Hvorfor analysere og grave i data? Hensikten for vårt arbeid er å finne riktige kundegrupper, forbedre produkter og skape nye, bedre kommunikasjon med mulige kunder og optimalisere leveranser. Målet for analysen er å gjøre livet for kundene bedre og enklere. Undersøkelsene har både strategiske og operasjonelle dimensjoner. "Vi" er oss selv og våre klienter. "Kundene" er klientenes kunder.

Gode beslutninger forutsetter gode måltall. Allikevel er innsikt i hvordan tallene henger sammen enda viktigere. Sammenhenger mellom eksterne og interne variabler strukturerer vi i modeller. Alle har mer eller mindre klare modeller inne i hodene våre. Men egne, uformelle forenklinger av virkeligheten er vanskelig å kommunisere og teste.

Tidligere var programmer for statistikk og business intelligence kostbare og proprietære. Nå har mange løsninger tilgjengelige i open source (gratis). Et eksempel er datavarehus og OLAP som gjør det mulig å aggregere og sammenstille informasjon på fleksible måter som er vanskelig å få til i de fleste økonomi- og transaksjonssystemer. Skjema og spørrespråk er de samme som i proprietære programmer.

En vesentlig del av Business Intelligence-løsninger er ETL-verktøy for å laste inn data fra transaksjonssystemene til datavarehuset. Man kan fleksibelt lage dimensjonene som er ønskelige. Dessuten kan datavarehus håndtere store mengder data med god ytelse.

Alle beslutninger bygger på antagelser om framtiden. I tillegg til OLAP-utforskere, som i hovedsak ser bakover ved å aggregere eksisterende data, jobber vi med prediktiv analyse (data mining), kausal modellering (path analyse), standard prediktiv statistikk (regresjon) og bayesisk sannsynlighetsberegning. Slike verktøy kan være nyttige for å se om mentale modeller over sammenhenger stemmer overens med virkeligheten i bedriftens data.

Vi har også en løsning for spørreskjemaer på web og automatisk uthenting i Excel-format for analyse.

Kontakt telescope for mer informasjon.