როგორ დავწეროთ სწორი ბიზნეს გეგმა? ქეისი

სწორი ბიზნეს გეგმის დაწერის შესახებ არსებობს უამრავი სტატია. თუმცა, მათი წაკითხვის შემდეგ ხშირ შემთხვევაში მაინც ბევრი კითხვა რჩება. მოცემულ სტატიაში ვეცდებით მაქსიმალურად დეტალურად აღვწეროთ გეგმის დაწერის მთლიანი პროცესი და მისი შემადგენელი ელემენტები.

მარკეტინგული ბიზნეს გეგმა – შემადგენელი ელემენტები

ბიზნეს გეგმის მარკეტინგულ ნაწილში უნდა იქნეს განხილული შემდეგი საკითხები:

  • ბაზრის ზომა
  • ბაზრის ზომის ცვლილების ტენდენციები
  • ინდუსტრიის სასიცოცხლო ციკლი
  • კონკურენცია
  • სეზონურობა
  • სამიზნე ბაზარი (აუდიტორია)
  • საკომუნიკაციო პოლიტიკა
  • SWOT ანალიზი
  • საბაზრო სტრატეგია
  • სარეკლამო ბიუჯეტი

განვიხილოთ თითოეული მათგანი.

ბაზრის ზომა (მოცულობა)

იმისთვის, რომ გამოვთვალოთ, თუ რა პოტენციალი აქვს ბაზარს, საჭიროა გავიგოთ მისი მოცულობა. მოცულობის გამოსათვლელად დაგვჭირდება სამი მაჩვენებელი:

  1. სამიზნე აუდიტორიის რაოდენობა (იმ ადამიანთა რიცხვი, რომლებიც პოტენციურად დაინტერესებულები იქნებიან ჩვენი პროდუქტის/ მომსახურების ყიდვაში)
  2. მოხმარების სიხშირე 1 წლის განმავლობაში. სავარაუდო სიხშირე, ანუ ის, თუ რამდენ ჯერ საშუალოდ სარგებლობენ ადამიანები პროდუქციით/ მომსახურებით.
  3. პროდუქციის საშუალო ფასი.

ვთქათ, გვსურს დავაფუძნოთ კომპანია და გავყიდოთ ქალის სუნამოები თბილისში. ჩვენი ამოცანაა გავიგოთ სამიზნე აუდიტორიის ის მაქსიმალური რაოდენობა, რომელიც შეიძლება დაინტერესტდეს ჩვენი პროდუქციით. სამიზნე აუდიტორია გამოიყურება შემდეგნაირად: თბილისში მცხოვრები 15-65 წლის მდედრობითი სქესის ადამიანები. ამ ადამიანების რაოდენობის გასაგებად, შევიდეთ საქართველოს სტატისტიკის ეროვნული სამსახურის საიტზე და ვნახოთ მონაცემები. სამწუხაროდ, შეუძლებელია გავფილტროთ მონაცემები როგორც ქალაქის, ასევე სქესის მიხედვით. ამიტომ, წინა წლების სტატისტიკიდან გამომდინარე ვივარაუდოთ, რომ ქალთა რაოდენობა საქართველოს მასშტაბით მთლიანი მოსახლეობის 52% შეადგენს. ვივარაუდოთ ასევე, რომ ანალოგიური რიცხვი იქნება სამართლიანი თბილისისთვისაც.

ბიზნეს გეგმის დაწერა - ექსელი

ვიღებთ 2018 წლის მონაცემებს, სადაც თბილისის მოსახლეობა 1,158,7 მილიონ ადამიანს შეადგენს. ჩვენს ვარაუდს რომ დავუჯეროთ, აქედან ქალთა რაოდენობა 602524 ადამიანს შეადგენს. ასაკობრივი დიაპაზონიდან გამომდინარე მივიღებთ 400 000 ათას ადამიანს.

შემდეგი ეტაპი – გამოკითხვის ჩატარება. გამოვკითხოთ 100 – 120 ადამიანი ჩვენი სამიზნე აუდიტორიიდან, გავიგოთ თუ  რამდენჯერ წელიწადში საშუალოდ ყიდულობენ სუნამოებს. ვთქვათ, საშუალო მოხმარების სიხშირე მივიღეთ 2.

ასევე პირობითად ვთქვათ, რომ სუნამოების საშუალო საბაზრო ფასი 50 ლარს შეადგენს.

ბაზრის მოცულობის გამოსათვლელად გადავამრავლოთ ეს სამი მაჩვენებელი ერთმანეთზე: 400 000 x 2 x 50 = 40 000 000 ლარი. ბაზრის პოტენციური მოცულობა 40 მილიონ ლარს შეადგენს.

