TEMA: Analyse for framtidas handelanalysen.no/images/Analysen/Analysen_tre_femten_ny.pdfKomplett.no...

NORGES MARKEDSANALYSEFORENING

NUMMER 3 – 2015

BRANSJENYTT • FAGLIG • NYTT FRA NMF • TEKNOLOGI • JOBB&KARRIERE

TEMA:

Analyse for framtidas handel

3

Lederen og Redaktørens spalte 4

n n n n n n n n n n n n n n n n n n n n n n n n

TEMA: ANALYSE FOR FRAMTIDAS HANDEL

Big Data and the Future of Retail 6

Måling av netthandel – nå og fremover 10

Smarter location decisions through analytics 12

Fremtidens handel 14

Hjemme hos Komplett Group 16

Relevans er nøkkelen til effektiv kundedialog og salg 18


JULEPORTRETTET

John Lauring Pedersen 22


FAGLIG

Data Scientists: Big Data-heltene 24


BRANSJENYTT

Ipsos MMI endrer navn til Ipsos 26

Nordisk forbrødring i Stockholms skjærgård 26

Nina Kulås ny administrerende direktør i Norstat Norge 26

Connected Life 26

Omdømmeprisen til Skatteetaten 27


NYTT FRA NMF

Nok et vellykket MAD 28

Tett og god stemning på MAD-festen 30

Nytt om navn 31

Folks Medievaner 2015 32


TEKNOLOGI

Data Lake vs. Datavarehus 34


JOBB & KARRIERE

Je suis Roel Teigé 38

Postboks 5077 Majorstuen, 0301 OsloTlf.: 22 60 16 77 E-post: [email protected]

STYRELEDERFred Selnes Tlf: 407 65 788 (Handelshøyskolen BI)[email protected]

STYREMEDLEMMEREva HaganTlf: 920 88 623 (Starcom)[email protected]

Jørn OlsenTlf: 913 81 343 (TNS Gallup)[email protected]

Line Marie VilmingTlf: 971 27 274 (Affecto)[email protected]

Pål ListuenTlf: 928 45 572 (Ipsos)[email protected]

Isabelle ValetteTlf: 922 06 784 (Nextbridge)[email protected]

VARAMEDLEMMER TIL STYRETJeanette BergquistTlf: 916 76 942 (Orkla Foods)[email protected]

Håvard OseTlf: 922 27 134 (Mediacom)[email protected]

LEDERE FAGGRUPPENEAnders M. Mamen (B2B)Tlf: 952 28 [email protected]

Elise Sandbu (Media)Tlf: 913 93 [email protected]

Line Marie S. Vilming (Metode)Tlf: 924 45 [email protected]

Auke Hunneman (BI)Tlf: 464 10 [email protected]

ANSV. REDAKTØRSvein Roar HultTlf: 906 98 600 [email protected]

RED. SEKRETÆR OG ANNONSEREva RasmussenTlf: 22 60 16 [email protected]

REDAKSJONSMEDLEMMER:Tom Hansen, Ipsos MMIRagnar Madsen, DRD ASChristina Smitt, OpinionNevjard Guttormsen, ResponsFolke Dalskau, NielsenEven Løvås, Norstat

ANNONSEPRISER 2016:1/1 side 4 frg. 8.800,-1/2 side 4 frg. 6.000,-1/4 side 4 frg. 4.400,-Årsavtale ÷15%Plassering omslagssider: +10%

GRAFISK DESIGN OG PRODUKSJON: DRD DM, Reklame & Design ASwww.drd.no

Fire veier til vekst #4

Ekspandere i nye markeder

Med tilstedeværelse i 88 land hjelper vi deg å lykkes både i nye geografiske markeder og i nye vare- og tjenestekategorier.

TNS Gallup har menneskene, kunnskapen og verktøyene som hjelper deg å vokse videre.

Vil du ha mer informasjon? www.tns-gallup.no/vekst

TNS Gallup

4 5

LEDEREN OG REDAKTØREN

Lunch-stripa er sponset av bl.a. Respons Analyse.

ANALYSEN.NOLes artikler fra tidligere utgaver av Analysen på analysen.no. Her finner du også oversikt over kommende seminarer.

I en livlig diskusjon blant gode venner var temaet reklame og de nye dingsene som gjør at vi nå kan blokkere reklame når vi er på nettet. Som over gjennomsnittet faglig interessert i temaet, spurte jeg mine venner om hva som er problemet med reklame. Ganske unisont var svaret at de var møkka lei av reklame som forstyrrer når de skal forsøke å lese noe på nettet; reklame som blinker, tuter og bruker lokkeord som ingen tror på. I samme åndedrag kom også alle de masete reklame-innslagene på TV med høy hornmusikk og tut-og-kjør. Og for ikke å snakke om all søpla som fyller opp postkassa. Kort og godt, mine venner liker ikke reklame som skriker for å få oppmerksomhet!

Litt lenger ned i rødvinsglassene dreide samtalen over til reklame man husket. Det var reklamen fra Storebrand om at «Forsikring har to priser», reklamen fra Hennig Olsen om «Den beste smaken», reklamen fra VG om at «Dagen er ikke den samme uten», reklamen fra Rema om «Det enkleste er ofte det beste», reklamen fra Friele om «Kaffehuset», reklamen fra Nidar om «Halvbroren», og mange flere.

Problemet er ikke reklame, men dårlig reklame!

Det feier en digitaliseringsvind over sam-funnet vårt. Mange bransjer har opplevd store endringer allerede, med vinnere og tapere som konsekvens. Reiselivs- og musikkbransjene er tydelige eksempler. Andre bransjer står midt oppi endringene nå, som f. eks. mediebransjen.

Vi ser også tydelige konsekvenser av digitaliseringsprosesser for varehandelen. Internett gir butikkenes kunder tilgang på all den informasjon de måtte ønske seg, om produkter de planlegger å kjøpe, både fra leverandører, brukere og uavhengige testere. Et resultat er at kundene gjerne kommer til butikken med mer kunnskap om butikkens varer enn ekspeditørene har – tatt på kornet i Lunch-stripa nedenfor. Pris- og tilbudsbildet er blitt transparent, til glede for kundene og til uro for butikkene.

Butikkene tar i bruk nye kanaler for salg og kommunikasjon med sine kunder: sømløs multikanalhandel, omnikanal markedsfø-ring, lojalitetsprogrammer og kundeklub-ber. En konsekvens er at det produseres mye spennende data om kundene i interaksjonen med butikkene: CRM-data, kundeklubbdata, atferdsdata og transak-sjonsdata. De butikkene som klarer, bedre enn sine konkurrenter, å gi kundene en opplevelse av økt relevans i kommunika-

sjon og tilbud på grunnlag av disse dataene, vil sannsynligvis være vinnerne i morgendagens handel.

De signalene vi får fra markedet, tyder på at mange butikker nå er i gang med å orientere seg om hvordan de kan ta i bruk de nye mulighetene for økt effektivisering av salg og markedsføring. De vil trenge hjelp til å håndtere og analysere dataene. Her ligger et stort inntektspotensial for leverandører av data-, analyse- ogmarkedsføringstjenester.

De nye datatypene stiller imidlertid nye krav til systemer og analysekompetanse. Det blir derfor spennende å følge med på om markedsanalysebransjen vil klare å gripe de nye mulighetene eller om det er aktører i andre bransjer som vil bli handels- bedriftenes Big Data-analysepartnere.

I Temadelen i denne utgaven av Analysen forsøker vi å forstå behovet for analyser i framtidas handel. Stephen Karl Ranson tar handelen med inn i Big Data-verdenen. Linda Hauge diskuterer utfordringer knyttet til analyser av netthandel i et landskap som er i hurtig endring. Auke Hunneman deler en metode for å vurdere om åpning av en fysisk butikk på en gitt lokasjon vil være lønnsom. Odd Gisholt reflekterer

n n n n n n n n n n n n n n n n n n n n n n n n n n n n n n n n n n n n n

Analyser for mer effektiv handel

Svein Roar HultRedaktør, Analysen

Styreleder i NMF Fred Selnes

over digitaliseringens betydning for norsk varehandel. Jan H. Johnsen forteller om hvilke analyser som har bidratt til å gjøre Komplett.no til en suksess. Kristian Nordtømme og undertegnede belyser verdien av kundeklubber og lojalitetsprogrammer for å generere og anvende data for mer effektiv handel.

Isabelle Valette diskuterer hvilken kompe-tanse som bør inngå i et Big Data-team. Øyvind Remme setter konseptene Data Lake og Datavarehus opp mot hverandre. Disse artiklene finner du i henholdsvis Faglig- og Teknologi-delene.

I tillegg finner du Juleportrettet, Jobb & Karriere, nytt fra bransjen og NMF pluss mange bilder fra MAD i denne utgaven.

Vi i Analysens redaksjon ønsker deg god lesing og en riktig god jul!

Det viste seg at mine venner hadde mange gode minner om reklame, og at de egentlig liker reklame som engasjerer. Det de ikke liker er reklame som støyer og trenger seg på!

Nå vil jeg som markedsforsker være den første til å påpeke at mitt utvalg av forbrukere er meget lite, og sikkert ikke representativt. Man kan derimot betrakte min vennegjeng og middagsdiskusjonen som en form for kvalitativ antropologisk dybdestudie hvor vi i det minste fikk frem en hypotese om at folk liker reklame som engasjerer og at de ikke liker reklame som støyer. Nå tror jeg heller ikke at man be-høver å være markedsforsker for å komme frem til en slik hypotese. Jeg tror det er ganske åpenbart, og i bunn og grunn dreier det seg om sunn fornuft.

Vi har nå hatt mange tiår hvor annonsører har kunnet ta seg den frihet å påføre forbrukere reklame som støyer. Kanskje er de i den tro at slik reklame også gir effekt på salget, men jeg tror effekten i beste fall er svært beskjeden. Dette fordi støyende reklame irriterer og dermed heller ikke skaper lyst til å kjøpe noe som helst fra annonsøren. Dessverre har vi som markedsforskere i liten grad fått anledning til å teste støyende reklame idet ingen har vært spesielt opptatt av å vite om slik reklame virkelig gir effekt.

Det som er nytt er at forbruker nå har fått sterkere verktøy som stopper reklame de ikke ønsker; på internett hvor man laster

ned programvare som blokkerer reklame eller av-melder nyhetsbrev, på TV gjennom opptak hvor man spoler over reklamen, i postkassen ved at man setter opp «Ingen reklame», i avisen ved at vi kaster innstikkene, og så videre. Forbrukerne har sagt tydelig ifra at de ikke ønsker støyende reklame.

Men samtidig ser vi også at mange forbrukere faktisk liker reklame. Tilbuds-avisene fra dagligvarekjeder og andre butikkjeder trekker store kundemengder til butikkene. Forbrukere melder seg inn i ulike medlemskonsepter og kundeklubber og vil gjerne ha informasjon og reklame som er relevant. I sosiale medier respon-derer forbrukerne med å dele reklamen de liker med sine venner. Og fremdeles hører mange på radioreklamen eller ser på tv-kanalen uten å skifte kanal.

Utfordringen er å lage relevant reklame som engasjerer forbruker. Men for å lage relevant reklame må annonsørene ha kunnskap og innsikt i forbrukernes behov og hva som interesserer og engasjerer ulike kundesegmenter. For å få slik kunn-skap må annonsørene få kundene sine i tale slik at de forteller hva de ønsker og hva de liker slik at annonsørene kan lære mer om sine kunder. Markedsforskere har i dag en stor verktøykasse med mange ulike metoder og teknikker, og vi har en viktig oppgave med å hjelpe til i denne læringsprosessen slik at annonsørene blir dyktigere til å lage reklame som engasjerer. God læring!

n n n n n n n n n n n n n n n n n n n n n n n n n n n n n n n n n n n n n

6 7

Big Data and the Future of Retail, Providing a Crystal Ball Solving the equation: “What product + Where to sell it + When to offer it”

The world has changed and it will never be the same again. There is no going back, the train has left the station and you’re either onboard, stood at the platform, rushing to the station, planning to buy tickets or still trying to understand the timetable. What that train is, where it is going, what are the important stations on that journey and how it will get there, can be unclear or difficult to explain and understand. However there is without a doubt a revolution happening, a revolution that will change the whole landscape of business and redefine the winners. The train and revolution are one and the same thing “Big Data”. Answering a simple but probably most important question: “Are we relevant to our customers?”

TEKST: STEPHEN KARL RANSON, CEO Cloud Explorers, Big Data Expert, [email protected]

n n n n n n n n n n n n n n n n n n n n n n n n n n n n n n n n n n n

ANALYSE FOR FRAMTIDAS HANDEL

“Big Data” is a topic on the minds and lips of leaders and managers in every industry, especially in the Retail branch. I would like to take you on that journey, board the train running along the tracks of revolution. Answering your questions and helping you to not only glimpse but understand what Big Data can and does mean for the Future of Retail.

Before we begin lets answer an important question, why is Retail one of the hottest areas for Big Data? Why are all the excit-ing cases we hear about, game changing solutions with widespread impacts and early wins all emerging out of the retail branch?

Why is every Retailer thinking and talking about “Big Data”?Well the answer is actually very simple. Retail has challenges and demands that Big Data provides the perfect solution to.

Furthermore Retail is a sector that has always been open to innovation, earlyadoption, with an experimentation mindset and most importantly is fiercely competitive with a winner takes all approach to business.

Retail is willing to embrace the latest trends and equip itself with the full technology arsenal available to win the customers hearts and minds and of course business.

Data Arms Race for Customer Insight!Powerful words but wether we like it or not there is a Data arms race already started and the winners will be those that take advantage of Big Data to forge a coherent data strategy and red thread between their supply chain management, omni channel contact points and customer insight.

But we get a little ahead of ourselves, first let’s conclusively answer this question: Why Retail? Or perhaps expressed another way, does: Retail + Big Data = Revolution = Advantage = Success = Relevance = Customer Chooses You!?

Even to the least mathematical of us that equation seems a little odd and that is one of the confusing aspects of Big Data, it means many different things to various parts of any business.

So here we recognize for the first time the common red thread that will help us on our journey.

Volume, Velocity, VarietyAll aspects of business concerns today share one common thing, data is now at the heart of everything. It’s increasing in volume, the velocity of its creation and actionability. Most importantly data is being created in a variety of systems, platforms and locations.

One Ring To Rule Them AllIt has always been the holy grail of tech-nology to have one solution that solves everything. But when something comes along, that actually can for the first time, solve many various aspects of business challenges, especially in a world were we all want simple answers to questions such as “What does it do?” Then it gets a little tricky when the answer is Big Data can solve all of your challenges.

So our promise to answer in a simple way the question, “why does Big Data matter for Retail?”, becomes perhaps a little harder to express.

Lets Gather the EvidenceBut not to worry, lets gather together all of the relevant topics that are on the minds of the various people in the departments and business areas, for various Retailers in different branches and start by looking at the big picture.

I researched countless articles and white papers relating to the classic top 10 issues currently facing or going to face the various aspects of Retail both today and in the future. I identified the top 100 topics in each area that appear repeatedly.

Each of these topics could easily fill a case study or white paper or even this article in their own right.

I organized them by relevance based on historical, current or future challenge and then aligned them to the relevant depart-ment or business area that they most impact or concern.

Then to express them in an easy manner I gave them some weighting and some class- ifications from a big data perspective. So that we can better understand as a founda-tion to our journey into the topic of Big Data and Retail.

The Hot TopicsIn the spirit of Big Data and Visualization I have expressed them as a tag cloud so we can easily see them as a single set of challenges.

Refining the TopicsLooking at the topics in this manner we can further reduce them to key areas: Smarter Logistics, Retain and Increase Market share, master customer contact points, address the realtime physical and online retail environ- ments, meet the customer in the moment with relevant products and services.

Mapping the Topics into the Retail PictureI often think that Big Data would be easier to understand and a much more accessible subject, if it had rather been called “Big Picture” Data. When we start to look at the Big Picture and how all the various topics, concerns and activities interact, it all revolves around data. We can clearly see that data from various sources or “variety”, being created at differing speed´s or “velocity” in varying degree´s of “volume” are the life blood of any business especially Retail. And in a similar manner to blood, carrying oxygen to key parts of the body, data carries infor-mation to they key parts of Retail Business.

