Збираємо дані, нарощуємо продажі. Як бізнес використовує Big Data — досвід McKinsey, Fozzy Group та Data Science UA

Що таке аналітика даних? Навіщо вона бізнесу? Як українські компанії вже використовують Big Data? Чого від цієї галузі чекати в майбутньому? У пошуках відповідей ми ведемо рубрику «На пальцях». У ній ми просимо спеціалістів пояснити складні речі простими словами.

На цей раз Vector з’ясував, як McKinsey, Data Science Ua та Fozzy Group працюють з аналітикою даних і що це дає бізнесу.

Що таке Data Analytics і Data Science

Оскільки сфера аналітики даних відносно нова, поки що немає усталеного визначення понять Data Analytics (DA) і Data Science (DS).

Harvard Business Review пише, що Data Analytics — процес і практика аналізу даних для отримання відповідей на питання, отримання інформації та виявлення трендів. Наприклад, DA допоможе бізнесу з:

• бюджетуванням;
• управління ризиками;
• прогнозування продажів;
• визначенням потенційно популярної продукції.

На відміну від DA, Data Science зосереджена на побудові, очищенні, структуруванні масивів даних і перетворенні їх на щось більш зрозуміле. Тобто DS допоможе розібратися в даних компанії, щоб зробити з них якісні висновки.

Метафорично DS можна описати як будинок, наповнений методами та інструментами аналізу даних, а DA — як кімнату у ньому.

Чим аналітика даних допомагає компаніям

За даними міжнародної консалтингової фірми McKinsey & Company, компанії, що використовують аналітику даних, можуть наростити EBITDA (обсяг прибутку до вирахування витрат з виплати відсотків, податків, зносу та нарахованої амортизації) на 10–15% на рік.

Також DA відчутно допоможе й ритейлу. За словами Олександра Кравченка, керуючого партнера McKinsey в Україні, оптимізація асортименту за допомогою аналітики даних може збільшити продаж приблизно на 10% на рік. Ідеться як про розвинені ринки (США, Європа), так і про Україну.

Серед поширених варіантів застосування DA McKinsey називають:

1. оптимізацію продажів (динамічне ціноутворення, програми лояльності та акції, формування асортименту);
2. покращення ефективності ланцюжка поставок за допомогою технології цифрових двійників;
3. оптимізація роботи допоміжних департаментів (наприклад, кол-центрів) і гнучка кадрова політика.

DA здатна відповісти на запитання:

• Як направити покупців у магазині?
• Як уникнути накопичення людей у конкретному відділі та охопити водночас максимальну кількість товарів?
• Як ефективніше розташувати товари на полицях?

Щоб знайти оптимальне рішення, фахівці аналізують величезні обсяги даних із різних джерел. Наприклад, фіскальних чеків, камер відеоспостереження та соцмереж.

«Здатність пов’язати чеки з конкретними покупцями відчиняє двері у світ клієнтської аналітики. Ритейлер може прогнозувати, коли покупець повернеться, що придбає і скільки грошей принесе компанії. А дані з камер допомагають відстежити довжину черг до кас і середній час обслуговування клієнта», — пояснюють у компанії Data Science UA.

Як використовувати аналітику даних

Згідно з Forbes, Coca-Cola стала чи не першою світовою компанією не зі сфери IT, яка почала аналізувати Big Data.

Компанія вже використовує аналітику даних для розширення асортименту. Наприклад, напій Cherry Sprite. Його вирішили випускати після аналізу взаємодії клієнтів з автоматами з газованою водою, які дають змогу змішувати смаки. Компанія просто запустила у масове виробництво найпопулярніші варіанти.

Інший приклад застосування DA — апельсинові соки Simply Orange від Coca-Cola. Фахівці компанії аналізують масу змінних — від даних про погоду, яка впливає на врожайність апельсинів, до цін. Це дає змогу побудувати виробничий цикл і спрогнозувати прибуток від продажів.

Українські компанії також почали використовувати аналітику даних. Наприклад, ритейлер Fozzy Group (володіє «Сільпо», Fozzy, «Фора», Le Silpo). У травні 2021-го він запустив «Лабораторію Зі». Її мета — надати рішення для торгових мереж, логістики та ресторанного бізнесу компанії. Зокрема розробити дата-сайенс алгоритми, здатні безпосередньо управляти процесами в магазинах.

