Datová analytika v Salesu | Mňamka #364

Datová analytika (Business Intelligence) prostupuje celou firmou a podporuje byznys v jeho růstu. Umožňuje hledat souvislosti, šetřit náklady, investovat do rozvoje, lépe se rozhodovat a řídit.

Sales je důležitý pro chod firmy stejně tak jako benzín či baterky pro vaši zahradní sekačku.

Když nebude “šťáva”, těžko posečete. Ve světě byznysu, když sales nebude přinášet nové kšefty, tak těžko budete existovat nebo růst.

Proto je nasnadě nejenom obchod dělat kvalitně a systematicky, ale taktéž řiditelně. A abychom mohli něco efektivně řídit, kontrolovat a rozhodovat se nebo zjistit, kde je ten bottleneck (úzké hrdlo), co nám brání v rozletu, potřebujeme k tomu informace.

A informace se skrývají kde? Všude kolem nás, ale především v datech.

Podělím se s vámi o to, jak já vnímám, kde sales datová analytika může pomoci. Samozřejmě lze vyhodnocovat další spoustu ukazatelů, KPIs a pohledů, ale ty v následujících odstavcích považuji za esenciální.

Současný stav a výhled

Každý sales manager jednoznačně potřebuje výhled. Kolik dealů mám v sales pipeline, jak blízko jsou před uzavřením, jedná se o růst na současných zákaznících, nebo se jedná o nové klienty. Bez toho se prostě neobejdete, protože mít odpověď na otázku „Kolik byznysu bude příští kvartál?“ je prostě základ.

Roční pohled na obchodní pipeline vyjádřenou v penězích

Jednoduchým najetím kurzoru myši se zobrazí možnost prokliku na detail

Po kliknutí vidím detail daného měsíce a části, která mě zajímá (např. Forecast)

Aktivita

Co když ale pipeline zeje prázdnotou? No tak potřebuju vidět, že se obchodníci snaží a jedou na plné obrátky, aby ji opět naplnili. Takže potřebuji odpovědi na tyto otázky:

  • Jakou aktivitu dělají? - Schůzka bude mít vždycky větší šanci na úspěch než poslaný email.
  • Zda plní domluvený plán? - Mnoho obchodníků bez obchodního plánu nemá motivaci a nevyužívá svůj plný potenciál.
  • Jestli mají domluvené schůzky?
  • Jak vypadá jejich sales funnel?

A v neposlední řadě mít možnost se podívat na konkrétní aktivity a rychle se dozvědět detail.

Měsíční pohled na aktivitu daného obchodníka (filtr jen na meetingy a calls) - opět lze využít proklik na detail jednotlivých metrik

Místo pro zlepšení

A pak mě zajímá celková dlouhodobá performance a to, kde jsou již zmiňované bottlenecks:

  • Jaké jsou konverzní poměry mezi jednotlivými fázemi obchodního procesu?
  • Jak dlouho nám trvá v průměru dostat deal z jedné fáze do druhé?
  • Jak dlouho trvá náš obchodní cyklus?
  • Kolik dealů jsme uzavřeli tento rok?
  • Jaké to byly?

To vše potřebuji na pár kliknutí, přes tým nebo přes jednotlivce. V rychlosti, každý den aktuální, abych si mohl ověřit své hypotézy nebo odhalovat ona hluchá místa, kde nám něco uniká, a to něco jsou noví klienti.

Měsíční pohled na sales funnel a jednotlivé metriky

Další pohled na sales analytiku si můžete přečíst v naší mňamce S čím reálně může sales analytika pomoci?

Pokud vás zaujalo, jak se dá pracovat s daty v oblasti obchodu a máte nějaké otázky, připomínky či komentáře, budu rád, když mi napíšete.

Patrik

Patrik Samko
Datový detektiv
Linkedin

Líbí se vám článek? Ochutnejte naše mňamky.

Keboola a Kai PromtLab | Mňamka #524

Keboola a Kai PromtLab | Mňamka #524

Objavte PromptLab, sofistikované riešenie od Kebooly a Kai PromtLab na zlepšenie interakcií s umelou inteligenciou. V tomto článku sa dozviete, ako PromptLab využíva technológiu Streamlit na automatické prispôsobovanie výziev za účelom dosiahnutia lepšej jasnosti a presnosti vo vašich projektoch. Oboznámte sa s intuitívnym rozhraním, ktoré vám umožní porovnávať výsledky a optimalizovať pracovné postupy.

Základní pojmy v datovém modelování | Mňamka #457

Základní pojmy v datovém modelování | Mňamka #457

Co je to datový model? Jaký je rozdíl mezi konceptuálním a logickým modelem? A k čemu slouží proces tzv. normalizace? Bez datového modelování se dnes v BI obejdete už jen stěží, Kuba si o něm proto připravil krátkou minisérii, ve které si vše probereme od úplných základů. V prvním díle se seznámíme s nejdůležitějšími pojmy, které byste v této souvislosti měli znát, a na jednoduchém příkladu z oblasti sales si ukážeme, jak takový datový model vlastně vypadá. Tak pojďme na to!

MAQL II. - MAQL Reuse factů & Nesting metrik | Mňamka #454

MAQL II. - MAQL Reuse factů & Nesting metrik | Mňamka #454

Proč se vyplatí recyklovat metriky v MAQL? Máme tady pokračování naší krátké minisérie o dotazovacím jazyku MAQL od Péti. V minulém díle jsme si osvětlili základní rozdíl mezi SQL a MAQL a dnes se zaměříme na výhody metrik vytvořených pomocí MAQL a jejich recyklaci. Funguje to přitom podobně jako v případě klasické recyklace surovin. Pokud ji dělat nebudete, ušetříte si možná půl minutky práce, v budoucnu se vám to ale může velmi nepříjemně vrátit. Tak se na to pojďte podívat!