Ohjelmistorobotiikka (RPA) säästää asiakkailta miljoonia dollareita älykkäällä tiedonkeruulla
Miten autat asiakkaita poimimaan tietoja nopeasti monimutkaisista lomakkeista? RPA:n pioneeri Blue Prism teki sen käyttämällä uutta “Decipher”-ratkaisuaan.
Kumppaniblogi – Avanade auttaa finanssitaloja datatulvassa
Jani Savolainen
liiketoimintajohtaja (Dynamics)
Suomalainen finanssitalo, älä jää datatulvan alle!
Suomessa toimivat pankit ja vakuutusyhtiöt eivät enää joudu etsimään datapuroja, vaan haasteena on datatulvan hallinta, jossa Avanade auttaa finanssitaloja. Pinnalle finanssitalon nostaa analytiikka, joka tarjoaa toiminnallisia ehdotuksia asiakastyöhön.
Hyödyllisen datan kerääminen ei ole ollut enää vuosikymmeniin suomalaisten pankkien tai vakuutusyhtiöiden ongelmana. Päinvastoin, nykyään digitaalisten ja monikanavaisten palveluiden myötä asiakastiedon ja datan kerääminen on helpompaa kuin koskaan. Dataa on tarjolla jopa liikaa.
Helposti saatavilla oleva asiakasdata tarjoaa taitavalle toimijalle loistavan tilaisuuden esimerkiksi paremman asiakaskokemuksen luomiseen, riskienhallintaan, myynnin kohdentamiseen, sisäisten prosessien tehostamiseen ja tuotekehitykseen sekä innovointiin.
Pelkkä data ei kuitenkaan riitä, vaan tarvitaan sen ymmärrystä ja hyödyntämistä liiketoiminnassa eli analytiikkaa.
Tällä hetkellä suomalaisten pankkien ja vakuutusyhtiöiden haasteena ei välttämättä ole analytiikan puute, vaan kokonaisvaltaisen asiakasymmärryksen puuttuminen. Asiakasdataa analysoidaan siiloissa, ja asiakasymmärrystä ei jaeta organisaation sisällä. Liiketoiminnoilla saattaa jopa olla erillisiä CRM-järjestelmiä, jolloin osa arvokkaasta datasta voi mennä ohi. Silloin lisämyyntimahdollisuudet tai nopea reagointi kysynnän muutoksiin ei onnistu. Asiakkaalle siiloutuminen näkyy heikkona asiakaskokemuksena, kun vaikkapa jo aloitetun vahinkoilmoituksen viimeistely ei onnistukaan toisen kanavan kautta.
Datatulvaan ja yskivään analytiikkaan ei ole olemassa yhtä yksittäistä ratkaisua tai teknologiaa. Kyse on kullekin pankille tai vakuutusyhtiölle ja kuhunkin tilanteeseen parhaiten sopivan ratkaisun kehittämisestä. Tärkeintä on ymmärtää, että analytiikan rakentamisessa kyse ei ole pelkästään teknologiasta tai ohjelmistoista, vaan useista eri tekijöistä koostuvasta kokonaisuudesta. Lähtökohtana on aina organisaation strategiasta ja tilanteesta lähtevä tarvekartoitus. Lisäksi käytettävissä olevalle datalle tulee määrittää omistaja, joka tietää mitä dataa on saatavilla, mihin sitä käytetään ja missä olisi vielä käyttöpotentiaalia edelleen jalostettavaksi. Ilman datan omistajaa analytiikan kehittäminen voi rampautua tarpeettomasti.
Näistä lähtökohdista voidaan kehittää sujuvasti analytiikkajärjestelmä, jonka tulee antaa toiminnallisia ehdotuksia esimerkiksi myynnin tai asiakaspalvelun tueksi. Pelkkien prosenttilukujen tai trendien sijaan analytiikan pitää tarjota konkreettisia neuvoja esimerkiksi tarjottavista tuotteista, optimoitavista prosesseista tai puutteista tuotetarjoomassa.
Esteenä kattavan analytiikan rakentamiselle on Suomessa harvoin osaamisen, rahan tai resurssien puute. Puutetta on uskalluksesta, rohkeudesta lähteä kokeilemaan uutta. Ennen yritykset saattoivat suunnitella tulevaa rauhassa, mutta nyt kilpajuoksu kehittyvää teknologiaa hyödyntäviä kilpailijoita vastaan on armotonta.
Asiakasanalytiikasta ei tarvitse rakentaa raskasta ja kallista järjestelmää, joka vaatii massiivisia alkuinvestointeja, vaan sopiva ratkaisu voidaan ottaa käyttöön ketterästi vaiheittain. Näin saadaan nopeasti tuloksia, joiden avulla järjestelmää voidaan kehittää oikeaan suuntaan.
Avanadella olemme kehittäneet analytiikkaratkaisuja pankeille ja vakuutusyhtiöille ympäri maailman. Kokonaisvaltainen käsityksemme suomalaisesta finanssialasta, asiakasdatasta ja analytiikkateknologiasta yhdistettynä omistajiemme Microsoftin ja Accenturen verkostoihin on antanut meille loistavan mahdollisuuden auttaa finanssitoimijoita analytiikan kehittämisessä.
Olemme myös nähneet asiakasanalytiikan tuomat konkreettiset hyödyt. Keskieurooppalaiselle pankille luomamme analytiikkaratkaisu säästi 80 % aikaa segmentoinnissa, vähensi asiakasvaihtuvuutta 65 % suurimpien asiakkaiden joukossa ja teki vahinkoilmoituksien käsittelystä 8 % tehokkaampaa.
Odottelun aika on ohi, eikä suomalaisilla pankeilla ja vakuutusyhtiöillä ole aikaa enää unelmoida analytiikasta. Nyt on aika toimia, uskaltaa kokeilla ketterästi ja ottaa datatulva haltuun.
