Budowanie przewagi konkurencyjnej dzięki analityce danych

Już pięć lat temu miesięcznik „Harvard Business Review” uznał zawód
„data scientist” za najbardziej pożądany fach XXI wieku. Wielka Brytania do
2016 roku przeznaczyła 200 mln £ na badania i rozwój analityki Big Data, widząc
w tym jeden ze strategicznych kierunków rozwoju nowych technologii. Według
raportu IDC „Worldwide Semiannual Big Data and Analytics Spending Guide” wartość
globalnego rynku danych w 2020 roku może przekroczyć 203 mld dolarów.

‍

Prognozowanie, nie raportowanie

Działanie w oparciu o wnioski płynące z analityki danych to jedno z
bardziej istotnych wyzwań stojących przed przedsiębiorstwami i może stanowić
jedną z kluczowych przewag konkurencyjnych firmy. Kompetencję tę opanowali do
perfekcji tacy giganci jak Wal-Mart, Amazon, Zalando czy rodzime Allegro. Nie
dziwi więc fakt, że specjaliści potrafiący wznieść organizację na wyższy poziom
zarządzania informacją, znajdą się w centrum zainteresowania pracodawców.

Na początku trzeba jednak zmienić podejście do gromadzenia danych o
klientach, które służą do budowania z nimi relacji. Prawdziwą wartość biznesową
zyskują one wtedy, gdy zostają poddane analizie i dostarczają wiedzy niezbędnej
do budowania strategii biznesowych oraz skutecznego działania. Dlatego
przedsiębiorstwa, które chcą świadomie kształtować swoją przyszłość, powinny
skupić się na prognozowaniu, a nie raportowaniu.

Jednym z błędów popełnianych przez przedsiębiorców jest to, że nie
potrafią połączyć danych pochodzących z analizy z wnioskami mającymi
rzeczywiste znaczenie. Co daje nam informacja, że w jednym sklepie konkretny
produkt sprzedaje się lepiej niż w innym, jeśli nie wiemy, skąd bierze się
takie zachowanie klientów i nie potrafimy wykorzystać tej wiedzy w
pozostałych sklepach? 

‍

Lepsze dziś – optymalizacja
procesów

Wyniki badania „Retailer Survey” przeprowadzonego wspólnie przez PwC
oraz SAP pokazały, że 39% ankietowanych z sektora handlowego umiejętność
wykorzystania wniosków z analizy danych uznało za jedno z największych wyzwań,
jakie przed nimi stoi. Respondenci wskazali obszary, które ich zdaniem należy
usprawnić, aby znacząco zwiększyć satysfakcję klientów.

Wśród podstawowych ulepszeń wymieniona została opcja szybkiego i
precyzyjnego sprawdzenia dostępności towaru w sklepach należących do firmy.
Klient, który już podjął decyzję zakupową, ale nie otrzyma fachowej pomocy w
dotarciu do wybranego produktu, zrezygnuje z zakupu lub pójdzie do konkurencji.
Zastosowanie rozwiązań Big Data i nowoczesnych urządzeń, jak inteligentne
czujniki wbudowane w produkty, pozwala na precyzyjne określenie stanów
magazynowych i sprawdzenie rozmieszczenia poszczególnych produktów w sieci
sklepów.

Wnioski płynące z analityki danych można wykorzystać w optymalizacji
procesów logistycznych i skracaniu czasu dostaw. Sensory zamieszczone w
pojazdach monitorują m.in. drogę, prędkość jazdy czy zużycie paliwa. W
połączeniu z innymi systemami planują najbardziej efektywną trasę i regulują
procesy produkcyjne. Umożliwiają tym samym reagowanie na zmieniającą się
sytuację, jak wzrost lub spadek zainteresowania danym produktem. Dzięki temu
możliwe jest działanie w modelu just in time. Wcześniejsze prognozowanie
popytu na produkt, dostosowanie do tego etapu produkcji i transportu sprzyja
dostarczeniu odpowiedniej liczby towaru do sklepu w optymalnym czasie.

‍

Lepsze jutro – prognozowanie
zachowań konsumenckich

PwC podaje, że prezesi firm w Europie Środkowo-Wschodniej za jedno z
najbardziej istotnych zagrożeń dla przyszłego wzrostu przedsiębiorstw uważają
zmiany w zachowaniu konsumentów oraz pojawiające się sytuacje kryzysowe. Odpowiednie
wykorzystanie danych umożliwia rozwój modeli pozwalających nie tylko
minimalizować ewentualne ryzyko, ale i prognozować przyszłe zachowanie
konsumentów.

Obecne narzędzia sprzedażowe potrafią skutecznie personalizować ofertę.
Dzięki zaawansowanym algorytmom sklepy mogą tworzyć i zapamiętywać listy
zakupów oraz cykle zakupowe, aby w odpowiednim czasie wysłać zainteresowanym
klientom komunikat o rabacie na konkretne produkty. Niezwykle istotne jest, aby
konsumenci, którzy godzą się na przetwarzanie swoich danych, mieli pełną
świadomość tego, co się z nimi dzieje. Problem ten zauważyła Unia Europejska i
wprowadziła nowe rozporządzenie dotyczące danych osobowych (RODO), które
zastąpi dotychczasowe funkcjonujące w Polsce przepisy.

Niektóre sklepy śledzą dane publikowane w social mediach. Wal-Mart
analizuje wpisy na Twitterze, aby szybko reagować nie tylko na aktualne wydarzenia
(real-time marketing), ale też przygotować się na trudniejsze sytuacje, jak
huragan Katrina. Dzięki temu Wal-Mart zdążył zbudować Centrum Ratownictwa
Operacyjnego jeszcze zanim nadszedł kataklizm. Pracownicy firmy dotarli do
obszarów poszkodowanych w czasie huraganu na kilka dni przed pomocą ze strony
rządu. Ciężarówki były zaopatrzone w produkty takie jak piły łańcuchowe, woda
butelkowana, latarki czy przenośne generatory prądu.

Filtrowanie zawartości social mediów pomaga również w badaniu trendów
rynkowych i wyszukiwaniu produktów cieszących się największym zainteresowaniem,
aby można je było wprowadzić do sprzedaży.

‍

Narzędzia badawcze

Rozbudowane narzędzia analityczne dają realną przewagę w walce o
konsumenta. Nie bez powodu najwięksi gracze na rynku inwestują w działy
badawcze. I tak, powstało laboratorium @WalmartLab czy placówka Zalando
Research zajmująca się poprawą analizy danych i wyciągania wniosków, a także
rozwojem sztucznej inteligencji i technologii uczenia maszyn (machine
learning).

Co istotne dla sprzedawców detalicznych marketplace’y oferują swoim
kontrahentom dostęp do szeregu bezpłatnych narzędzi analitycznych wspierających
sprzedaż, jak Menadżer Sprzedaży na Allegro. Inną usługą pomagającą w
przetwarzaniu i wizualizowaniu danych jest Watson Analytics. Warto z nich
korzystać i świadomie budować własną markę.

‍

A w Polsce…

Wracając do danych IDC, zaledwie 8% firm w Polsce analizuje zbiory
danych. Wydaje się, że wiele z nich nie jest jeszcze na to gotowych także z
innego powodu. Zgodnie z raportem „Capgemini Big & Fast Data” jedynie 27%
badanych przedsiębiorstw uznało wdrożone projekty Big
Data za udane.

Z drugiej strony czołowe polskie uczelnie wyższe już od kilku lat
kształcą specjalistów z obszaru data science na studiach podyplomowych oraz w
ramach kół naukowych, przewidując duże zapotrzebowanie na tego typu pracowników.