Big data в рознице: проверка реальности
Облачные вычисления, будучи на пике популярности в 2011 году, big data станет ключевым IT-словом 2012 года. Однако, насколько мы понимаем наших клиентов из розничной сферы, существует один источник данных, который содержит более 90% всей информационной ценности, принадлежащей им: данные о корзине покупок (с указанием информации о карты лояльности, если она доступна).
Для любой средней или крупной розничной сети информационная ценность данных о корзине покупок просто превосходит все другие альтернативные источники данных, будь то:
- Данные видеонаблюдения в магазинах, которые остаются сложными для обработки и в основном сосредоточены на безопасности.
- Данные социальных медиа, которые очень шумные и отражают как реализацию ботов, так и человеческое поведение.
- Отчеты рыночных аналитиков, которые требуют самого редкого ресурса из всех - внимания руководства.
Однако, помимо базовых прогнозов продаж (например, продажи по продукту, по магазину, по региону, по неделе и т. д.), мы наблюдаем, что, начиная с января 2012 года, большинство розничных компаний делают очень мало с данными о корзине покупок. Даже прогнозирование для оптимизации запасов обычно сводится к простому варианту скользящего среднего на уровне магазина. Более сложные методы используются для складов, но здесь розничные компании больше не используют данные о корзине покупок, а только данные о поставках на склад в прошлом.
Поставщики Big Data обещают предоставить своим клиентам беспрецедентную мощность обработки данных, чтобы они могли использовать все потенциал своих больших данных. Однако, это приведет к прибыльным изменениям для розничных компаний? Не обязательно.
Объем хранилища, выставленный на полках среднего гипермаркета с более чем 20 внешними дисками на дисплее (предполагая 500 ГБ на диск) обычно превышает объем хранилища, необходимого для сохранения всей истории за 3 года для сети из 1000 магазинов (т.е. 10 ТБ данных о корзине покупок). Таким образом, хранение сырых данных не является проблемой, или, по крайней мере, не является дорогостоящей проблемой. Затем, ввод-вывод данных (input/output) является более сложной задачей, но снова, выбрав соответствующее представление данных (детали выходят за рамки этого поста), это практически не вызывает проблем в 2012 году.
Мы наблюдаем, что наибольшая проблема, вызванная Big Data, заключается просто в необходимости большого количества сотрудников для выполнения операционных задач. Фактически, данные в первую очередь являются большими в том смысле, что ресурсы компании, необходимые для запуска программного обеспечения Big Data и реализации любых предложений, выходящих из него, ограничены.
Создание множества метрик на основе данных о корзине покупок легко, но гораздо сложнее создать набор метрик, которые стоят того, чтобы их читали, учитывая почасовую стоимость сотрудников.
На наш взгляд, ограничение в человеческих ресурсах одно только объясняет, почему с данными о корзине покупок на постоянной основе делается так мало: в то время как ЦПУ никогда не было таким дешевым, штатирование никогда не было таким дорогим.
Таким образом, мы считаем, что успехи Big Data в рознице будут достигнуты с помощью эффективных решений, которые рассматривают не мощность обработки данных, а людей, как самый редкий ресурс из всех.
Комментарии читателей (1)
Джоаннес, я впечатлен вашей работой. Если вы еще этого не сделали, пожалуйста, ознакомьтесь с тем, что предлагает QlickView в области “бизнес-аналитики” или “бизнес-открытия”. Платформа действительно быстрая и продвинутая в превращении данных в знания. Я уверен, что вы можете узнать что-то новое от них. Но да, числа не могут говорить сами за себя, даже в BigData, поэтому ограничение в человеческих ресурсах не может быть полностью устранено. Salut 5 лет назад | Ali
