Big Data im Einzelhandel, ein Reality-Check

Joannes Vermorel

Cloud computing ist 2011 sowas von passé, Big Data wird 2012 zum wesentlichen IT-Schlagwort. Allerdings, soweit wir unsere Einzelhandelskunden verstehen, gibt es eine Datenquelle, die über 90% des gesamten Informationswerts in ihrem Besitz ausmacht: Marktkorbdaten (bei Verfügbarkeit mit Treuekarteninformationen gekennzeichnet).

Für jedes mittelgroße bis große Einzelhandelsnetzwerk übertrifft der Informationswert der Marktkorbdaten einfach nahezu alle anderen alternativen Datenquellen, sei es:

• In-Store-Video-Daten, die schwer zu verarbeiten sind und vor allem auf Sicherheit ausgerichtet sind.
• Social-Media-Daten, die sehr verrauscht sind und ebenso sehr Bot-Aktivitäten wie menschliches Verhalten widerspiegeln.
• Berichte von Marktanalysten, die die knappste Ressource von allen erfordern: die Aufmerksamkeit des Managements.

Doch abgesehen von grundlegenden Verkaufsprognosen (alias Verkäufe pro Produkt, pro Geschäft, pro Region, pro Woche …) stellen wir fest, dass die meisten Einzelhändler ab Januar 2012 nur sehr wenig mit ihren Marktkorbdaten anstellen. Selbst die Prognose zur Bestandsoptimierung ist in der Regel nichts anderes als eine Variante des gleitenden Durchschnitts auf Geschäftsebene. Ausgefeiltere Methoden werden für Lagerhäuser eingesetzt, aber dann nutzen die Einzelhändler nicht mehr die Korbdaten, sondern vergangene Lagerlieferungen.

Big-Data-Anbieter versprechen, ihren Kunden ein beispielloses Maß an Datenverarbeitungsleistung zu bieten, um das volle Potenzial ihrer Big Data auszuschöpfen. Doch wird dies profitablen Wandel für Einzelhändler mit sich bringen? Nicht unbedingt.

Die auf den Regalen eines durchschnittlichen Hypermarts ausgestellte Speicherkapazität mit über 20 externen Laufwerken (bei Annahme von 500GB pro Laufwerk) übertrifft typischerweise den rohen Speicherplatz, der benötigt wird, um eine komplette 3-jährige Historie eines 1000-Geschäfte-Netzwerks zu speichern (d.h. 10TB an Marktkorbdaten). Daher ist die Rohdatenspeicherung kein Problem, oder zumindest kein teures Problem. Der Daten-I/O (Input/Output) stellt zwar eine größere Herausforderung dar, aber wiederum, durch die Wahl einer adäquaten Datenrepräsentation (die Details würden den Rahmen dieses Beitrags sprengen), ist dies 2012 kaum ein Problem.

Wir stellen fest, dass die größte Herausforderung, die Big Data mit sich bringt, schlichtweg der Personalbedarf ist, um irgendetwas operativ mit ihr zu machen. In der Tat sind die Daten in erster Linie deshalb so groß, weil die Ressourcen des Unternehmens, um die Big-Data-Software zu betreiben und etwaige daraus resultierende Vorschläge umzusetzen, knapp sind.

Eine Metrikwand aus Marktkorbdaten zu erzeugen, ist einfach; aber es ist viel schwieriger, ein Set von Metriken zu erstellen, das angesichts der stündlichen Kosten der Mitarbeiter auch lesenswert ist.

Soweit wir unsere Einzelhandelskunden verstehen, erklärt allein die Personalknappheit, warum mit den Marktkorbdaten laufend so wenig gemacht wird: Während CPUs noch nie so billig waren, war Personaleinsatz noch nie so teuer.

Daher sind wir der Überzeugung, dass erfolgreiche Big-Data-Anwendungen im Einzelhandel durch schlanke Lösungen erreicht werden, die nicht die Rechenleistung, sondern die Menschen als die knappste Ressource von allen betrachten.

Leserkommentare (1)

Joannes, ich bin beeindruckt von der Arbeit, die du machst. Falls du das noch nicht getan hast, schau dir bitte an, was QlickView im Bereich “business intelligence” oder “business discovery” zu bieten hat. Die Plattform ist wirklich schnell und fortschrittlich darin, Daten in Wissen zu verwandeln. Ich bin sicher, dass du etwas von ihnen lernen kannst. Aber ja, die Zahlen können sich selbst nicht erklären, selbst bei Big Data, daher kann die Personalknappheit nicht vollständig beseitigt werden. Salut Ali (vor 5 Jahren)