Також усередині Fozzy Group з’явилися кілька продуктових команд, які відповідають за той чи інший тип поведінки клієнтів. У кожну входить маркетинг-менеджер, Data Scientist та Data Engineer. Їхня мета — домогтися збільшення крос-продажів, частоти продажів та оптимізувати управління відтоком клієнтів.

Ці кроки у Fozzy Group пояснюють зростанням конкуренції за увагу клієнта між офлайн-ритейлом і електронною комерцією в останні роки. Тому компанія вчиться аналізувати дані, щоб пропонувати покупцям персоналізовані послуги та товари.

Про те, як із Big Data працюють у «Київстар», розповідав у нашому подкасті «Що ви творите» CPO компанії Михайло Нестор.

Які проблеми розв’язує аналітика даних

Один із головних викликів — нестача фахівців із роботи з даними. Згідно з ВЕФ, попит на них тільки зростатиме, а професії Data Analyst і Data Scientist до 2025 стануть чи не найбільш затребуваними.

Частково попит на таких фахівців можна покрити коштом світчерів — людей, які перейдуть у професію з інших областей (до речі, почитайте наш текст про IT-освіту в Україні). Утім, і в цьому випадку попит навряд чи встигне за пропозицією.

Інша проблема — надлишок даних. Віцепрезидент з інформаційних технологій Fozzy Group Іван Славіогло називає дані та алгоритми «новими ключовими активами компанії». «Раніше ми думали, як зберегти місце, мінімізувати кількість даних для зберігання. Тепер ми думаємо, як нам проаналізувати весь накопичений масив даних», — каже Славіогло.

У зв’язку з цим в ужиток поступово входить поняття «озера даних». На противагу звичним сховищам даних, в «озерах» інформація зберігається у необробленому вигляді. І у цьому є плюси. «Озера» дозволяють досягти гнучкого доступу до даних і проводити глибокий аналіз.

З іншого боку, формування компаніями своїх «озер» — не прорив і самоціль. Їм ще доведеться зрозуміти, які дані з усього накопиченого масиву інформації є цінними, а які — марними.

Що буде далі

Спочатку компанії навчаться визначати цінність даних. Потім їм належить поліпшити алгоритми управління ціноутворенням, асортиментом, і також для індивідуалізації послуг і товарів. Після цього бізнеси обростуть екосистемою сервісів і продуктів, що взаємодоповнюються.

«Клієнти приходять до магазину, купують товари та йдуть додому. У цей момент ми вже багато знаємо: що люди купили, скільки їхня покупка важить, які у неї габарити».

Віцепрезидент з маркетингу Fozzy Group Павло Роганов

З цією інформацією ритейлер може покращити крос-продаж або наростити середній чек. Поділившися нею з іншими бізнесами, він сформує екосистему послуг.

«Якщо людина купила щось тяжке, нести покупку додому буде не дуже зручно. Тому роздрібний бізнес може поділитися інформацією з каршерингом і допомогти своєму клієнту. Відкритість даних і передача їх між бізнесами відкриває величезні можливості», — каже Роганов.

Також використання DA в ритейлі має підвищити точність прогнозування та використання цифрових двійників Цифрові двійники Цифрова копія фізичного об'єкта чи процесу, що допомагає оптимізувати ефективність бізнесу . Останні будуть актуальними для великих бізнесів із розвиненою інфраструктурою. «Двійники» послужать для них симуляцією, яка показує можливі наслідки того чи іншого рішення.

Також приділять увагу й розвитку семантичного пошуку. Поки що він не гарантує, що покупець знайде потрібний товар.

«Я вводжу слово „вино“, мені видають величезний список вин, а свого не бачу. І це проблема — докопатися до того, що я люблю, — каже Іван Славіогло. — Тож треба враховувати контексти. Хто ця людина, які вина любить — біле чи червоне — і яка в магазині цінова політика. Той, хто навчиться у перших трьох рядках видавати саме те, що людина зараз хоче купити, фактично завоює ринок».