ბაზრის ცვლილების ტენდენციები (ექსტრაპოლაციის მეთოდი)

ყოველთვის მნიშვნელოვანია ვიცოდეთ, თუ როგორ შეიცვლება ბაზარი უახლოეს 5-10 წელიწადში. ამისთვის უნდა ვიცოდეთ მისი ცვლილების ტენდენციები. ექსტრაპოლაციის მეთოდი, რომელსაც ჩვენ თავად ვიყენებთ ბიზნეს გეგმის დაწერის დროს, ერთ-ერთი საუკეთესოა ზემოხსენებული მიზნის მისაღწევად. ექსტრაპოლაცია გულისხმობს არსებული ტენდენციების მომავალში გადატანას. ვთქათ, ჩვენი სამიზნე აუდიტორია 2014 წელს 300 000 იყო, 2015-ში გაიზარდა 8%-ით და გახდა 324 000, 2016 წელს კიდევ 8% და ა.შ. (ამ მონაცემებს ისევ საქსტატზე ვპოულობთ). შევხედოთ მონაცემებს და დავინახავთ ტენდენციას: თბილისში მცხოვრები  15-65 წ. მდედრობითი სქესის მოსახლეობა ყოველწლიურად 8%-ით იმატებს (რეალური ტენდენცია სხვანაირია, რიცხვები აღებულია მაგალითისთვის). ჩვენ შეგვიძლია გადავიტანოთ ეს ტენდენცია მომავალში და ვივარაუდოთ, რომ თუ 2018 წლამდე ჩვენი სამიზნე აუდიტორია იზრდებოდა 8%-ით, 2019-ში, 20-ში, 21-ში და ა.შ. ეს ტენდენცია გაგრძელდება. გამოვთვალოთ ბაზრის მომავალი მოცულობა ამ ტენდენციიდან გამომდინარე.

ბაზრის ცვლილების ტენდენციები:

2018წ. – 40 000 000 (400 000 x 2 x 50).

2019წ – 43 200 000 (400 000 x 1.08 x 2 x 50)

2020წ – 46 656 000 (432 000 x 1.08 x 2 x 50)

და ა.შ.

გაითვალისწინეთ, რომ ამ კონკრეტულ მაგალითში ჩვენ შევჩვალეთ მხოლოდ ერთი მაჩვენებელი (მოსახლეობის რაოდენობა). რეალობაში კი, შეიძლება შეიცვალოს როგორც საშუალო საბაზრო ფასი, ასევე საშუალო მოხმარების სიხშირეც.

ინდუსტრიის სასიცოცხლო ციკლი

ინდუსტრიის სასიცოცხლო ციკლში შეგვიძლია გამოვყოთ 4 ძირითადი ეტაპი:

  1. ახალი ეტაპი ბაზრისის დაბადება: ამ ეტაპზე ბაზარზე ფიგურირებს მხოლოდ ერთი ან რამოდენიმე წვრილი კომპანია. ყალიბდება მარკეტინგული ურთიერთობის ძირითადი წესები, მოთხოვნა-მიწოდება. კომპანიების მიერ ბაზრის შესწავლა დაკავშირებულია დამატებით დანახარჯებთან.
  2. ზრდა: ბაზარზე შემოდიან ახალი მოთამაშეები, ფართოვდება პროდუქციის ასორტიმენტი და მატულობს კონკურენტული ბრძოლა. ყველა კონკურენტი ცდილობს მოახდინოს თავისი პროდუქციის დიფერენციაცია რომ მიიღოს უპირატესობა სხვა კომპანიებთან შედარებით.
  3. სიმწიფე: ამ ეტაპზე ბაზრის ზრდა აღწევს თავის მაქსიმუმს და ბაზარზე არსებული მოთამაშეები მაქსიმალურ მოგებას პოულობენ თავიანთი საქმიანობიდან.
  4. დაღმასვლა: ტექნოლოგიური განვითარება და მომხმარებელთა მოთხოვნილებების ცვლა გამოიწვევს ინდუსტრიის დაღმასვლას. ამ მომენტის შეჩერებისთვის საჭიროა მუდმივი კონტროლი იმისა, თუ როგორ შეიცვალა მომხმარებელთა ინტერესები, რამდენად აქტუალური რჩება მათთვის თქვენი პროდუქტი/ მომსახურება

მზად უნდა იყოთ ყველა ამ ეტაპისთვის და იცოდეთ, თუ რა ქმედებები იქნება ჩასატარებელი მაქსიმალური მოგებისა და მინიმალური ზარალის მისაღებად.

