Icono del sitio BAOSS

Big Data Analytics: Casos de éxito

¿Está su empresa realmente convirtiendo los datos que recogen en valor añadido para sus clientes?

El 80% de los CEOs opinan que sus empresas ofrecen una experiencia de compra superior, sin embargo, solamente un 8% de sus clientes están de acuerdo.

Casos de éxito

Veamos a través de cuatro ejemplos concretos cómo algunas empresas de diversos sectores dieron respuesta a los problemas y amenazas de su negocio con soluciones IBM en Big Data & Analytics, permitiéndoles adquirir, aumentar y retener su negocio mediante la interacción con sus clientes, construyendo interacciones de larga duración y consolidando el valor de esas relacione con sus clientes.

Necesidad:

Basándose en un enfoque analítico, avanzar en su negocio controlando costes y maximizando los ingresos de las fuentes de financiación clave .

Caso 1: Edith Cowan University

Edith Cowan University mira hacia el futuro gracias al análisis predictivo

Necesidad:

Basándose en un enfoque analítico, avanzar en su negocio controlando costes y maximizando los ingresos de las fuentes de financiación clave .

Hitos conseguidos:

● Ejecución de cálculos de estimación de ingresos en 30 minutos, acelerando el proceso en 24 veces, así como permitiendo un amplio rango de análisis “what-if”.

● Predicción de factores que afectan a los resultados de estudiantes, así como ayudándoles a tener éxito en su actividad.

● Proporcionar un amplio datawarehouse como única fuente de información oportuna, confiable y precisa.

Caso 2: Equifax Canada Co

Equifax Canada Co utiliza análisis predictivo para desarrollar un modelo de puntuación de riesgo de créditos.

Necesidad:

Complementar su oferta tradicional de credit-scoring con servicios innovadores de analítica basados en modelos de grandes cantidades de datos de clientes obtenidos de sus áreas de banca, utilities y comunicaciones.

Hitos conseguidos:

● El nuevo modelo mejoró en un 40% respecto al modelo anterior la habilidad por parte del proveedor de servicios de predecir cuáles de sus clientes son más propensos al cambio en los seis meses siguientes.

● El nuevo modelo se mostró un 365% más efectivo en una selección al azar de puntuaciones de riesgo.

● Utilizando la inteligencia ofrecida por la nueva puntuación de riesgo para estimar la solvencia de nuevos solicitantes, uno de los cinco mayores bancos de Canadá ahorró la cantidad estimada de 2.5 millones de dólares canadienses anualmente.

Caso 3: Trident Marketing

Trident Marketing aumenta en un 1.000% su facturación gracias al análisis predictivo.

Necesidad:

Adquirir el mayor número de clientes de pago, al tiempo que minimizar los costes de ventas. Trident necesitaba averiguar qué clientes son más propensos a comprar determinados productos y cuándo.

Hitos conseguidos:

● Los ingresos se multiplicaron por 10 en cuatro años.

● Incrementó las ventas del 10% en 60 días.

● Reducción del 30% en costes de marketing en buscadores.

Caso 4: Grupo VAASAN

Analizando los datos de ventas el Grupo VAASAN mejora los ratios de forecasts y fulfillment a la vez que reduce stocks.

Necesidad:

Predecir con precisión las órdenes de pedidos en la región nórdica.

Hitos conseguidos:

● Cumplir ágilmente los pedidos y aumentar un 30% la capacidad de pedidos.

● Conseguir un 98,5% de entregas de pedidos a tiempo.

● Reducir el riesgo de negocio alineando materias primas, recursos humanos y calendario de producción a la demanda de los clientes.

Salir de la versión móvil