Как увеличить розничный оборот с помощью анализа данных? Вопросы к компании-ритейлеру

Все сегодня говорят на всех углах о количественной аналитике, о больших данных, о диджитализации. В течение следующих пяти лет все компании во всех отраслях народного хозяйства либо превратятся в ИТ-компании, утверждают злые языки, либо уйдут с рынка. (Буквально сегодня один авторитетный собственник и управленец из сферы, на первый взгляд очень далекой от ИТ, подтвердил мне, что так и произойдет, с той единственной оговоркой, что, возможно, срок будет не пятилетним, а чуть большим.)

 

Особенно «революции данных» подвержены отрасли, напрямую работающие с конечными потребителями — «розничные компании» — как в широком смысле этого слова (банки, страховые компании, сети ресторанов, кинотеатры), так и в узком смысле слова, собственно компании-ритейлеры, продающие физическим лицам физические товары.

 

В ритейле стремительными темпами развивается онлайновый сегмент розничной торговли — где, по определению, все процессы протекают в «цифре» и рождают громадный объем данных для анализа. Но смысл даже не в нем, а в том, что огромный запас повышения эффективности и прибыльности компании содержится в том объеме данных, который непрерывно рождается в физических розничных точках по мере совершения розничных транзакций.

 

Данные — это «новая нефть», говорят гуру. Как же эту добывать и перерабатывать эту «нефть»?

 

Предположим, у вас есть розничная сеть. Предположим, вы понимаете, какой потенциал для вас содержит накопленный и непрерывно пополняемый объем данных о покупателях. Вы всерьез думаете о формулировании стратегии в области больших данных, но не знаете, с чего начать, как приступить к этому вопросу?

 

Есть традиционные методы увеличения розничной выручки в формате ББДЧ (попытки продать клиенту, по меткому словосочетанию Игоря Манна, «больше, быстрее, дороже и чаще»). Есть традиционные способы повышения прибыльности розничных компаний через оптимизацию ассортимента и работу с поставщиками. Но как подступиться к собственно повышению эффективности на анализе больших данных?

 

Чтобы оценить потенциал различных составляющих стратегии в области больших данных, а также возможный экономический эффект, который вы, ваша компания можете получить от анализа данных, задайте себе, своим руководителям следующие несколько простых вопросов:

 

  1. Какой объем запасов хранится на наших складах сегодня, сколько месяцев? Каким мог бы быть эффект, если бы этот объем мог быть сокращен на 10% или на 20%?
  1. Насколько вы уверены, что у вас всегда есть на полках ровно товары, которые нужны рынку в конкретный момент?
  1. Процесс заказа товаров у поставщиков «ручной» или автоматизированный, направляемый аналитикой?
  1. Насколько лоялен/вовлечен/постоянен среднестатистический покупатель? Насколько часто/редко среднестатистический покупатель приходит и осуществляет покупки? Какие можно выделить в общем теле покупателей категории, или «корзинки» из покупателей — исходя из частоты и объемов их покупок? Какими точечными способами можно «продвинуть в должности» покупателей из одной категории в другую, из одной «корзинки» в другую? (Сделать так, чтобы покупатель приходил в среднем, например, не раз в месяц, а раз в две недели, и тратил не 1 000 руб., а 1 500 руб.?)
  1. Каково среднее «ожидание в очереди»?
  1. Насколько прибыльны осуществляемые вами инициативы по продвижению?Расходы на директ-маркетинг — приносят ли они прибыль?

 

Попытайтесь сформировать на эти вопросы предварительные ответы — они послужат гипотезами для формулирования стратегии, основанной на данных — data-driven strategy — вашей розничной сети. Сформировав эти гипотезы, поручите их исследование и обоснование вашим руководителям или внешним специалистам. Наконец, проведите стратегическую сессию и отсейте гипотезы, получившие подтверждение, от неподтвержденных гипотез. Стратегия вашей розничной сети в области больших данных будет состоять в наборе подтвержденных гипотез, а экономический эффект от нее (повышение прибыли) будет состоять в сумме экономических эффектов от подтвержденных гипотез.

 

Консервативная оценка предполагаемого эффекта от профессионально разработанной и реализованной стратегии компании в области больших данных — увеличение оборота на 10% и увеличение прибыли на 15%.

 

Алексей Пан

Войти в библиотеку компании
146
Войти
в библиотеку компании