От продаж до HR: как крупные ритейлеры оптимизируют бизнес с помощью аналитики данных

Рынок облачных технологий в ритейле стремительно растёт: по прогнозам Mordor Intelligence, к 2029 году он достигнет $127 млрд. Один из самых востребованных сценариев перехода в облако — создание корпоративных хранилищ данных (Data Warehouse, DWH).

Анализ данных помогает компаниям увеличивать прибыль и устранять неэффективные процессы. Но чтобы аналитика давала результаты, важно правильно собирать и обрабатывать информацию. На практике данные часто поступают в разрозненных системах и разном формате — например, в виде длинных списков метрик, из которых сложно сразу сделать точные выводы. Поэтому эффективная аналитика становится ключом к извлечению ценной информации.

Каждый день ритейл собирает огромные объёмы данных о бизнес‑процессах: работе с клиентами, продажах, управлении запасами, логистике, бухгалтерии. Грамотная аналитика помогает находить скрытые взаимосвязи между этими показателями, которые сложно заметить без специальных инструментов. Например, один крупный маркетплейс, внедрив собственную систему аналитики, обнаружил, что всего 5% заказов, получаемых в пунктах выдачи, а не через доставку, приносят 60% общей выручки. Этот вывод стал возможен только благодаря визуализации данных. Используя результаты анализа, компания разработала стратегии для дальнейшего роста: углубила исследование этой доли заказов, определила пути её увеличения и оптимизировала другие процессы.

Аналитика данных в широком смысле помогает своевременно корректировать бизнес‑процессы в любых направлениях. С её помощью можно быстрее создавать таргетированные предложения, наращивать обороты, улучшать ключевые показатели и формировать надёжную основу для масштабирования бизнеса.

Крупные международные компании, такие как Macy’s, Amazon и Zara, активно применяют анализ розничных продаж. В России примеры успешного использования аналитики — «М.Видео», Fix Price и Ozon. Эти бренды эффективно раскрывают потенциал больших данных, что помогает им совершенствовать персональные рекомендации, выстраивать гибкие цепочки поставок, создавать удобные цифровые сервисы и, как результат, увеличивать прибыль.

Что ритейлеры могут оптимизировать с помощью аналитики данныхЧто ритейлеры могут оптимизировать с помощью аналитики данных

Рекламу и продажиРекламу и продажи

Данные о том, как клиенты выбирают товары онлайн, на что обращают внимание и насколько часто кликают на рекламные баннеры, помогают постоянно улучшать программы лояльности. Предлагая товары и акции, основанные на предпочтениях и поведении клиентов, компании не только повышают ключевые бизнес‑показатели, но и создают для покупателей более ценные предложения — те, что действительно их интересуют.

Так, сеть ресторанов быстрого обслуживания Rostic’s перенесла обработку больших данных в облако, благодаря чему ускорила разработку новых технологий в три раза и вдвое сократила время на аналитику, включая анализ продаж блюд из меню. Рестораны сети активно используют аналитику для ускорения обслуживания и улучшения сборки заказов, оптимизации работы курьеров и роста продаж.

Внутренние процессы магазиновВнутренние процессы магазинов

Внутренние процессы охватывают работу контакт‑центров, мобильных приложений для продавцов‑консультантов, а также другие направления.

Сеть «М.Видео» в рамках стратегии One Retail начала использовать приложение для продавцов в магазинах. Цель стратегии — создать единую многоканальную цифровую среду для взаимодействия с клиентами и персонализированный сервис на основе детального анализа их потребностей.

Концепция объединяет цифровизацию бизнеса и интеграцию всех каналов взаимодействия — магазинов, сайта и приложения — в единый сервис, доступный на смартфоне.

Анализ данных и создание моделей для точного понимания потребностей клиентов, рыночных тенденций и внутренних процессов привели к развитию экспертизы компании в области Data Science и созданию специализированного дата‑подразделения. Оно разрабатывает сервисы, которые улучшают клиентский опыт и повышают эффективность бизнеса в интернет‑торговле, рекламе, логистике, финансах и HR.

Быстрый рост дата‑подразделения потребовал создания сложной инфраструктуры, которую «М.Видео» перенесла в облако. Это решение позволило запускать в 30 раз больше проектов одновременно и значительно ускорило бизнес‑процессы.

Логистику и коммерциюЛогистику и коммерцию

Эти аспекты особенно важны для ритейлеров, работающих в нескольких регионах. С помощью аналитики данных можно предсказывать спрос и заранее корректировать ассортимент. Например, за неделю до ожидаемого роста продаж можно определить, какие товарные группы следует переместить со складов в нужные регионы. Кроме того, аналитика позволяет прогнозировать не только востребованность товаров, но и оптимальные цены, учитывающие привлекательность скидок и ключевые бизнес‑метрики.

HR и рекрутингHR и рекрутинг

Поиск и наём сотрудников — одна из ключевых проблем современного ритейла. Компании часто развиваются столь стремительно, что даже с увеличением числа рекрутеров не успевают закрывать возросший поток вакансий. Аналитика помогает выявить корень проблемы и найти эффективные пути её решения — будь то некорректно сформулированные требования к кандидатам или неподходящая зарплатная вилка для конкретного региона.

Fix Price совместно с партнёром Prof IT внедрила решение, которое помогает справляться с дефицитом кадров. Проведя анализ бизнес‑процессов, компании нашли способ автоматизировать рекрутинг: в процесс добавили голосовых ассистентов, которые ежемесячно приглашают на собеседование около 2,5 тысячи соискателей. Роботы разгружают рекрутеров и позволяют оперативно реагировать на появление новых резюме, ускоряя процесс найма.

«С ростом объёма данных ритейлерам необходимо масштабировать процессы. Постепенно накапливается огромное количество информации, задач и систем, что приводит к классической проблеме — нехватке места для хранения. Базы данных становятся слишком большими, возникают трудности с производительностью, появляется необходимость секционирования данных (разделения больших массивов на сегменты для повышения производительности) и создания многоуровневой структуры хранилища. Такие системы максимально эффективно работают в облаке, где множество сервисов уже интегрированы друг с другом. В облаке данные можно удобно распределять по уровням: создавать „горячие“ витрины для актуальной и востребованной информации или архивировать историческую.

Кроме того, облачные технологии становятся незаменимыми, когда требуется быстро запускать проекты, оценивать их прибыльность и масштабировать успешные решения. Облако значительно сокращает время на эти процессы. Сегодня такие возможности востребованы во множестве проектов — от классического ритейла до управления кассами, программами лояльности и оборудованием».