Big Data im Einzelhandel, eine Realitätsprüfung
Cloud Computing ist so 2011, Big Data wird das Schlüssel-IT-Buzzword für 2012 sein. Doch soweit wir unsere Einzelhandelskunden verstehen, gibt es eine Datenquelle, die mehr als 90% des Gesamtwertes an Informationen in ihrem Besitz enthält: Warenkorbdaten (mit Kundenkarteninformationen, sofern verfügbar, verknüpft).
Für jedes mittelgroße bis große Einzelhandelsnetzwerk übertrifft der informative Wert der Warenkorbdaten einfach alle anderen alternativen Datenquellen, sei es:
- In-Store-Video-Daten, die schwer zu verarbeiten sind und hauptsächlich auf Sicherheit ausgerichtet sind.
- Daten aus sozialen Medien, die sehr ungenau sind und sowohl Bot-Implementierungen als auch menschliches Verhalten widerspiegeln.
- Marktanalystenberichte, die die seltenste Ressource von allen erfordern: die Aufmerksamkeit des Managements.
Doch abgesehen von einfachen Verkaufsprognosen (z. B. Umsatz pro Produkt, pro Geschäft, pro Region, pro Woche usw.) stellen wir fest, dass die meisten Einzelhändler sehr wenig aus ihren Warenkorbdaten machen. Selbst die Prognose für die Bestandsoptimierung ist in der Regel nichts weiter als eine Variante des gleitenden Durchschnitts auf Geschäftsebene. Für Lagerhäuser werden komplexere Methoden verwendet, aber dann nutzen Einzelhändler keine Warenkorbdaten mehr, sondern vergangene Warenhauslieferungen.
Big-Data-Anbieter versprechen ihren Kunden ein beispielloses Maß an Datenverarbeitungsleistung, um das volle Potenzial ihrer Big Data nutzen zu können. Doch wird dies für Einzelhändler profitablen Veränderungen bringen? Nicht unbedingt.
Die Speicherkapazität, die im Durchschnitt in einem Hypermarkt auf den Regalen steht und +20 externe Laufwerke enthält (angenommen 500 GB pro Laufwerk), übersteigt in der Regel den Rohspeicherbedarf für die Speicherung der gesamten 3-jährigen Geschichte eines Netzwerks von 1000 Geschäften (d. h. 10 TB an Warenkorbdaten). Die Speicherung der Rohdaten ist also kein Problem oder zumindest kein teures Problem. Die Daten-Ein-/Ausgabe (Input/Output) ist dann eine größere Herausforderung, aber auch hier ist es mit einer geeigneten Datenrepräsentation (die Details würden den Rahmen dieses Beitrags sprengen) kaum eine Herausforderung im Jahr 2012.
Wir stellen fest, dass die größte Herausforderung, die Big Data darstellt, einfach die Anforderungen an die Arbeitskräfte sind, um damit operativ etwas zu tun. Tatsächlich ist die Datenmenge in erster Linie groß in dem Sinne, dass die Unternehmensressourcen, um die Big-Data-Software auszuführen und die daraus resultierenden Vorschläge umzusetzen, begrenzt sind.
Es ist einfach, aus Warenkorbdaten eine Vielzahl von Kennzahlen zu generieren, aber es ist viel schwieriger, einen Satz von Kennzahlen zu erstellen, der es wert ist, gelesen zu werden, wenn man die stündlichen Kosten der Mitarbeiter berücksichtigt.
Soweit wir unsere Einzelhandelskunden verstehen, erklärt allein der Personalmangel, warum so wenig mit Warenkorbdaten auf fortlaufender Basis gemacht wird: Während die CPU noch nie so billig war, waren die Personalkosten noch nie so hoch.
Daher glauben wir, dass Big-Data-Erfolge im Einzelhandel durch schlanke Lösungen erzielt werden, die nicht die Rechenleistung, sondern die Menschen als die seltenste Ressource von allen betrachten.
Leserkommentare (1)
Joannes, ich bin beeindruckt von der Arbeit, die du leistest. Wenn du es noch nicht getan hast, schau dir bitte an, was QlickView in den Bereichen “Business Intelligence” oder “Business Discovery” zu bieten hat. Die Plattform ist wirklich schnell und fortschrittlich darin, Daten in Wissen umzuwandeln. Ich bin sicher, du kannst etwas von ihnen lernen. Aber ja, die Zahlen können auch bei Big Data nicht für sich selbst sprechen, daher kann der Personalmangel nicht vollständig beseitigt werden. Salut vor 5 Jahren | Ali