კონკურენცია

პორტერის მოდელი

პორტერის მოდელი არის ყველაზე კარგი და დეტალური მოდელი კონკურენციის დონის გასაანალიზებლად.გადმოიწერეთ ექსელის ფაილი და შეავსეთ შესბამისი უჯრები.

სეზონურობა

ჩამოწერეთ, თუ რამდენად მჭიდრო დამოკიდებულებაშია თქვენი პროდუქტი/ მომსახურება სეზონთან. თუ პროდუქტი სეზონურია, ჩამოწერეთ სავარაუდო გაყიდვების რაოდენობა ამა თუ იმ თვიდან/ სეზონიდან გამომდინარე.

სამიზნე ბაზარი

რას წარმოადგენს თქვენი პროდუქტის ან მომსახურების ტიპიური მყიდველი? დახატეთ მისი მოკლე ბიზნეს-პორტრეტი, ჩამოწერეთ ქცევით ფაქტორები, დაადგინეთ ის ლოკაციები, დაწესებულებები სადაც ის იმყოფება ყველაზე ხშირად. სამიზნე ბაზრის დადგენის შემდეგ გაგიმარტივდებათ იმ სარეკლამო ინსტრუმენტების შერჩევა, რომელიც დაგეხმარებათ მიზნების რეალიზებაში.

საკომუნიკაციო პოლიტიკა

რა პლატფორმების გამოყენებას აპირებთ თქვენს მომხმარებლებთან კომუნიკაციის დასამყარებლად? ჩამოვთვალოთ რამოდენიმე ძირითადი პლატფორმა:

  • გარე რეკლამა
  • სოციალური ქსელები (Facebook, Instagram და ა.შ)
  • Google
  • საიტი (მრავალგვერდიანი საიტი ან landing page სხვადასხვა ოფერებისთვის)

SWOT ანალიზი

კომპანიის სუსტი და ძლიერი მხარეები, რისკები და შესაძლებლობები. შეავსეთ ქვემოთ მოყვანილი ცხრილი.

Strengths Weaknesses Opportunities Threats
ძლიერი მხარეებისუსტი მხარეებიშესაძლებლობებირისკები
ჩვენი ძლიერი მხარეები. რა მოსწონთ მომხმარებლებს ჩვენს ბიზნესში ჩვენი სუსტი მხარეები, რისი გამოსწორება გვინდა. რა სამომავლო შესაძლებლობები აქვს კომპანიასშესაძლო პრობლემები და რისკები
ძლიერი მხარე 1
ძლიერი მხარე 2
ძლიერი მხარე 3

სუსტი მხარე 1
სუსტი მხარე 2
სუსტი მხარე 3

შესაძლებლობა 1
შესაძლებლობა 2
შესაძლებლობა 3

რისკი 1
რისკი 2
რისკი 3

საბაზრო სტრატეგია

მოკლედ აღწერეთ, თუ როგორ აპირებთ თქვენი პროდუქტის გაყიდვას, რატომ მოუნდება მომხმარებელს მისი ყიდვა,როცა ბაზარზე კონკურენტების სახით უამრავი ალტერნატივა არსებობს? რა გაკეთდება საიმისოდ, რომ პოტენციური კლიენტი მაქსიმალურად კმაყოფილი დარჩეს.

ჩაატარეთ გამოკვლევა, დაადგინეთ ოპტიმალური ფასი. აღწერეთ საფასო პოლიტიკა და მარჟა. საშუალოდ, საქმიანობიდან გამომდინარე, მარჟა 15-30%-მდე მერყეობს.

Physical Evidence – როგორ იქნება წარდგენილი თქვენი პროდუქტი მომხმარებლებთან კონტაქტის წერტილებში?

რა ლოიალობის პროგრამას შემოიღებთ იმისთვის, რომ შეინარჩუნოთ უკვე არსებული კლიენტები?

სარეკლამო ბიუჯეტი

ჩამოწერეთ თავდაპირველი სარეკლამო ბიუჯეტი და ის დანახარჯები, რომლებიც დაგჭირდებათ საკომუნიკაციო პოლიტიკის წყაროების შესაქმნელად და სამართავად. იხილეთ მაგალითი ცხრილში.