Lets begin our JourneyThe illustration on the next page breaks down some important and fundamental Re-tail areas and activities in a sequential man-ner starting at 1-Enterprise Data then moving into 2-Marketing and Commerce followed by 3-Communication and Interaction finishing with X-combining those ingredients via Big

Data and Analytics to answer the 3 questions in the title of this article, which when combined together gives the answer to the ultimate question: How can Retail achieve “Increased Market Share and Increased Profit”?

Enterprise DataTodays Retail actors have well established technology solutions, sat in what is usually known as the Enterprise, or for our purposes “traditional IT”. Here we find some common systems and data sets that represent a re-cord of business activities and transactions. They contain data that is historical in nature, reveal a basic current status along with a li-mited view of the future in terms of payments due or orders as yet unfulfilled seen as yet to be enacted income or outcome.

There are four main systems most often found in Retail, there may be several of each but they can be defined as:

CRM (Customer Relationship Management) - often used for customer management,

8 9

loyalty and customer service. However I have seen many Retailers that do not ope-rate a CRM solution and very recently, I have heard many start to talk about moving away from traditional CRM thinking, and rather seeing the data itself and the transactions and customer interactions as the new CRM.

Payment Solutions (nets/point/payex…) - providing customers with the ability to perform purchase transactions.

ERP (Enterprise Resource Procurement) - provides three main functions, sales management and reporting, Stock and Inventory management and General Ledger or Accounting.

POS (Point Of Sale) - found in all bricks and mortar locations or as an integrated part of online commerce solution. POS provides a customer facing ordering system and contact point which can both handle shopping basket operations against the ERP platform and customer interaction.

There are also, though not mentioned in our illustration, HR (Human Resource) solutions, such as salary applications and company

intranets. These last two are increasing in re-levance as staff talent becomes an important factor in business.

Each system solves a specific area of business and although enacted usually via various technologies and vendors, all contain valuable business data. However this data is not connected together or combined in any meaningful manner, it effectively lives in isolated silos. Also the technology simply cannot handle the sheer volume of historical data, making it impossible to perform any analytic insights without a great deal of work, especially not at the speed and avail-ability the ever accelerating world of Retail now demands. These various datasets are the fuel needed to facilitate the simple but core goal of Retail, if they can be converted into smart data and operationalized.

The basic goal of RetailAll of these applications are intended to support the core goal of any Retail business. Simply put there are two types of customers, group A, existing that need to be secured and developed. The second group B, usually much larger, are prospects or potential customers not yet conducting transactions.

The main goal is therefore to continuously convert as many potential customers from group B to group A thus growing market share and as a result income and profits.

Enter Big Data and AnalyticsBig Data allows large amounts of data from various sources to be easily and rapidly assembled together in real time. Making it the perfect solution to release Enterprise data from its silo´s, combining internal data together and then introducing external data such as market research and insights, then converting it into smart business data.

CRM can then be performed with deeper richer client insights. ERP can become analytic driven with smart logistics, real time prices advanced predictive inventory management. Payments and POS can start to offer personalized options, interactions.

The results of this, Relationship, Events and History realized as sales can then be used as data insights, powering the next part of our journey, Marketing & Commerce, which are key mechanisms used to convert Group B to Group A and then keep them in Group A.

Into the World of Marketing / CommerceMarketing and Commerce has two main drivers used to realize activities in both spaces. Marketing is driven by profiles that are used to fuel processes and campaigns across the new generation of channels available to Retail. These channels are very different and diverse based upon different technologies and vendors. Each channel is unique with its own vocabulary and events.

Most importantly, these channels are relevant and valid on an ever changing and continuous basis, driven by the moments we now live our lives in today. These moments occur throughout each day influenced by our location, needs and our identity, either professional mode or private mode or even a combination. Traditional channels like Post/TV/Radio along with email, are now supplemented with next generation interaction channels such as Social Media, Web, iBeacon. The collective term for these contact points is know as “Omni Channel”.

Omni Channel CommunicationA common misconception with Omni channel, is that they are common channels that can be used to spray the same content at custo-mers. They are far from this, in fact each channel in the Omni Channel spectrum are entrances through which clients meet your organizations, its value proposition, brand, mission, products and services.

The channel used and the experiences expected are driven very much by the customer. It is therefore important to see the interactions on these channels as a series of ongoing conversations rather than isolated events. Most importantly, they are two way mechanisms, that not only convey messages to the customer but return valuable insight and response data back to the Retailer. Greatly enhancing the understanding of the customers behavior and ultimately allowing for a more personalized communication and interaction. Big Data is a key enabler to realize a common red thread across these channels, regardless of technology. Big Data also allows for these various interactions to be handled, organized and analyzed in realtime, steering the timing and nature of content expressed to customers. We will talk a little more about content later in this article.

Store Commerce ActivitiesThe customer experience in the commerce setting is critical to understand and master. Wether it is online in a web setting or in a bricks and mortar environment, there are

common activities occurring generating valuable data and insights.

Customers search and browse products and services, this is a key indicator revealing the interests and needs and eventually relevance of a Retailer to the customer. This behavior can be captured today using technologies such as web logs and in the real world via iBeacon, footfall sensors or heat map cameras in store. Analyzing this data reveals much about the customer before they even perform any transaction and at the very least indicates that the customer is starting to seek the Retailer.

A secondary activity relating to this is the discovery or researching of products and services, either online or in store. This be-havior reveals much about existing offerings and potential new offerings. A customer discovering products with a retailer that are relevant and interesting yet unexpected, has a very powerful effect helping to build loyalty and relevance.

Two key actives that follow are typically price comparison then sales transactions. These are clear indications and confirmations that the customer has successfully entered into Group A and a relationship has begun that can then be developed. This takes us back to the marketing activity. A conversation has begun that must be kept alive to meet the core goals of Retail as described earlier.

The final key activity in this view of store activity, but often overlooked, forgotten or disconnected, is customer service. This could be argued as one of the most critical aspects of the conversation during which the customer relationship is reinforced and strengthened. So much so it can become more important than other factors such as pricing or product variety that are often seen as major differentiators.

Big Data is FundamentalMarketing and Commerce generate extensive and varied datasets that are critical to cap-turing the customer interaction and experi-ence. Big Data allows for the first time, these elements to be combined in a single place. A major effect can then be realized which has been demonstrated clearly to have immediate and dramatic effects in Retail. This is the act of moving via Big Data from campaign driven activities based on stomach feeling and rela-tively few facts, along with product and price selection performed in a similar manner. To a Data and Analytic driven approach utilizing a rich range of data insights and observations

gathered and collected in real time. This is not just a nice to have but a key distinguisher between the market leaders and losers.

Content is KingBefore we finally assemble things together at the end of our journey, I think it is important to look at what happens in the channels to the customers and why do we need to succeed here.

We use these Omni Channels to deliver content that expresses to the customer, ser-vices, product awareness, survey insights, loyalty behavior. The content of these chan-nels needs to be coherent, personalized and delivered at exactly the right time.

This all serves to make the customers see the Retail organization as en entity that is personalized and relevant towards them with offerings delivered at the right product, right price and right moment.

The communication and interaction can, if successful, build customer groups, mem-bers, fans, loyalty and ultimately creating real Brand awareness. All of these are triggers towards the primary objective of all of these efforts, which is for the customer to “Choose You!” your products, your services and your value proposition.

Putting it all togetherUsing Big Data across all of these areas effectively, gathering diverse and valuable data. Enriching it with both external and in-ternal Data Sources such as weather, social media, trends, customer insights. Performing realtime analytics and then operationalizing these insights, allows Retailers to answer the fundamental question: “What product + Where to sell it + When to offer it” in order to satisfy customers and meet the core object-ive of business “increasing market share and profit”. This is why Big Data is important and the single most important factor in the future of Retail.

Final ThoughtsWhat I would like to leave with you is that Big Data does not need to be scary and taken as a Big Bang approach. All of the things discussed above can be achieved step by step in an experimental approach and format.

The important thing is get started and realize immediate benefits. Building on these will take you to the future quicker than you can imagine.


10 11

Netthandel for ? mrd. kronerDet er mange aktører som følger med på utviklingen i forbrukers netthandel. Gjennom vårt eHandelsbarometer anslår Virke nett-handelen med varer og tjenester til å utgjøre om lag 69,2 mrd. kroner i 2014 – DIBS har tilnærmet samme resultat på 69,1 mrd. kroner. Ser vi på ren netthandel med varer ligger anslagene på mellom 32,4 mrd. kroner og 17,6 mrd. kroner.

Figuren illustrerer hvor forskjellige tall vi kommer fram til avhengig av hvordan vi måler netthandelen. De store sprikene skyldes både ulike målemetoder og forskjeller i hva som blir definert- og inkludert som netthandel. SSB sine tall omfatter netthandel med varer fra norskregistrerte foretak og norskregis-trerte utenlandske foretak (NUF). PostNord/TNS måler netthandel med varer basert på nettintervjuer i Norden (i alle kvartal). DIBS intervjuer forbrukere i løpet av et kvartal og beregner årstall basert på dette. I tillegg kvalitetssjekkes tallene mot transaksjonsdata. Virke eHandel/Posten baserer tallene på SSB og legger til tall fra bedrifter som er store innen netthandel, men ikke ligger med en egen næringskode for internetthandel i SSB, samt svenske nettbutikker med høy omsetning i Norge.

Virkes eHandelsbarometer;forbrukerperspektivetFor fire – fem år siden, var det enda større sprik i tallene de ulike aktørene opererte med – og også mer uoversiktlig i forhold til hva de ulike statistikkene egentlig målte. Som Norges største hovedorganisasjon for handel, ønsket Virke derfor å etablere en egen statistikk for netthandel. Men hvordan skulle vi klare å måle netthandelen på en god måte? Hva og hvor mye ville vi vite?

Måling av netthandel – nå og framoverForbruker gjør en stadig større del av både vare- og tjenestekjøpene sineover nett. Og selv om vi fortsatt snakker om handel vs. netthandel – blir skilletmellom kjøp på nett og i fysisk butikk stadig mer uklart. Det skaper utfordringer for hvordan man skal måle netthandelen – og det blir kanskje stadig viktigere å ha fokus på hva man skal måle.

TEKST: LINDA HAUGE, seniorrådgiver, Virke, [email protected]



mer. Netthandel fra utlandet er også viktig å kjenne omfanget av. Vanligvis baseres omsetningsstatistikk på momsoppgaver, men for å få en dekkende netthandelsmåling konkluderte vi med at vi måtte gå gjennom

Vi startet med nettbutikkene. Kunne vi skaffe informasjon fra betalingstransaksjoner? Nei, i alle fall ikke på et detaljert nok nivå til at vi kunne se om det var handlet klær eller elektrisk utstyr, eller som dekket hele markedet. Hadde vi regnskapsdata som kunne gi oss nok informasjon? Nei, i alle fall bare for netthandel fra organisasjonsnum-mer der netthandel var skilt ut som eget organisasjonsnummer og kun for norske netthandelsbutikker. Dette var ingen god løsning siden det da og i enda større grad nå er mange som har både fysisk butikk og nettbutikk på samme organisasjonsnum-

Figur 1. Ulike anslag for netthandelen med varer/tjenester, 2014. Kilde: Virke Analyse.1) Kun norske butikker. 2) Justert med 25 prosent mva.

Ved å spørre forbrukerne hver 14. dag - er vi ganske sikre på at forbruker husker hvor mye hun har handlet.

forbrukerne. Det er flere fordeler med å ha forbrukeren som kilde, som vi kommer tilbake til. Med TNS Gallup som samarbeids-partner startet vi Virkes eHandelsbarometer som måler netthandel gjennom et panel på ca. 1000 internettbrukere hver andre uke.

Hvordan måle netthandel Output-målet var i prinsippet enkelt - vi vil vite hvor mye det handles for i kroner og hvor mange kjøp det gjennomføres. Det var likevel mange avveininger og definisjoner. Avveininger mellom pris og kvalitet, defini-sjoner av vare- og tjenestekategorier, når er det en eller flere handler etc. Avveiningene mellom pris og kvalitet gikk særlig på:

• Hyppighet• Metode• Størrelse på panel• Nedbrytbare variable• Avgrensing (og definisjon) av tjenester • Antall kategorier (nøyaktighet og sammen-

lignbarhet)

Når man skal spørre forbruker om hva de har handlet, må man finne et kompromiss mellom detaljgrad i hva man spør om og hvor komplisert og krevende det blir å svare. Blir det for krevende, vil det gå ut over kvali-teten. Det styrende målet for oss var, som nevnt, å kunne måle omfanget av varer og tjenester og å kunne måle verdien av norsk handel (og norsk handel i utlandet). I tillegg var det et mål å kunne bryte ned på vare- og tjenestekategorier som kunne sammenlig-nes med annen statistikk. Resultatet ble 16 vare- og tjenestekategorier med over 100 underkategorier.

Hva gir eHandelsbarometeret av kunnskap?Virkes eHandelsbarometer er i dag den målingen som er den mest omfattende og som i størst grad gir en oversikt over norske forbrukeres netthandel. Ved å spørre forbrukerne hver 14. dag - er vi ganske sikre på at forbruker husker hvor mye hun har handlet. Ved å spørre forbruker har vi også mulighet til å stille spørsmål om (kjøps)

adferd, holdninger og oppfatninger som gir oss nyttig kunnskap om ulike temaer innen netthandelen. Etter drøyt to år med barometeret vet vi allerede en del mer om utviklingen i netthandelen og netthandelskunden, f.eks. handler kvinner oftere på nett, mens menn bruker mer penger per kjøp, forbrukere i Nord-Norge legger igjen mest penger på nett, mens de yngre er mest positive til å handle i utenlandske nettbutikker. Samtidig som vi er av den formening at barometeret gir et godt inntrykk av hva norske forbrukere handler for på nett, ser vi også at det stadig blir vanskeligere å definere hva som er kjøp på nett – og hva som er fysisk handel,

Når handel er handel – hva skal måles da? Det er ulike forhold som preger handels- og netthandelsutviklingen. Multikanal og sømløs handel er to stikkord. Som følge av at forbrukeren beveger seg i økende grad mellom ulike kanaler i kjøpsprosessen, er også stadig flere detaljhandelsaktører i flere kanaler. Når vi beveger oss mellom kanaler i kjøpsprosessen – hva er da netthandel - og hva er det ikke?

Hvis vi setter sammen en sofa/pc/sykkel i butikk med veiledning og hjelp fra en kun-deveileder, men bestiller og betaler på nett når produktet er klart – er det da egentlig netthandel? Eller hvis vi kjøper en vare på nett – og henter i butikk, samtidig som vi ”rasker” med oss noen flere varer vi finner på veien – er det da netthandel eller fysisk handel? Det er sjelden vi hører at forbruker ”går ut og netthandler litt” – for forbruker er handel – handel. Flere og flere retailere har dermed også sluttet å skille mellom netthan-del og ”vanlig” handel. Det som er viktig, er at kunden velger å handle fra deres butikk. Retaileren må da være til stede der kunden er og gjøre kjøpsprosessen og – opplevelsen enkel og god. Det handler om en sømløs opplevelse.

Tanken om sømløs handel grunner i et ønske om å gi kundene en bedre kjøpsopplevelse. Forbrukerne ønsker alle fordelene fra nett,

som bedre utvalg og levering på døra, men også muligheten til å kjenne på produktet og prøve om det passer. Reell sømløs handel vil si at kunden velger fritt hvor hun vil se på varen, hvor hun søker hjelp i kjøpsproses-sen, hvordan hun betaler, og ikke minst hvor varen blir levert. Du kan med andre ord gå i den lokale sportsbutikken for å se på ny sykkel, mens du spør kundeservice over mobilchat hvilke funksjoner sykkelen har. Når du har bestemt deg, betaler du i kassa, og velger å få sykkelen levert på døra dagen etter. Sømløs handel betyr å sette kunden i sentrum på en helt annen måte enn tidligere

Det vil derfor bli mer og mer viktig å vite hvor kunden er og hva hun ønsker. Størrelsen på netthandelen i kroner og øre – blir kanskje ikke like viktig å måle fremover som nå.

