Begin nu met (Big) Data: Verzilver de waarde van data die u toch al in huis heeft

Big data is het hype woord van de afgelopen tijd. Social media, Weblogs en Sensors/RFID tags zullen voor een stortvloed aan data zorgen. De eerste golf aan Big Data dateert eigenlijk al van meer dan 20 jaar geleden toen data van kassabonnen elektronisch ter beschikking kwam. In eerste instantie kon men met die hoeveelheid data helemaal niks doen.

Later werd die data opgeslagen in datawarehouses en werden basket analyses gemaakt om een beter inzicht in het koopgedrag van consumenten te krijgen. Retailers als Wal-mart en Tesco waren hierin de pioniers.

Oftewel veel Data is van alle tijden.Daarom spreek ik ook liever over (Big)Data in plaats van Big Data. Natuurlijk hebben we nu te maken met data in verschillende formaten en verschijnings vormen (structured, multistructured , video etc, zie hiervoor de vele Big Data fora die er op dit moment zijn)

Wat doen retailers nu al met hun (Big)Data?

Veel retailers slagen erin om goede rapportages te maken van de omzet per week , vergeleken met vorig jaar , inzoemend op produktgroep of winkel etcetera. Dit geeft echter alleen een beeld van gisteren. Probeer ook eens vooruit te kijken.

Maar wie durft die stap te zetten en combineert verkoopdata met gedetaileerde voorraad- en kassabon data en kan dan:

• Succesvol Items saneren (kijk niet alleen hoe een artikel verkoopt, maar ook naar bijverkoop en de invloed op uw beste klanten die dit artikel kopen)
• Promotie lift/succes bepalen (gebruik gegevens van oudere promoties om een voorspelling te maken van mogelijke uplift in komende akties) 

Maar waarom deelt men ook niet de gedetailleerde data met de leveranciers? Zij zijn dan instaat om de retailer te helpen met Category management, maar kunnen dan ook eenvoudigweg zorgen voor goed gevulde schappen.

Wat zouden retailers nog meer kunnen doen ?

Wat weet men eigenlijk van de klanten? Natuurlijk kan een uitgebreide analyse van kassadata inzicht geven in het koopgedrag per winkel en tijdstip. Dit gecombineerd met demografische gegevens geeft al een aardig beeld van wie de klant is . Maar probeer eens een stap verder te gaan.

Wat weten we bijvoorbeeld van onze online klanten?Of wat zouden we kunnen weten? Het voordeel van online is dat klanten ons daar allerlei zaken vertellen door middel van hun klikgedrag. We hoeven hier alleen maar goed naar te “luisteren”. Bijvoorbeeld:

• De website is onlogisch; na een paar klikken ben ik verloren, ik ga weg zonder iets te kopen.
• Ze hebben leuke producten, maar mijn maat is er niet, dus ik haak af
• Ik zoek op glutenvrije produkten, maar die hebben ze niet
• Ik heb dit artikel al 3 keer bekeken , maar nog steeds geen afprijzing 

Al dit klikgedrag kan men gemakkelijk registreren en belangrijker nog analyseren om vervolgens te linken met offline kassadata om interessante verbanden leggen en de volgende vragen te beantwoorden:

• Welke zoekwoorden zijn effectief, en waar moet ik mijn marketing uitgaven op inzetten?
• Hoe beinvloedt het browsegedrag op het web koopgedrag in de winkel ?
• Hoe verminder ik abandoned baskets en verhoog ik dus mijn conversie? 

Op het moment dat er een goed en consistent klantbeeld is, kan men ook relevante acties/e-mails sturen met die producten waar de klant om vraagt (gebaseerd op zijn koopgedrag en voorkeuren en niet alleen op produkten die toevallig vaak samen worden gekocht).

Hoe te beginnen ? Wat kan men op korte termijn al doen?

Het kan zijn dat het begint te duizelen. Er zijn mogelijkheden te over om met (Big) Data aan de slag te gaan. Hoe kan een retailer eenvoudig beginnen?

De meeste retailers hebben al beschikking over gedetailleerde kassa data en/of onlinewebshop data. Vaak ontbreekt het ze aan een goede technisch infrastructuur of ervaring in het omgaan met en waarde halen uit alle beschikbare data

Het volgende stappenplan kan hierbij helpen:

1. Bepaal hoever u al bent om aan de slag te gaan met(Big) Data

• Analyseren van ambities , Data bronnen, Analytische capaciteiten, Skils en prioritiseer de vervolgstappen

2. Bouw de analytische infrastructuur verder uit

• Integreren van databronnen en bepalen welke tools noodzakelijk zijn

3. Implementeer de gewenste (analytische) functionaliteit

• Stap voor stap implementeren en uitbouwen van analyse mogelijkheden en de verkregen inzichten gebruiken in applicaties voor betere assortimenten, betere schapbeschikbaarheid en/of (real time) aanbiedingen