Marketing Expense (Aug. 2019)Estimated Price
ლენდინგის დამზადება 400-500 ₾
B2B ფლაერები x1000 + design 300 ₾
B2B email დამზადება კოდინგი150-200 ₾
რეკლამა სოციალურ ქსელში 300-400 ₾
Total1250 – 1400 ₾

ახლა თქვენ იცით ბიზნეს გეგმის მარკეტინგული ნაწილის სტრუქტურა. თუმცა, გახსოვდეთ, რომ ინვესტორს აინტერესებს არა მხოლოდ ციფრები, არამედ თქვენი და თქვენი გუნდის რეალური სურვილი და მისწრაფება, მოტივაცია.

1 GEL ინვესტიცია = 8 GEL შემოსავალს

2019 წლის ივნისში გადავწყვიტეთ შემოგვეღო ჩვენთვის ახალი მომსახურება: Express SEO აუდიტი. აუდიტში იგულისხმება საიტის მთლიანი ტექნიკური და კონტენტ შემოწმება – რა შეცდომები არსებობს რესურსზე და რა გავლენას ახდენენ ისინი საძიებო შედეგებსა და ტრაფიკის სიდიდეზე.

ფასწარმოქმნა

Express SEO აუდიტის მომსახურების ღირებულება 25 ლარს შეადგენდა. გამომდინარე იქიდან, რომ მომსახურება ახალია და რეკლამის განთავსების მომენტისთვის უცნობი იყო პოტენციური კლიენტებისთვის, გადავწყვიტეთ მაქსიმალურად ხელმისაწვდომი ფასი დაგვედო.

სამიზნე აუდიტორიის გამოვლინება და თარგეტირება

ბუნებრივია, ჩვენი B2B სამიზნე აუდიტორია მოიცავს იმ ადამიანებს, რომლებსაც აქვთ საიტი, ასევე კომპანიის დირექტორებსა და ტოპ-მენეჯერებს. გეოგრაფიულ მდებარეობას არ ჰქონდა მნიშვნელობა, რადგან მომსახურება ონლაინ კომუნიკაციის მეშვეობით ხდებოდა – ადამიანი გვიგზავნიდა საიტს, ჩვენ ვაკეთებდით მის აუდიტს და ვუგზავნიდით დეტალურ რეპორტსა და რეკომენდაციებს. ასაკობრივი დიაპაზონი: 24-50 წ.

შესაბამისად, 24-50 წლის საქართველოს მოქალაეების, რომლებიც აკმაყოფილებდნენ ზემოხსენებულ ინტერესებს და ქცევით ფაქტორებს (საიტის მფლობელები, ტოპ-მენეჯერები და ა.შ.) რაოდენობამ 40 000 ადამიანი შეადგინა. სწორედ ეს 40 000 ადამიანი არის ჩვენი სამიზნე აუდიტორია Facebook-ზე.

კონტაქტის წერტილები

ალბათ იცით, რომ ბოლო 2 წლის განმავლობაში ფეისბუკი ამცირებს ფეიჯის პოსტების ჩვენებებს. თუ ადრე თქვენი გვერდის პოსტს ნახულობდა გამომწერების 11-13%, ახლა ეს მაჩვენებელი 7-8%-მდე შემცირდა. მიუხედავად ამისა, მესენჯერს დაემატა შედარებით ახალი ფუნქცია: თქვენ შეგიძლიათ გაუგზავნოთ სარეკლამო/საინფორმაციო მესიჯი ერთბაშად ყველა იმ ადამიანს, რომლებთანაც ოდესმე გქონიათ მიმოწერა მესენჯერში. შესაბამისად, სარეკლამო კამპანიის მიზანი იყო მესენჯერის მეშვეობით ლიდების გენერირება.

ბიუჯეტი და ვადები

ახალი კამპანიის ტესტირების დროს არ ვხარჯავთ დიდ ბიუჯეტს. ფეისბუკზე ბიუჯეტირების 2 ვარიანტი არსებობს:

  • უთითებთ რეკლამის დაწყებისა და დამთავრების თარიღებს და ჯამურ ბიუჯეტს. მაგალითად, რეკლამა იქნება ნაჩვენები 15 ივლისიდან 20 აგვისტოს ჩათვლით და ჯამური ბიუჯეტი 20 დოლარს შეადგენს. იქიდან გამომდინარე, თუ რამდენად აქტიურია თქვენი სამიზნე აუდიტორია ამა თუ იმ დღეს, ფეისბუკი თვითონ გადაწყვეტს რომელ დღეს რა თანხა დახარჯოს. სოციალური ქსელის ასეთი ალგორითმი გვაძლევს საშუალებას გავხადოთ რეკლამა მაქსიმალურად ეფექტური.
  • უთითებთ დღიურ ბიუჯეტს, ანუ იმ თანხას, რომელიც მზად ხართ რომ გადაიხადოთ ერთი დღის განმავლობაში. უთითებთ დაწყების, მაგრამ არ უთითებთ დამთავრების თარიღს. რეკლამის შეჩერების შემთხვევაში თქვენ თავად უნდა დააპაუზოთ მისი ჩვენება სარეკლამო კაბინეტიდან.