Derimot blir det stadig viktigere å ha kunn-skap om forbrukers kjøpsvaner. Hvordan orienterer de seg på sin kjøpsreise – fra tidlig researchfase til kjøpet faktisk gjennomføres. Hvilke varer researcher de på nett og kjøper i butikk – og omvendt. På hvilke device gjør de research – og på hvilke device gjør de kjøpene? Hvordan ønsker de å betale og hvordan ønsker de å få varen levert? Prefe-ranser er i endring og situasjonsavhengig. eHandelsbarometeret vil være en god kilde til å innhente kunnskap om slike spørsmål, følge med på nye bransjer som blir modne for nett og til å følge utviklingen i handlevaner hos ulike kundegrupper. I tillegg åpner barometeret for dialog med forbruker ved å stille konkrete spørsmål. I et marked som er så raskt i utvikling som dette og hvor det er så glidende overganger mellom netthandel og ”vanlig” handel, vil vi aldri kunne måle netthandel eksakt. Ulike kilder måler ulike størrelser for ulikt formål. Det er viktig at bru-kerne av de ulike statistikkene og analysene kjenner sitt behov og hva man kan få svar på og ikke, i de ulike kildene. Da vil man ha et mye bedre grunnlag for å orientere seg og trekke ut det vesentlige i ulike målinger. God analyse og bruk av datakildene vil hjelpe en retailer til å få kunden med på hele kjøpsreisen.

Flere og flere retailere har dermed også sluttet å skille mellom netthandel og ”vanlig” handel. Det som er viktig, er at kunden velger å handle fra deres butikk.

12


Even though the online share of retail sales in Norway is about 10% and expected to further increase to 12.7% in 20181, the lion share of retail trade is still realized in physical stores. Despite the growth in e-commerce and its potential threat to bricks-and-mortar retailers (see, for example, NRK 2014), the physical world that we inhabit continues to dictate our (online and offline) shopping behavior (Bell 2014). An important reason for this is that the “real” world imposes frictions on us, for example through the distance that we need to travel from home to our preferred retail stores. Retailers try to reduce those frictions by finding the right store locations, namely those that minimize the travel dis-tance from their stores to the target group. At the same time, competitive pressures make it difficult to find commercial property at good sites for attractive prices. Hence, the old adage that the three most important factors in retailing are “location, location, and location” still applies to today’s retail environment.

Historically, location decisions were and sometimes are still made based on gut feelings of the retailer who evaluates each location based on his knowledge of and experience in the market. However, increa-sed competition and the dynamics of the retail environment make experience a less reliable factor and call for more systematic approaches to location choices. This, in combination with the increased availability of high quality customer-level data, offers great opportunities for the development and use of a statistical model to support location decisions. In this article, we introduce such a model based on the author’s dissertation (Hunneman 2011) and we discuss the poten-tial benefits of using that model as well as its data requirements.

The decision whether and where an (additio-nal) new store should be opened depends

on that store’s contribution to company performance. This implies that, on the one hand, we need an estimate of the store’s potential turnover, while –on the other hand– we have to identify the costs associated with opening and maintaining a store at a particular location. The costs of, for exam-ple, renting commercial property and hiring personnel can be projected relatively easy. However, the potential revenues of a new lo-cation are much harder to predict. Hence, a statistical model that helps estimating those figures is a useful tool for evaluating store locations. Based on the predicted revenues for each location and its associated cost, the company’s management can then decide whether it wants to invest in a particular location. The in this article proposed model thus is a decision support tool that will not give a definite answer to the question whether to invest or not. Rather, the retailer can use the model to make smarter and better decisions by combining the model estimates with his own judgement. Another application of the model is to evaluate the performance of existing stores. By using sta-tistical models it is possible to obtain an esti-mate of a store’s expected sales level, given its attributes including its location and the competitive and demographic environment it operates in. If the sales level fall short of the predicted sales figures, one can investigate more carefully the reasons why that is. Did construction work on the main street affect traffic negatively or was it perhaps somet-hing more structural?

We model the revenue potential of (new) store locations by using an advanced regression model that assumes that a store’s performance depends on store, market and consumer characteristics. Store characte-ristics may include variables like the store’s size and the composition of its assortment, while market characteristics can be the locations of competitors and other retail

stores. Consumer characteristics are the number of households in the store’s trade area and their sociodemographic make-up. The trade area of a store is identified based on transactional data from the chain’s customer loyalty program2 . Thanks to the transaction data that is collected as part of such programs, many retailers know where their customers live and are able to delineate the trade areas for all their stores. Estimating the model on data for existing stores enables us to determine the relative impact of drivers of store performance and to predict the potential revenues for new locations.

We estimate the revenue potential of a new location by following a fixed procedure. First, we determine the trade area of the new store, which we can predict based on the spatial distribution of the chain’s current customers; customer locations are usually registered as part of a company’s loyalty program. The next step is to estimate, for all zip codes belonging to the store’s trade area, the following components of the reve-nue equation:

• The penetration rate of the loyalty program;• The average number of visits per customer;• The average expenditures per visit.

Smarter location decisions through analyticsTEKST: AUKE HUNNEMAN, Associate Professor Handelshøyskolen BI, [email protected]

n n n n n n n n n n n n n n n n n n n n n n n n n n n n n n

1 Please visit http://www.statista.com/statistics/379100/e-commerce-share-of-retail-sales-in-norway for more information.

2 Alternatively, we can use the model developed by Hunneman and Van Oest (2012). This model can determine a store’s trade area and revenue potential based on

aggregate sales figures for all stores without having access to loyalty program data (please see Magma 2012(3)).

However, increased competition and the dynamics of the retail environment make experience a less reliable factor and call for more systematic approaches to location choices.

13

If we multiply the above-mentioned com-ponents with the number of households for a zip code, we obtain a precise estimate of the potential revenues in that zip code. If we do so for all zip codes and we sum those revenue estimates over all zip codes, we get an impression of the total revenues that can be generated at a certain location.

Our modeling approach assumes that the drivers of store performance can have a different impact on the penetration of the loyalty program, the average number of visits per customer, and the average expenditures per visit. By doing so, we allow the retailer to identify the exact reason for a change in revenues. For instance, a drop in store reve-nues may be the result of either a declining number of customers or a fall in the number of visits per customer. Increasing revenues (again) requires a different approach in each of these cases. In the first case, the retai-ler may try to increase brand awareness through an advertising campaign, while in the second case rewarding customers for the number of times they visit the store seems a more appropriate solution.

In order to successfully apply the model, the following data needs to be collected:• Transaction data per store at the individual

customer level. This data is often routinely collected as part of a company’s customer loyalty program.

• Attributes of each store including the number of competitors.

• Sociodemographic data at the zip code level. This data can be obtained from commercial data vendors or from Statistics Norway.

• Travel distances between all zip codes.

A major advantage of the proposed model is that it can be used for any type of retailer whether it is an apparel chain or a grocer. The performance of a clothing store may largely depend on the attractiveness of the area in close vicinity to the store, while the revenues of a grocery store depend on the availability of free parking space. The researcher can adjust the set of explanatory variables in the model in accordance with the specifics of the focal retailer.

In sum, this article proposes a model to sup-port location decisions. The proposed model can be easily applied in different settings and it can be implemented as a decision support system in, for example, Microsoft Excel. The model predicts the revenue potential of candidate sites and it shows how these

revenues are generated. Hence, it is a useful tool in search of the best “location, location, and location”.

AcknowledgmentThe author thanks Olessia Bankovskaya for proofreading the manuscript.

Bell, D.R. (2014). Location is (still) everything: the surprising influence of the real world on how we search, shop, and sell in the virtual one. Houghton Mifflin Harcourt, Boston.Hunneman, A. (2010). Advances in methods to support location and design decisions. Doctoral thesis, University of Groningen. SOM Research School, Groningen.Hunneman, A. and R.D. van Oest (2012). Å estimere handelsområder uten å følge kundene hjem. Magma 2012(3): 35-41.NRK (2014). Netthandelen øker eksplosivt. [available at http://www.nrk.no/norge/netthandelen-oker- eksplosivt-1.11505408].

A major advantage of the proposed model is that it can be used for any type of retailer whether it is an apparel chain or a grocer.

14 15

Fremtidens handel; - utviklingstrekk og utfordringer for analysebransjenOdd Gisholt har fulgt norsk og internasjonal handel med varer og tjenester i en årrekke. Fra sine utsiktsposter på Handelsakademiet/OHH, Norges Varehandelenshøyskole/NVH og de siste 15 årene i BI-systemet, med noen avbrekk utenlands, har han hatt god oversikt over varehandelen som næring. Han ser mange positive trekk fremover, noen utfordringer for analysebransjen - og irriteres av at så mange fanges av jounalistenes vrangforstillinger om e-handelens betydning.

TEKST: TOM HANSEN, markedsdirektør i Ipsos, [email protected]

Vi har tatt turen til BI for å møte en nestor som har fulgt norsk varehandel gjennom mange tiår. Som rektor på Handelsakade-miet/Oslo Handelshøyskole, Norges Vare-handelshøyskole og nå i sitt 15. år på BI, har Odd Gisholt gjort mange dypdykk i hande-lens utvikling i Norge. Dagen for intervjuet var tilfeldig valgt, men akkurat denne dagen arrangerte BI-studentene «Karrieredagene» med 65 utstillere fra både privat og offentlig

sektor, 15 av dem innen retail. Slikt blir det «business» av!

Hva har vært de største endringene i norsk handel med varer og tjester det siste 10-året? – Utviklingen har vært dominert av to store endringer, sier Gisholt: konsentrasjonen til et fåtall store handelshus og digitaliseringen i alle deler av handelen. Om ikke endringene i måten vi handler på har vært så store, har framveksten av nå over 400 kjøpesentere allikevel gjort at vi har endret vårt handle-mønster. På tjenestesiden har også digtali-seringen vært fundamental innenfor en rekke bransjer som bank, reiseliv, transport m. fl. Muligheten til å bestille varer og tjenester på nett har endret seg på nær sagt alle områ-der. Logistikken har endret seg dramatisk, mener Gisholt.

Utviklingen i Norge har dessuten vært pre-get av de siste 10 års betydlige velstandsøk-ning. Vi har etterhvert mettede markeder på svært mange områder: vi bruker mindre på mat, mindre på klær og stadig mer på trans-port, reiser og fornøyelser. Dette har ført til priskrig i en rekke bransjer, med pressede marginer. For å overleve må aktørene ha store volumer. Handelshusene har mestret denne omstillingen og fører an i utviklingen.



Dr. oecon Odd Gisholt.

Hvordan stemmer prognosene siste 10-årene med fasiten? – Retningen i prognosene har vært riktig, sier Gisholt. Men vi så ikke på forhånd betydningen av sosiale medier, apper m.m. for hvordan vi nå kommuniserer og hvordan dette har påvirket den sosiale markedsførin-gen. Samtidig har mange av prognosema-kerne bommet på e-handelens betydning, godt hjulpet av ivrige journalister som ikke tar seg bryet med å sjekke fakta. Mange tror rett og slett at netthandelen er mye større enn det den faktisk er, mener Gisholt.

Hva blir de største endringene det neste 10-året? – Handelen flater ut. Konsentrasjonen vil fortsette. Digitaliseringen vil fortsette. Nett-handelen øker og vil fortsatt øke det neste 10-året, kanskje i et lengre perspektiv opp mot 20%. Men netthandel vil fortsatt være en liten andel av den totale handelen. De 4000 dagligvarebutikkene og de 400 kjøpe-senterene vil dominere. E-handel mangler kundeopplevelsen og transakjonskostna-dene er fortsatt for store. Få, om noen av e-selskapene, tjener penger og de er dårlig finansiert, hevder Gisholt. Han har kikket dem i kortene.

I hvilke bransjer vil vi se de største endringene? – Med en økende e-handel vil den sta-sjonære handelen slå tilbake og finne nye måter å attrahere kundene på. Nye opp-levelseskonsepter vil se dagens lys. Men

for noen bransjer er det ingen vei tilbake; finans, bank, forsikring, reiseliv og noen fler. Netthandel med apotekvarer vil ta av som en kule, tror Gisholt. Piller og apotekvarer er i små, lette pakninger og egner seg derfor godt for netthandel. Handelen i Norge ligger heller ikke tilbake for den utviklingen i vi ser ute i Europa. Vi henger godt med!

Hvordan vil denne utviklingen påvirke analysebransjen? – Virksomhetene blir stadig mer selvforsynt med undersøkelser, tror Gisholt. Kundene vil gjøre enda flere undersøkelser selv, inhouse, med egne, kompetente folk og egen innkjøpt programvare. Over tid bygger kundene opp store databaser (NorgesGruppens Sylinder og Trumf, Coops samarbeid med Dunn-humby) som de selv opererer og kan utnytte til analyseformål. BIG DATA vil utnyttes til mange formål, også analyser og under- søkelser. Men det vil alltid være marked for de store, løpende undersøkelsene som måler vareflyt (Nielsen) og de store bransje-undersøkelsene. Det vil også fortsatt være behov for skreddersøm og ikke minst for rådgivning, mener Gisholt.

Hvilke nye behov vil følge av dette? – Å kunne tilby konsepter som «knar» interne data på en intelligent måte, som kan gi kundene praktisk innsikt, vil bli etterspurt. Med en stadig mindre effektiv massekom-munikasjon vil kundene søke seg fram til nye løsninger. Nye kommunikasjonsløs-ninger som kan skreddersys for en-til-en-

kommunikasjon. I denne omstillingen vil det være behov for undersøkelser, analyser og gode råd, mener Gisholt. Men han tror det kan bli en tøff omstilling. Analysebransjen er en svært tradisjonell bransje som fortsatt er best på å samle inn informasjon.

Ser du andre utviklingstrekk som vil påvirke analysebransjen? – De tradisjonelle undersøkelsene vil bli færre. De syndikerte undersøkelsene vil bli færre. Analysebransjen må endre seg og spesialisere seg på nye metoder og teknik-ker som gir aktørene løpende og dypere forståelse av hvordan de skal holde kontakt og kommunisere med sine egne kunder. I årene framover vil handel og industri gå hånd i hånd. Frem til i dag har det gjerne vært industrien, altså leverandørene, som har gjort undersøkelser for å fremme sine produkter og tjenester overfor handelen. Utviklingen i årene fremover vil i større grad preges av at handelen selv gjør sine egne undersøkelser som også inkluderer ulike kategorier og konkrete merker. I dette bildet er kjedenes egne merkevarer (EMV) og egne konsepter på fremmarsj. Som følge av det vil handelen selv gjøre sine egne undersøkelser og analyser. «Det blir altså et spørsmål om hvem som eier veien», avslutter Gisholt.

Odd Gisholt var formann i Norges Markeds-analyse Forening i fem år og kan smykke seg med foreningens æresmedlemskap. På Handelshøyskolen BI er han fortsatt mr. Retail.

16 17

Hjemme hos Komplett GroupKomplett.no er Norges største nettbutikk og ble etablert i 1996. Nettbutikken eies av Komplett Services AS som er del av Komplett Group. Analysen har fått gleden av å få et innblikk i hvordan Komplett Group jobber med markedsanalyse i dag, og har snakket med Jan H. Johnsen, selveste markedsdirektøren!

TEKST: CHRISTINA SMITT, rådgiver og moderator i Opinion AS, [email protected]


Fokus på nærhet til innsikt Komplett er organisert Nordisk, der ulike fag- og ansvarsområder dekker flere markeder. Totalt jobber det ca. 100 personer i markedsavdelingen, der teamene grovt sett er oppdelt med ansvar for aquisition, conversion og retention (trafikk, konvertering og lojalitet/kundeservice). Kundeservice er den klart største avdelingen med ca. 70 medarbeidere. – Komplett jobber bredt med analyse i alle deler av virksomheten og på alle nivåer i kjøpstrakten. Vi har ikke en egen analyse-avdeling, da vi mener analyse er en del av

ansvaret og verktøykassen til de operative avdelingene. Med dette får vi en nærhet til innsikten som raskt kan tas ut i action, innleder Johnsen.

