Dra nytte av disse 2 små datahackene for å utvide virksomheten din

Big Data er et varmt emne. Og det kan fungere underverk for riktig type selskap.

Som en liten bedrift er du imidlertid ikke "riktig type selskap".

Det virkelige gullet er i dine små data.

Fordelene med Small Data Analytics

Leveraging Small Data kan gi store gevinster i lønnsomhet og kontantstrøm (noen studier har vist at økningen kan være så høy som 50-60 prosent). Og det gjør det mulig for deg å gjøre det på en lavrisiko måte, på svært kort tid (hvordan går neste uke, neste måned eller neste kvartal til deg?)

$config[code] not found

Små data er transaksjonsdata fanget av samhandlingene med kunder, leverandører, gruppemedlemmer og dine produkter og tjenester. Det er dataene som er bosatt i ting som ditt regnskapssystem, CRM, ERP, Excel regneark og lignende små datatrover.

En fullstendig forpliktelse til å utnytte små data krever like deler datavitenskap, programmering, rettsmedisinsk revisjon og kreativitet.

Små dataark

For å komme deg i gang med Small Data Analytics-reisen, vil jeg gjerne gi deg to svært effektive "små data hacks" som du kan bruke til å begynne å bruke kraften til små data.

Prøv disse i din bedrift. Jeg tror du vil bli hyggelig overrasket over hva du oppdager.

Small Data Hack # 1 - CVPM Analysis

CVPM-analyse er en måte å dissekere måten virksomheten din ser ut fra et granulært eller transaksjonsnivå. For å gjøre din CVPM-analyse må du analysere inntekter, bruttoavkastning og overhead på basis av per transaksjon.

Det du leter etter er endringer i disse granulære mengdene over tid. For eksempel, de siste tre regnskapsårene. Eller hvis det er mer relevant, i løpet av de siste fire siste kvartalene. Generelt blir bedre innsikt oppnådd ved å se på CVPM Analysis over tre fulle regnskapsår.

La oss se et eksempel på to forskjellige bedrifter for å klargjøre dette konseptet. Noen relevante data fra hver av bedriftene er som følger:

	Business Alpha	Business Beta
(A) Antall Kunder	1,000	370
(B) Frekvens per år	0.5	6.0
(C) Gjennomsnittlig brutto fortjeneste	$ 350	$79
Brutto fortjeneste (A x B x C)	$175,000	$175,380

Denne informasjonen forteller oss at vi ser på to virksomheter med helt forskjellige tilnærminger og strukturer (to forskjellige forretningsmodeller).

Business Alpha opprettholder et stort antall kunder som bare kjøper noe om hvert to år (frekvens på 0,5 per år), men det er et større billettelement enn Business Beta.

Business Beta har langt færre kunder (omtrent en tredjedel så mange), men de kjøper en mindre billettvare mye oftere (omtrent hver annen måned).

Men se på sluttresultatet. Begge selskapene returnerer ganske mye identiske bruttoresultat. Hver bedrift har om lag 175 000 dollar til å dekke overheadutgifter, tilbakebetale gjeld, investere i vekst og gi tilbake til eiere.

Small Data Hack # 2 - Produktmatrixanalyse

Produktmatrixanalyse er en metode for å se på bestemte kunder eller kundesegmenter, og sammenligne salg etter produkt (eller produktkategori) for hver kunde. Det gir en oversikt over inntektsbredden fra hver kunde som kommer fra dine forskjellige produkter og tjenester.

Det er vanligvis mest effektivt å starte på flere aggregerte nivåer, og drill inn mer detaljert som dataene og analysene indikerer.

Produktmatrixanalyse er mest kraftig når den er ferdig med følgende dimensjoner:

Kunde - salg
Kunde - inntekter
Kunde - brutto fortjeneste
Markeds- eller forretningssegment
Geografi
Industri

Tabellene nedenfor gir et eksempel for å veilede deg:

Salgsinntekter av kunde
Kunde	inntekter
Acme	$ 35,000
ACX	$ 23,600
Bergstrom	$ 74,835
Manilo SP	$ 126,959
TOTAL	$ 260,394

Informasjonen i denne første tabellen er interessant. Men det gir ikke mye detaljert informasjon om komponentene i inntektsummen for hver kunde. I beste fall vil det trolig få deg og salgsteamet ditt til å være tilfreds med Manilo SPs inntekter og bare "prøve å selge mer" til Acme og ACX.

Tabellen nedenfor gir en mer detaljert og nyttig visning av de samme kundene, ved hjelp av begreper produktmatriseanalyse.

Produkt Penetration Matrix (etter inntekt)
Kunde	Produkt A	Produkt B	Produkt C	Produkt D	TOTAL
Acme	$ 35,000	$ nil	$ nil	$ nil	$ 35,000
ACX	$ nil	$ nil	$ nil	$ 23,600	$ 23,600
Bergstrom	$ 12,500	$ 19,325	$ 1,350	$ 41,660	$ 74,835
Manilo SP	$ 103,000	$ 23, 009	$ 950	$ nil	$ 126,959
TOTAL	$ 150,500	$ 42,334	$ 2,300	$ 65,260	$ 260,394

Informasjonen fra denne produktmatrixanalysen vil trolig føre til forskjellige konklusjoner.

For eksempel, selv om Manilo SP så ut som om vi skulle være fornøyd med deres inntekter (da kun salgsinntekter fra den første tabellen ble brukt), burde vi egentlig ikke være fornøyd i det hele tatt. De kjøper en relativt liten mengde produkter C og D fra oss.