fbpx

Tableau商業科學 │ 讓銷售業績預測不再憑感覺

Tableau 最新版本更新

Tableau 每三個月就會更新一個版本,在2021.1版本中,也提出一個「商業科學」的概念,意即讓所有背景的人,像是銷售人員、行銷人員、客服人員等不是天天專注在數據資料分析的知識工作者,可以透過一個非常直覺的方式,善用到機器學習的技術,協助在工作內容上的任何判斷與決定,讓人人都更容易用數據說話。

本篇分享 如何用Tableau讓公司的銷售更加科學化

如果一家公司人人都習慣用數據說話、用分析作為明確銷售計劃和績效管理的基礎,將會在銷售效率有突破性成長

一、資料分析應用在銷售的三個典型面向

 

雖然現在是所謂大數據的時代,但還是很多企業沒有好好利用資料、沒有真正把數據這項資產變現,而在疫情期間,是向內整頓檢視企業數據資產的黃金時期

特別是銷售與客戶資料,這些資料是能否讓企業在疫情期間看到新機會、重新畫出新策略的關鍵,若能善用不斷迭代、越來越智慧的Tableau做分析,就能輕鬆將資料的力量釋放。

以下是典型可以用資料分析去輔助的三大面向

  1. 優化定價和折扣

定價策略關乎利潤是否可以最佳化。

很多銷售業務因為缺少訂價策略的培訓或沒時間研究,而對所有客戶提供一樣的價格、不知道要以什麼為根據做什麼樣的調整,又或是並不知道其他業務在類似的交易,跟其他客戶談成更高的價格。 這些資訊若沒有紀錄與深度檢視分析,便無法改進。

透過資料分析平台挖掘過去的銷售資料,就可以清楚地看到,在哪些情況下沒有沒有選擇最好的價格範圍,可以幫助主管和業務重新考慮交易結構、找到更好的定價策略,提升利潤率。

2. 提升預測準確性:

  1. 銷售預測常依靠銷售經理的經驗判斷,但人為判斷的準確度總會差模型一截,預測模型可以綜合客戶歷史購買行為、各業務人員的業績、產品類型、銷售階段等,去分析各種銷售機會,數字不會說謊,用模型預測也能省下更多推敲討論時間。

Tableau + DataRobot 讓預測不再憑感覺

現在,只要透過 Tableau 的 全球技術合作夥伴 DataRobot   (AutoML領域始祖,多位在Kaggle有頂尖表現的資料科學家 共同打造的自動化機器學習平台) 的自動化預測

就可以讓 Tableau Dashboard 上的分析更進階、透過探索性分析導出具有前瞻性的決策。

你可以透過 DataRobot Insight Extension 加快分析時間。

不需要手動查看變數每種可能的組合,因為這樣既無效又不切實際。

這個擴充程式功能,可 加快探索性分析的速度,揭示有價值的隱藏模式、快速醒目提示最相關的變數,以進行進一步分析

Tableau與DataRobot整合

DataRobot Insights Extension

DataRobot 的AutoML 與傳統機器學習,在步驟上差異一覽圖

DataRobot AutoML與傳統的差異

 

開始試用 DataRobot Insight Extension DataRobot What If 假設分析擴充

深入瞭解 Tableau 與 DataRobot 的整合使用,如何快速升級 BI 的能力

3. 減少客戶流失:

透過分析客戶過去購買行為,業務可以辨別出哪些是可能離開的客戶,進而採取預防措施,如推播廣告、或推出特別的客戶忠誠方案等。

Tableau_Business_Science_extension_Einstein_Discovery

二、開始科學化銷售的三個準備步驟

 

現在BI工具已經越來越智慧、越來越方便應用,但為什麼還是有那麼多企業在銷售運營上的決策判斷不是那麼科學呢?不是用數據來提出問題假設、用數據去探索並檢驗下一階段假設呢?

這就涉及到三大面向

1.有沒有已經準備妥當、管理良好、清晰有秩序的乾淨數據?

