Big data в розничной торговле, проверка реальности

Joannes Vermorel

Облачные вычисления были актуальны в 2011 году, big data станет ключевым IT-словом 2012 года. Однако, насколько мы понимаем наших розничных клиентов, существует один источник данных, который содержит более 90% общей информационной ценности в их распоряжении: данные о корзинах покупок (помеченные информацией о дисконтной карте, если доступно).

Для любой средней и крупной розничной сети информационная ценность данных о корзинах покупок просто превосходит все другие альтернативные источники данных, будь то:

• Видеоданные в магазине, которые остаются сложными для обработки и в основном сосредоточены на безопасности.
• Данные социальных медиа, которые очень шумные и отражают как реализации ботов, так и человеческое поведение.
• Отчеты рыночных аналитиков, которые требуют самого дефицитного ресурса: внимания руководства.

Однако, помимо базовых прогнозов продаж (например, продажи по продукту, по магазину, по региону, по неделе …), мы наблюдаем, что, на январь 2012 года, большинство розничных продавцов делают очень мало с данными о корзинах покупок. Даже прогнозирование для оптимизации запасов обычно не более чем вариант скользящего среднего на уровне магазина. Более сложные методы используются для складов, но затем розничные продавцы больше не используют данные о корзинах, а только прошлые отгрузки со склада.

Поставщики Big Data обещают предоставить своим клиентам беспрецедентный уровень обработки данных, чтобы позволить им использовать все потенциалы своих больших данных. Однако это принесет прибыльные изменения розничным продавцам? Не обязательно.

Объем хранения, выставленный на показ на полках среднего гипермаркета с более чем 20 внешними дисками на дисплее (при условии 500 ГБ на диск) обычно превышает необработанный объем хранения, необходимый для сохранения всей 3-летней истории сети из 1000 магазинов (т.е. 10 ТБ данных о корзинах покупок). Таким образом, хранение необработанных данных не является проблемой, или, по крайней мере, не дорогой проблемой. Затем ввод/вывод данных (input/output) является более сложным вопросом, но снова, выбрав соответствующее представление данных (детали выходят за рамки этого поста), это практически не вызывает проблем на 2012 год.

Мы наблюдаем, что самая большая проблема, вызванная Big Data, заключается просто в требованиях к человеческим ресурсам для выполнения операционных задач с ним. Действительно, данные в основном большие в том смысле, что ресурсы компании, для запуска программного обеспечения Big Data и реализации любых предложений, выходящих из него, ограничены.

Создать стену метрик из данных о корзинах покупок легко; но намного сложнее создать набор метрик, которые стоят того, чтобы их прочитали, учитывая часовую стоимость сотрудников.

На сколько мы понимаем наших розничных клиентов, ограничение в человеческих ресурсах одно объясняет, почему так мало делается с данными о корзинах покупок на постоянной основе: в то время как ЦП никогда не был дешевым, штатирование никогда не было таким дорогим.

Таким образом, мы считаем, что успехи Big Data в розничной торговле будут достигнуты легкими решениями, которые рассматривают, не мощность обработки, а людей, как самый дефицитный ресурс из всех.

Комментарии читателей (1)

Joannes, я впечатлен работой, которую вы проводите. Если вы еще этого не сделали, пожалуйста, ознакомьтесь с тем, что предлагает QlickView в области “бизнес-аналитики” или “бизнес-открытий”. Платформа действительно быстрая и продвинутая в превращении данных в знания. Я уверен, что вы можете узнать что-то новое от них. Но да, цифры не могут говорить сами за себя даже в BigData, поэтому ограничение в человеческих ресурсах не может быть полностью устранено. Salut Ali (5 лет назад)