Predicitive Analytics, predictive analytics
Terug naar overzicht
blog

Voorspellende Analyses: de glazen bol van het bedrijfsleven

Als we in de toekomst konden kijken, zouden keuzes in het bedrijfsleven een stuk makkelijker worden. Aan de hand van voorspellingen proberen we in te schatten hoe groot de kans is dat bijvoorbeeld een klant niet meer in staat zal zijn om schulden af te betalen of bepaalt bedrijfsactiviteiten te staken. Voorspellingen helpen ons bij het maken van beslissingen. Maar hoe en wanneer voert u een voorspellende analyse uit?

Met voorspellende analyses boort u een goudmijn aan: het stelt u in staat om belangrijke beslissingen te baseren op betrouwbare data. Om u op weg te helpen bij het doen van voorspellende analyses, nemen we hier de verschillende stappen door.

Dataverzameling

Laten we beginnen bij het begin. Voordat u zich gaat bezighouden met analyseren, moet er data verzameld worden. Hoe meer data u bij elkaar kunt krijgen, des te accurater uw uiteindelijke voorspellingen zullen zijn. Deze stap is daarom van groot belang.

In de eerste instantie haalt u data uit uw eigen bedrijf. Deze data bevat vaak al veel klanteninformatie waaronder bijvoorbeeld data met betrekking tot loyaliteit, aantal contracten, winst en bezoeken. Het nadeel is echter dat uw opgeslagen data vaak subjectief en incompleet is. Het is daarom verstandig om uw intern vergaarde data aan te vullen met data uit externe bronnen. Dit stelt u ook in staat uw eigen data te testen. Aanvullende data kunnen bijvoorbeeld demografische kenmerken, kredietscores, uw ideale klantenprofiel en kansen voor cross- en up-selling zijn.

Correlaties herkennen

Wanneer u voldoende data tot uw beschikking heeft, kunt u op zoek gaan naar patronen of correlaties. Deze kunnen namelijk bepaalde suggesties wekken, welke u naderhand door middel van een voorspellende analyse kunt testen. Ziet u bijvoorbeeld een verband tussen het aantal bezoeken dat uw klant van u ontvangen heeft en het aantal orders dat geplaatst zijn? Dit hoeft nog niets te zeggen, maar vormt een goede basis voor een voorspellende analyse.

Op deze manier kunt u al enigszins een idee krijgen hoe groot de kans is dat een prospect een klant zal worden. Vergelijk uw gemiddelde klant dus met mogelijke toekomstige klanten. Hoe meer kenmerken ze gemeenschappelijk hebben, des te groter is de kans dat een lead zal leiden tot een nieuwe klant.

Het accuraat uitvoeren van de voorspellende analyse

Vervolgens is het van groot belang dat u als bedrijf snel aan de slag gaat met de voorspellingen – ook met de negatieve. Dit stelt u namelijk in staat om direct actie te ondernemen om zo mogelijke schade te voorkomen.

Een mooi voorbeeld uit de praktijk waarbij voorspellende analyses tot verrassende inzichten hebben geleid, is dat van Walmart. Walmart kwam erachter dat bepaalde producten, zoals batterijen en zaklampen, meer verkocht werden wanneer er slecht weer was voorspeld. Met dit inzicht kon Walmart de voorraden van deze producten beter timen en daardoor de verkopen verder omhoog brengen.

Test uw voorspellingen

Het is verstandig om bepaalde analyses geregeld te herhalen. De resultaten worden daarmee steeds betrouwbaarder. U kunt nagaan of de resultaten correct zijn, door ze naast uw bestaande database te leggen. Zo maakt u uw systeem intelligenter en uw voorspellingen nauwkeuriger.

Voorspellende analyses van Graydon

Een voorbeeld van een voorspellende analyse is de Graydon rating. Deze geeft een interpretatie van de kans op wanbetaling in het komende jaar. Graydon kiest voor het begrip wanbetaling, omdat niet elk bedrijf met een lage Graydon rating daadwerkelijk technisch failliet zal gaan. De kans dat facturen onbetaald blijven, is dan echter wel hoger. Deze classificatie loopt van AAA (zeer laag risico) tot C (zeer verhoogd risico).

Meer weten? Bekijk de pagina over kredietrapporten, waar de onderdelen van het kredietrapport worden toegelicht.

Gelijkaardige publicaties