Overordnet har Komplett en løpende nordisk merkevaretracker som leveres av Opinion. Lenger ned i trakten jobbes det med forbrukerinnsikt på prosjektnivå. – Det vil si at vi gjør dypdykk inn i viktige målgrupper og/eller kategorier/markeder etter behov. Særlig viktig blir dette når vi

Jan H. Johnsen

CVNavn: Jan H. JohnsenStilling: Markedsdirektør i Komplett Group og ansvarlig for markedsføring, butikkdrift og kundeservice Komplett Group: Nordens største netthandelsaktør med 14 nettbutikker, 630 medarbeidere. Hovedkontor i Sandefjord

skal inn i nye kategorier, noe som er endel av strategien for Komplett fremover, påpeker Johnsen.

Johnsen forteller også at siden Komplett er en såkalt ”pure player” innen netthandel, det vil si at de ikke har noen fysiske butikker, har Komplett naturlig nok særlig fokus på analyse omkring eCommerce. – Oversatt handler det veldig mye om å forstå kundereisen og atferdsmønstre, som gjør oss i stand til å optimalisere butikkløs-ninger og innhold. Her er relevans og personalisering nøkkelord, og fremover vil vi se en ytterligere integrasjon mellom ulike tekniske plattformer/løsninger der mye vil dreie seg om atferdsdrevet markedsføring. Da blir analyse en nøkkelkompetanse for å sette de riktige strategiene, som igjen sikrer relevans og konvertering, legger han til.

Det er cookiedata som gjelderKomplett jobber mye med medieanalyser, både på et overordnet nivå gjennom sagsmodellering og på et detaljnivå gjennom deres online performance avdeling. I den løpende analysen er det cookiedata som gjelder. Disse kombineres med basedata for å skape ytterligere relevans for kundene. Surveydata brukes først og fremst i strategiske sammenhenger eller ved konseptutvikling.

– Å forstå sammenhengene mellom søkemotorene, mediene og atferd i butik-kene er helt sentralt i netthandel. Komplett har investert i systemer og kompetanse på dette området, der vi nå blant annet jobber direkte i en såkalt DSP, nærmere bestemt Doubleclick. Dette er kjernekompetanse innen eCommerce som Komplett håndterer internt.

Johnsen legger også til at stadig flere av de taktiske analysene er automatiserte og real time, det vil si at systemintelligens justerer løsningene ut fra definerte strategier. Den menneskelige jobben blir da å forstå atferden og justere strategiene.– Forretningsforståelse og menneskelig «touch» er på ingen måte umoderne!

Generelt ønsker Komplett å utvikle analyse-kompetanse som en naturlig del av det operative ansvaret til hver enkelt. Samtidig er det helt klart områder og analyseområder der de trenger og bruker ekstern kompe-tanse, både til survey design, gjennomføring og analyse. – Her bruker vi flere miljøer, både analyse- byråer, mediebyråer og reklame-byråer.

Så finnes det også mye innsikt og læring å hente fra alle våre ulike leverandører, både på produkt- og mediesiden, forteller Johnsen.

Komplett bruker byråer i alle markedene sine. Som regel leverer eksterne byråer en helhetlig pakke med design, feltarbeid og analyse. Johnsen mener det er viktig å være tydelige på selve oppdraget og å involvere seg aktivt underveis. Dette for å lære og for å justere leveransen på en måte som sikrer at analysen gir operativ retning for Komplett.– Vi driver butikk, har mange prosjekter gående samtidig, og er avhengig av at samarbeidspartnere snakker samme språk som oss. Uansett prosjekt eller samarbeid med eksterne byråer skal det ha en kommersiell effekt for oss. Det betyr at den eksterne parten må ha god forretningsforstå-else i tillegg til faglig kompetanse.

Viktigheten av å forstå menneskerKompletts ambisjon er å ligge helt i forkant av utviklingen innen eCommerce, hvor analyse er en nøkkelkompetanse. Med den enorme økningen i tilgjengelige datameng-der handler analyse mer om å forstå hvilke sammenhenger som er viktige og hvilke stra-tegier som må jobbes med.

Det er her Johnsen mener man må se det helhetlig, ikke stykkevis og delt.

– All analyse handler om å forstå kundene og å skape løsninger og opplevelser som løser et kundebehov, som igjen øker preferansen for akkurat vår merkevare og vår butikk. Det handler også om å forstå mennesker. Jeg er opptatt av å vise at bak fasaden syder Komplett av mennesker med entusiasme for kunden. Vår visjon er å være kundens selvsagte valg.


18 19

Relevans er nøkkelen til effektiv kundedialog og salg Digitaliseringsutviklingen gir butikker tilgang til mer informasjon om kundene sine. Dersom de nye dataene brukes riktig, kan denne utviklingen gi en vinn-vinn situasjon for butikker og kunder.

TEKST: KRISTIAN NORDTØMME, adm. dir. i Boostcom Media, [email protected] SVEIN ROAR HULT, markedsdirektør i TNS Gallup, [email protected]

Betydningen av relevans Effekten av markedsføring vil i stor grad ha sammenheng med hvor relevant innholdet oppleves av mottakeren. Det er viktig å ha kunnskap om kundens interesser, ønsker og behov. Markedsføreren trenger i tillegg kompetanse og kanaler for å personalisere markedsføringen på grunnlag av denne kunnskapen. Da øker sannsynligheten for at markedsføringen skaper salg.

Dette ressonnementet vil for mange være innlysende når det gjelder markedsføring som har som oppgave å utløse kjøp på kort sikt. Dersom vi vet at en kunde er på en kjøpsreise for å kjøpe en ny TV, kan vi gjøre regning med at han eller hun vil oppleve markedsføring for TV som mer relevant enn markedsføring for en vare han eller hun ikke har planlagt å kjøpe, som f. eks. en støvsuger.

Ressonnementet kan imidlertid være like relevant for markedsføring som har som formål å bygge merkevarer og relasjoner mellom en butikk og kunder. La oss ta en helsekostbutikk som eksempel. Butikken

har et bredt varesortiment. Produkter for de som trener er en kategori, produkter for de som har søvnproblemer er en annen. Det er sannsynlig at merkevare- og relasjonsbygg-ingen vil være mer effektiv om innholdet i markedsføringen knytter an til kundens inter-essefelt, trening eller søvnproblemer, enn om en distribuerer samme innhold til alle kunder.

I begge eksemplene er forutsetningen for at vi skal kunne oppnå økt relevans gjen-nom personalisering av innholdet, at vi har kunnskap om kundenes interesser, ønsker og behov og at vi har evne til å bruke denne kunnskapen.

Utviklingstrekk i handelenEt viktig utviklingstrekk i varehandelen er økt digitalisering. I dag skjer mellom 5 og 10 prosent av nordmenns varehandel gjennom digitale kanaler, alt etter hvilke definisjoner som brukes Forskjellene mellom ulike varekate-gorier er imidlertid store. Dagligvare, som er den aller største varekategorien, har ikke startet digitaliseringen på ordentlig ennå. I andre kategorier et den digitale handelens andel betydelig. Innen elektriske produkter, regner vi ehandelens andel å være 30-40 %. Innen klær og sko, 20-30 %. Ser vi på varer og tjenester som kan distribueres i digitale kanaler, som musikk og reiser, har ehandel i stor grad tatt over for fysiske butikker. Det er ingen tegn til at veksten i ehandel vil avta, og det er kjent at de store dagligvarekjedene har planene klare for økt digitalisering.

I dag er det er imidlertid færre enn tidligere, som tror at ehandel vil ta over for fysisk handel. Vi opplever tankesettene knyttet til «sømløs multikanalhandel» og «omnikanal-handel» som nyttige når en vil forstå hvordan handel vil utvikles i framtida.


Ved å kombinere nettbutikk og fysisk butikk vil butikken bli mer tilgjengelig for kundene. Det gjelder både for kunder som bor i nærheten av en fysisk butikk, og som i noen situasjoner foretrekker ehandel, og for kunder som bor utenfor rimelig reiseavstand til fysisk butikk. Dess mer sømløst nettbutikk og fysisk butikk kan integreres, dess bedre handleopplevelser vil en kunne gi kundene.

Nettbutikken og den fysiske butikken blir også to kanaler som en kan holde kontakt med kundene gjennom, bygge relasjoner og markedsføre varer. I en omnikanaltankegang vil en også ta i bruk andre kanaler, som Facebook, Instagram, epost, kundeklubber og lojalitetsprogram for å holde kontakt med kundene før, under og etter kjøpsreisene. Omnikanalhandel gir svært interessante muligheter for å bygge relasjoner, inspirere til å starte kjøpsreiser og til å lede kjøpsreisen til egen butikk.

Nye muligheterSom en konsekvens av økt digitalisering, får butikkene nye muligheter til å bli kjent med kundene og deres interesser, ønsker og behov. Tidligere, da fysiske butikker var ene-rådende, var det en vesentlig forskjell mellom varesalg og tjenestesalg. Mens tjeneste-selgerne kjente kundene sine, var kundene anonyme for vareselgerne. Med mulitikanal- og omnikanalhandel kan disse forskjellene reduseres og kundene trenger ikke lenger være anonyme for butikkene. Data om hvem kundene er og om deres interesser, ønsker og behov kan hentes inn gjennom mange datagenererende kanaler for kontakt mellom butikk og kunder.

Mulighetene for at butikker kan øke effekti-viteten av sin markedsføring betydelig gjen-

nom effektiv bruk av kundedata, er til stede i dag, og vil bare øke med tiden. Hva skal til for at butikker skal kunne dra nytte av disse mulighetene?

Datagenererende kanalerEn forutsetning for at butikker skal få økt nytte av kundedata, er at butikkene tar i bruk

datagenererende kanaler for salg og kom-munikasjon med kundene: kundekonto hvor alle transaksjoner registreres, nettbutikk, nyhetsbrev, kundeklubb eller lojalitetspro-gram er viktige datagenerende kanaler. Vi tror at også «beacons» vil bli viktig. En må selvsagt sørge for at dataene samles inn slik at de kan gi et mest mulig helhetlig bilde av kundens interesser, ønsker og behov, f.eks. ved å sikre at mobilnummeret registreres og gir kunden en unik identitet.

Hva en så har lov til å bruke dataene til, vil i stor grad avhenge av hvilke aksepter en henter inn fra kundene. Norsk personvern-lovgivning setter begrensninger for bruk av persondata til salg og markedsføringsakti-viteter og for kobling av datafiler, uten at en har innhentet aksept fra den personen som dataene omhandler. Dette er svært viktig å ta med i planleggingen når en ønsker å øke effektiviteten av markedsføring gjennom per-sonalisering og økt relevans av innhold. Den mest brukte framgangsmåten for innhenting av aksept, er å etablere en kundeklubb eller et lojalitetsprogram som kundene inviteres til å delta i. Ved innmelding blir det informert om hensikt mht markedsføring og hvordan kundeklubben eller lojalitetsprogrammet

fungerer. Dersom en gjør dette på riktig måte, vil en være på trygg grunn i forhold til lovgivningen når kundedataene brukes til markedsføringsformål.

Motivasjonen for kunder til å delta i kun-deklubber og lojalitetsprogram kan være mange. Rabatter og økonomiske fordeler kan oppleves som attraktivt. I mange tilfeller vil nok informasjon og kunnskapsdeling om tema, produkter og tjenester som kunden er interessert i, oppleves som vel så interes-sant. Mange deltar i kundeklubber og lojalitetsprogrammer fordi de føler en tilknyt-ning til butikken, og ønsker å opprettholde og videreutvikle denne relasjonen. Vi skal heller ikke se bort fra at en forventning om å unngå irrelevant reklame kan være et motiv for mange deltakere i kundeklubber og lojali-tetsprogrammer. En godt drevet kundeklubb eller lojalitetsprogram kan dermed gi et vinn-vinn resultat for butikk og kunder.

Et viktig utviklingstrekk i varehandelen er økt digitalisering.


20

Ulike typer dataKundeklubber og lojalitetsprogrammer kan gi svært rike datasett for den som ønsker å forstå sine kunders interesser, ønsker og behov. Den informasjonen kundene oppgir ved innmelding, som kjønn, alder, bosted, og lignende, vil fortelle en viktig historie på et overordnet nivå. Kjøpshistorikk og respons på tilbud og kampanjer vil øke forståelsen ytterligere. Når vi legger til clickstreamdata som forteller om hvilke sider på butikkens internettsider og nettbutikk som besøkes, får vi økt mulighet til å predikere hvilke tilbud og kommunikasjonsinnhold den enkelte vil være spesielt mottakelig for.

Person- og atferdsdata er sentrale når vi skal forstå kundenes ønsker. Vi kan øke for- ståelsen og treffsikkerheten i prediksjoner ved å legge til kontekstuelle data. Et eksempel på slike kan være grunnkretsdata som be-skriver bomiljøet.

Hus med hage eller blokk? Ved å legge til adresser for egne og konkurrenters butikker, kan vi beregne avstand fra kundens bosted til butikkene. Skal du selge hagemøbler, vil sesonginformasjon og værmelding være relevante informasjoner for å gjøre prediksjon-ene mer presise.

AnalyseneDataene i seg selv gir liten verdi. En viktig del av verdiskapningen ligger i analysene som setter databitene sammen, gir et hel-hetlig bilde av kunden og, med en viss grad av sannsynlighet, predikerer hvem som vil være interessert i et bestemt produkt eller en tjeneste på et gitt tidspunkt. Begrepet «data scientist» brukes om de analytikerne som gjennomfører denne typen analyser, for å signalisere at dette er kompetanse-krevende arbeid.

Når analysene har avdekket at en gitt person har et betydelig potensial for å være mot-takelig for tilbud eller informasjon om et be-stemt tema, produkt eller tjeneste, skal dette føre til at et bestemt innhold distribueres til denne personen i en hensiktsmessig kanal. Dersom en arbeider med personaliserte til-bud eller mange små segmenter, vil det være mest hensiktsmessig å automatisere analys-ene og valg av og distribusjon av innhold. Vi bygger da opp et bibliotek av algoritmer som kverner gjennom dataene og utløser ulike hendelser på ulike tidspunkt, alt etter utfallet av analysene for den enkelte kunde.

De programmerte analysene kan gjennom-føres en gang annenhver uke, en gang i uka eller oftere. For mange formål vil «real time» analyser være mest effektivt. Tenk på eksempelet med TVen i begynnelsen av artikkelen. Dersom vi kjører de automatiserte analysene en gang i uka, vil sannsynligheten for at TVen allerede er kjøpt når kunden mottar vår kommunikasjon, være stor. Lite er så irrelevant som et tilbud som kommer etter at du har kjøpt varen eller tjenesten.

SystemkravAtferdsdata, som clickstreamdata, gir svært store datafiler. De dataene som vi benytter til

denne typen arbeid er ofte på svært ulike formater. Dette gir spesielle krav til den tekniske plattformen dataene skal ligge på ved analysene. Også «real time» analyser stiller spesielle tekniske krav. Vi snakker om Big Data i ordets rette forstand. Effektiv bruk og analyse av Big Data krever en Big Data-plattform, bygget på hadoop-teknologi.

Gode data, god analysekompetanse, auto-matiserte «real time» analyser og relevant innhold er nødvendig, men ikke tilstrekkelig for å lykkes med innholdsmarkedsføring i egne kanaler. Det kreves i tillegg at en klarer å utvikle godt innhold, basert på tekst, bilder, layout og/eller video, som mottakeren får lyst til å konsumere.

Hvem vil bli vinnerne i framtidas handel?Personalisert innholdsmarkedsføring i egne kanaler krever kompetanse, teknologi og innsats. Vi håper imidlertid at vi ikke har skremt noen fra å gå inn på den stien. Vårt inntrykk er ikke at innholdsmarkedsføring i egne kanaler, basert på Big Data, er mer ressurskrevende enn tradisjonell markeds-føring, men at det stilles andre krav for å lykkes. Krav som er bedre tilpasset den tiden vil lever i.

Vi er overbevist om at mange som driver butikk, vil se verdien av å bruke kundedata for å øke relevansen av kundedialogen i tiden som kommer, og vi er overbevist om at de som tar de nye mulighetene i bruk vil tjene på det.

