Собираем данные, наращиваем продажи. Как бизнес использует Big Data — опыт McKinsey, Fozzy Group и Data Science UA
Режим чтения увеличивает текст, убирает всё лишнее со страницы и даёт возможность сосредоточиться на материале. Здесь вы можете отключить его в любой момент.
Что такое аналитика данных? Зачем она бизнесу? Как украинские компании уже используют Big Data? Чего от этой отрасли ждать в будущем? В поисках ответов мы ведем рубрику «На пальцах». В ней мы просим специалистов объяснить сложные вещи простыми словами.
В этот раз Vector выяснил, как McKinsey, Data Science Ua и Fozzy Group работают с аналитикой данных и что это дает бизнесу.
Что такое Data Analytics и Data Science
Поскольку сфера аналитики данных относительно новая, пока нет устоявшегося определения понятий Data Analytics (DA) и Data Science (DS).
Harvard Business Review пишет, что DA — процесс и практика анализа данных для получения ответов на вопросы, извлечения информации и выявления трендов. Например, DA поможет бизнесу с:
- бюджетированием;
- управлением рисками;
- прогнозированием продаж;
- определением потенциально популярной продукции.
В отличие от DA, DS сосредоточена на построении, очистке, структурировании массивов данных и превращении их в нечто более понятное. То есть DS поможет разобраться в данных компании, чтобы затем сделать из них качественные выводы.
Метафорически DS можно описать как дом, наполненный методами и инструментами анализа данных, а DA — как комнату в нем.
Чем аналитика данных помогает компаниям
По данным международной консалтинговой фирмы McKinsey & Company, компании, использующие аналитику данных могут нарастить EBITDA (объем прибыли до вычета расходов по выплате процентов, налогов, износа и начисленной амортизации) на 10–15% в год.
Также DA ощутимо поможет и ритейлу. По словам Александра Кравченко, управляющего партнера McKinsey в Украине, оптимизация ассортимента с помощью аналитики данных может увеличить продажи примерно на 10% в год. Речь как о развитых рынках (США, Европа), так и об Украине.
Среди распространенных вариантов применения DA в McKinsey называют:
- оптимизацию продаж (динамическое ценообразование, программы лояльности и акции, формирование ассортимента);
- улучшение эффективности цепочки поставок с помощью технологии цифровых двойников;
- оптимизация работы вспомогательных департаментов (например, колл-центров) и гибкая кадровая политика.
DA способна ответить на вопросы:
- Как направить покупателей в магазине?
- Как избежать скопления людей в конкретном отделе и охватить при этом максимальное количество товаров?
- Как эффективнее расположить товары на полках?
Чтобы найти оптимальное решение, специалисты анализируют огромные объемы данных из разных источников. Например, фискальных чеков, камер видеонаблюдения и соцсетей.
«Способность связать чеки с конкретными покупателями открывает двери в мир клиентской аналитики. Ритейлер может прогнозировать, когда покупатель вернется, что купит и сколько денег принесет компании. А данные с камер помогают отслеживать длину очередей к кассам и среднее время обслуживания клиента», — объясняют в компании Data Science UA.
Как использовать аналитику данных
Согласно Forbes, Coca-Cola стала едва ли не первой мировой компанией не из сферы IT, которая начала анализировать Big Data.
Компания уже использует аналитику данных для расширения своего ассортимента. Например, напиток Cherry Sprite. Его решили выпускать после анализа взаимодействия клиентов с автоматами с газировкой, которые позволяют смешивать вкусы. Компания просто запустила в массовое производство самые популярные варианты.
Другой пример применения DA — апельсиновые соки Simply Orange от Coca-Cola. Специалисты компании анализируют массу переменных — от данных о погоде, которая влияет на урожайность апельсинов, до цен. Это позволяет выстроить производственный цикл и спрогнозировать прибыль от продаж.
Украинские компании также начали использовать аналитику данных. Например, ритейлер Fozzy Group (владеет «Сільпо», Fozzy, «Фора», Le Silpo). В мае 2021-го он запустил «Лабораторию Зи». Ее цель — предоставить решения для торговых сетей, логистики и ресторанного бизнеса компании. В том числе разработать дата-сайенс алгоритмы, способных напрямую управлять процессами в магазинах.
