cover
«Ритейлеры накопили много данных. Но работать с ними умеют только лидеры рынка»

Партнер McKinsey & Company о том, как использовать продвинутую аналитику в бизнесе.

author

обозреватель в LABA

В марте прошла ежегодная конференция «Digital Transformation». Участники делились свежими трендами, статистикой и опытом цифровой трансформации.

Мы записали конспект выступления Алексея Белкина, партнера McKinsey & Company.

Тренды в розничной торговле

Ритейлеры накопили огромное количество пользовательских данных. Но работать с Big Data в розничной торговле умеют только лидеры. В мелких и средних компаниях доминирует базовый уровень аналитики: менеджеры обрабатывают отчеты вручную.

Результат — субъективный подход, фрагментарный анализ, ошибки в решениях.

Автоматизация поможет вывести розничные сети на новый уровень. Главное — поймать этот тренд и начать меняться уже сейчас.

Партнер McKinsey & Company о том, как использовать продвинутую аналитику в бизнесе. 0

Искусственный интеллект принимает решение за человека в таких областях:

Коммерция. Автоматизировано ценообразование, управление матрицей ассортимента, сравнение поставщиков.

Логистика. Алгоритмы отвечают за построение складской модели, комплектацию заказов, транспортировку, прогнозирование спроса.

Операционная вертикаль. Искусственный интеллект планирует процессы внутри магазинов, составляет расписание рабочих смен, считает время сотрудников.

Маркетинг. Привлечением и удержанием клиентов, управлением лояльностью занимаются алгоритмы.

HR. Подбирать персонал, бороться с увольнениями, корректировать систему мотивации можно без участия человека.

Финансы. Высокие технологии отвечают за прогнозирование выручки, расчет и корректировку бюджета, разработку и уточнение бизнес-планов.

Аналитика способна предсказать буквально все — от спроса на отдельные виды товаров до увольнения сотрудников. Но так происходит не везде. Мелкие игроки отстают от гигантов.

Чтобы понимать, насколько велик разрыв, рассмотрим пять уровней автоматизации принятия решений:

, иконка 1

Анализ фактов и трендов — это базовый уровень аналитики. Менеджеры в небольших компаниях работают с ней каждый день.

Например, анализируют бизнес-результаты по заданным параметрам.

, иконка 2

Динамический факторный анализ — более «продвинутая» аналитика. Делает глубокий анализ по нестандартным разрезам данных и дополнительным метрикам.

Часто на помощь менеджеру зовут экспертов.

, иконка 3

Базовое прогнозирование помогает принимать управленческие решения. Например, можно спрогнозировать скорость оттока клиентов или реакцию потребителей на новую акцию.

, иконка 4

Многофакторное прогнозирование используют только продвинутые компании. Часто оно становится конкурентным преимуществом бренда.

Вместе с командой аналитиков менеджеры создают новые прогнозные инструменты, такие как CDT (дерево принятия решений), Marketing ROI (возврат от вложений в маркетинг), People analytics (прогноз эффективности сотрудников).

, иконка 5

Прогнозное моделирование опишет сценарии развития событий, укажет на критические факторы. В основе таких моделей — алгоритмы машинного обучения и другие технологии Big Data в ритейле.

Менеджеры часто используют их, чтобы «заглянуть в будущее». Например, рассчитать вероятность увольнения сотрудника и разработать сценарии удержания.

Небольшие интернет-магазины балансируют на уровнях 1-3. Уровни 4 и 5 доступны только лидерам ритейла.

Ключевые тенденции ритейла в России и СНГ

Доходы в рознице в последние 10 лет растут очень медленно. Тренд наметился еще в 2016 году и не изменится до 2020-го. Номинальный прирост — 6% за год.

Фактический — всего 2%. Курс валют нестабилен, инфляция усиливается, а потребители хотят экономить.

Стоимость товара — главный критерий для половины жителей региона. При этом покупатели в СНГ разборчивы: они хотят покупать не дешевку, а брендовые продукты по выгодной цене. Тренд вынуждает ритейлеров придумывать новые скидки и купоны, запускать промо-акции.

Лояльность к торговым сетям по-прежнему остается низкой. По дороге с работы средний потребитель заходит в три супермаркета. Людям важно, чтобы точка продажи располагалась поблизости, а товар в ней был свежим и недорогим.

, иконка 1

Весь бизнес-контент в удобном формате. Интервью, кейсы, лайфхаки корп. мира — в нашем телеграм-канале. Присоединяйтесь!

Совсем другая ситуация в Западной Европе: покупатели настолько привязаны к бренду, что отказываются ходить в другие магазины.

Зарубежный опыт: Для удобства постоянных клиентов норвежская компания Kolonial установила киоски по пути из центра в отдаленные районы. Покупатель может оплатить товар на сайте и забрать продукты, где ему хочется.

Крупнейшая розничная сеть Британии Tesco предлагает заказать продукты по дороге с работы и обещает доставить их клиенту на дом прямо ко времени приезда.

Жители СНГ делают покупки часто и на небольшие суммы. Европейцы наоборот, посещают магазины реже, но отовариваются основательно. Кстати, второй подход признан более экономичным в долгосрочной перспективе.

В ближайшие годы розница научится еще точнее прогнозировать региональный спрос, колебания рынка, уровень инфляции. Бизнес-модели станут гибкими. Поможет в этом продвинутая аналитика и внедрение технологии машинного обучения.

Ниже — несколько советов ритейлерам.

Внедряем аналитику данных «по-взрослому»

Продвинутая аналитика — элемент цифровизации бизнеса. Интегрируют ее, как и любое комплексное digital-решение.

1. Начните с разработки стратегии, целей и построения дорожной карты. Убедите команду в целесообразности внедрения — будь то умный поиск или продвинутая аналитика. Изменения начинаются с малого.

2. Формирование компетенций и IТ-инфраструктуры. На этом этапе подготовьте команду. Ключевой фигурой на стороне бизнеса станет Рroduct owner. Лучше всего на эту роль подойдет middle-менеджер, который хорошо знает ассортимент и бизнес-процессы.

Со стороны IT за внедрение будут отвечать Data Engineer и Data Scientist. Первый будет находить нужные данные, группировать и чистить их. Второй — создавать прогнозные модели. Связующим звеном между бизнесом и IT станет бизнес-посредник.

Партнер McKinsey & Company о том, как использовать продвинутую аналитику в бизнесе. 1

Он поможет Рroduct owner ставить задачи на понятном Data Scientist языке.

3. Формализация процессов или изменение корпоративной культуры организации. Здесь важен личный пример топ-менеджера. Именно руководитель должен первым усваивать digital-культуру и цифровые принципы.

4. Развитие кадрового потенциала. Сотрудники должны понимать, что у них появятся новые обязанности, зоны ответственности и возможности. Для этого нужны новые навыки. Теперь им придется осваивать digital-инструменты.

5. Закрепление digital-культуры с помощью формальных механизмов. Сотрудники должны видеть, что бизнес-модель организации стала полностью цифровой. Им нужно вовремя включиться в процесс, поддерживать его и брать на себя ответственность за результат.

Последние материалы
Ближайшие курсы
image SQL для аналитиков
язык реляционных баз данных
image Power BI
аналитика и визуализация данных для бизнеса
mail
Подпишитесь и получайте лучшие материалы от LABA
photo
Иван Бугаенко
Курс
Tableau
  • подготовка и оптимизация данных
  • сложные формулы для анализа
  • разные типы визуализаций
  • интерактивные отчеты
записаться