Eller for å si det på en annen måte: for oss virker det fornuftsstridig å markedsføre til ukjente kunder når en kan markedsføre på grunnlag av kunnskap om den enkelte kundes interesser, ønsker og behov.

Relevant innholdsmarkedsføring i egne kanaler er et kompetansefelt i utvikling. Vi er overbevist om at de butikkene som klarer å legge seg foran konkurrentene i denne utviklingen vil være vinnerne i morgen-dagens handel.

SPISETRENDER * INNOVASJON * KONSEPTTESTER * SMAKSTESTER * LANSERINGSINDEKSKATEGORISTUDIER * SHOPPERINNSIKT * PAKNINGSDESIGN * POTENSIALMÅLINGER

SEGMENTERING * MERKEPOSISJONERING * PORTEFØLJEOPTIMALISERINGRASKE KONSEPTSCREENINGER OG KOMMUNIKASJONSTESTER

Nye Opinion er et fremtidsrettet fullservice markedsanalysebyrå.

Best på mat og drikke.

Innsikt som bringer deg videre

En godt drevet kundeklubb eller lojalitetsprogram kan dermed gi et vinn-vinn resultat for butikk og kunder.


22 23

Jul med JohnJohn Lauring Pedersen. Toppsjef i en virksomhet med suksess. En mann med verdier sentrert rundt familien. Jakter på vilt i Gudbrandsdalen på fritiden. Selve definisjonen på den vellykkede moderne mannen. Men bak denne fremoverlente suksessfulle masken ligger det også en godt skjult interesse som for denne mannen varer året rundt.

TEKST: EVEN BUER LØVÅS, Project Manager at Norstat, [email protected]


John møter meg i Opinion sine lokaler og serverer Analysens utskremte stolt en kopp kaffe fra den relativt nye kaffemaskinen, mens han småprater om en av sine andre store interesser; langrenn. Det er derimot ikke Petter Northug og Ola Vigen Hattestad som er temaet her. – Denne artikkelen er nok et resultat av et intenst og langvarig press fra folk som vil meg vondt, både i Analysens redaksjon og blant gamle kolleger. Dette er ikke noe jeg selv har ivret etter å fortelle. Jeg kan derimot avsløre såpass at jeg tidligere har sagt nei til Aftenposten på tilsvarende forespørsel, men dette gjør jeg eksklusivt for Analysen.

John har nemlig en ekstrem interesse for julen. Han drar til Miami eller Rovaniemi for å oppleve julete temaparker. Han holder i gang en facebook-side fra januar til desember som heter «For deg som gleder deg til jul hele året» og mottar kjedebrev om alle de nyeste julefilmene fra Honningsvåg til Rio Grande. Det er for å si det forsiktig ingen Grinchen vi har å gjøre med her.– Hvor det hele startet? Nei, si det? Kanskje det er barndommens magiske jul på

Nordstrand som aldri slapp helt taket? Den tidligere svigermoren, som ga ut julebok fra klassisk storgårdsmiljø på Hedemarken? Kanskje er det gleden over å bevege seg i vakkert vinterlandskap midtvinters som gir ønske om jul hele året? Eller kanskje det rett og slett bare er et sentimentalt hjerte…?

Hemmelig julesektEtter barndommen har julen ikke sentrert seg om kun selve høytiden. Julen er derimot i en eller annen grad en del av John sitt tankesett når det måtte være på året. Dette kanaliseres blant annet gjennom en egen side på Facebook bestående av han selv og en del tidligere kolleger fra tiden i Norstat samt en engere krets av eksklusivt utvalgte mennesker med dokumentert juleinteresse. – Poenget med siden er å samle folk som meg selv hvor selve høytiden starter allerede 1. januar. Vi er en gjeng hardcore julefetisjis-ter som holder sammen innenfor lukkede trygge rammer. Hvem som helst slipper ikke til for å si det forsiktig. Per nå er vi 12 medlemmer og man skal ha temmelig god overtalelsesevne for å slippe til i denne ringen.

John puster før han kommer med et hjerte- sukk han åpenbart har irritert seg over lenge;– Noe av problemet i dagens samfunn er at hvis man ytrer noe om jul før 1. oktober får du Fremtiden i våre hender eller andre organisasjoner på nakken som ønsker å «omvende deg» og sørge for at du utsetter juleforberedelsene. Dette er også noe av grunnen til at gruppen holdes hemmelig. Det er for delvis å skjule en praksis som i Norge anno 2015 ikke tåler dagens lys.

Juleparker som integrert del av ferienJohn er heller ikke fremmed for å legge utenlandsferier til destinasjoner som er relatert til jul og dens aktiviteter. I fjor høst dro han eksempelvis til Miami hvor han til sin store glede opp-daget at verdens største ambulerende temapark ”Christmas World” befant seg, sammen med familien og et litt

undrende vennepar. – De følte nok at dette var lettere surrealistisk. Selve parken var relativt juglete. Mye fine tablåer og veldig amerikansk. Jeg er nok også en av de få som har vært på Christmas World i Rovaniemi som har vært verdens største juletemapark. Der er stort sett jeg og en masse briter som er flydd over, gjestene. Ryktene skal dessverre ha det til at parken nå har gått konkurs.

Splittelse internt i familienDa analysens representant møtte John allerede medio september kom det ikke som noen overraskelse at juleforberedelsene allerede var godt i gang hjemme hos familien Lauring Pedersen. – Det hjelper jo selvsagt på at søsteren er like mye ute som meg, men jeg har en bror som begynner juleforberedelsene på kveldstid lille julaften og pakker ut julen første juledag. Han har nok lidd litt av meg og min søsters delvis varme forhold til julen og dette kan jo være en naturlig motreaksjon mot våre vaner.

Ingen misjonerende julefanatikerPå tross av at interessen for julen grenser til det ekstreme er John påpasselig med å påpeke at han ikke opererer misjonerende. – Hos oss i Opinion har vi en regel som sier at fra siste uken i november er det lov å spille julemusikk i åpent landskap, men dette er noe jeg overhodet ikke presser på mine kolleger. Selv om julebudskapet burde være et enkelt budskap å selge trur jeg nok jeg skal holde meg på det nivået jeg er på i dag. Jeg kommer ikke til å forsøke å erobre verden med en julereligion for å si det på den måten. Det er nok mest fornuftig å dyrke dette med likesinnede.

Analysen takker på det ærbødigste Lauring Pedersen for at han valgte nettopp å komme til oss med sin historie, blant annet for å være en foregangsfigur for flere som sikkert er ensomme om å ha denne interessen. Og jeg ønsker at historien skal avsluttes med et visdomsord fra mannen selv; – Av alle perversjoner vi har i denne verden er dette en ganske uskyldig en.

JulequizI god juletradisjon ønsket Analysen å teste John sine kunnskaper om julen.

Spørsmål John Fasit

1. Alle vet at Rudolf er rød på nesen, men hvilken nytteverdi har den egentlig?

Den røde nesen inneholder egentlig en GPS, som gjør at Nissen til enhver tid vil kunne navigere trygt forbi usikret luftrom i deler av verden med krig og ufred. Avgjørende sikkerhetsutstyr.

Den lysende nesen viser vei gjennom tåke og mørke.

2. Hvilket år ble julekalenderklassikeren «Nissene på låven» første gang vist på TV Norge?

Tja, si det. Sendes på TV2, som ikke helt er kanalen for oss jule-elskere – her er det NRK som ruler. Husker imidlertid at jeg var på en annendags-fest i Moelv tidlig på 90-tallet, hvor schlageren Støveldance gikk gode tre timer i strekk, til stadig mer utage-rende dansing og dundrende ovasjoner. Så gjetter 1991.

2001

3. I sketsjen om Grevinnen og hovmes-teren som vises på NRK lille julaften hvert år; hva er det som feires?

Nyttårsaften. Dagen før førjulstiden igjen er over oss, 1. januar. Nyttårsaften.

4. Hvor mange dager er det igjen til julaften på Luciadagen?

For de fleste av oss – 11 korte dager igjen, for ex-kollega Hans Peter Wøien, 11 dårlige dager.

11 dager.

5. Hva kalles pepperkaker på engelsk? I den grad de i det hele tatt kan sies å ha pepperkaker utenfor Norge, vil kanskje ginger bread være noe i riktig retning. Men ser ikke for meg at ginger bread house er så utbredt.

Gingerbread.

6. Hvilken julesang har Edvard Grieg skrevet melodien til?

Edvard Grieg var en mann for sin jul, og har rettmessig hyllet den logiske tradisjonen å ta inn et grantre i stuen, pynte det med alskens farverik pynt, for så å gå rundt det og synge sanger – deriblant standardverket «Du grønne, glitrende tre….”

Du grønne glitrende tre.

7. Hvilket kornslag er som regel et julenek laget av?

I et representativt utvalg av bokfinker, svarer 9 av 10 at de foretrekker havre.

Havre.

24 25

Data Scientists:Big Data-heltene«Big Data»: 700 millioner treff på Google og noen kjente bokstaver: V for Volume, Velocity, Variety, Veracity, Variability og Value. K for Kompleksitet. F for Forvirrende. Begrepet brukes overalt; i seminarer, i stillingsbeskrivelser og sammen med IT-verktøy. I kjølvannet av Big Data-hypen vokser de nye heltene opp: dataekspertene Data Managers, Data Analysts og ikke minst Data Scientists, som Harvard Business Review hevder er den mest sexy jobben i vårt århundre.

TEKST: ISABELLE VALETTE, Data Scientist – Executive Advisor, Nextbridge Advisory, [email protected]

n n n n n n n n n n n n n n n n n n n n n n n n n n n n n n n n n n n n

Big Data vs. Business AnalyticsSå, hva er alt oppstyret rundt «Big Data», og hvordan forholder det seg til gode gamle «Business Analytics»? Begge har samme formål: Å bruke data til å skape verdifull innsikt til både forretning og kunde i form av blant annet bedre service, økt salg og forbedret lønnsomhet. Bruk av Big Data gjør det også mulig å lage enda mer målrettede budskap til ulike kundesegmenter: Å tilby riktig produkt til riktig kunde på riktig tidspunkt med riktig budskap gjennom riktig kanal. På denne måten øker relevansen og opplevd verdi for kunden, samtidig som det skaper økt respons og lønnsomhet for bedriften. Å berike eksisterende forretningsprosesser med innsikt fra avanserte analyser og Big Data, bidrar til å løfte markedsføring til nye høyder.

I følge S. Mohanasundaram, er «forskjellen mellom Big Data og Business Analytics det samme som å fiske i havet versus å fiske i en innsjø. Målet er det samme, men verktøyene for å komme dit er ganske annerledes.» Med Big Data kom en ny og revolusjonerende teknologitype til å fange og analysere data som er så store at de ikke kan brukes av tradisjonelle verktøy. Den nye teknologien, som analytikerne trenger å lære seg, heter Hadoop og gir nye forretnings- og analysemuligheter.

Hadoop er teknologi for både oppbevaring, prosessering og analyse av enorme datamengder. Et viktig prinsipp for denne teknologien er å flytte data minst mulig. Det er beregningsprosessene som kommer til dataene og ikke omvendt. Ideen bak er ganske enkel: Istedenfor å lagre data på store og dyre maskiner bruker man heller flere mindre og langt rimeligere maskiner, deler data i små biter og sprer flere kopier av disse bitene sammen med egne dataprosesseringslag på de mange maskinene. Med rimeligere datalagring, trenger man ikke lenger å slette verdifulle data, noe som har vært vanlig frem til nå siden lagringsplass, og lagringskostnader spesielt, har vært en

utfordring. På denne måten kan man alltid ha tilgang til både historiske og nåtidsdata (ønsker du å lære mer om Hadoop kan du lese mer i Analysen 1-2015).

Big Data som begrep (og uten store bokstaver) ble introdusert i 1989 av forfatter Erik Larson for Harper Magasin. Det ble forklart i 2001 av Doug Laney, analytiker i Meta Group (senere kjøpt av Gartner), med hva vi nå kjenner til å være essensen av Big Data: de 3 Vene: Volum, Velocity, Variety. Begrepet ble igjen popularisert av McKinsey i 2011 i en rapport der det hevdes at USA, på grunn av Big Data, vil oppleve en mangel på mellom 140 000 og 190 000 Data Scientists innen 2018. Så hvorfor er Data Scientist en sjelden ressurs?

DataekspertteametBig Data og Business Analytics brukes til å dra forretning i retningen av bl.a. økt salg og forbedret lønnsomhet gjennom omfattende innsamling og analyse av data. Denne reisen kan være utfordrende, og den største utfordringen er mangel på ressurser med riktig kompetanse og egenskaper. Det er mange områder en dataekspert må beherske i dag. Figuren under viser de ulike egenskapene en dataekspert må ha samt hvordan de ulike egenskapene kan grupperes innen roller. Disse kompetanseområdene er ganske omfattende hver for seg og det kan derfor være vanskelig å få tak i noen som kan alt. Løsningen blir gjerne å sette sammen et team som til sammen dekker alle disse egenskapene.

Data Manager – the unsung heroDen største utfordringen for en dataekspert som jobber med Big Data eller Business Analytics er å måtte forholde seg til mange datakilder av svært ulik og kompleks karakter. Her er det viktig å innse at verken Business Analytics eller Big Data-teknologien har en magisk, billig og enkel løsning. Dette er årsaken til at det lønner seg å ha en Data Manager med på dataekspert teamet.

Hans sterkeste side er å raskt kunne tilrettelegge data, uavhengig av hvor de kommer fra. Han er en dyktig programmerer. Når teamet har en teknisk utfordring, vil Data Manager gjerne være den man går til. Han har teknisk innsikt i alle de systemene som brukes til å lagre, innhente og kverne dataene: han kan for eksempel sette opp og

Å berike eksisterende forretningsprosesser med innsikt fra avanserte analyser og Big Data, bidrar til å løfte markedsføring til nye høyder.

administrere Hadoop-komponenter og kan komplettere med annen programvare, som R og Python. Han er kjent med Linux og er en ekspert når det gjelder dataintegrasjon.

Denne rollen skaper mindre interesse og engasjement enn Data Scientist-rollen, men er allikevel fundamentet bak suksessen til dataekspertteamet. Er du opptatt av raske leveranser og nærhet til datakildene, så trenger du en Data Manager. Mangler du denne stillingen, så kommer de andre i teamet til å måte gjøre jobben selv, noe som kan begrense kvaliteten av analysene, implementering av innsikt i organisasjon og leveransekapasitet i sin helhet.

Data Analyst – den prediktive heltenPrediktive analyser er antagelig de mest utfordrende, men samtidig mest interessante, analysene en dataanalytiker lager. Her benyttes historiske data til å forutse fremtidig adferd, men også til å finne sannsynlige forklaringer på hva som har hendt eller er i ferd med å skje. Logistisk regresjon, Random Forest og Stochastic Gradient Boosting er noen kjente eksempler på maskinlæringsalgoritmer som brukes for å lage prediktive analyser. Disse algoritmene brukes på alle datatyper organisert i spesielt utviklede analytiske tabeller kalt ABT (Analytical Base Tables). Det finnes flere datatyper: Big, Small og Dark. Dark Data er mindre kjent enn Big Data og refererer til verdifulle data man ikke engang visste man hadde tilgang til.

En god analytiker gir deg mulighet til å finne svar på både de spørsmålene du har og de du ikke engang visste du hadde. En annen sentral egenskap er å kunne fortelle gode historier rundt innsiktene hun har funnet, bl.a. ved hjelp av sexy visualiseringer. Dataanalytikeren kan også snakke stammespråket til ledelsen og klarer å kommunisere på en enkel måte hvordan hun jobber. Hun kan

også flere programmeringsspråk som for eksempel SQL eller SAS. Hun er et bindeleddet mellom «forretning» og «IT». Det vil si at hun klarer å oversette de tekniske spørsmålene til «dagligtale» og hun klarer å transformere forretningskravene til konkrete og spesifikke IT-krav.

