Регистрация прошла успешно

Регистрация прошла успешно

На ваш e-mail пришло письмо с подтверждением

На вашу почту отправлена ссылка для восстановления пароля

Восстановление пароля
Все новости
09:16, 01 Августа
Спрос на автотовары в России вырос на 28%
08:46, 01 Августа
Ozon выяснил одежду каких оттенков россияне предпочитают этим летом
10:47, 31 Июля
Сколько стоила минимальная корзина продуктов в Слате во втором квартале 2021?
09:30, 31 Июля
Загрузка и цены гостиниц в Сочи росли на фоне пандемии
17:19, 30 Июля
KazanExpress открывает одну из самых больших фотостудий для продавцов в России
17:14, 30 Июля
SAS объявляет о готовности к IPO
15:00, 30 Июля
Сыр и мясо с вином: как российские производители завоевывают зарубежные рынки
14:53, 30 Июля
Детский мир передал в приюты для бездомных животных более 650 кг корма
14:13, 30 Июля
Рост спроса на склады. Почему в Новосибирске стала популярна коммерческая недвижимость?
13:45, 30 Июля
Голодный год: как рестораны переживают острую нехватку кадров
30.01.2015

Big Data для ритейлера: что? где? когда?

Как в современном ритейле могут использоваться информационные массивы сложноструктурированных данных – Big Data? Какие возможности связаны с такими проектами и в какой мере они окупаются? На эти и другие вопросы в своем интервью R&L отвечает Майк Коннотон (Mike Connaughton), директор направления Big Data по региону EMEA корпорации Oracle.

Майк Коннотон, директор направления Big Data по региону EMEA корпорации Oracle

R&L: Какие бизнес-задачи могут сегодня решать ритейлеры, анализируя массивы сложноструктурированных данных с помощью технологий работы с Big Data?

М. Коннотон:   Начну с того, что одной из самых сложных задач, с которой сталкивается современный ритейл, является обеспечение неразрывности и полноты данных о клиенте при многоканальном обслуживании. Сегодня ритейлерам крайне сложно отслеживать клиента «традиционными методами», поскольку последний в течение короткого периода времени переходит из одного магазина вашей сети в другой, а затем использует систему онлайн-обслуживания или обращается в call-центр. Для обеспечения подлинной омниканальности, которая является важным трендом в современном ритейле, нельзя обойтись без анализа массивов «Больших данных».

Внимание ритейлеров сегодня сосредоточено прежде всего на вопросе формирования «3D-профиля», или, как его иногда называют, «золотого профиля» своего клиента. Если ритейлеру удается выполнить эту задачу, то он решает сразу несколько проблем: благодаря наличию полного «досье» на каждого клиента появляется возможность делать персонализированные предложения через различные каналы, растут кросс-продажи продуктов с высокой добавленной стоимостью, наконец, повышается лояльность существующих клиентов за счет внедрения принципа омниканальности (т. е. принципа «одного окна» для всех каналов). Все перечисленное является понятным и близким любому специалисту розничного бизнеса, поэтому кейсы анализа и использования «Больших данных», возможно, наиболее распространены именно в сфере клиентской аналитики. И здесь работа с Big Data практически незаменима для крупных сетей.

Сегодня уже очевидно, что некоторые новые технологии, такие как Hadoop, дают возможность формировать, помимо баз данных SQL, большие массивы нереляционных данных, что меняет саму архитектуру управления автоматизацией в розничной сети. Потенциально это обеспечивает максимальную оптимизацию затрат, т. к. наличие гибридной архитектуры, объединяющей нереляционные и реляционные данные, особенно важно, когда речь идет о гигантских объемах самых разнообразных типов данных, которыми оперируют ритейлеры (от транзакционных данных до данных о психологическом портрете клиента).

Для обеспечения подлин­ ной омниканальности, которая, без сомнения, является важным трендом в современном ритейле, нельзя обойтись без обра­ботки и анализа массивов «Больших данных»

Кейсы анализа и использования «Больших данных» в ритейле наиболее распространены  именно в сфере клиентской аналитики

R&L: Могли бы вы назвать наиболее распространенные мифы и заблуждения о возможностях и недостатках технологий обработки и анализа массивов Big Data в ритейле?

М. Коннотон:   Я удивлен тем, насколько медленно розница воспринимает и внедряет технологии по работе с данными большого объема в качестве составляющей своих ИТ-инфраструктур. Пару лет назад, когда я занял эту должность, на вопрос, «от какой отрасли ожидать лидерства по внедрению решений Big Data», я бы ответил, что это, без сомнения, ритейл. Однако пока мы не видим у ритейлеров в этом плане такой же активности в этом направлении, какая наблюдается, например, в банковском секторе и телекоме. При этом внедрение решений по обработке и анализу массивов Big Data имеет ряд общих для всех отраслей особенностей, которые необходимо осознавать топ-менеджменту розничных компаний при принятии решений.

Так, многие компании недооценивают необходимость серьезных изменений в корпоративной культуре, которые они должны привить, чтобы действительно получать выгоду от использования Big Data. Подчеркну: Hadoop и некоторые другие современные технологии действительно позволяют ритейлеру достаточно эффективно собирать и упорядочивать неструктурированные и сложноструктурированные данные. Но если компания не готова соответствующим образом перестроить свои бизнес-про- цессы и корпоративную культуру для использования результатов такого анализа, тогда их сбор, увы, принесет лишь дополнительные затраты. Когда мы говорим о перестройке корпоративной культуры, я бы советовал ритейлерам обратить особое внимание на такой аспект, как повышение квалификации персонала: сотрудники должны уметь работать в такой инфраструктуре, как Hadoop. Здесь обычно особенно востребованы Java-разработчики.

Еще одно (распространенное во всех отраслях) заблуждение заключается в том, что ПО с открытым кодом «бесплатно».

Понравился материал? Поделись
Подписывайтесь на канал RETAIL-LOYALTY.ORG  на Яндекс.Дзен