Также внутри Fozzy Group появились несколько продуктовых команд, отвечающих за тот или иной тип поведения клиентов. В каждую входит маркетинг-менеджер, Data Scientist и Data Engineer. Их цель — добиться увеличения кросс-продаж, частоты продаж и оптимизировать управление оттоком клиентов.
Эти шаги в Fozzy Group объясняют ростом конкуренции за внимание клиента между офлайн-ритейлом и электронной коммерцией в последние годы. Потому компания учиться анализировать данные, чтобы предлагать покупателям персонализированные услуги и товары.
О том, как из Big Data работают в «Киевстаре», рассказывал в нашем подкасте «Что вы творите» CPO компании Михаил Нестор.
Больше об этом
«Главная задача лидера — построить систему, где он не нужен». Михаил Нестор о создании digital-решений в «Киевстар» и внедрении продуктового подхода в корпорации
Любую статью можно сохранить в закладки на сайте, чтобы прочесть ее позже.
Какие проблемы решает аналитика данных
Один из главных вызовов — нехватка специалистов по работе с данными. Согласно ВЭФ, спрос на них будет только расти, а профессии Data Analyst и Data Scientist к 2025 году станут едва ли не самыми востребованными.
Частично спрос на таких специалистов можно покрыть за счет свитчеров — людей, которые перейдут в профессию из других областей (к слову, почитайте наш текст про IT-образование в Украине). Впрочем, и в этом случае спрос вряд ли успеет за предложением.
Другая проблема — переизбыток данных. Вице-президент по информационным технологиям Fozzy Group Иван Славиогло называет данные и алгоритмы «новыми ключевыми активами компании». «Раньше мы думали, как сохранить место, минимизировать количество данных для хранения. Теперь мы думаем, как нам проанализировать весь накопленный массив данных», — говорит Славиогло.
В связи с этим в обиход постепенно входит понятие «озера данных». В противовес привычным хранилищам данных, в «озерах» информация хранится в необработанном виде. И в этом есть плюсы. «Озера» позволяют добиться гибкого доступа к данным и проводить глубокий анализ.
С другой стороны, формирование компаниями своих «озер» — не прорыв и не самоцель. Им еще предстоит понять, какие данные из всего накопленного массива информации ценны, а какие — бесполезны.
Что будет дальше
Сначала компании научатся определять ценность данных. Затем им предстоит улучшить алгоритмы для управления ценообразованием, ассортиментом, а также для индивидуализации услуг и товаров. После бизнесы обрастут экосистемой взаимодополняемых сервисов и продуктов.
«Клиенты приходят в магазин, покупают товары и идут домой. В этот момент мы уже многое знаем: что люди купили, сколько их покупка весит, какие у нее габариты».
Вице-президент по маркетингу Fozzy Group Павел Роганов
С этой информацией ритейлер может улучшить кросс-продажи или нарастить средний чек. Поделившись ею с другими бизнесами, он сформирует экосистему услуг.
«Если человек купил что-то тяжелое, нести покупку домой будет не очень удобно. Поэтому розничный бизнес может поделиться информацией с каршерингом и помочь своему клиенту. Открытость данных и передача их между бизнесами открывает огромные возможности», — говорит Роганов.
Также использование DA в ритейле должно повысить точность прогнозирования и использование цифровых двойников Цифровые двойники Цифровая копия физического объекта или процесса, помогающая оптимизировать эффективность бизнеса . Последние будут актуальны для больших бизнесов с развитой инфраструктурой. «Двойники» послужат для них симуляцией, которая показывает возможные последствия того или иного решения.
Также уделят внимание и развитию семантического поиска. Пока он не гарантирует, что покупатель найдет нужный товар.
«Я ввожу слово „вино“, мне выдают огромный список вин, а своего я не вижу. И это проблема — докопаться до того, какое я люблю, — говорит Иван Славиогло. — Поэтому нужно учитывать контексты. Кто этот человек, какие вина он любит — белое или красное — и какая в магазине ценовая политика. Тот, кто научится в первых трех строках выдавать именно то, что человек сейчас хочет купить, фактически завоюет рынок».