დღის ბიუჯეტი 3$ შეადგენდა.

კამპანია იყო აქტიური 6 არასრული დღის განმავლობაში და მთლიან სარეკლამო კამპანიაზე დაიხარჯა 17$.

შედეგები

შედეგად მივიღეთ:


  1. შემოსავალი = 425 ლარი
  2. კონვერსია = 31,25%
  3. ROI = 825,9% (რეკლამაში ინვესტირებული 1 ლარიდან მივიღეთ შემოსავალი 8 ლარის ოდენობით
რეკლამა facebookz-ზე 1


რეკლამა facebook-ზე

Facebook-ზე რეკლამირების წარმატებული ქეისი

ქეისი: 2018 წლის ივნისში მოგვმართა ერთ-ერთმა სალაშქრო კლუბმა. მათი ამოცანა იყო Facebook გვერდზე ლაიქების გენერირება და აუდიტორიის მაქსიმალური გაფართოება მინიმალური ბიუჯეტის გამოყენებით (არაუმეტეს 15$).

გამომდინარე იქიდან, რომ კომპანიის ბიუჯეტი არ აღემატებოდა 15 დოლარს, გადავწყვიტეთ ჩაგვეტარებინა გათამაშება. წინა სარეკლამო გამოცდილება გვკარნახობდა, რომ შეზღუდული ბიუჯეტის ფარგლებში ფეიჯის აუდიტორიის გაფართოებისთვის სწორედ გათამაშება იქნებოდა ყველაზე ოპტიმალური ვარიანტი.

გათამაშებისთვის კლუბმა გამოყო ერთი კარავი. შევარჩიეთ კარგი, მიმზიდველი ფოტო სალაშქრო კლუბის გალერეიდან, მივუმაგრეთ ლოგო და ლაკონურად ჩავსვით მოკლე ტექსტი კარვის გათამაშების შესახებ.

სამიზნე აუდიტორია შევარჩიეთ შემდეგი კრიტერიუმების მიხედვით:

  • დემოგრაფია: საქართველო, თბილისი, 16-40 წ. მდედრობითი და მამრობითი სქესის ადამიანები.
  • ინტერესები: ექსტრიმალური სპორტი, ჰაიკინგი, ველოსპორტი, ბუნებაში გასვლა, ქემპინგი, ადამიანები, რომლებიც ხშირად მოგზაურობენ და ა.შ.

ბიუჯეტი: 5$ დღეში, საერთო ბიუჯეტი – 15$

შედეგად მივიღეთ:

+1300 გვერდის მოწონება, პოსტის 861 გაზიარება, 596 რეაქცია, 115 კომენტარი და 130 000 ჩვენება (მათ შორის 50 000 ჩვენება იყო სარეკლამო, ხოლო დანარჩენი 80 000 მივიღეთ გაზიარებების დიდი რაოდენობის შედეგად). მე-3 დღეს საღამოს საათებში რეკლამა იყო შეჩერებული. დაიხარჯა 13,5$

Tea – Topia In Uk. A Fair

[vc_row css=”.vc_custom_1538637735250{padding-top: 0px !important;padding-bottom: 0px !important;}” el_class=”single-post”][vc_column][vc_column_text el_class=”single-post-content” css=”.vc_custom_1542614074689{margin-bottom: 25px !important;}”]A large global resources company wanted to reduce its exposure to counterparty credit risk (and reduce the time it takes to make decisions by making them more objectively). Finance deployed an AI predictive model that pulled information from a variety of internal and external sources. These included the company’s own database of customers’ historical payment patterns.[/vc_column_text][vc_column_text el_class=”single-post-content” css=”.vc_custom_1542633724818{margin-bottom: 0px !important;}”]Everyone has their own ideas about how the project should go, but they don’t always share these thoughts during the planning process. You end up getting halfway through your original timeline when you discover that one of the stakeholders has made major changes that will require twice the resources to get back on track. Outlawing project changes may seem like a drastic move to battle scope creep, but the benefits far outweigh the pushback you’ll get from implementing this option.[/vc_column_text][vc_row_inner][vc_column_inner][vc_column_text]

Smart machines are here to stay. Not to replace finance executives, but to make their processes more intelligent.

