Już pięć lat temu miesięcznik „Harvard Business Review” uznał zawód „data scientist” za najbardziej pożądany fach XXI wieku. Wielka Brytania do 2016 roku przeznaczyła 200 mln £ na badania i rozwój analityki Big Data, widząc w tym jeden ze strategicznych kierunków rozwoju nowych technologii. Według raportu IDC „Worldwide Semiannual Big Data and Analytics Spending Guide” wartość globalnego rynku danych w 2020 roku może przekroczyć 203 mld dolarów.

Prognozowanie, nie raportowanie

Działanie w oparciu o wnioski płynące z analityki danych to jedno z bardziej istotnych wyzwań stojących przed przedsiębiorstwami i może stanowić jedną z kluczowych przewag konkurencyjnych firmy. Kompetencję tę opanowali do perfekcji tacy giganci jak Wal-Mart, Amazon, Zalando czy rodzime Allegro. Nie dziwi więc fakt, że specjaliści potrafiący wznieść organizację na wyższy poziom zarządzania informacją, znajdą się w centrum zainteresowania pracodawców.

Na początku trzeba jednak zmienić podejście do gromadzenia danych o klientach, które służą do budowania z nimi relacji. Prawdziwą wartość biznesową zyskują one wtedy, gdy zostają poddane analizie i dostarczają wiedzy niezbędnej do budowania strategii biznesowych oraz skutecznego działania. Dlatego przedsiębiorstwa, które chcą świadomie kształtować swoją przyszłość, powinny skupić się na prognozowaniu, a nie raportowaniu.

Jednym z błędów popełnianych przez przedsiębiorców jest to, że nie potrafią połączyć danych pochodzących z analizy z wnioskami mającymi rzeczywiste znaczenie. Co daje nam informacja, że w jednym sklepie konkretny produkt sprzedaje się lepiej niż w innym, jeśli nie wiemy, skąd bierze się takie zachowanie klientów i nie potrafimy wykorzystać tej wiedzy w pozostałych sklepach? 

Lepsze dziś – optymalizacja procesów

Wyniki badania „Retailer Survey” przeprowadzonego wspólnie przez PwC oraz SAP pokazały, że 39% ankietowanych z sektora handlowego umiejętność wykorzystania wniosków z analizy danych uznało za jedno z największych wyzwań, jakie przed nimi stoi. Respondenci wskazali obszary, które ich zdaniem należy usprawnić, aby znacząco zwiększyć satysfakcję klientów.

Wśród podstawowych ulepszeń wymieniona została opcja szybkiego i precyzyjnego sprawdzenia dostępności towaru w sklepach należących do firmy. Klient, który już podjął decyzję zakupową, ale nie otrzyma fachowej pomocy w dotarciu do wybranego produktu, zrezygnuje z zakupu lub pójdzie do konkurencji. Zastosowanie rozwiązań Big Data i nowoczesnych urządzeń, jak inteligentne czujniki wbudowane w produkty, pozwala na precyzyjne określenie stanów magazynowych i sprawdzenie rozmieszczenia poszczególnych produktów w sieci sklepów.

Wnioski płynące z analityki danych można wykorzystać w optymalizacji procesów logistycznych i skracaniu czasu dostaw. Sensory zamieszczone w pojazdach monitorują m.in. drogę, prędkość jazdy czy zużycie paliwa. W połączeniu z innymi systemami planują najbardziej efektywną trasę i regulują procesy produkcyjne. Umożliwiają tym samym reagowanie na zmieniającą się sytuację, jak wzrost lub spadek zainteresowania danym produktem. Dzięki temu możliwe jest działanie w modelu just in time. Wcześniejsze prognozowanie popytu na produkt, dostosowanie do tego etapu produkcji i transportu sprzyja dostarczeniu odpowiedniej liczby towaru do sklepu w optymalnym czasie.

Lepsze jutro – prognozowanie zachowań konsumenckich

PwC podaje, że prezesi firm w Europie Środkowo-Wschodniej za jedno z najbardziej istotnych zagrożeń dla przyszłego wzrostu przedsiębiorstw uważają zmiany w zachowaniu konsumentów oraz pojawiające się sytuacje kryzysowe. Odpowiednie wykorzystanie danych umożliwia rozwój modeli pozwalających nie tylko minimalizować ewentualne ryzyko, ale i prognozować przyszłe zachowanie konsumentów.

Obecne narzędzia sprzedażowe potrafią skutecznie personalizować ofertę. Dzięki zaawansowanym algorytmom sklepy mogą tworzyć i zapamiętywać listy zakupów oraz cykle zakupowe, aby w odpowiednim czasie wysłać zainteresowanym klientom komunikat o rabacie na konkretne produkty. Niezwykle istotne jest, aby konsumenci, którzy godzą się na przetwarzanie swoich danych, mieli pełną świadomość tego, co się z nimi dzieje. Problem ten zauważyła Unia Europejska i wprowadziła nowe rozporządzenie dotyczące danych osobowych (RODO), które zastąpi dotychczasowe funkcjonujące w Polsce przepisy.

Niektóre sklepy śledzą dane publikowane w social mediach. Wal-Mart analizuje wpisy na Twitterze, aby szybko reagować nie tylko na aktualne wydarzenia (real-time marketing), ale też przygotować się na trudniejsze sytuacje, jak huragan Katrina. Dzięki temu Wal-Mart zdążył zbudować Centrum Ratownictwa Operacyjnego jeszcze zanim nadszedł kataklizm. Pracownicy firmy dotarli do obszarów poszkodowanych w czasie huraganu na kilka dni przed pomocą ze strony rządu. Ciężarówki były zaopatrzone w produkty takie jak piły łańcuchowe, woda butelkowana, latarki czy przenośne generatory prądu.

Filtrowanie zawartości social mediów pomaga również w badaniu trendów rynkowych i wyszukiwaniu produktów cieszących się największym zainteresowaniem, aby można je było wprowadzić do sprzedaży.

Narzędzia badawcze

Rozbudowane narzędzia analityczne dają realną przewagę w walce o konsumenta. Nie bez powodu najwięksi gracze na rynku inwestują w działy badawcze. I tak, powstało laboratorium @WalmartLab czy placówka Zalando Research zajmująca się poprawą analizy danych i wyciągania wniosków, a także rozwojem sztucznej inteligencji i technologii uczenia maszyn (machine learning).

Co istotne dla sprzedawców detalicznych marketplace’y oferują swoim kontrahentom dostęp do szeregu bezpłatnych narzędzi analitycznych wspierających sprzedaż, jak Menadżer Sprzedaży na Allegro. Inną usługą pomagającą w przetwarzaniu i wizualizowaniu danych jest Watson Analytics. Warto z nich korzystać i świadomie budować własną markę.

A w Polsce…

Wracając do danych IDC, zaledwie 8% firm w Polsce analizuje zbiory danych. Wydaje się, że wiele z nich nie jest jeszcze na to gotowych także z innego powodu. Zgodnie z raportem „Capgemini Big & Fast Data” jedynie 27% badanych przedsiębiorstw uznało wdrożone projekty Big Data za udane.

Z drugiej strony czołowe polskie uczelnie wyższe już od kilku lat kształcą specjalistów z obszaru data science na studiach podyplomowych oraz w ramach kół naukowych, przewidując duże zapotrzebowanie na tego typu pracowników.