Store data og detailhandlere - dummies

Detailhandlere indsamler og vedligeholder salgsposter for stort antal kunder. Udfordringen har altid været at sætte disse data til god brug. Ideelt set vil en forhandler gerne forstå de demografiske egenskaber hos sine kunder og hvilke typer varer og tjenesteydelser de er interesserede i at købe.

Den fortsatte forbedring i databehandlingskapaciteten har gjort det muligt at sejle gennem enorme datamængder for at finde mønstre, som kan bruges til at forudsige efterspørgslen efter forskellige produkter baseret på kundens egenskaber.

Et andet problem, som store data kan hjælpe med, er prisstrategier, der specifikt forstår, hvor følsomme forskellige kunder er til priser. At vælge den rigtige pris for et produkt har undertiden været baseret på gæt. I modsætning hertil kan store data øge detailhandlerens evne til at bruge kundevaner til at identificere den overskudsgivende pris for deres varer. En anden fordel ved at bruge store data er, at butikkerne bedre kan planlægge placeringen af ​​varer i hele butikken, baseret på kundehandel vaner.

Store data kan også hjælpe detailhandlere med lagerstyring. Mange detailhandlere sælger en lang række forskellige produkter, og det er en stor udfordring at holde øje med disse oplysninger. Med store data kan detailhandlere straks have opdateret information om størrelsen og placeringen af ​​deres varebeholdninger.

En af de vigtigste anvendelser af store data til en forhandler er evnen til at målrette individuelle forbrugere med kampagner baseret på hans eller hendes præferencer. En sådan målretning øger ikke alene reklameffektiviteten, det giver kunderne et mere personligt forhold til detailhandleren og derved opmuntrer til gentagen forretning. Derudover giver kunden mulighed for at give anbefalinger til fremtidige indkøb, hvilket yderligere øger gentagen forretning.

Nordstrom

Som eksempel har Nordstrom stærkt taget imod brugen af ​​store data. Det var en af ​​de første butikker, der kunne tilbyde kunderne mulighed for at handle online. Virksomheden har udviklet en smartphone app, der lader kunderne handle direkte fra deres iPads, iPhones og andre mobile enheder. Nordstrom viser også kunder, hvilke af sine butikker der har specifikke varer; For varer, der skal bestilles fra andre butikker, kan Nordstrom levere et meget nøjagtigt skøn over leveringstidspunktet.

Nordstrom bruger sine store datamuligheder til at målrette kunder med personlige annoncer baseret på deres shoppingoplevelser. Disse oplysninger kan komme fra Nordstroms butikssalg, dets hjemmeside og fra sociale medier som Facebook og Twitter.

Nordstrom foretager forskning i at forbedre kundeoplevelsen gennem sin Innovation Labs division. Det skabte denne division i 2011 for at sikre, at virksomheden fortsat er på forkant med den store datateknologi.

Walmart

Walmart er en anden større forhandler, der har omfavnet store data. Baseret på salget er Walmart den største forhandler i USA. Det er også den største private arbejdsgiver i landet.

Walmart har i de sidste par år lavet et stort skub i e-handel, hvilket gør det muligt at konkurrere direkte med Amazon. com og andre online-forhandlere. I 2011 købte Walmart et firma kaldet Kosmix for at drage fordel af virksomhedens proprietære søgemaskinefunktioner (Kosmix blev omdøbt til Walmart Labs).

Siden da har Walmart Labs udviklet flere nye produkter baseret på stor datateknologi. En af disse kaldes Social Genome, som gør det muligt for Walmart at målrette individuelle kunder med rabatter baseret på præferencer kunderne har udtrykt gennem forskellige websteder på internettet. Et andet produkt udviklet af Walmart Labs er Shoppycat, en app, der giver gaveanbefalinger baseret på information fundet på Facebook.

Selv om e-handel stadig tegner sig for en forholdsvis lille procentdel af Walmarts årlige omsætning, viser de investeringer, som virksomheden har foretaget i stor datateknologi, at den forventer, at onlinesalg bliver fremadrettet en stadig mere vigtig indtægtskilde.

Amazon. com

Det bedste eksempel på at bruge store data i detailhandelen er Amazon. com, som ikke engang kunne eksistere uden stor datateknologi. Amazon begyndte at sælge bøger og har udvidet sig til stort set alle områder af detailindretningen, herunder møbler, apparater, tøj og elektronik. Som følge heraf øgede Amazon 89 mia. Dollars i omsætning i 2014, hvilket gør det til en af ​​de ti største detailhandlere i USA og den største onlineforhandler.

Ligesom online-forhandlere bruger Amazon store data til flere applikationer:

• Administrer sine massive opgørelser

• Nøjagtigt at holde styr på ordrer

• Gør anbefalinger til fremtidige indkøb

Amazon giver sine anbefalinger gennem en proces kendt som samarbejdsfiltrering fra punkt til punkt. Denne filtrering er baseret på algoritmer designet til at identificere de vigtigste detaljer, der kan føre en kunde til at købe et produkt, såsom tidligere køb, viste varer, køb foretaget af kunder med lignende egenskaber osv. Amazon tilbyder også anbefalinger via e-mail, valgt ud fra det højeste potentielle salg.

Amazon har været i stand til at sætte sin investering i store datakompetencer til god brug på en anden måde: Det tjener nu indtægter ved at tillade virksomheder at bruge sin infrastruktur til et gebyr. Dette sker gennem produkter som Amazon Elastic MapReduce (EMR) og Amazon Web Services (AWS).

Amazon EMR gør det muligt for virksomhederne at analysere enorme mængder data ved hjælp af Amazons computerhardware. Denne hardware er tilgængelig via Amazon Cloud Drive, hvor virksomheder kan betale for at gemme deres data.For mange virksomheder er det billigere at bruge disse faciliteter end at opbygge den computerinfrastruktur, der ville være nødvendig for at kunne håndtere kravene til store data. AWS leverer et stort udvalg af edb-tjenester via Amazon Cloud Drive, herunder lagerfaciliteter, database management systemer, netværk, og så videre.

En interessant udvidelse af Amazons brug af store data er dens plan om at sende varer til kunder før de bestiller det! Virksomheden modtog et patent i 2014 for sin "anticipatory shipping" -metode. For at denne plan skal lykkes, Amazon. com skal kunne forudse kundernes efterspørgsel med en utrolig høj grad af nøjagtighed for at undgå risikoen for returnerede varer.