Как бренды могут начать использовать данные

Объем данных, доступных розничным торговцам сегодня, может показаться слишком большим. Данные бесценны для принятия более взвешенных решений по планированию запасов, ценовой стратегии, маркетингу, логистике и многому другому. Но поток информации также может парализовать компании, которые пытаются решить, что со всем этим делать. Каждый визит клиента в магазин или на веб-сайт, каждый клик или взаимодействие, каждая покупка и возврат товара оставляют свой след. Социальные сети, цепочки поставок и другие источники также располагают своими собственными данными. Опрос, проведенный недавно компанией Salesforce среди 10 000 бизнес-лидеров, показал, что 30% из них были ошеломлены объемом данных, а 33% не смогли извлечь из них полезную информацию. В прошлогоднем опросе, проведенном Институтом роскоши (Luxury Institute), партнером по исследованиям и технологиям брендов класса люкс, значительная часть руководителей брендов и консультантов также сообщили, что они недовольны своими возможностями обработки данных. “Я не скажу вам, кто был генеральным директором, но это был крупный мультибрендовый ритейлер, известный во всем мире, и он сказал: ”Милтон, наша команда даже не знает, что делать с данными, которые у нас есть сейчас», - сказал Милтон Педраза, глава Luxury Institute исполнительный директор.

Ситуация может быть особенно сложной для брендов, которые только начинают использовать данные. Хорошая новость в том, что, по словам экспертов, есть несколько основных шагов, которые они могут предпринять, чтобы начать работу. Распространенная ошибка, которую совершают компании, - это просматривать все свои данные и пытаться понять, какие идеи они содержат. По словам Робина Барретта Уилсона, исполнительного советника по индустрии моды в SAP, поставщике программного обеспечения и технологий, на самом деле все наоборот.

Гораздо эффективнее использовать подход “обратного проектирования”: определить результат, которого вы пытаетесь достичь, а затем выяснить, какие данные вам нужны и есть ли они у вас. “Когда люди сталкиваются с проблемами, они [говорят]: «У меня есть эти данные. На какой вопрос я могу ответить?” - сказала Николь Дехорациус, адъюнкт-профессор операционного менеджмента в Школе бизнеса Бута Чикагского университета. “Это то, на какие вопросы нужно ответить, а затем давайте соберем данные, которые позволят нам ответить на эти вопросы”.

Чтобы определить, какие результаты должны быть приоритетными, компания Ekimetrics, партнер в области науки о данных для бизнеса, разработала структуру для компаний, которая начинается с формирования межфункциональной команды для понимания результатов, к которым стремится компания, и потенциальных вариантов использования данных. “Существует процесс сопоставления всех этих вариантов использования с тем, что принесет наибольшую пользу, и с тем, что потребует наибольших усилий и инвестиций для их реализации”, - сказала Сона Абарян, партнер и руководитель отдела розничной торговли и обслуживания потребителей в Ekimetrics.

Что-то вроде прогнозирования спроса, которое затрагивает несколько областей деятельности компании, имеет большую ценность, но его сложно разрабатывать, в то время как компания может в первую очередь сосредоточиться на быстрых результатах. Неверные или неполные данные могут привести к неточным выводам, которые укажут вам неверное направление.

Часто можно столкнуться с такими проблемами, как неправильные инвентарные записи или неправильно маркированные товары, которые при сканировании в магазине отображаются как неправильный товар. Абарян отметил, что компании часто склонны фокусироваться на том, что легко поддается измерению, а это не обязательно является самым ценным.

Это может зависеть от бизнес-модели. У оптовых компаний могут возникнуть иные вопросы, чем у брендов DTC. По словам Карлоса Санчеса Альтэйбла, партнера McKinsey, одним из приоритетных направлений работы с данными для брендов должно быть четкое представление о продажах, наличии на складе и ходе реализации на детальном уровне, например, о том, сколько определенного товара было продано в магазине накануне. “Это то, что действительно определяет основы модного бренда”, - сказал он. “Вам не нужно работать в реальном времени, но вам нужен вчерашний день”.