有時候並不是銷售人員不想分析,而是分析資料的準備整理花了太時間而放棄,或是要請求IT團隊整理不夠即時無法因應銷售人員抓客戶時機的需求。

因此是否做到自己要分析的資料,能夠自己快速又簡單的清理,就是邁向讓銷售更加數據科學的第一步,先降低開始分析的最大阻礙

而這是 Tableau Prep Builder 可以解決的事,Tableau Prep Builder 不但可以跟Tableau Desktop無縫接軌,也可以記錄每一個清理步驟,不僅在流程交接上很方面,也是知識共享的關鍵。

在2021.1新版本中,透過Tableau Prep Builder整理好的資料,也可以另外輸出成Excel格式

 ▶ 了解更多Tableau Prep Builder 

Tableau Prep builder -intheflow

 

當人人都可以整理自己要分析的資料時,可能會有重工的狀況發生,如何開始去管理?

想在Tableau環境內打造清晰有秩序的乾淨數據,就需要仰賴 Tableau Catalog 的幫助,Tableau Catalog 是 Tableau Data Management 的一部分。

主要做Metadata管理,可以全面了解在Tableau環境內 資料跟資料的關係,可以做數據上下游血緣的分析與變動影響分析,了解某個欄位是從哪來的、變動的話會影響到哪些Dashboard或是哪些使用者等

也可以做資料品質警告與認證,因為當資料越來越多的時候,有些資料過舊或是不可再使用的,就可以即時告訴相關使用者。

同時也可以快速了解數據使用的詳細狀態,包含多少人使用、使用哪些欄位、最後一次使用等

 ▶ 了解更多 Tableau Catalog 

 

2.有沒有具備分析意識的銷售或運營人員來解讀數據?

除了建立標準化的數據分析定義和流程外,企業要能透過數據為後盾、分析為武器而成功,也需要有樂於探究、積極進取、願意學習的人才。

合適的人才配合合適的分析平台,再以正確的數據為後盾,銷售業績必然提升。

 ▶ 了解更多 Tableau 培訓課程

 

3.有沒有策略方法論與培訓支持

 

數據文化不是說有就有的,是需要一步步建立的。

我們也知道,很多事情要能有成果,都是有一個方法論在的。

方法論就是,有明確規則的、可重複且經過實證可行的。

Tableau Blueprint 就是這樣一個方法學,是Tableau全球上萬個客戶的成功精髓,可協助準備邁向資料驅動的組織,少走彎路,快速轉型

透過建立清楚的成功路徑,幫助不同成熟度的企業客戶,可以突破困境,看見數據分析能帶來的商業與企業文化的價值。

▶ 了解更多Tableau Blueprint 是什麼請參考此  、  詳細說明請參考此

 

三. LinkedIn也用Tableau讓銷售更科學

 

過去,LinkedIn 用資料庫、Google Analytics、Salesforce 等工具來儲存企業內成千上萬的資料,一名分析師每天用這麼多工具來處理 500 名業務的分析需求,每個業務等待一份報告可能要等上六個月,這讓業務人員無法即時知道自己的績效與客戶關係狀態。

因此,LinkedIn 採用 Tableau 來處理這些資料,用儀表板來追蹤績效及預測客戶流失情形,除了提高客戶保留率,Tableau操作易上手的特性,也讓銷售業務人員願意開始主動做資料分析。

現在,LinkedIn 有 90% 的銷售業務每週都會用平台分析資料,在銷售上更會主動出擊,理解客戶的產品使用體驗和需求來留住客戶。

結語

準備正確的系統、流程、人員,來取得、準備和分析關鍵的銷售數據,有助於企業做出更好的決策,讓生產力跟績效大幅提升。

雞蛋由內打破是成長、由外打破是壓力。

在大數據與商業變化速度飛快的時代,聚焦企業內海量數據,向內掏金,主動出擊,已經是企業不落人後,基業長青的基本功了。

 

延伸閱讀

熱門培訓推薦

Tableau Desktop 培訓班

跟上最新功能

每季一次大更新喔

UiPath應用 │ 從Tableau儀表板直接觸發工作流程自動化 RPA助企業無痛防疫 │ 6案例看數位勞動力維持營運

最新最完整 【RPA入門】常見問題FAQ總彙整 !為剛開始了解 UiPath的你,提前解惑!

X