Крупные отечественные сети супермаркетов давно взяли на вооружение Big data в разработке новых решений для таких процессов:
- выявление закономерностей;
- персонализированные предложения;
- прогнозирование спроса;
- доступность товара на полке.
Одна из солидных российских сетей, чьи супермаркеты есть во всех больших городах страны, начала с внутренней оптимизации процессов с помощью больших данных. Столкнувшись с трудностями, руководители сети решили использовать новую платформу, которая основана на Arenadata Hadoop, Arenadata DB (Greenplum), Spark.
В результате стал намного точнее промо прогноз, клиентская аналитика и анализ товарных категорий. Работа с Big data продолжается.
Закономерности в поведении покупателей интересны любому ритейлеру. Одна из крупных торговых сетей, функционирующая на рынке 10 лет, применила инновационные решения, основанные на больших данных в двух направлениях: совершенство аналитических моделей и организация процессов.
Разделяя на сегменты полученный объем информации, ритейлер добился успешной работы с ассортиментом, учел запросы при формировании общего предложения. Использование больших данных позволило контролировать и предсказывать отток покупателей.
Еще один известный российский ритейлер использовал инновационные решения на основе больших данных для персонализации предложений. Учитывалась информация об истории покупок, поисковые запросы, отклики на персональные предложения.
В результате разработки больших данных компания улучшила эффективность контакта на 25%.
Применение Big data позволяет вести еженедельный анализ. Один из отечественных ритейлеров занимался аналитической работой по изучению покупательского поведения через чеки.
В итоге компания добилась успехов в персонализированных предложениях клиентам сети, продолжает развиваться в этом направлении, увеличивает базу за счет введения новых каналов.
Использование Big data помогает наиболее эффективно прогнозировать спрос и управлять поставками. Большие данные позволяют предсказать, как скидки и акции влияют на продажи, помогают скорректировать поступление товаров в розничные магазины. Разработка больших данных влияет на уровень издержек, позволяет не хранить лишние запасы на складах, уменьшает списание товаров, что важно для продуктовых супермаркетов.
Один из крупных ритейлеров вдвое снизил ошибки в прогнозах, введя Big data. Построив систему геоаналитики с данными о населении, местоположении конкурентов, трафике, предпочтениях покупателей того или иного района, добился повышения уровня оборота магазинов и закрытия убыточных торговых точек.