Tekniske opgraderinger med intelligent brug af data kan være en del af planen
Selvom mange var i stand til at arbejde hjemmefra i 2020, var det selvfølgelig ikke en mulighed for detailhandlere, der er afhængige af trafik i butikkerne. Der skulle være personale i butikkerne og dette personale skulle ledes og styres anderledes end før. Der skulle indrettes sikkerhedsmæssige foranstaltninger for i sidste ende at sikre at kunderne kunne færdes sikkert i butikkerne uden risiko for at sprede smitte.
Mange detailhandlere har gjort det muligt for kunderne at kunne betale selvstændigt i butikkerne, at kunne søge information via displays etc. i butikkerne og på den måde i virkeligheden forsøge at få alle fordelene ved at handle online integreret i butikkerne.
Alt dette kræver tekniske opgraderinger i form af diverse nyt udstyr og hardware, men i høj grad også data og behandling af data.
Den datadrevne detailhandler vil altså være den der overlever
Det er altså afgørende at kunne udnytte alt den data der er til rådighed i forretningen og at være datadrevet som aldrig før. Men hvad vil det sige indenfor detailhandel?
En datadrevet detailhandler bruger indsigt hentet fra diverse kilder (POS / ERP / eksterne data) og integrerer dem i en form for dataanalyse til at danne hver enkelt forretningsbeslutning og til at forme den daglige drift OG strategien hvad enten det er på kort eller lang sigt.
I detailhandelsbranchen kan man udnytte data til at tage mere strategiske beslutninger relateret til kundeinteraktion, produktudvikling, prisfastsættelse og meget mere. Faktisk i langt højere grad og lettere end i andre brancher. Simpelthen fordi der allerede bliver opsamlet så ekstremt meget data fra mange enormt mange kilder, både internt og eksternt. Alt denne data kan og bør bruges. Selv måske små detaljer, som et produkts placering på en butikshylde, kan påvirkes af datadrevet indsigt.
Men hvad er helt overordnet fordelene ved en datadrevet detailhandel strategi?
I årenes løb har vi set mange engang succesrige detailhandlere føle sig overhalet af tendenserne og gå helt I stå. Ved at udnytte de data man allerede har i virksomheden, kan man bl.a. udnytte fordelene ved at lære kunderne bedre at kende og derigennem undgå at blive overhalet at tendenserne, da man hurtigt vil kunne lære at identificere dem og tilpasse sin forretning på baggrund af disse.
Hvad hvis det var muligt, med en datadrevet detailhandel strategi, at kunne forudsige nøjagtigt, hvem der køber et produkt, hvornår de køber det, og hvordan de vil foretage købet?
Viden om kundernes adfærd igennem data giver dig ikke overmenneskelige psykiske evner, men det vil give dig mulighed for at komme så tæt på at forudsige fremtiden som muligt.
Ved at analysere tendenser, tidligere adfærd, købshistorik og mange flere datapunkter kan man lokalisere de faktorer, der bidrager til en købsbeslutning. Med disse oplysninger kan du derefter så mere nøjagtigt forudsige fremtidig kundeadfærd og justere din marketingindsats herefter.
Udover at strukturere og planlægge marketing-indsatsen, så er og bliver prisen på varerne vigtigt. Specielt for virksomheder i markeder for homogene produkter.
I dag er det blevet ekstremt let for forbrugerne at sammenligne produkterne på nettet, se forskellige features og ikke mindst priser hos konkurrenterne på identiske produkter.
Det er ikke længere tilstrækkeligt at fastsætte priser baseret på dine egne standarder for kvalitet, produktionsomkostninger og indtægtsmål. Mærker skal konstant dyrke konkurrencemæssig intelligens, kundefeedback og andre datatyper fra første og anden part for strategisk at indstille produktpriser. Her kommer data ind i billedet hvor det nu er muligt at danne sig at systematisk overblik over konkurrenters produkter og tilhørende priser samt anmeldelser og meget andet – for så senere hen at bruge dette ifm. markedsføring og ændringer i priserne mod bestemte kundegrupper. Kundegrupper der også er korrekt identificeret og inddelt med machine learning ved “clustering”.
