Почему ритейлеры увеличивают свои инвестиции в инфраструктуру данных и расширенную аналитику


Вы не смогли посетить Transform 2022? Ознакомьтесь со всеми сессиями саммита в нашей доступной библиотеке прямо сейчас! Смотреть здесь.


По мере того, как организации продолжают свои усилия по восстановлению экономики после бед, вызванных пандемией, и многие из них ищут новые способы получить конкурентное преимущество, растет интерес к инструментам расширенной аналитики и инфраструктуры данных.

Наиболее востребованными являются инструменты обработки данных, которые улучшают прогнозный и поведенческий анализ и позволяют анализировать данные в режиме реального времени.

Одной из отраслей, которая вкладывает значительные средства в инфраструктуру данных и аналитику, является сектор розничной торговли, включая сегмент магазинов у дома. Если это звучит удивительно, подумайте вот о чем: по мере того, как страна движется к ликвидации транспортных средств, работающих на ископаемом топливе, это приведет к сокращению значительной части потока доходов отрасли. Большой процент удобных магазинов продает топливо, и это, как правило, самый большой источник дохода.

Чтобы лучше понять, куда инвестируют ритейлеры, VentureBeat поговорила с Дэвид Томпсоноснователь и генеральный директор ООО «3 прыжка»компания, которая помогает предприятиям ускорить и масштабировать автоматизацию, используя подход, основанный на данных.

Разве не у каждого есть свой специалист по данным?

Хотя трудно обобщать, Томпсон сказал, что основными движущими силами инвестиций в инфраструктуру данных было повышение производительности розничных каналов за счет более высокой частоты поездок и более высоких ставок корзины. Как следует из названия, термин «ставки корзины» относится к количеству товаров, которые покупатель кладет в свои корзины, будь то реальная корзина покупок или цифровая.

«В некоторых подсекторах также были вложены большие средства в онлайн-чат или другие инструменты взаимодействия с клиентами для повышения скорости реагирования и снижения стоимости присутствия», — сказал Томпсон.

По словам Томпсона, первый вопрос, который обычно задают его организации потенциальные клиенты, звучит так: «Как эти технологии могут помочь нам лучше понять нашу клиентскую базу?» Или вопросы о том, как технологии «стимулируют инвестиции в сегментацию клиентов, планирование продвижения и ценообразование».

«Большинство розничных продавцов, с которыми мы работаем, стремятся к определенной степени «измеренной автоматизации», при которой рутинные решения могут приниматься системой, а исключительные случаи могут быть доведены до сведения эксперта для личного рассмотрения», — сказал он. «Сегодня мы видим, как ритейлеры во многих секторах нанимают собственных специалистов по данным, разрабатывая инициативы либо самостоятельно, либо для расширения решений третьих сторон. Проблемы статических моделей прогнозирования, основанных только на правилах, стали до боли ясными в связи с перебоями в цепочке поставок, вызванными пандемией».

Он добавил, что в настоящее время компания «… видит больше инвестиций в то, что мы называем технологиями «классификации» и «интерпретации», где мы используем НЛП. [natural language processing] и расширенное мультимедийное распознавание для поддержки живого чата и расшифровки «анализа настроений» для расширения и улучшения нашего взаимодействия с клиентами».

Использование улучшений инфраструктуры данных при каждом сбое в цепочке поставок

Наибольшее влияние укрепления инфраструктура данных для многих секторов розничной торговли был замечен в оптимизация цепочки поставок. Это может охватывать все, от пополнения до планирования ассортимента, в зависимости от розничной вертикали.

Для ритейлеров с многоканальной стратегией приоритетом может быть помощь ритейлеру в лучшем понимании преимуществ и затрат сложных вариантов выполнения, таких как «заказ онлайн, получение в магазине» или рассмотрение нескольких стратегий доставки.

«Наконец, мы видим, что розничные продавцы, работающие через Интернет, вложили средства в инструменты для автоматизации очень быстрого реагирования конкурентов — то, что мы иногда называем «динамическим ценообразованием», — сказал Томпсон.

Хотя основы такой конкурентной индексации основаны на правилах, этот подход часто требует взвешивания или стратегии, созданной с помощью различных процессов искусственного интеллекта (ИИ) или машинного обучения (МО) для окончательной обработки ответов.

Лучшие программы, по опыту Томпсона, сосредоточены на измеримых критериях успеха, которые включают конкретные меры погрешности, а также процедуры обработки «неизвестных» случаев, которые неизбежно возникают.

