Stora data och återförsäljare - dummies

Återförsäljare samlar in och underhåller försäljningsrekord för ett stort antal kunder. Utmaningen har alltid varit att sätta dessa data till god användning. Helst vill en återförsäljare förstå de demografiska egenskaperna hos sina kunder och vilka typer av varor och tjänster de är intresserade av att köpa.

Den fortsatta förbättringen av datakapaciteten har gjort det möjligt att sikta igenom stora datamängder för att hitta mönster som kan användas för att förutse efterfrågan på olika produkter, baserat på kundegenskaper.

Ett annat problem som stora data kan hjälpa till med, är prissättningsstrategier, som specifikt förstår hur känsliga olika kunder är till priser. Att välja rätt pris för en produkt har ibland varit baserat på gissningar. Däremot kan stora data öka försäljarens förmåga att använda kundvanor för att identifiera vinstmaksimeringspriset för sina varor. En annan fördel med att använda stora data är att butikerna bättre kan planera placeringen av varor i hela affären, baserat på kundshoppingvanor.

Stora data kan också hjälpa återförsäljare med lagerhantering. Många återförsäljare säljer en mängd olika produkter, och det är en stor utmaning att hålla reda på den här informationen. Med stora data kan återförsäljare ha omedelbar uppdaterad information om storleken och placeringen av sina lager.

En av de viktigaste användningarna av stora data för en återförsäljare är möjligheten att rikta individuella konsumenter med kampanjer baserat på hans eller hennes preferenser. Sådan inriktning ökar inte bara reklamens effektivitet, det ger kunderna ett mer personligt förhållande till återförsäljaren, vilket uppmuntrar till upprepad verksamhet. Dessutom kan kunskap om kundpreferenser göra det möjligt för återförsäljaren att ge rekommendationer för framtida inköp, vilket ytterligare ökar upprepad verksamhet.

Nordstrom

Som ett exempel har Nordstrom omfattat omfattande användningen av stora data. Det var en av de första butikerna att erbjuda kunderna möjlighet att handla online. Företaget har utvecklat en smartphone-app som låter kunderna handla direkt från sina iPads, iPhones och andra mobila enheter. Nordstrom visar också kunder vilka av sina butiker som levererar specifika varor. För varor som måste beställas från andra butiker kan Nordstrom ge en mycket exakt uppskattning av leveranstiden.

Nordstrom använder sina stora datakapaciteter för att rikta kunder med personliga annonser baserat på sina shoppingupplevelser. Denna information kan komma från Nordstroms butiksförsäljning, dess hemsida och från sociala medier som Facebook och Twitter.

Nordstrom bedriver forskning om att förbättra kundshoppingupplevelsen genom sin Innovation Labs division. Det skapade divisionen 2011 för att säkerställa att bolaget är fortsatt på framkant av stor datateknik.

Walmart

Walmart är en annan stor återförsäljare som har tagit stor vikt vid. Baserat på försäljningsvolym är Walmart den största återförsäljaren i USA. Det är också den största privata arbetsgivaren i landet.

Walmart har under de senaste åren gjort ett stort tryck i e-handel, vilket gör det möjligt att konkurrera direkt med Amazon. com och andra online-återförsäljare. Under 2011 förvärvade Walmart ett företag som heter Kosmix för att dra nytta av företagets egenutvecklade sökmotorskapacitet (Kosmix döptes till Walmart Labs).

Sedan dess har Walmart Labs utvecklat flera nya produkter baserade på stor datateknik. En av dessa kallas Social Genome, vilket gör det möjligt för Walmart att rikta individuella kunder mot rabatter baserat på preferenser kunderna har uttryckt via olika webbplatser på Internet. En annan produkt som utvecklats av Walmart Labs är Shoppycat, en app som ger presentrekommendationer baserat på information som finns på Facebook.

Även om e-handel fortfarande står för en relativt liten andel av Walmarts årliga intäkter, har de investeringar som företaget gjort i stor datateknik visa att den förväntar sig att onlineförsäljningen blir en successivt viktigare inkomstkälla i framtiden.

Amazon. com

Det bästa exemplet på att använda stora data i detaljhandeln är Amazon. com, som inte ens kunde existera utan stor datateknik. Amazon började sälja böcker och har expanderat till nästan alla delar av detaljhandeln som kan tänka sig, inklusive möbler, apparater, kläder och elektronik. Som ett resultat höjde Amazon sig i 89 miljarder dollar i intäkter 2014, vilket gör det till en av de tio största detaljhandlarna i USA och den största online-återförsäljaren.

Precis som online-återförsäljare använder Amazon stora data för flera tillämpningar:

• Hanterar sina massiva lager

• Precis hålla reda på beställningar

• Göra rekommendationer för framtida köp

Amazon ger sina rekommendationer genom en process som kallas samverkansfiltrering mellan objekt och objekt. Denna filtrering baseras på algoritmer utformade för att identifiera de viktigaste detaljerna som kan leda en kund att köpa en produkt, såsom tidigare inköp, visade varor, inköp gjorda av kunder med liknande egenskaper och så vidare. Amazon ger också rekommendationer via e-post, utvalt baserat på den högsta potentiella försäljningen.

Amazon har lyckats sätta sin investering i stora datakapaciteter på ett annat sätt: Det tjänar nu intäkter genom att tillåta företag att använda sin infrastruktur mot en avgift. Detta görs genom produkter som Amazon Elastic MapReduce (EMR) och Amazon Web Services (AWS).

Amazon EMR gör det möjligt för företag att analysera enorma mängder data genom att använda Amazons datortillbehör. Den här hårdvaran är tillgänglig via Amazon Cloud Drive, där företag kan betala för att lagra sina data.För många företag är det billigare att använda dessa anläggningar än att bygga upp den datorinfrastruktur som skulle behövas för att hantera stora data. AWS tillhandahåller en mängd olika datatjänster via Amazon Cloud Drive, inklusive lagringsutrymmen, databashanteringssystem, nätverk, och så vidare.

En intressant utvidgning av Amazons användning av stora data är dess plan att skicka varor till kunderna innan de beställer det! Företaget mottog 2014 ett patent för sin metod för "anticipatory shipping". För att denna plan ska lyckas, Amazon. com måste kunna förutse kundernas efterfrågan med en oerhört hög grad av noggrannhet för att undvika risken för returprodukter.