Data Scientist – kunstneren En Data Scientist har innovative egenskaper og tar gjerne initiativ til nye måter å løse oppgaver på. Hun kan bruke de forskjellige komponentene i Hadoop til å analysere «Big» datakilder med Spark, R eller Python. En viktig oppgave til en Data Scientist er å ta prediktive modeller til nye høyder ved hjelp av selvutviklede algorit-mer, komplekse datatyper og en god dose kunst. En Data Scientist er en «hacker» som går bak systemene og endrer forhåndsdefinerte algoritmer basert på hva hun har behov for å løse. Fins det ingen algoritmer på hva hun skal gjøre, lager hun gjerne sine egne. Blant eksisterende algoritmer har en type utmerket seg i en del Kaggle-konkurranser og er derfor vært å nevne her: Deep Neural Network.

Tradisjonelle Neural Network-metoder har tidligere vært lite aktuelt å bruke fordi man ikke har hatt tilstrekkelig data og prosesseringskraft. Neural Network er også litt mer krevende å forklare og mange refererer til disse modellene som en «black box». Det har også vært utfordringer med å få disse algoritmene optimale (lokal optima vs global optima). Utfordringene relatert til store datavolum er nå løst med Big Data-teknologi, og noen «beregningstriks» har løst optimali-seringsproblematikken. Det mest lovende med Big Data-teknologi er parallelliseringsmulighetene. Dette gjør det mulig å løfte prediktive analyser til nye høyder. Denne nye muligheten har fått navnet«Deep Learning».

Ta godt vare på dataekspertene!Dataekspertene lager verdifull innsikt fra data. Er man i tvil om hvem man skal ansette, leie inn, eller hvordan man skal utvikle egne ressurser, så start enkelt med korte piloter. Det lønner seg også å snakke med andre som har erfaring innen utvikling og implementeringav avanserte analyser i en organisasjon. Den største utfordringen med å implementere Big Data eller Business Analytics er tilgang på gode datatalenter som kan levere i tråd med ofte høye forventninger. Så ta godt vare på de dataekspertene som kommer din vei!

Den nye teknologien, som analytikerne trenger å lære seg, heter Hadoop og gir nye forretnings- og analysemuligheter.

Side 1

Data Scien,st

Op#malisering & simulering

Kuns#g intelligens

Hacking og innovasjon

Big Data-‐ programmering og -‐analyse

Data Analyst Sta#s#kk & matema#kk

Maskinlæring, data mining

Data uAorsking, transformering og programmering

Forretningsforståelse

Historiefortelling og visualisering

Data Manager Dataintegrasjon Programmering Systemutvikling &

administrasjon

26 27

Nina Kulås ny administrerende direktør i Norstat Norge

Omdømmeprisen tilSkatteetaten

TEKST: EVEN BUER LØVÅS, [email protected]

n n n n n n n n n n n n n n n n n

Nina Kulås er ansatt som ny administre-rende direktør i Norstat Norge. ”Med Nina har vi fått en faglig sterk leder med et høyt engasjement og en sterk kundeorientering. Vi står overfor spennende muligheter både markedsmessig og teknologisk og har latt oss imponere av Ninas kommersielle teft, samt hennes evne til å skape resultater og motivere medarbeidere. Samtidig har det vært viktig for oss å finne en leder som har evne og vilje til å ivareta en unik og

suksessrik selskapskultur. Det gjorde Nina til et selvsagt valg når vi skulle velge en leder som kan ta Norstat Norge et steg videre”, sier COO i Norstat-gruppen, Erling Eriksen.

Kulås kommer fra jobben som kommersiell direktør i Morgenbladet hvor hun startet i 2010, hun har tidligere jobbet i Schibsted og i konsulentbransjen. ”Norstat er en meget veldrevet virksomhet med en tydelig og lønnsom produktportefølje. Samtidig har Norstat høye ambisjoner i en bransje i stor endring. Det blir en fantastisk spennende utfordring å stake ut kursen videre sammen med det dyktige teamet i Norstat”, sier Nina Kulås.

Nina Kulås tiltrådte stillingen 1.9.2015.

Nina Kulås ny administrerende direktør i Norstat Norge.

Ipsos har siden starten for 40 år siden vært sterkt kompetansedrevet og har globalt vært kjent for å utvikle en rekke nye analyseprodukter i verdensklasse. Konsernet setter nå fokus på ytterligere spesialisering, innovasjon og kompetanseutvikling under konsernnavnet Ipsos.

Navneendringen kommer som følge av ny organisering hvor i alt 11 regioner i verden nå samles i clustere, for Skandinavias del i et «nordisk cluster» (tidligere omtalt i Analysen).

«Mulighetene for lønnsom vekst ligger i å trekke på det enkelte lands solide erfaringer for å utvikle kundegrunnlaget i hele Skandinavia. Da må vi også framstå med en felles identitet», sier Hasselmann som er nytilsatt sjef for Ipsos Nordic i høst.

Her hadde de programansvarlige virkelig lagt seg i selen. Også sel-skapets store franske «far», Didier Truchot, som startet Ipsos for nøy-aktig 40 år siden (samme år som MMI ble etablert), hadde tatt turen til Sverige for å kaste glans over det nye nordiske «clusteret».

Det ble innholdsrike dager med ny innsikt om selskapets fem nordiske kompetanseenheter. De ansvarlige hadde også hentet inn flere av Ipsos sine største kunder i Skandinavia for å delta i paneldebatten om morgendagens behov for markedsanalyse.

Det er åpenbart at hele analysebransjen står overfor en rekke utfor-dringer i tiden framover, både på respondentsiden, når det gjelder rapporteringsløsninger og ikke minst «speed». Ipsos sentralt har i lengre tid sett disse utfordringene komme og tatt tak i løsningene med Ipsos «the new way» under slagordet: GAME CHANGERS.

Ipsos MMI endrer navn til Ipsos

Nordisk forbrødring i Stockholms skjærgård

Connected Life



Som ledd i den globale omorganiseringen i Ipsos, endrer nå konsernet flere lokale selska-psnavn til konsernnavnet Ipsos. Hensikten er å styrke den internasjonale merkevaren og pro-filere Ipsos likt over hele verden.

TEKST: TOM HANSEN, [email protected]

Å samle Norge, Sverige og Danmark til et rike, kan være en utfordrende oppgave. Den første «nordiske» Kickoff ble arrangert i Stockholms skjærgård i september med alle Ipsosansatte. Det ble en ubetinget suksess.

TEKST: TOM HANSEN, [email protected]

Et viktig trekk ved utviklingen, er at ehandel øker i hele verden.Dette gjelder også for Norge, som allerede ligger helt i toppen av verdens land når det gjelder ehandel. Smarttelefonen er en viktigdriver av denne utviklingen. Smarttelefonen øker både tilgjengelig-heten av produkter og tjenester og av betalingsløsninger.

TNS er i innspurten med rapporteringen av årets utgave av Connected Life-undersøkelsen. Her analyseres betydningen av framvekst av online-kanaler for forbrukeratferden i 50 land, tilsvarende 90 % av verdens online befolkning.

TEKST: SVEIN ROAR HULT, [email protected]


Mange husker sikkert at det i 90-årene var kundemålingenes tiår.Fra 2000 har Omdømmeundersøkelsene kommet for fullt og det er mange aktører som gjennomfører slike målinger.

Bedriftene måles på flere kriterier. I de siste årene har spesielt samfunnsansvar blitt et prioritert område for mange virksomheter. De bedriftene som tar samfunnsansvar og forteller om dette, opplever at dette gir et godt omdømme og positive oppfatninger av både virksomheten, produktene og tjenestene. Samfunnsansvar er altså en viktig byggestein i arbeidet med omdømmet. Også for årets omdømmevinner.

Høy tillitAt en bedrift som har som hovedformål å kreve inn skatt får Omdømme- prisen er oppsiktsvekkende. Dette forteller at det i Skatteetaten jobbes godt med omdømme. Etaten har klatret jevnt på listen de senere årene.

Skattedirektør Hans Christian Holte var tydelig overrasket og takknemlig da han mottok prisen. Dette bekrefter at det norske folk har tillit til etaten hvis hovedmål er:

Å få inn rett skatt til rett tid – hvert eneste år -Folk må bl.a. ha tillit til at pengene som samles inn, brukes fornuftig og se betydningen av at vi har et spleiselag. Prisen forteller at vi har tillit. Det er ingen selvfølge. Vi behøver ikke gå langt utenfor våre grenser for å finne land som sliter alvorlig med tilliten til sitt skatte-system, sa Holte

Han mente det gode omdømmet er basert på 4 kvaliteter i etaten:- Gode resultater- Evne til å endre seg- Gode møter med publikum- Tydelig kommunikasjon og deltakelse i samfunnsdebatten på

relevante områder.

Han hadde mange å takke internt og avsluttet med at denne prisen inspirerer til videre arbeid.

Mariken Holter kommunikasjonssjef Skatteetaten, Kristin Rogge Pran, faglig ansvarlig for Omdømmeundersøkelsen Ipsos og Hans Christian Holte, skattedirektør.

Det er stor interesse for omdømmemålinger i Norge. Ipsos hadde sin årlige utdeling 22. september.

TEKST: RAGNAR MADSEN, [email protected]


Så kunne en kanskje tro at ehandel vil ta over for fysisk handel? Mye tyder på at dette ikke vil skje. I stedet blir skillet mellom online og offline handel mindre tydelig for forbrukerne. En forventer å kunne starte en kjøpsreise online og avslutte den offline, eller omvendt. Resultatene tyder på at sømløs multikanalhandel vil vinne overenkanalhandel i framtida.

28 29

TEKST: RAGNAR MADSEN, [email protected] SVEIN ROAR HULT, [email protected] FOTO: ARILD SÆLE OG DAVID GULSTAD


Heldagskonferanse 5.november

Komiteleder og dagens ordstyrer, Pål Listuen ledet dagen på en fin måte. Hansørget for en del gymnasiastiske innslag for å holde tilhørerne våkne. Det lyktes han bra med. Etter å ha snakket med flere av deltakerne var oppfatningen lik, man gikk hjem (eller fortsatte til festen på Josefine) med ny inspirasjon, gode idéer og ikke minst fikk man truffet mange kolleger fra egen bransje og fra kundesiden.

MAD er ikke bare aktuelt for landets markedsanalytikere, alle som jobber med markedsføring der markedsanalyse er en viktig del, vil ha stor nytte av MAD deltakelse. Flere bør merke seg dette til neste år.

Noen highlights fra de mange spennende foredragene:

«Vi arbeider hele tiden med å bygge modeller som kan predikere hva som er det smarteste vi kan gjøre.» Torry Pedersen, VG

«Bilder og video er ekstremt viktig forat mediesaker skal involvere folk. Videoinnhold kommer til å bli viktigere og viktigere.» Kristina Nilsen, Retriever og Hanne Kjærnes, PR-operatørene

«Menn lever i gjennomsnitt 4 år kortere enn kvinner. Hvordan ville reaksjonene vært om det var omvendt?» Kjetil Rollnes, skribent, samfunnsdebattant og artist

«I dag tenker vi 1:1. Før sendte vi ut 4 kommunikasjoner i året. Nå sender vi ut 100 ulike om dagen.» Kristian Børselien, RiksTV

«Vi blir mer og mer urbane. Flere vil bo tett på sentrum og aksepterer mindre boliger.» Marit Elisabeth Jensen, Storebrand Eiendom

«Det vi tilbyr er boligalarm, men det vi lever av er gode kundeopplevelser.» Stian Veganger, Sector Alarm

«I et marked som endrer seg fort, må vi eksperimentere mer, våge mer, feile mer, lære mer!» Øystein Bortne, SpareBank 1 Alliansen

«Mange vil tro at det er verdens enkleste jobb å være markedsdirektør i tobakks-bransjen. Du har jo ikke lov til å si noe som helst.» Jan Robert Kvam, Jan Robert Kvam AS

«Det du ikke kan Google finner du i Riksarkivet.» Inga Bolstad, Riksarkivet

«’Customer experience’ without brand” without brand input runs the serious risk of lacking strategy.» Ted Matthews, Oslo School of Architecture and Design

«I 90% av tilfellene har journalistene gjort seg opp en mening før de ringer. Sånn fungerer mediene. Jeg har imidlertid ingenting imot å gi journalis-tene legitimitet når jeg er enig. Men ikke ellers.» Trond Blindheim, Markedshøyskolen Campus Kristiania

«I perioden 1920-2001 var vi en konser-vativ kraft innen hoppsporten.Å igangsette Hoppuka ble vedtatt mot en stemme, Norges.» Clas Brede Bråthen, Hopplandslaget

Etter konferansen gikk en samlet tropp til Josefine der årets fest gikk av stabelen.Norstat hadde lagt inn en meget hyggelig matstasjon i nordenden av Slotssparken. Her ble det servert godt bakverk og en løpdrikk som var en god forsmak på kvelden.

2015

Nok et vellykket MADNytt av året var KS Agenda som arrangørsted. Fine lokaler som bidro til god stemning og fin kontakt mellom deltakerne. Årets komite hadde gjort bra forberedeler og kunne presentere et spennende program. De hadde valgt å dele konferansen i 3 bolker med foredrag; metode, cases og inspirasjon.

30 31

Martine Torsvik - ansatt som Community Manager i Opinion. Hun skal ha ansvaret for all kommunikasjon med nåværende og fremtidige paneldeltakere i våre ulike forbrukerpaneler, samt koordinere markeds-

føringen av Opinion og panelene i digitale kanaler. Martine er utdannet bachelor i markedskommunikasjon fra Handelshøyskolen BI i Bergen.

Vikki N. Walle Hansen - er konsulent med fokus på trendanalyse og innova-sjon. Hun har 7 års erfaring fra tech-bransjen hvor hun jobbet med markedsanalyse, customer centricity og forsk-ningskommunikasjon, men

har også jobbet med forretningsstrategi for et financial technology start-up i San Francisco. Research, i ordets alle betydninger er hennes lidenskap, og hun er opptatt av å formidle engasjerende scenarioer og analyser som kan brukes i strategiarbeid i alle bransjer. Vikki har utdanning i økonomi og internasjonal politikk, samt kreativ strategi og markedsføring.

Gordana Abramovic - er ansatt som Data Scientist i Starcom Data & Innsikt. Hun har tatt sin doktorgrads-utdanning på Institutt for Ledelse og Organisasjon ved Handelshøyskolen BI der hun jobbet med kvantitativ

analyse og metoder. Hun har også jobbet på Universitetet i Oslo som førstelektor. Gordana skal arbeide med utvikling av forslag til innsikts- og analyseprosjekter, dataanalyse, utforming og presentering av rapporter, samt innsikts- og strategiutvikling.

Thea Jakobsen - er ansatt som Research Consultant i Starcom Norway fra oktober. Thea har master i Økonomi og Administrasjon og vil jobbe med kvantitative analyser som bakgrunn i det strategiske kundearbeidet. I

tillegg vil hun bidra til å videreutvikle måling av sosiale medier.

Jens Erik Kristiansen - er ansatt som konsulent i avdelingen Assortment and Space Optimization (ASO) i Nielsen. Jens Erik er nyutdannet med oppstart hos Nielsen sommeren 2015. Han har fullført en mastergrad i inter-

nasjonal markedsføring ved Hult International Business School i San Francisco. Tidligere har Jens jobbet med markedsføring, salg og event management.

Niclas C. Nordseth - er ansatt som Junior Client Executive i Nielsens Sales Effectiveness avdeling. Niclas er nyutdannet og holder en master i Finance & Strategic Management fra Copenhagen Business School med

utvekslingsopphold ved University of New South Wales i Sydney og Columbia University i New York.

Mari Sørensen - er ansatt som Junior Client Executive i Nielsens Retailer Service avdeling. Hun har en mastergrad i Samfunnsøkonomi fra NTNU, med vekt på makro- økonomi og økonometri. Hun har hatt et utvekslingsopphold

ved University of London, samt jobbet deltid som bankvert i Nordea ved siden av studier.

Christoffer Faack- Jacobsen (28) - jobber som konsulent. Han er utdannet Sivilmarkedsfører fra BI Oslo og kommer fra stillingen som Research Consultant i mediebyrået Starcom hvor han har jobbet siste 2,5 år.

Christoffer har også fartstid som trainee i TNS Gallup.

