Store datamaskiner og forhandlere - dummies

Forhandlere samler og vedlikeholder salgsposter for stort antall kunder. Utfordringen har alltid vært å sette disse dataene til god bruk. Ideelt sett vil en forhandler forstå de demografiske egenskapene til sine kunder og hvilke typer varer og tjenester de er interessert i å kjøpe.

Den fortsatte forbedringen i databehandlingskapasiteten har gjort det mulig å sile gjennom store datamengder for å finne mønstre som kan brukes til å prognose etterspørselen etter ulike produkter basert på kundens egenskaper.

Et annet problem som store data kan hjelpe med, er prisstrategier, spesielt for å forstå hvor følsomme forskjellige kunder er til priser. Å velge riktig pris for et produkt har noen ganger vært basert på gjetning. I kontrast kan store data øke forhandlerens evne til å bruke kundevaner for å identifisere overskuddsmaksimeringskursen for sine varer. En annen fordel ved å bruke store data er at butikkene bedre kan planlegge plassering av varer i butikken, basert på kundehandel vaner.

Store data kan også hjelpe forhandlere med lagerstyring. Mange forhandlere selger et bredt utvalg av forskjellige produkter, og å holde rede på denne informasjonen er en stor utfordring. Med store data kan forhandlere umiddelbart ha oppdatert informasjon om størrelsen og plasseringen av lagerbeholdningen.

En av de viktigste bruken av store data for en forhandler er muligheten til å målrette individuelle forbrukere med kampanjer basert på hans eller hennes preferanser. Slike målretting øker ikke bare annonseringens effektivitet, det gir kundene et mer personlig forhold til forhandleren, og oppmuntrer dermed til gjentatte forretninger. I tillegg gjør kundenes kjennskap til at forhandleren kan gi anbefalinger for fremtidige kjøp, noe som ytterligere øker gjentatte virksomheter.

Nordstrom

Som et eksempel har Nordstrom tatt stor vekt på bruk av store data. Det var en av de første butikkene å tilby kundene muligheten til å handle online. Selskapet har utviklet en smarttelefonapp som lar kunder handle direkte fra iPads, iPhones og andre mobile enheter. Nordstrom viser også kunder hvorav butikkene har spesifikke varer; For varer som må bestilles fra andre butikker, kan Nordstrom gi et svært nøyaktig estimat av leveringstid.

Nordstrom bruker sine store datafunksjoner til å målrette kunder med tilpassede annonser basert på deres shoppingopplevelser. Denne informasjonen kan komme fra Nordstroms butikk, nettsted og sosiale medier, som Facebook og Twitter.

Nordstrom utfører forskning på å forbedre kundeopplevelsen gjennom sin Innovasjons Labs-divisjon. Det opprettet denne divisjonen i 2011 for å sikre at selskapet er fortsatt på forkant av stor datateknologi.

Walmart

Walmart er en annen stor forhandler som har tatt imot store data. Basert på salgsvolum er Walmart den største forhandleren i USA. Det er også den største private arbeidsgiver i landet.

Walmart har de siste årene gjort en stor press i e-handel, slik at den kan konkurrere direkte med Amazon. com og andre nettbutikker. I 2011 kjøpte Walmart et firma kalt Kosmix for å dra nytte av selskapets proprietære søkemotoregenskaper (Kosmix ble omdøpt til Walmart Labs).

Siden da har Walmart Labs utviklet flere nye produkter basert på stor datateknologi. En av disse kalles Social Genome, som gjør at Walmart kan målrette individuelle kunder med rabatter basert på preferanser kundene har uttrykt gjennom ulike nettsteder på Internett. Et annet produkt utviklet av Walmart Labs er Shoppycat, en app som gir gave anbefalinger basert på informasjon funnet på Facebook.

Selv om e-handel fortsatt står for en relativt liten prosentandel av Walmarts årlige inntekter, har investeringene selskapet har gjort i stor datateknologi, vist at det forventer at nettbasert salg skal bli en stadig viktigere inntektskilde i fremtiden.

Amazon. com

Det beste eksempelet på å bruke store data i detaljhandel er Amazon. com, som ikke engang kunne eksistere uten stor datateknologi. Amazon begynte å selge bøker og har utvidet seg til omtrent alle områder av detaljhandel som kan forestilles, inkludert møbler, apparater, klær og elektronikk. Som et resultat, raked Amazon i 89 milliarder dollar i omsetning i 2014, noe som gjør det til en av de ti beste forhandlerne i USA og den største nettbutikken.

Som online-forhandlere bruker Amazon store data for flere bruksområder:

• Administrere sine massive beholdninger

• Nøyaktig holde følge på bestillinger

• Gi anbefalinger for fremtidige kjøp

Amazon gir sine anbefalinger gjennom en prosess kjent som samarbeidsfiltrering fra produkt til produkt. Denne filtreringen er basert på algoritmer som er utformet for å identifisere nøkkeldetaljene som kan føre kunden til å kjøpe et produkt, for eksempel tidligere kjøp, viste varer, kjøp gjort av kunder med lignende egenskaper og så videre. Amazon tilbyr også anbefalinger via e-post, valgt ut fra det høyeste potensielle salg.

Amazon har vært i stand til å sette sin investering i store datafunksjoner til god bruk på en annen måte: Det tjener nå inntekter ved å tillate bedrifter å bruke sin infrastruktur for en avgift. Dette gjøres gjennom produkter som Amazon Elastic MapReduce (EMR) og Amazon Web Services (AWS).

Amazon EMR gjør det mulig for bedrifter å analysere enorme mengder data ved å bruke Amazons maskinvare. Denne maskinvaren er tilgjengelig gjennom Amazon Cloud Drive, hvor bedrifter kan betale for å lagre dataene sine.For mange bedrifter er det billigere å bruke disse innretningene enn å bygge datamaskininfrastrukturen som ville være nødvendig for å håndtere kravene til store data. AWS tilbyr et stort utvalg av datatjenester via Amazon Cloud Drive, inkludert lagringsanlegg, databasebehandlingssystemer, nettverk, og så videre.

En interessant utvidelse av Amazons bruk av store data er planen om å sende varer til kunder før de bestiller det! Selskapet mottok et patent i 2014 for sin "anticipatory shipping" -metode. For at denne planen skal lykkes, Amazon. com må kunne forutse kundenes behov med en utrolig høy grad av nøyaktighet for å unngå risikoen for returnerte varer.