018 -tapahtuma 7.-8.11.2018
Seminaari oli tarkoitettu datasta innostuneille myynnin, markkinoinnin ja viestinnän ammattilaisille sekä asiakaskokemuksen osaajille.

 

Nyt esityksen valmisteluvaihe …

Kuluneella viikolla olin hieman syysflunssan kourissa, joten pääsin tämän haasteen kimppuun. Koostin esitystä ja jaan perusajatuksiani tässä. Mielelläni vastaanotan hyviä ideoita, joten feel free to comment!

Näin suurten kysymysten kimppuun on turha lähteä ”totuutta” hakemaan / kertomaan. Loppujen lopuksi, jokainen organisaatio miettii ja ratkaisee nämä asiat omaan toimintaansa sopivalla tavalla. Yritän saada esityksestä keskustelevan ja kuulijoille omaan työhön linkitettäviä ajatuksia generoivan.

Oletettavasti kuulijakunta on liiketoiminnan tekemisestä ja/tai kehittämisestä vastaavia päälliköitä/asiantuntijoita. Eräs otsikkovaihtoehto olikin:
”Asiakasanalytiikasta lisäarvoa – liiketoimintalähtöisen hankejohtajan muistilista”

 

Esityksen rakennehahmotelma:

Aluksi esittelen kolme perusviitekehystä, joiden kautta itse lähestyn kaikkia data-analytiikan keskusteluita.

Perusviitekehykset:

Viitekehykset sinällään ovat mielenkiintoisia ja toivon näissä olevan ”jutun kulmakivet”. Erityisesti tuo kohta ”kokonaisvaltainen analytiikkastrategia” on itselleni tuorein.

Näiden viitekehysten jälkeen voidaan sitten purkaa jokaista kohtaa hieman tarkemmin – yhdessä keskustellen. Alla hahmottamiani tulokulmia teemoihin.
Sisältöä en tähän avaa tarkemmin – tule kuuntelemaan & keskustelemaan.

  • Vahvempi analyysi – 360 asteen kuva asiakkaasta ja
    Monipuoliset datalähteet – tietojen yhdisteleminen eri tietolähteistä

    • Lähestyminen ValueManager® -konseptin pohjalta
  • Mitkä ovat tärkeimmät mittarit?
    • Mikä on hyvän mittarin määritelmä?
    • Tukee strategiaa
    • Oikeellisuus
    • Kertoo tarinaa
  • Mikä kerätyssä datassa on arvokasta ja mitä kannattaa analysoida tulevaisuuden päätöksenteon tueksi? Miten optimoit asiakasdatan keräämisen
    • Tekniikka
    • Tietosuoja
    • Hyödyntäminen
  • Kuinka saat järjestelmät kohtaamaan asiakasanalytiikan tarpeet?
    • Kehityskulttuuri
    • Järjestelmät
    • Roolit/osaamiset
  • Dataohjattu päätöksenteko kilpailuvalttina
    • ”Asiakaslähtöisyys” & asiakasdata
    • Strategiset tavoitteet – näkökulmia
    • MUTU hyvä…

Pari bonusjuttua, jos ylimääräistä aikaa jää:

  • Mitä tarkoitan kun puhun: tilastotieteilijä sloganilla “ei tässä tilastotieteilijää tarvita”
  • Määritelmiä: AI, ML vs. perinteinen analytiikka ja algoritmit.

Varsinainen sisältö näyttäisi mahtuvan 15 kalvolle.

Top