Ole Petter Barbo (44) - jobber som manager. Han er utdannet Cand. Agric innenfor Økonomi og har også Strategi og ledelse i sin fagkrets. Ole Petter har bred og lang analyseerfaring, han kommer fra stillingen som Senior

Researcher i Starcom og har tidligere innehatt stillinger som Research Manager for Egmont Nordic og fra Nielsen Norge og Ipsos MMI som seniorkonsulent.

Sandra Zieba (25) - er ansatt som prosjektleder i Custom. Sandra har tidligere jobbet som trainee i TNS Gallup, og vært akademisk representant ved Handels-høyskolen BI, der hun har mastergrad i Strategisk

Markedsføringsledelse.

Jenny Røed Arvesen (29) - er ansatt som prosjekt-leder/moderator i kvalitativ avdeling. Jenny har tidligere jobbet som trainee i TNS Gallup. Hun har en master-grad i Sosialantropologi fra Universitetet i Oslo. Fra

tidligere har hun også en BA i pedagogikk fra samme sted.

Jesper Haugan (25) - er ansatt som prosjekt-leder i Custom. Jesper har en Master i Markedsføring og markedskunnskap fra Markedshøyskolen/Campus Kristiania.

Jeppe Decker Iversen (34) - er ansatt som Senior Rådgiver i kvalitativ avdeling. Han er Cand.scient.soc fra Aalborg Universitet. Han har tidligere jobbet som Director i InsightGroup Nordic og som prosjektleder ved Fødevare-

instituttet – Danmarks Tekniske Universitet.

COMMUNITY(MROC) SPESIALISTER

KVANTITATIVMULTIVARIATSPESIALISTER

KVALITATIVESPESIALISTER

TRENDANALYTIKERE

MERKEVARE& INNOVASJONS

SPESIALISTER

5 66 36

Nye Opinion er et fremtidsrettet fullservice markedsanalysebyrå.

Møt nye Opinion

Innsikt som bringer deg videre

Nytt om navn Tett og god stemning på MAD-festen

På Josefine var det dekket til fest. Etter hvert fikk vi trykket oss sammen og kunne innta en velsmakende buffet.Kvelden skulle vise seg å bli lang for mange. MAD er også tidspunktet for å hedre markedsanalytikere som har gjort stor innsats for bransjen og for NMF.

Årets nykommerDette er en ny pris. Tildeles en markeds-analytiker som har jobbet maks. 3 år i bransjen og utmerket seg overfor kunder og intent. Prisen gikk til: Ida Susann Svensson (27), konsumen-tanalytiker i Norges Sjømatråd. Sjømatnæringen har noen av de største selskapene i Norge som sine kunder og «eiere» i form av eksportører av norsk sjømat som eksporterer for mangfoldige milliarder.

Idas oppgave er bl.a. å gi bransjen økt kundeforståelse. Hun har reist rundt i hele verden for å forstå forbrukere i alle verdens hjørner. Denne innsikten er viktig grunnlag for de strategiske og taktiske planer.

Årets markedsanalytiker: Tor Erik JørgensenJuryen sier bl.a.: ”Kandidaten «oppfant» innsiktsbetegnel-sen i norsk markedsanalyse og har vært en sentral bidragsyter i utviklingen av markedsanalysefaget i Norge gjennom 15 år. Han er en pionèr innenfor bruk av film og video i formidling av innsikt, han har satt standarden for visualisering av

analyseresultater og han har gjennom det siste tiåret satt markedsanalyse og innsikt på agendaen til marketingtopper som få andre. Han har vært med på flere sentrale oppstarter innen bransjen siden han deltok i oppstarten av ResearchLabi 2011 (Ny Innsikt og OnLive Research fulgte deretter). Han er i tillegg en feiende flott og sjarmerende kar som gjennom faglig tyngde og samvittighetsfull oppfølging er verdsatt av mange kunder. (spør Tine, Ringnes, Pepsi, Norwegian, Brynild, Kitchen og en drøss andre).

Gratulerer til dem begge!(Se intervju på analysen.no)

Tidligere vinnere av prisen Årets markedsanalytiker. 1998: Harald Djupvik1999: Fred Selnes2000: Ola Gaute Aas Askheim2001: Leif Henrik Husom2002: Ottar Hellevik2003: Are Kværk2004: Ole Martin Andersen2005: Erik Dalen2006: Ingvar Sandvik2007: John Lauring Pedersen2008: Ole Petter Nyhaug2009: Oddveig Telle2010: Knut Arne Futsæter2011: Ragnhild Silkoset2012: Ivar Krohgrud2013: Kristian Tolonen2014: Anders Mamen

Konseptet med møtestart midt på dagen og direkte overgang til festen er vellykket. Her har man funnet en god ramme.

TEKST: RAGNAR MADSEN, [email protected] FOTO: ARILD SÆLE OG DAVID GULSTAD

n n n n n n n n n n n n n n n n n n n n n

Ida Susann Svensson. Fred Selnes og Tor Erik Jørgensen.

3332

Folks Medievaner 2015Tema for årets seminar var Folks medievaner og uvaner. Mediagruppen hadde satt sammen et spennende og inspirerende program som tok for seg bredden i dagens mediebilde. Vi ble oppdatert på hva som faktisk skjer med medieutviklingen og hvordan mediene og byråenes tilpasser seg den nye mediehverdagen.

TEKST OG FOTO: ELISE SANDBU, [email protected]


Heldagskonferanse 17. september

Knut-Arne Futsæter presentere en rykende fersk rapport om medieutviklingen. Videre fikk vi et innblikk i kommentarfeltets utvikling og hvordan VG til daglig jobber med nettroll på sine sider.

Forfatter Thomas Moen ga oss konkrete tips om hvordan logge av mobil-livet og logge på offline-livet for å øke livskvaliteten, alt basert på boken Logg av!.

Det å være gravid og foreldre er ikke det samme som det en gang var, og Egmont ga oss en gjennomgang av dere digitale foreldreunivers.

Både reklamebyrå og mediebyrå inspirerte oss med nytenkende, kreative og effektfulle kundecaser. Lineær TV-seing blant de yngre synker, og konsumering av videoinnhold på nett øker stadig.

YouTube-nettverket Nordic Screens fortalte oss hvordan de har tatt tak i dette ved å

utvikle nye stjerner på YouTube, og hvordan knytte disse sammen med annonsører.

Facebook har lenge spilt en stor rolle i vår mediehverdag og øverste sjef for Facebook Norge ga oss en innføring i hvordan kanalen i større grad tilpasser seg brukerens behov.

Hele dagen ble ledet av komiker og NRK-profilen Martin Bayer-Olsen.

Dagens konferansier Martin Bayer Olsen.

Ruben Søgaard fra MediaCom fortalte om den fragmenterte mediehverdagen.

Foredragsholderne Haakon Lie fra Vizeum og Linda Kling fra McCann.

Merkevarer og forbrukMedia og markedskommunikasjon

Politikk og samfunnRelasjoner og omdømme

Et fullservice analysebyrå:

www.responsanalyse.no • [email protected] • Tlf. Oslo: 21 03 02 00 • Tlf. Bergen: 55 60 70 00

SAMMEN SKAPER VI INNSIKT

34 35

TEKNOLOGI

TEKNOLOGI

TEKST: ØYVIND W. REMME, Partner i NextBridge Advisory AS, [email protected]

n n n n n n n n n n n n n n n n n n n n n n n n n n n n n n n n n n n n

«Vi ser at markedsføringsfaget er i vesentlig endring blant annet basert på endrede kundebehov, ny kundeadferd og teknologiske muligheter. Vi har derfor høyt fokus på analyseområdet og jobber med avanserte algoritmer på store mengder kundedata for å gi oss nødvendig innsikt til å utvikle relevant kommunikasjon til våre 1,1 million kunder,» sa Solveig Bratli Skjerven, Segmentleder i Storebrands markedsavdeling på Norges Markedsanalyseforenings Big Data Seminar i juni.

Storebrands markedsavdeling fremstår som et godt eksempel på hvor sentralt Analytics har blitt for forretning og hvor viktig det er å ta vare på kundedataene. Ettersom vi blir stadig mer datahungrige, og analytikerne gjør sitt

inntog i sentrale forretningsprosesser, blir IT og datavarehusavdelingen utfordret på hvordan nye og endrede databehov kan imøtekommes raskere.

Datavarehuset har til nå vært det naturlige stedet å strukturere data til analyseformål, men teknologien og konseptet har sine begrensninger. I kjølvannet av den nyeBig Data-teknologien har det dukket opp et nytt konsept, Data Lake, som hevdes å være løsningen på de mange uløste utfordringene innen BI og de nye behovene knyttet til Big Data. Noen definerer Data Lake som et eget datavarehus for Big Data, andre hevderData Lake vil erstatte datavarehuset helt. Svaret ligger i deres ulike karakteristika. La oss starte med konseptenes 101:

Datavarehus 101Datavarehus-konseptet ble introdusert på 80-tallet av blant annet Barry Devlin, og ikke minst Bill Inmon, som er anerkjent av mange som «datavarehusets far». Flere sentrale datavarehusprinsipper har dog sin opprinnelse fra helt tilbake til 60- og 70-tallet, blant annet drevet frem av General Mills, ACNielsen og IRI.

Det finnes flere godt etablerte definisjoner av et datavarehus, hvorav en av de enkleste er

Kundefokus krever datafokus i vår tid. Forretningsprosessene blir mer analyse-drevne, og data-underlaget større og bredere. Nye datakilder dukker opp på ønskel-isten, for eksempel data fra web og sosiale media, klikkdata, loggdata og sensordata. Hittil har datavarehuset vært det naturlige lagringsstedet for innsamlede data, men strikken er allerede strukket langt. I disse Big Data-tider må vi tenke nytt, og Data Lake er svaret, hevdes det.

Data Lake vs. Datavarehus

Med en Data Lake bearbeides ikke dataene før de hentes ut til et spesifikt formål.

TEKNOLOGI

TEKNOLOGIformulert av datavarehusguruen Ralph Kimball slik: «Et datavarehus er en kopi av transak-sjonsdata spesielt strukturert for spørring og rapportering». Begrepet «transaksjonsdata» er noe omdiskutert, men kommer antagelig av at de fleste operasjonelle IT-løsninger har transaksjonsfokus. Inmons formulering er mer konkret på datavarehusets form: «…en emneorientert, integrert, tidsrelatert og ikke-volatil samling av data til støtte for ledelsens beslutningsprosesser.» Inmons definisjon er antagelig den mest anerkjente, til tross for unøyaktigheten som ligger i at datavarehusets bruksområder har vokst langt utover kun beslutningsstøtte for ledelsen.

Det finnes ulike referansearkitekturer innen datavarehus, men én ting er felles: Dataene trekkes ut fra de forskjellige kildesystemene, transformeres og tilrettelegges i en form som gir et best mulig underlag for analyse og rapportering. I datavarehuset har alle innsam-lede data fått forståelige og entydige navn og gode definisjoner (emneorientert). De henger sammen på tvers av prosesser, organisatoriske enheter og opprinnelige datakilder (integrert). De blir oppbevart permanent (ikke-volatil), med tidsstempling og versjonering av endringer over tid (tidsrelatert).

Et datavarehus består som regel av flere datalag, hvorav følgende 3 er mest vanlig: Staging, som er et forkammer der dataene kopieres inn fra kildesystemene slik at den tunge databearbeidingen videre ikke overbe-laster kjerneprosessene, Enteprise Layer, der dataene ligger komplett integrert på sitt mest detaljerte nivå, samt Data Marts, som er ferdig-kalkulerte data (kalkulert opp fra Enterprise Layer) tilrettelagt for spesifikke analyseformål.

Data Lake 101Data Lake-konseptet går ut på å kanalisere data fra alle tenkelige datakilder inn til et felles lagringsområde, tilgjengelig for både kjente og foreløpig ukjente analyseformål. Beskrevet på dette overordnede nivået blir definisjonen relativt lik datavarehuset, men det er spesielt én vesensforskjell: På vei inn i et datavarehus, blir dataene foredlet, mens en Data Lake oppbevarer dataene på sitt opprinnelige råformat. Med en Data Lake bearbeides ikke dataene før de hentes ut til et spesifikt formål. Dette kalles gjerne late binding eller schema on read (mens et datavarehus i denne kontekst blir early binding / schema on write).

Begrepet Data Lake ble introdusert i 2010 av James Dixon, CTO i Pentaho, i forbindelse med lanseringen av deres første Big Data-løsning på Hadoop-plattformen. Hadoop er bl.a. en NoSQL-database (Not Only SQL), som innebærer full fleksibilitet i forhold til

datatyper og struktur (les om Hadoop i Analysen nummer 1 2015 side 34 - 37). Denne typen datalagringsteknologi ansees gjerne som en forutsetning for Big Data og Data Lake, da disse konseptene tar inn over seg at mange datakilder er mindre struktu-rerte og fluktuerer mer enn det som forutset-tes av tradisjonelle databaser (typiske SQL-databaser) som de fleste datavarehus er basert på.

Som med alle trendord, så blir også Data Lake-begrepet adoptert og benyttet av løsningsleverandører. Men med en gang vi begynner å bearbeide og sammenstille dataene til en løsning, så er vi utenfor selve

Data Lake-konseptet. Da har vi, om vi skal bruke datavarehusterminologien, tilrettelagt en Data Mart.

Early Binding – Big BucksTenk deg at du stiller interessentene følgende spørsmål: «Skal vårt felles analyseunderlag inneholde alle data fra alle kilder, i alle fall de vi tror det er en viss sannsynlighet vi kan få behov for, eller skal vi kun samle inn de dataene vi vet p.t. vi har behov for og kan forsvare forretningsnytten av?» Dersom det ikke hadde vært et kostnadsspørsmål, så ville nok fler-tallet svart førstnevnte alternativ. Vi vet jo ikke hva vi kan få behov for i fremtiden og da er det jo best å sikre seg ved å ta vare på alle data.

Data Lake vs. Datavarehus: Data Lake oppbevarer dataene i sitt råformat slik de ligger i kilden, og foredlingen skjer i etterhånd (late binding). I datavarehuskonseptet blir dataene foredlet på vei inn (early binding), slik at de ligger ferdig tilrettelagt for definerte bruksområder.

Såkalt Cognitive Computing er under rasende utvikling. Det er likevel et stykke frem før vi kan overlate maskinene til seg selv.

36 37

TEKNOLOGI

TEKNOLOGI

TEKNOLOGI

TEKNOLOGI

Men det var for stort omfang som førte til at mange datavarehusprosjekter feilet på 80- og 90-tallet. Mang en lederbonus gikk nok fløyten på grunn av store budsjettoverskridel-ser, og det finnes fortsatt ledere som føler sterkt ubehag når de hører begrepet datavarehus.

Det er early binding-prinsippet som gjør datalastingen til datavarehuset kostbart og tidkrevende. Datavarehuskonseptet dreier seg om at dataene fra de mange datakildene berikes, sammenstilles og tilrettelegges slik at de gir et mest mulig riktig og helhetlig datagrunnlag for alle nåværende og tenkelig fremtidige analyse- og rapporteringsformål. Utfordringen med dette er at vi på forhånd må bestemme hva som er «riktige» transforma-sjonsformler og hvordan dataene skal struktureres optimalt. Dette er både tidkre-vende og vanskelig, og det er heller ikke til å stikke under stol at det er varierende kvalitet på en del datavarehusleveranser. Siden et datavarehus i praksis er under kontinuerlig utvikling, vil de fleste datavarehus bære preg av både gode og dårlige tider (påvirket av faktorer underveis, som finansiering, styring, kompetanse etc.), litt på samme måte som man kan lese av gode og dårlige sommere på årringene til et tre.