«И наоборот, отсутствие внимания к этим областям почти наверняка приведет к провалу реализации», — сказал Томпсон. «Утраченное доверие пользователей невероятно сложно восстановить. Начав с части бизнеса и посвятив дополнительное время измерению результатов, вы сможете вселить уверенность в том, что преимущества будут масштабироваться вместе с программой».

Использование преимуществ инструментов расширенной аналитики

По словам Томпсона, есть две основные области, в которых розничные продавцы надеются извлечь выгоду из инвестиций в инфраструктуру данных и инструменты расширенной аналитики: поддержка роста и повышение производительности.

«Прежде всего, инструменты и приложения AI/ML могут помочь нам быстрее и полнее понять нашу среду и клиентскую базу», — сказал Томпсон. «Эти знания затем можно использовать для более эффективной оценки потенциальных стратегий. С экономией вычислений в наши дни мы также можем рассматривать более широкий спектр возможных стратегий, чем мы могли в прошлом, с гораздо меньшим количеством ручной работы».

«Во-вторых, мы можем снизить затраты и улучшить удержание за счет повышения качества обслуживания. Устранение ненужной бумажной обработки делает людей счастливее», — сказал Томпсон. «Возможность оценить каждое взаимодействие помогает нам улучшить нашу подготовку и оперативность. Знание того, что происходит в конкретный день, поможет нам улучшить положение на рабочем месте, которое мы привносим в конкретную ситуацию».

Консультанты 3 Leaps LLC уделяют большое внимание прогнозной аналитике при обсуждении передовых технологий в розничной торговле, и на то есть веские причины.

«Цифровые рабочие процессы и RPA [robotic process automation] может обеспечить огромные преимущества в точности, безопасности данных и снижении накладных расходов. Эти решения обычно используют решения AI/ML для распознавания изображений, текста и даже речи», — сказал он.

Отказ от бумаги стал чем-то вроде клише, но Томпсон подчеркнул, что это действительно должно быть целью каждой организации. «Умные» формы, методы цифровой идентификации и другие инструменты позволяют сотрудникам выполнять сложные рабочие процессы, содержащие конфиденциальную информацию, практически из любого места, экономя деньги и повышая производительность.

«Мультиформатный чат и инструменты NLP значительно продвинулись за последние несколько лет. При правильном развертывании такие технологии могут помочь как клиентам, так и сотрудникам в направленном поиске. [such as] «Где мне найти…?», «Как мне…?» и обучение», — сказал Томпсон.

Появляются новые приложения для обучения и коучинга сотрудников, будь то с помощью аналогичного анализа стенограммы или с помощью симуляции взаимодействия в реальном времени.

«Ожидайте, что в ближайшие несколько лет эта область значительно расширится в таких отраслях, как наша, с высокими требованиями к обучению и необходимостью проверки соблюдения нормативных или законодательных требований», — сказал Томпсон.

Повышение «комфорта» с помощью передовых технологических инструментов

Организация Томпсона наблюдает, как расширяются варианты использования, поскольку все больше компаний привыкают к возросшей роли как технологий классификации, так и технологий прогнозирования.

«Что мы хотели бы подчеркнуть, так это важность создания надежных процессов для проверки и тестирования данных», — сказал Томпсон. «Подумайте о реальных примерах, которые мы видели в результате пандемии. Прогнозные модели сломались — в некоторых случаях серьезно — из-за радикального изменения покупательского спроса, сбоя в цепочке поставок или из-за того и другого. Успешное использование технологий требует периодической проверки и специальных контрольных точек, встроенных в процессы для прерывания [or at least warn users] когда данные слишком сильно отличаются от ожидаемых норм».

Томпсон считает, что организациям необходимо проводить тестирование «A/B» для оценки влияния изменения цен или ассортимента точно так же, как и для оценки качества модели.

«Мы рекомендуем попросить ваши проектные группы, партнеров или поставщиков предоставить и использовать [regularly] такая обвязка. Сравнивая известные исторические данные с текущей системой и запланированным обновлением, мы видим фактические различия в результатах, возникающие в результате изменений», — говорит Томпсон. «С помощью таких методов мы укрепляем уверенность как в качестве наших результатов, так и в процедурах обработки неизвестных или неожиданных результатов. Нестабильные модели будут быстро отвергнуты нашими бизнес-пользователями по уважительной причине — бесполезно быть правым время от времени и сильно ошибаться в большинстве других случаев».

Миссия VentureBeat должна стать цифровой городской площадью, на которой лица, принимающие технические решения, смогут получить знания о трансформирующих корпоративных технологиях и заключать сделки. Узнайте больше о членстве.

Leave a Comment