[/vc_column_text][vc_column_text el_class=”single-post-content” css=”.vc_custom_1542629962337{margin-bottom: 35px !important;}”]Featuring The Hackett Group’s Bryan DeGraw. Amid a panoply of mobile apps and cloud-based tools for business travel, employees have more ways than ever to generate expenses, which means that finance leaders require more efficient ways to manage them. For example, the expense management workflow finance leaders have long relied on entails approving expenses only[/vc_column_text][/vc_column_inner][/vc_row_inner][vc_row_inner][vc_column_inner offset=”vc_col-lg-6 vc_col-md-6″][vc_single_image image=”1779″ img_size=”full”][/vc_column_inner][vc_column_inner offset=”vc_col-lg-6 vc_col-md-6″][vc_single_image image=”1776″ img_size=”full”][/vc_column_inner][/vc_row_inner][vc_column_text el_class=”single-post-content” css=”.vc_custom_1538638405092{margin-bottom: 25px !important;}”]A large global resources company wanted to reduce its exposure to counterparty credit risk (and reduce the time it takes to make decisions by making them more objectively). Finance deployed an AI predictive model that pulled information from a variety of internal and external sources. These included the company’s own database of customers’ historical payment patterns[/vc_column_text][/vc_column][/vc_row]

Seven weeks Of Hard working

[vc_row css=”.vc_custom_1538637735250{padding-top: 0px !important;padding-bottom: 0px !important;}” el_class=”single-post”][vc_column][vc_column_text el_class=”single-post-content” css=”.vc_custom_1542614074689{margin-bottom: 25px !important;}”]A large global resources company wanted to reduce its exposure to counterparty credit risk (and reduce the time it takes to make decisions by making them more objectively). Finance deployed an AI predictive model that pulled information from a variety of internal and external sources. These included the company’s own database of customers’ historical payment patterns.[/vc_column_text][vc_column_text el_class=”single-post-content” css=”.vc_custom_1542633724818{margin-bottom: 0px !important;}”]Everyone has their own ideas about how the project should go, but they don’t always share these thoughts during the planning process. You end up getting halfway through your original timeline when you discover that one of the stakeholders has made major changes that will require twice the resources to get back on track. Outlawing project changes may seem like a drastic move to battle scope creep, but the benefits far outweigh the pushback you’ll get from implementing this option.[/vc_column_text][vc_row_inner][vc_column_inner][vc_column_text]

Smart machines are here to stay. Not to replace finance executives, but to make their processes more intelligent.

[/vc_column_text][vc_column_text el_class=”single-post-content” css=”.vc_custom_1542629962337{margin-bottom: 35px !important;}”]Featuring The Hackett Group’s Bryan DeGraw. Amid a panoply of mobile apps and cloud-based tools for business travel, employees have more ways than ever to generate expenses, which means that finance leaders require more efficient ways to manage them. For example, the expense management workflow finance leaders have long relied on entails approving expenses only[/vc_column_text][/vc_column_inner][/vc_row_inner][vc_row_inner][vc_column_inner offset=”vc_col-lg-6 vc_col-md-6″][vc_single_image image=”1779″ img_size=”full”][/vc_column_inner][vc_column_inner offset=”vc_col-lg-6 vc_col-md-6″][vc_single_image image=”1776″ img_size=”full”][/vc_column_inner][/vc_row_inner][vc_column_text el_class=”single-post-content” css=”.vc_custom_1538638405092{margin-bottom: 25px !important;}”]A large global resources company wanted to reduce its exposure to counterparty credit risk (and reduce the time it takes to make decisions by making them more objectively). Finance deployed an AI predictive model that pulled information from a variety of internal and external sources. These included the company’s own database of customers’ historical payment patterns[/vc_column_text][/vc_column][/vc_row]

Strategic & commercial

[vc_row css=”.vc_custom_1538637735250{padding-top: 0px !important;padding-bottom: 0px !important;}” el_class=”single-post”][vc_column][vc_column_text el_class=”single-post-content” css=”.vc_custom_1542614074689{margin-bottom: 25px !important;}”]A large global resources company wanted to reduce its exposure to counterparty credit risk (and reduce the time it takes to make decisions by making them more objectively). Finance deployed an AI predictive model that pulled information from a variety of internal and external sources. These included the company’s own database of customers’ historical payment patterns.[/vc_column_text][vc_column_text el_class=”single-post-content” css=”.vc_custom_1542633606741{margin-bottom: 0px !important;}”]Everyone has their own ideas about how the project should go, but they don’t always share these thoughts during the planning process. You end up getting halfway through your original timeline when you discover that one of the stakeholders has made major changes that will require twice the resources to get back on track. Outlawing project changes may seem like a drastic move to battle scope creep, but the benefits far outweigh the pushback you’ll get from implementing this option.[/vc_column_text][vc_row_inner][vc_column_inner][vc_column_text]

Smart machines are here to stay. Not to replace finance executives, but to make their processes more intelligent.

