Ny blogg om Business Intelligence från egbs, "BI-effekten.se"

egbs lanserar en ny blogg, BI-effekten.se, som handlar om Business Intelligence och då särskilt om QlikView.
Bloggen innehåller förutom nyttigt vetande om Business Intelligence också best practice från olika kundsituationer.
För den intresserade finns en hel del tekniska tips om QlikView.

Innehållet i bloggen produceras av egbs medarbetare.

Exempel från en av de senaste artiklarna:

Att bestämma NKI med QlikView

Publicerades: 2012-08-27 11:06 av Magnus Fasth

NKI är en metod framtagen av SCB för att mäta kundnöjdhet. I grunden baseras NKI på tre frågor (A, B och C) och NKI-värdet räknas ut som medelvärde som därefter normeras till en skala från 0 – 100.

Exempel på frågor är:

Verksamheten som helhet: ”Vilket helhetsbetyg ger du egbs”?

Hur verksamheten uppfyller förväntningarna: ”Hur väl motsvarar egbs dina förväntningar?”

Hur verksamheten är jämfört med den ideala: ”Hur nära detta ideal tycker du att egbs ligger?”

Kunden svarar på frågorna på en skala mellan 1 och 10. En etta ger index på 0, en två ger 11,1 och så vidare hela vägen upp till 100.

För att bättre förstå vad som påverkar NKI kompletteras undersökningen med andra frågor som delas in i ett antal kategorier. För varje kategori bestäms ett effektvärde som visar på kategorins påverkan på det totala NKI-värdet. Effektvärdet beräknas genom att göra en regressionsanalys (exempelvis med hjälp av minstakvadratmetoden) med samtliga mätvärden inom varje kategori. Genom att plotta NKI mot effektvärde i ett diagram (se ovan) blir det lätt att identifiera var förbättringsåtgärderna ska sättas in. I exemplet ska framförallt förbättringar prioriteras i kategori 3 och 6.

Med QlikView kan vi göra regressionsanalysen dynamiskt (även för mycket stora datamängder). Det gör det mycket tydligt vilka åtgärder som ska prioriteras för att förbättra NKI enligt bilden ovan.

Genom att använda kompletterande frågor i undersökningen som urvalskriterier gör vi det ännu enklare att förstå kunderna.  Låt oss säga att vi har en fråga som lyder ”Hur ofta handlar du i butiken?” med svarsalternativ

1. Varje dag
2. Varje vecka
3. Varje månad

Med QlikView kan vi då med ett enkelt klick titta hur NKI och effektvärden förändras för respektive kundkategori. Det gör att vår förståelse för vilka åtgärder som ska sättas in för att höja kundnöjdheten kan ske med en betydligt högre precision.

Om exemplet ovan är en matbutik kanske det viktiga är att förstå hur vi lockar sällanbesökarna och om det säger ett medelvärdet noll och inget. Det är här vi ser den stora nyttan med NKI direkt i QlikView med ett automatiserat dataflöde kopplat till befintliga utskick/enkäter.