Hvordan kommer man så i gang med at blive datadrevet detailhandler?
Ovenstående eksempler af bare nogle af der kommercielle fordele man kan få ved at have en korrekt overordnet gennemarbejdet data-strategi med tilhørende operationelle funktioner, men hvordan kommer man så i gang? Og hvad kræver det?
Det er selvfølgelig et enormt svært spørgsmål og noget der ikke er et entydigt svar på der dækker alle detailhandlere. Det kræver naturligvis en forretningsanalyse inden man kan gå i gang med et rigtigt BI-projekt.
Men skal man svare på det overordnet, så må det være et spørgsmål om at finde overordnede områder man kan lave en BI-strategi ud fra for at anvende den fulde kraft af den forretningsinformation data kan levere.
Overordnet kan man starte med tre grundlæggende områder at stille spørgsmål ud fra:
- Indsamling af data (og kvaliteten af data)
a. Hvordan indsamler man data nu?
b. Er denne metode korrekt og er der risiko for at der kan ske fejl i processen?
c. Kører den automatisk eller skal medarbejdere opdatere tunge Excel-ark og videresende data derfra?
d. Hvor ofte bliver data indsamlet og er dette acceptabelt?
e. Er der reelt 1 sandhed omkring data og de tal der bliver sendt videre til analyse?
- Analyse af data
a. Hvad måler man på og er dette de rigtige tal/KPI’er?
b. Er der behov for at måle på flere områder og nye parametre?
c. Er analyseplatformen let at arbejde med så man hurtigt kan tilpasse den efter behov?
d. Hvem analyserer data og er de farvet af egne holdninger og skal disse medarbejdere aktivt lave udregninger eller andet for at danne analyser
e. Dannes der automatisk og løbende analyser der sendes ud? Og til de rigtige?
- Handling på baggrund af data
a. Bliver der automatisk sendt info ud omkring handlinger på baggrund af analyserne?
b. Bliver disse anbefalinger til handlinger sendt hurtigt nok ud eller skal der medarbejdere til at danne handlingerne?
c. Hvordan følges der op på disse handlinger?
d. Kommer der automatisk svar tilbage når der er sket ændringer på baggrund af de dannede handlinger i det operationelle?
Ovenstående områder kan måske give et bud på hvor man overordnet er datamæssigt og hvor man kan overveje at starte. Det er naturligvis ”højniveau” og kun generelle anbefalinger der illustrerer hvor vigtig databaseret beslutningstagning er for detailhandel virksomheder.
Dog er det lige så vigtigt at huske på at enhver virksomhed, uanset branche eller størrelse, kan fejle, når data ikke bliver brugt og ikke kommer videre fra computeren til de rette ledere og modtagere der skal træffe beslutningerne.
Derfor er ”user adoption” og evnen til at få data ud og leve i organisationen lige så vigtig og kan naturligvis bremse alt udvikling skabt af et intelligent BI-set up.
Sidste anbefaling må derfor være at sikre sig at have helt styr på interessenterne internt og sikre at de rette medarbejdere og ledere er med i processen. Sikre at data bliver opsamlet korrekt fra de rigtige kilder og systemer, men lige så vigtigt – at data bliver brugt og forstået korrekt i hele virksomheden. Fra hovedkontoret, hvor mange tiltag og ideer bliver til, til ude i alle butikkerne, hvor data skal bruges aktivt.
Dette var første og indledende artikel omkring brugen af data indenfor detailhandel. Vi vil naturligvis skrive flere og mere detaljerede artikler omkring brugen af data indenfor detailhandel, hvor vi også vil beskrive mulighederne med specifikke teknologier der har ændret sig markant de seneste år.
God arbejds- og datalyst!