Konsekvensen, slik brukerne opplever det, er at datavarehuset på langt nær inneholder alle ønskelige data, samt at nye ønsker og behov må gjennom streng prioritering og har lang implementeringstid. I praksis må man fremvise et godt business case for å få gjennomslag for å ta inn nye data i datavare-huset, og her står vi ved en sentral problem-stilling for analytikerne: Vi vet egentlig ikke hvilken verdi dataene har før vi har dem tilgjengelig, og selv da ser vi kun deres verdi basert på de hypoteser og forretningsspørs-mål vi foreløpig kjenner til. Denne utfordringen blir ikke noe mindre i en verden av Big Data. Mulighetene er enorme, og vi har gode

indikasjoner på at det ligger mye gull i disse dataene, men vi har ikke kapasitet til å hente ut alt. Selv om vi foreløpig ikke har mulighet til å raffinere det hele, ønsker vi derfor ikke å kvitte oss med råmaterialet om vi kan finne et rimelig sted å oppbevare det. Det er her Data Lake kommer til sin rett!

Late Binding – Big GeeksSiden Data Lake baseres på rimelig lagrings-teknologi og laster dataene inn rått uten omfattende transformasjoner, gir dette en reell mulighet til å samle inn og ta vare på alle data. Og med alle data tilgjengelig, så er det vel bare å dykke ned i dataene når vi har behov, eller…? Feil! Her må det nok en brukbar dose alkymi til for å forvandle datamassen til gull, og alkymistene blir populært kalt Data Scientists. Siden dataene ligger i sin opprin-nelige form, kreves omfattende innsikt og grundig etterforskningsarbeid for å tolke og forstå dataene: Dataene er sjeldent intuitive, de forskjellige datakildene har ulike kodeverk og terminologier, og dokumentasjonen er ofte fragmentert og mangelfull. Big Data-aspektet øker kompleksiteten ytterligere, med blant annet lite strukturerte tekster, loggdata, klikkstrømmer, sensordata etc.

I et datavarehuskonsept står datavarehusarki-tekter og -utviklere for arbeidet med å tolke og tilrettelegge dataene i forkant av analyse-prosessene, mens med Data Lake-konseptet blir dette opp til den enkelte Data Scientist, eventuelt en dataekspert som jobber dedikert med analytikerne. Uansett konsept og rolle, så kreves inngående forretningsinnsikt på tvers av prosessene, detaljert teknisk forståelse av alle datakildene, samt god kunnskap og erfaring innen databearbeiding.

Spørring og analyse på data i en Data Lake krever ekspertise og er ikke noe en vanlig sluttbruker vil kunne mestre. En Data Lake i kombinasjon med spørre- og analyseverktøy kan kalles Self-service Analytics, som indikerer at Data Scientists kan hente ut og analysere det de trenger på egenhånd. Dette er dog ikke det samme som Self-service BI. Poenget med BI er nettopp at hovedvekten av brukerne ikke er dataspesialister, så terskelen for en selvbetjent BI-løsning må være vesentlig lavere. Kryptiske data, inkonsistens, manglende koblinger etc. kan ikke aksepteres i en BI-løsning. Derfor må analyse og

rapportering for denne brukergruppen baseres på datavarehusprinsipper. Stadig mer BI blir også operasjonalisert og automatisert (automatiske beslutninger etc.), og slike prosesser krever struktur.

På et tidspunkt i fremtiden vil antagelig spørreteknologien blir så intelligent at den både forstår det vi spør om, samt klarer å finne frem i og tolke ustrukturerte og udefi-nerte data rett på egenhånd. Såkalt Cognitive Computing er under rasende utvikling. Det er likevel et stykke frem før vi kan overlate maski-nene til seg selv. Om vi da ønsker det? Når computeren spytter ut svaret «42», så er det en fordel å forstå både spørsmål og resonnement. I filmen «2001: A Space Odyssey» sa stjerneskipets computer HAL 9000: «No 9000 series has ever made a mistake or distorted information. We are all, by any practical definition of the word, fool-proof and incapable of error»… Men mens vi venter på at HAL skal overta databearbeidingen (og beslutningene), så vil behovet for gode Data Geeks være prekært enten vi snakker om early binding eller late binding.

Think Big – Start BigMange av de tidlige datavarehusprosjektene hadde fokus på å bygge datavarehuset «ferdig» først, for deretter å tilrettelegge Data Marts og slippe til brukerne (såkalt top-down-tilnærming). Dette resulterte gjerne i gigant-prosjekter som kunne pågå i flere år uten at brukerne så resultater av investeringen. I dag er det mer vanlig å få kontroll på omfanget ved å dele opp leveransene i henhold til dataområder, og at dataområdene blir tilgjengeliggjort helt ut til Data Marts og brukergrensesnittene for hver leveranse (bottom-up eller hybrid). Dette betyr at brukerne ikke får alt de har bestilt på en gang, men at sluttbrukerløsningene leveres inkrementelt etter hvert som dataområdene står ferdig. «Think Big – Start Small,»er mottoet.

Men hovedutfordringen med et datavarehus er likevel ikke løst: Uansett tilnærming, så tar det fortsatt lang tid fra et databehov oppstår til dataene ligger klar til bruk.Med en Data Lake kan ekspertbrukere få dataene tilgjengelig ganske umiddelbart etter at behovet har oppstått. Vi snakker jo i

Med en Data Lake kan ekspert-brukere få dataene tilgjengelig ganske umiddelbart etter at behovet har oppstått.

utgangspunktet kun om å laste inn dataene rått, uten kompliserte transformasjoner.Når det først er investert i kompetanse og teknologi for å demme opp en Data Lake, så kan det til og med forsvares å ta vare på data selv før vi vet om vi kommer til å få bruk for dem (dette er gjerne referert til som unknown unknowns).

Når dataene først ligger i en Data Lake, kan vi når som helst på et senere tidspunkt føre de dataene vi har behov for videre inn i datavare-huset. Sett fra et datavarehusståsted, blir Data Lake å betrakte som et Staging Layer.

En del data vil det likevel aldri bli relevant å ta inn i datavarehuset. «Not all data needs to fly first class,» sa Martha Bennett fra Forrester Research, keynote på GOBI2015. Dette gjelder spesielt innen Big Data, der dataene prosesseres best på Hadoop eller lignende teknologiplattformer.

I en referansearkitektur som favner både tradisjonell BI og Big Data, kan det være naturlig å tenke seg en Data Lake i bunn som både leverer data til datavarehuset og samtidig fungerer som et selvstendig

datalager det kan gjøres spørringer og analyser mot direkte. Data Scientists kan brøyte vei for andre, ved å gradvis tilføre semantikk på toppen. Om Data Lake kommer til å overta for all staging vil nok variere, men dagens stage er normalt bare en temporær mellomlagring, mens en Data Lake vil kunne beholde dataekstraktene permanent på originalformatet. Det kan være en stor fordel, siden datavarehuset sjelden tar inn alt, samt at dataene mister noen av sine opprinnelige egenskaper og nyanser i transformasjonene på vei inn i datavarehuset.

Data Lake-konseptet har også sin andel av kritikere, hvorav mye av kritikken er knyttet til mangel på struktur og styring. Navnet gir riktig nok litt feil assosiasjoner, for som Martha Bennett sa på GOBI2015: «Når du heller en bøtte med vann ut i en innsjø, så vil du aldri senere klare å fylle opp en bøtte med det samme vannet.» Men Data Lake er ikke ekvivalent med dataanarki – dataene må selvfølgelig også administreres i dammen. Data Lake Governance, med metadatahånd-tering og annen basisadministrasjon, er fullt mulig og en relativt rimelig investering i denne kontekst. Data Lake-konseptet holder således vann.

Overordnet (forenklet) referansearkitektur som kombinerer Big Data med tradisjonell BI.

På en NATO-pressekonferanse i 2002 kom USAs Secretary of Defense, Donald Rumsfeld, med følgende refleksjon: «Now what is the message there? The message is that there are no ‘knowns’. There are things we know that we know. There are known unknowns. That is to say there are things that we now know we don’t know. But there are also unknown unknowns. There are things we do not know we don’t know. So when we do the best we can and we pull all this information together, and we then say well that’s basically what we see as the situation, that is really only the known knowns and the known un-knowns. And each year, we discover a few more of those unknown unknowns.

38

Teige er en mann som vil møtes i riktige omgivelser. Han er profesjonell, uredd og sjenerøs, verdier han mener Den Norske Opera & Ballett har kopiert direkte fra hans hjemmeside jesuisroelteigé.eu.net.

Teiges blikk er våkent. Han kommer rett fra Studio Sokrates hvor bind 2 i hans tilblivende tetralogi, ”Roels Kampf”, var gjenstand for høytlesning. – Et litterært verk lever først når det oppdages av en unik leser, medgir han.Responsen har ikke vært særlig overveldende.

Av flere verv og stiftelser sitter Teige blant annet i Die Norstadt, hvor han jobber med konsernets medlemmer; om lag 425 000 medlemmer i 10 europeiske land. Hans hovedansvar er å påberope at alle ansatte jobber i samsvar med konsernets kvalitets-erklæring. Teige forteller at han besitter en sjelden evne til å avgjøre hvem som skal inkluderes og hvem som skal ekskluderes i medlemsbasen, eller naturlig seleksjon som han selv kaller det.

– Medlemmene våre påvirker beslutningene til store selskaper hver eneste dag gjennom deres meninger og interesse for ulike temaer, produkter og trender. Det er derfor avgjørende å forstå skillet mellom respondenter som iscenesetter seg selv slik de mener at de ”burde være, i motsetning til slik de egentlig er.”

Å eksperimentere med den perfekte fokus-gruppesammensetningen har blitt Teiges spesialitet. Senest i forrige uke holdt han et innlegg for publikummet på Litteraturhuset med tittelen ”Fokusgruppenes Ulysses”, – en milepæl i fokusgruppens utvikling, tilføyer Teige og beskriver entusiastisk inn-leggets klimaks:

– Identitet karakteriserer enkeltpersonen, som når du ser deg selv i speilet. Men det er ingen som er seg selv bare i et speil. Fokusgrupper er for eksempel ikke egnet til å produsere data om enkeltindividers verden eller å få fram atypisk praksis eller forståelse.Vi er sosiale mennesker som skaper kultur

når vi møter hverandre. Gruppedynamikk er derfor det aller viktigeste for å kunne løse reelle problemstillinger.

Teige ser seg rundt og napper elegant i lenken som er festet til lommeuret i brystlom-men. Uret har vært i familien i generasjoner. Det er datert i 1657 og produsert i London av D. Bishop, påpeker han stolt og blir noe fjern i blikket. Han må gå.

Som et siste råd til Analysens lesere, har du noe å tilføye? – Hvis det var noe Ibsen lærte oss, så var det at dialogen i en fokusgruppe egner seg utmerket til å avsløre alt det vi ikke våger å si til hverandre under fire øyne.

Den mørke skikkelsen forsvinner diskré langs den bølgende eikeveggen, idet Gisle Kverndokks pausesignal kallen han inn til del 2 av Anna Thorvaldsdóttirs samtidsopera UR_ . Analysen byr han farvel med Fjordor Dostojevskijs bevingede ord: God fornøyelse!

Je suis Roel TeigéLangsomt trer det frem et bilde av ikke bare et bygg, men en levende organisme av mennesker som besøker og arbeider i Den Norske Opera & Ballett. En mørk skikkelse ankommer den lyse, vakre foajeen. Roar Teiges regntunge alvor sprer seg som en skygge over Sanguine Brasserie & Bar.

TEKST: CHRISTINA SMITT, [email protected]


Roar Teige. Foto: Tone Belsvik.

CVNavn: Roar Teige. Består av navnedelene ro og ar, hvor ro er utledet av det norrøne ordet ”hro” som betyr ”ære”, ”berømmelse” eller ”anseelse”, mens ar er utledet av det norrøne ordet ”arr”, som i dette tilfellet betyr ”spyd”Fødested: Øyer KommuneStillingstittel: Prosjektleder og kulturbærer i Die Norstadt NorgeUtmerkelser: Tibsenprisen, Norsk Strukturråds Hederspris, Kjelsås Debutantpris, Panda Prisen ogDrage PrisenOrdtak: Kunnskapstreet er eit farleg tre, i det har mang ein arming hengt seg – Olav Duun

Analyseprogrammet Superdig er et enkelt, men svært kraftig verktøy når du skal grave etter gullet i tunge og sammensatte datafiler. Verktøyet gjør alle i stand til å gjøre svært avansert analysearbeid på en rask og enkel måte. Dermed får du mye mer ut av dataene dine.

– Vi har lagt avgjørende vekt på brukervennligheten. Med Superdig får du rett og slett bedre innsikt og mer forståelige rapporter, sier adm. direktør Pål Sesseng i MI Pro, som har utviklet Superdig. Programmet virker like bra både på PC og Mac. Med Superdig viderefører vi den godt gjennomtestede analysemotoren vi har utviklet i Research Studio gjennom mange år.

– Superdig er så enkelt og selvinstruerende at alle nå kan gjøre avansert analysearbeid av store datamengder med enkle tastetrykk. Superdig vil være et supert verktøy for markeds-sjefer, produktsjefer, PR-folk, rådgivere, journalister og mange flere - samtidig som programvaren vil kunne forenkle arbeidet til mange analytikere.

Slik jobber SuperdigSuperdig er et godt supplement og i mange tilfeller en erstatning for SPSS Statistics. Det er enklere og raskere å bruke, samt at det tilbys mer variert og fleksibel presentasjon av resultatene. Sammenlignet med Excel Pivot-tabeller er Superdig kraftigere og enklere å bruke. Har du en SPSS eller Excel data fil vil du ganske enkelt kunne importere denne inn i Superdig. Import wizarden gjenskaper datasettet inn i et spørsmål-og-svar-format som gjør at det er enklere å analysere. Den gjenskaper automatisk den originale strukturen som Multiple Choice eller matrisespørsmål, og du får raskt ut en oversiktlig rapport i et spørreskjemaformat.

Deretter kan du med enkle grep lage de mest avanserte krysstabellene med signifikanstesting, filtrere, sortere, slå

sammen kategorier, lage gjennomsnitt, bytte om rader og kolonner – stort sett alt som normalt gjøres av spesialister er nå tilgjengelig i et enkelt drag-and-drop-grensesnitt.

Grafikk og presentasjonerDu kan lage grafikk, og eksportere dette direkte over i Excel eller PowerPoint. Dataene ligger editerbare i Excel og PowerPoint. Skriv dine kommentarer, og disse overføres også inn i PowerPoint-slidene. Superdig inneholder også en online presentasjonsmodul. Send din rapport med en link og PIN-kode til dine stakeholders.

Målgruppeanalyse, gir deg på sekunder en veldig god oversikt over de viktigste karakteristika for din målgruppe. Lynraskt får du et innblikk i alle de signifikante forskjellene og likhe-tene som beskriver målgruppen din. Dette trenger du normalt svært kompliserte statistikkprogrammer til å få til.

Mye for pengeneSuperDig kjøpes over nettet og lanseres nå med en spesial in-troduksjonspris på under 1.700 kr/år per brukerlisens! ($195/år). Normal pris på nettet er $495/år.

– Her får du en Rolls Royce til småbilpris. Med Superdig har vi bevist at god software faktisk kan være rimelig, sier Sesseng.

Les mer på www.superdig.net Last ned en 2 ukers gratis test-lisens og prøv programmet nå: www.superdig.net/download

ANNONSE

NYTT, superenkelt analyseverktøy!Nå får du mye mer ut av dataene dine.

For mer informasjon kontakt gjerne:Pål Sesseng, [email protected]ørn Grønli, [email protected]

Returadresse:Norges MarkedsanalyseforeningPostboks 5077 Majorstuen0301 Oslo

Kontakt din konsulent i Ipsos eller Anne Sørbråthen T: 90770280, [email protected]

eller Gry Soløy T: 95249077, [email protected]

87+Markeder

VI HJELPER KUNDER ÅFORBEDRE INNOVASJONSPROSESSENE

40+År med erfaring innenInnovasjonsresearch

14000+ Innovasjoner

Rangert som det 2. mest innovative markedsanalyseselskapet i verden

ifølge 2014 GRIT rapport

Vinner av 2014 Edison Award for sin Arketypemetodikk

Relevant for mange bransjer

GAME CHANGERS

TEMA: Analyse for framtidas handelanalysen.no/images/Analysen/Analysen_tre_femten_ny.pdfKomplett.no...

Documents

Transcript of TEMA: Analyse for framtidas handelanalysen.no/images/Analysen/Analysen_tre_femten_ny.pdfKomplett.no...