Препятствия для Big Data или тавтологии в ритейле

Розница – одна из старейших платформ взаимодействия покупателя с продавцом. Ритейлеры использовали ИТ задолго до появления e-Commerce. С развитием технологий торговля перешла на другой уровень. Оборот розничной торговли в России по итогам 2017 года составил порядка 30 трлн рублей (по данным ТАСС).

Скоро сказка сказывается...

Ритейл обращается к новым нишевым технологиям, чтобы получить преимущества и повысить прибыль. Одна из таких технологий - Big Data. По данным IDC, по итогам 2017 года расходы на Big Data в мире составили почти 45 миллиардов долларов.

big_data

Розничная торговля - идеальный кандидат для применения Big Data. Эта отрасль с высокой скоростью генерирует большой объём разнообразных данных: товары, приобретаемые покупателями, различные способы оплаты, используемые тенденции при покупках, факторы принятия решений, стоимость, скидки, качество, доступность и т.д. и т.п. 

Например, WalMart генерирует
2,5 Петабайта данных в час
от транзакций с клиентами. 

Но помимо огромных возможностей для использования Big Data в ритейле, существуют и значительные препятствия, с которыми приходится сталкиваться. 

Но дело само не сделается

Важный вопрос – какие данные собирать и как? Там, где много данных, там же много и «мусора». В ритейле много данных о купленных товарах, способах оплаты, которые могут быть различными для одной покупки. Клиент может использовать для оплаты банковскую карту члена семьи или использовать карту лояльности другого человека. Необходимо правильно идентифицировать человека и правильно сегментировать его поведение.

big_data

Даже у небольшой розницы сегодня есть программное обеспечение для складского учёта, бухгалтерского учёта, POS и если есть CRM. Каждая система хранит данные в определённом формате. Довольно сложная задача - собрать данные из этих различных систем, работающих обособленно, и объединить их для анализа с помощью ETL-процессов. При этом понимание, что это придется сделать, не отменяет проблем при реализации. 

Дружба дружбой, а служба службой

В России необходимо соблюдать 152-ФЗ о персональных данных. В Евросоюзе - GDPR. Задачи по обеспечению безопасности данных всегда актуальны. Несмотря на все принятые необходимые меры, важно также соблюдать согласие клиентов и убеждать их в том, что собранные данные будут использоваться безопасным образом.

Что касается человеческого фактора, то внедрение Big Data, как, впрочем, и других ИТ-технологий, не даст нужной отдачи, если персонал не будет правильно использовать их в своей работе.

big_data

Инструменты Big Data могут помочь извлечь, трансформировать, загрузить и сегментировать данные, чтобы выявить закономерности и тенденции. Но оперативно и правильно использовать эти данные не всегда удаётся. В ритейле тенденции и закономерности меняются особенно быстро. 

Награждение наградами награжденных

Несмотря на некоторые проблемы, возможности Big Data в ритейле огромны. Согласно исследованию HBR, компании, создавшие омниканальный сервис на основе аналитических данных, повысили стоимость акций до 8,5 раз. 

В отчете Oracle утверждается, что ритейлеры могут получить 60%-ный прирост своей операционной прибыли за счет использования больших данных. 

Для каждого вышеуказанного препятствия решение заключается в тщательной, продуманной реализации Big Data с использованием зрелых инструментов и грамотной сбалансированной команды аналитиков и разработчиков. Для нынешних продавцов аналитика больших данных - лучший способ получить представление о тайных желаниях клиента!


02 ноября 2018г. / Индустрия 4.0
398 | Обсудить в   
Ярослав Макаров
Директор по развитию бизнеса ГК Аплана
5 шагов на пути к управлению инновациями
Единые правила и качество услуг. Грамотная интеграция сервисов
Один ум хорошо, а два лучше - синергия BI и BPM
Дао внедрения СУЗ
Как установить единые правила в информационной системе и повысить качество сервисов для клиентов
Шесть вариантов использования Big Data в ритейле
Сэкономил = заработал: 6 способов снижения затрат с помощью прогнозной аналитики
7 трендов бизнес-аналитики в 2018 году
Стратегия управления бизнес-аналитикой: семь вопросов
О дивный новый мир аналитики бесстрашных клиентов!
Вредные советы (спасибо Григорию Остеру)
Что общего между системой управления знаниями и драконом из «Игры престолов»?
Управлять знаниями? Нет, управлять инновациями!
Система управления знаниями: пять первых шагов
Система управления знаниями: активный поиск и накопление
Заказная разработка – эффективный способ обойти конкурентов


Еще по теме
Единые правила и качество услуг. Грамотная интеграция сервисов

Единые правила и качество услуг. Грамотная интеграция сервисов

Сегодня практически все компании внедрили в свою структуру множество систем. Разной архитектуры, на разных платформах, для решения разных задач — но все эти приложения и процессы нужно связать в единую комплексную систему каким-то одним удобным средством. Чтобы для пользователя процесс был цельным, понятным, всё работало слаженно и не требовалось бы двойного ввода данных.

295
Что тест грядущий нам готовит?

Что тест грядущий нам готовит?

Август 2018 г. Компания «Аплана» регистрирует два собственных решения: Aplana Test Automation Framework (TAF) для автоматизации функционального тестирования и Aplana Performance Testing Framework (PTF) для проведения нагрузочных испытаний ПО. Автоматизированное тестирование ПО – аналог ручного функционального тестирования, который выполняется не человеком, а программой-роботом (ПО для запуска, инициализации, анализа и выдачи результатов прогона тест-скриптов).

349
CIO и CDO: партнеры по цифровой трансформации

CIO и CDO: партнеры по цифровой трансформации

Еще лет десять назад CIO отвечали за работу прикладных систем, бизнес-приложений, оборудования и сетевой инфраструктуры. Работа ИТ-департамента сводилась к обеспечению бесперебойной работы бизнеса, поддержке работающих систем и внедрению новых. Но мир меняется. И роль директора по информационным технологиям тоже.

301