Big data nel retail, un controllo della realtà

Joannes Vermorel

Il cloud computing essendo così 2011, big data sarà una parola chiave dell’IT per il 2012. Eppure, per quanto comprendiamo i nostri clienti nel settore del retail, c’è una fonte di dati che detiene oltre il 90% del valore totale delle informazioni in loro possesso: i dati sul carrello della spesa (contrassegnati con informazioni sulla carta fedeltà quando disponibili).

Per qualsiasi rete di vendita al dettaglio di medie-grandi dimensioni, il valore informativo dei dati sul carrello della spesa semplicemente sovrasta quasi tutte le altre fonti di dati alternative, che siano:

• Dati video in negozio, che rimangono difficili da elaborare e principalmente focalizzati sulla sicurezza.
• Dati dei social media, che sono molto rumorosi e riflettono tanto le implementazioni di bot quanto i comportamenti umani.
• Rapporti degli analisti di mercato, che richiedono la risorsa più scarsa di tutte: l’attenzione della direzione.

Eppure, oltre alle proiezioni di base delle vendite (alias vendite per prodotto, per negozio, per regione, per settimana …), osserviamo che, a gennaio 2012, la maggior parte dei rivenditori fa molto poco dei loro dati sul carrello della spesa. Anche le previsioni per l’ottimizzazione dell’inventario sono tipicamente nient’altro che una variante della media mobile a livello di negozio. Metodi più elaborati vengono utilizzati per i magazzini, ma poi, i rivenditori non stanno sfruttando più i dati sul carrello, ma le spedizioni passate del magazzino.

I fornitori di Big Data promettono di portare un livello senza precedenti di potenza di elaborazione dei dati ai loro clienti per consentire loro di sfruttare tutto il potenziale dei loro big data. Eppure, questo porterà cambiamenti redditizi ai rivenditori? Non necessariamente.

La capacità di archiviazione esposta sugli scaffali di un ipermercato medio con +20 unità esterne in esposizione (ipotizzando 500 GB per unità) tipicamente supera la capacità di archiviazione grezza necessaria per conservare un intero storico di 3 anni di una rete di 1000 negozi (cioè 10 TB di dati sul carrello della spesa). Quindi, lo storage dei dati grezzi non è un problema, o, almeno, non un problema costoso. Quindi, l’I/O (input/output) dei dati è una questione più impegnativa, ma ancora una volta, scegliendo una rappresentazione adeguata dei dati (i dettagli andrebbero oltre lo scopo di questo post), è difficile come nel 2012.

Osserviamo che la sfida più grande posta dal Big Data è semplicemente il requisito di manodopera per fare qualsiasi cosa operativa con esso. Infatti, i dati sono principalmente grandi nel senso che le risorse aziendali, per eseguire il software Big Data e per implementare qualsiasi suggerimento che ne derivi, sono scarse.

Produrre un muro di metriche dai dati sul carrello della spesa è facile; ma è molto più difficile costruire un insieme di metriche che valga il tempo di essere letto considerando i costi orari dei dipendenti.

Per quanto comprendiamo i nostri clienti nel settore del retail, il vincolo di manodopera spiega da solo perché si fa così poco con i dati sul carrello della spesa su base continuativa: mentre la CPU non è mai stata così economica, il personale non è mai stato così costoso.

Pertanto, riteniamo che i successi del Big Data nel retail saranno incontrati da soluzioni snelle che trattano, non la potenza di elaborazione, ma le persone, come la risorsa più scarsa di tutte.

Commenti dei lettori (1)

Joannes, sono impressionato dal lavoro che stai facendo. Se non l’hai ancora fatto, ti prego di controllare cosa offre QlickView in “business intelligence” o “business discovery”. La piattaforma è davvero veloce+avanzata nel trasformare i dati in conoscenza. Sono sicuro che puoi imparare qualcosa da loro. Ma sì, i numeri non possono parlare da soli nemmeno nel Big Data, quindi il vincolo di manodopera non può essere totalmente eliminato. Salut Ali (5 anni fa)