Μόλις το 39% των ελληνικών επιχειρήσεων λαμβάνει αποφάσεις βάσει δεδομένων

Η προμήθεια σύγχρονων εργαλείων ανάλυσης μεγάλου όγκου δεδομένων (Big Data Analytics) είναι ιδιαίτερα διαδεδομένη στον ιδιωτικό τομέα στην Ελλάδα, πάνω από το μέσο όρο της ΕΕ (12η θέση στην ΕΕ-28). Όμως τα εργαλεία αυτά σε μεγάλο βαθμό παραμένουν αναξιοποίητα: παρόλο που ζούμε στην εποχή της 4ης Βιομηχανικής Επανάστασης, η ανθρώπινη «διαίσθηση» και η «εμπειρία» παραμένουν κυρίαρχα κριτήρια των επιχειρηματικών επιλογών στην Ελλάδα, καθώς τα ψηφιακά εργαλεία δεν συνοδεύονται από τον ανάλογο διοικητικό και λειτουργικό μετασχηματισμό.

Αυτά προκύπτουν από σχετική μελέτη του ΣΕΒ, σύμφωνα με την οποία μόνο το 39% των επιχειρήσεων διαθέτει κουλτούρα και διαδικασίες λήψης διοικητικών αποφάσεων που βασίζονται σε ανάλυση δεδομένων.

Σύμφωνα με τον ΣΕΒ η εφαρμογή τέτοιου είδους λύσεων σύγχρονης τεχνολογίας αποφέρει σημαντικά και συγκεκριμένα οφέλη στις επιχειρήσεις.

Ενδεικτικά:

-Η βιομηχανία έχει τη δυνατότητα να προσαρμόσει την ποσότητα παραγωγής βάσει προβλεπόμενης ζήτησης, να διαχειριστεί το ύψος των αποθεμάτων, να διενεργήσει προληπτική συντήρηση, να βελτιστοποιήσει το μίγμα πωλήσεων ανά κανάλι προώθησης, κ.λπ.

-Το εμπόριο, εφαρμόζει λύσεις πρόβλεψης της ζήτησης, διαχείρισης των αποθεμάτων, δυναμικής τιμολόγησης, σύστασης προϊόντων σε πελάτες, κ.λπ. Ενδεικτικά, εταιρεία ηλεκτρονικού εμπορίου αναλύει δεδομένα διαδικτυακών πωλήσεων, με το 35% των εσόδων της να προέρχεται πλέον από τις αναλύσεις αυτές.

-Στις χρηματοοικονομικές υπηρεσίες, τα εργαλεία επιτρέπουν την ανάλυση και έλεγχο κινδύνου, την αξιολόγηση της πιστοληπτικής ικανότητας, την ανάλυση cross-selling σε πραγματικό χρόνο.

-Στο δημόσιο τομέα, εργαλεία analytics υποστηρίζουν τη γενικότερη βελτιστοποίηση των διαδικασιών, την αυτοματοποίηση μέσω ρομποτικών συστημάτων (robotic process automation) και το σχεδιασμό βέλτιστων υπηρεσιών προς πολίτες και επιχειρήσεις.

Τα οφέλη από την υιοθέτηση εργαλείων ανάλυσης δεδομένων ποσοτικοποιούνται ως εξής:

* 20-35% μείωση του χρόνου εκτέλεσης εργασιών μέσω αυτοματοποίησης των διοικητικών λειτουργιών,

* 15-25% μείωση των αποθεμάτων μέσω καλύτερης πρόβλεψης της ζήτησης και αμεσότερης ανταπόκρισης της αλυσίδας εφοδιασμού,

* 1-3% αύξηση εσόδων με χρήση πραγματικών στοιχείων πωλήσεων της αγοράς, με σκοπό τη βελτιστοποίηση της τιμολόγησης, του ύψους των αποθεμάτων και της τοποθέτησης και εμπορικής προώθησης προϊόντων,

* 5-7 μονάδες υψηλότερη απόδοση επένδυσης (ROI) μέσω βελτιστοποίησης στις τιμές των προϊόντων,

* 10-25% μείωση των δαπανών Ε&Α με τη χρήση big data για την καλύτερη πρόβλεψη πετυχημένων καινοτομιών και τη σωστή καθοδήγηση επενδυτικών αποφάσεων,

* 5% μείωση σε δαπάνες marketing με την αξιοποίηση πληροφοριών που σχετίζονται με την ανταπόκριση του καταναλωτή στα διάφορα κανάλια, για την καλύτερη εφαρμογή των προωθητικών ενεργειών, την ενίσχυση του loyalty και την αύξηση των πωλήσεων,

* 50% λιγότερος χρόνος για τη συλλογή και ανάλυση δεδομένων μέσω διαχείρισης απόδοσης επόμενης γενιάς.