[/vc_column_text][vc_column_text el_class=”single-post-content” css=”.vc_custom_1542629962337{margin-bottom: 35px !important;}”]Featuring The Hackett Group’s Bryan DeGraw. Amid a panoply of mobile apps and cloud-based tools for business travel, employees have more ways than ever to generate expenses, which means that finance leaders require more efficient ways to manage them. For example, the expense management workflow finance leaders have long relied on entails approving expenses only[/vc_column_text][/vc_column_inner][/vc_row_inner][vc_row_inner][vc_column_inner offset=”vc_col-lg-6 vc_col-md-6″][vc_single_image image=”1779″ img_size=”full”][/vc_column_inner][vc_column_inner offset=”vc_col-lg-6 vc_col-md-6″][vc_single_image image=”1776″ img_size=”full”][/vc_column_inner][/vc_row_inner][vc_column_text el_class=”single-post-content” css=”.vc_custom_1538638405092{margin-bottom: 25px !important;}”]A large global resources company wanted to reduce its exposure to counterparty credit risk (and reduce the time it takes to make decisions by making them more objectively). Finance deployed an AI predictive model that pulled information from a variety of internal and external sources. These included the company’s own database of customers’ historical payment patterns[/vc_column_text][/vc_column][/vc_row]

Preventing Over Analysis

[vc_row css=”.vc_custom_1538637735250{padding-top: 0px !important;padding-bottom: 0px !important;}” el_class=”single-post”][vc_column][vc_column_text el_class=”single-post-content” css=”.vc_custom_1542614074689{margin-bottom: 25px !important;}”]A large global resources company wanted to reduce its exposure to counterparty credit risk (and reduce the time it takes to make decisions by making them more objectively). Finance deployed an AI predictive model that pulled information from a variety of internal and external sources. These included the company’s own database of customers’ historical payment patterns.[/vc_column_text][vc_column_text el_class=”single-post-content” css=”.vc_custom_1542633724818{margin-bottom: 0px !important;}”]Everyone has their own ideas about how the project should go, but they don’t always share these thoughts during the planning process. You end up getting halfway through your original timeline when you discover that one of the stakeholders has made major changes that will require twice the resources to get back on track. Outlawing project changes may seem like a drastic move to battle scope creep, but the benefits far outweigh the pushback you’ll get from implementing this option.[/vc_column_text][vc_row_inner][vc_column_inner][vc_column_text]

Smart machines are here to stay. Not to replace finance executives, but to make their processes more intelligent.

[/vc_column_text][vc_column_text el_class=”single-post-content” css=”.vc_custom_1542629962337{margin-bottom: 35px !important;}”]Featuring The Hackett Group’s Bryan DeGraw. Amid a panoply of mobile apps and cloud-based tools for business travel, employees have more ways than ever to generate expenses, which means that finance leaders require more efficient ways to manage them. For example, the expense management workflow finance leaders have long relied on entails approving expenses only[/vc_column_text][/vc_column_inner][/vc_row_inner][vc_row_inner][vc_column_inner offset=”vc_col-lg-6 vc_col-md-6″][vc_single_image image=”1779″ img_size=”full”][/vc_column_inner][vc_column_inner offset=”vc_col-lg-6 vc_col-md-6″][vc_single_image image=”1776″ img_size=”full”][/vc_column_inner][/vc_row_inner][vc_column_text el_class=”single-post-content” css=”.vc_custom_1538638405092{margin-bottom: 25px !important;}”]A large global resources company wanted to reduce its exposure to counterparty credit risk (and reduce the time it takes to make decisions by making them more objectively). Finance deployed an AI predictive model that pulled information from a variety of internal and external sources. These included the company’s own database of customers’ historical payment patterns[/vc_column_text][/vc_column][/vc_row]