Бренды также должны понимать своих покупателей, что не всегда легко.

Часто у них есть множество данных от третьих лиц, но это неверные данные, говорит Педраза из Luxury Institute. Знать день рождения покупателя не так важно, как его предпочтения в размере и стиле. Он предложил брендам четко и честно взаимодействовать с клиентами, чтобы напрямую собирать данные и вознаграждать их, когда они их предоставляют. Эти данные, полученные от третьих лиц, становятся все более важными по мере того, как правительства вводят меры по обеспечению конфиденциальности в Интернете, а технологические компании отключают отслеживающие файлы cookie, что затрудняет точную ориентацию на онлайн-покупателей.

В декабре прошлого года в аналитической записке, посвященной основным темам на 2023 год, инвестиционный банк Cowen подчеркнул, что компаниям необходимо “завоевать доверие клиентов и создать инфраструктуру для сбора этой информации”, предложив им использовать такие тактики, как программы лояльности. Если отдел маркетинга располагает данными, которые ценны для команды мерчандайзинга, но не предоставляет их в распоряжение, толку от них немного.

Может помочь наличие централизованного источника данных в облаке, а не хранение информации в отдельных электронных таблицах, сохраняемых локально на компьютерах сотрудников. Также важно, чтобы данные из разных источников были организованы и помечены одинаково.

Электронная таблица с номерами артикулов и другая таблица со столбцами стилей, размеров и цветов могут содержать дополнительную информацию, но их нелегко свести воедино. “Я поражен, что даже сегодня мне довелось работать с розничным продавцом, у которого мы не смогли объединить данные о складе с данными о закупках, потому что у них не было общего поля”, - сказал Дехорациус. По словам Барретта Уилсона, у компаний, которые эффективно справляются с этой задачей, часто есть каталог, на который может ссылаться каждый, а также человек или команда, которые разбираются в технологиях и розничной торговле. “На самом деле, это мост между ИТ и бизнесом”, - сказала она.

Конечно, ключом к эффективному обмену информацией является обеспечение того, чтобы команды по всей компании общались и мыслили целостно, а не только о своих конкретных ролях. Индустрия моды может с трудом конкурировать с такими отраслями, как технологии, за привлечение талантов, обладающих навыками обработки и применения данных.

Санчес Альтэйбл сказал, что одна из проблем, с которой сталкиваются компании, заключается в том, что они зацикливаются на определенных ролях, таких как “архитектор данных”, когда такой набор навыков не нужен. “Вам просто нужны умные инженеры-программисты”, - сказал он. Ритейлеры могут найти талантливых специалистов и в других местах, в зависимости от того, нужно ли им нанимать специалистов с опытом работы в области технологий. “Студенты MBA сейчас демонстрируют невероятно хорошие навыки работы с данными и аналитикой”, - сказал Дехорациус.

Однако прием на работу - не единственный вариант. Компании также могут обучать существующий персонал. Возможно, не каждая компания сможет сделать то, что сделала Levi’s, и организовать внутренний учебный лагерь по искусственному интеллекту, но существует множество отличных тренингов по анализу данных, сказал Дехорациус. Одно из неожиданных препятствий, с которым бренды могут столкнуться при интеграции данных, связано с культурными особенностями. ДеХоратиус обнаружил, что сотрудники могут считать данные важными, но не до конца понимать, почему. Другие могут воспринимать это как угрозу. “Данные знают не больше, чем я”, - сказал Дехоратиус, подводя итог ответу. “Дело не в том, что они делают … Вам нужны люди, которые хорошо разбираются в бизнесе, чтобы задавать правильные вопросы о данных, но сами данные нужны вам для тщательного анализа”.

Компаниям, возможно, придется разъяснить, что смысл использования данных не в том, чтобы заменить понимание человека, а в том, чтобы дополнить его.

Барретт Уилсон из SAP даже предостерег от чрезмерной зависимости от данных без их тщательного изучения. Иногда есть информация, которая не отражается в цифрах, например, погодные явления, которые влияют на продажи. “Это всегда искусство и наука”, - сказала она.