Digital lending this year

[vc_row css=”.vc_custom_1538637735250{padding-top: 0px !important;padding-bottom: 0px !important;}” el_class=”single-post”][vc_column][vc_column_text el_class=”single-post-content” css=”.vc_custom_1542614074689{margin-bottom: 25px !important;}”]A large global resources company wanted to reduce its exposure to counterparty credit risk (and reduce the time it takes to make decisions by making them more objectively). Finance deployed an AI predictive model that pulled information from a variety of internal and external sources. These included the company’s own database of customers’ historical payment patterns.[/vc_column_text][vc_column_text el_class=”single-post-content” css=”.vc_custom_1542633724818{margin-bottom: 0px !important;}”]Everyone has their own ideas about how the project should go, but they don’t always share these thoughts during the planning process. You end up getting halfway through your original timeline when you discover that one of the stakeholders has made major changes that will require twice the resources to get back on track. Outlawing project changes may seem like a drastic move to battle scope creep, but the benefits far outweigh the pushback you’ll get from implementing this option.[/vc_column_text][vc_row_inner][vc_column_inner][vc_column_text]

Smart machines are here to stay. Not to replace finance executives, but to make their processes more intelligent.

[/vc_column_text][vc_column_text el_class=”single-post-content” css=”.vc_custom_1542629962337{margin-bottom: 35px !important;}”]Featuring The Hackett Group’s Bryan DeGraw. Amid a panoply of mobile apps and cloud-based tools for business travel, employees have more ways than ever to generate expenses, which means that finance leaders require more efficient ways to manage them. For example, the expense management workflow finance leaders have long relied on entails approving expenses only[/vc_column_text][/vc_column_inner][/vc_row_inner][vc_row_inner][vc_column_inner offset=”vc_col-lg-6 vc_col-md-6″][vc_single_image image=”1779″ img_size=”full”][/vc_column_inner][vc_column_inner offset=”vc_col-lg-6 vc_col-md-6″][vc_single_image image=”1776″ img_size=”full”][/vc_column_inner][/vc_row_inner][vc_column_text el_class=”single-post-content” css=”.vc_custom_1538638405092{margin-bottom: 25px !important;}”]A large global resources company wanted to reduce its exposure to counterparty credit risk (and reduce the time it takes to make decisions by making them more objectively). Finance deployed an AI predictive model that pulled information from a variety of internal and external sources. These included the company’s own database of customers’ historical payment patterns[/vc_column_text][/vc_column][/vc_row]

Retail banks wake up

[vc_row css=”.vc_custom_1538637735250{padding-top: 0px !important;padding-bottom: 0px !important;}” el_class=”single-post”][vc_column][vc_column_text el_class=”single-post-content” css=”.vc_custom_1542614074689{margin-bottom: 25px !important;}”]A large global resources company wanted to reduce its exposure to counterparty credit risk (and reduce the time it takes to make decisions by making them more objectively). Finance deployed an AI predictive model that pulled information from a variety of internal and external sources. These included the company’s own database of customers’ historical payment patterns.[/vc_column_text][vc_column_text el_class=”single-post-content” css=”.vc_custom_1542633724818{margin-bottom: 0px !important;}”]Everyone has their own ideas about how the project should go, but they don’t always share these thoughts during the planning process. You end up getting halfway through your original timeline when you discover that one of the stakeholders has made major changes that will require twice the resources to get back on track. Outlawing project changes may seem like a drastic move to battle scope creep, but the benefits far outweigh the pushback you’ll get from implementing this option.[/vc_column_text][vc_row_inner][vc_column_inner][vc_column_text]

Smart machines are here to stay. Not to replace finance executives, but to make their processes more intelligent.

[/vc_column_text][vc_column_text el_class=”single-post-content” css=”.vc_custom_1542629962337{margin-bottom: 35px !important;}”]Featuring The Hackett Group’s Bryan DeGraw. Amid a panoply of mobile apps and cloud-based tools for business travel, employees have more ways than ever to generate expenses, which means that finance leaders require more efficient ways to manage them. For example, the expense management workflow finance leaders have long relied on entails approving expenses only[/vc_column_text][/vc_column_inner][/vc_row_inner][vc_row_inner][vc_column_inner offset=”vc_col-lg-6 vc_col-md-6″][vc_single_image image=”1779″ img_size=”full”][/vc_column_inner][vc_column_inner offset=”vc_col-lg-6 vc_col-md-6″][vc_single_image image=”1776″ img_size=”full”][/vc_column_inner][/vc_row_inner][vc_column_text el_class=”single-post-content” css=”.vc_custom_1538638405092{margin-bottom: 25px !important;}”]A large global resources company wanted to reduce its exposure to counterparty credit risk (and reduce the time it takes to make decisions by making them more objectively). Finance deployed an AI predictive model that pulled information from a variety of internal and external sources. These included the company’s own database of customers’ historical payment patterns[/vc_column_text][/vc_column][/vc_row]

მომსახურება

შეიძლება დაგაინტერესოთ

გამოგვყევით:

© 2021 ყველა უფლება დაცულია