Аналитика

Аналитика – это то, что позволит бизнесу сделать следующий качественный скачок по выручке и прибыли, считает наш сегодняшний собеседник Дмитрий Ларин, директор по работе с Retail компании SASРоссия/СНГ.

Насколько широко и полно используются возможности бизнес-аналитики в ритейле на сегодняшний день? Как в этом плане Россия Дмитрий Ларинвыглядит по сравнению с Западом?

Чтобы ответить на этот вопрос, необходимо внести ясность, что именно мы понимаем под бизнес-аналитикой, поскольку термин включает в себя очень много понятий. Мы выделяем три основные области бизнес-аналитики. Первая – это описательная аналитика: она позволяет бизнес-пользователям строить отчеты по уже сложившимся событиям, исследовать эти данные и понимать, что и почему происходит в их бизнесе. Это первый этап автоматизации работы с данными, который в России освоен достаточно хорошо – сейчас трудно найти компанию, которая бы не использовала такие инструменты.

Следующий этап – это прогнозная аналитика, которая позволяет при помощи математических моделей выявлять закономерности в поведении наших клиентов, и на основе них прогнозировать общий спрос и рассчитать, как клиенты откликнутся на наши предложения. Наш рынок находится в начале этой фазы. Половина крупных ритейлеров уже приступили к этой части аналитики, кто-то активно ее использует в своих бизнес-процессах, а кто-то только делает пилотные проекты.

Есть и третья область, но применительно к России о ней говорить пока рано, в то время как на Западе уже осваивают именно эти инструменты. Это оптимизационная аналитика – следующий этап, когда процесс прогнозной аналитики уже выстроен, и мы можем не только предсказывать, что будет происходить, но и оценивать разные сценарии развития будущего. Такая аналитика позволяет найти наиболее оптимальные решения для максимально эффективного будущего. По сути, это и есть ответ на ту часть Вашего вопроса, которая касается сравнения России и Запада. Если российский ритейл находится в начале второго этапа, то на Западе идет активная фаза третьего.

В российском ритейле еще пока не созданы аналитические структуры, аналитические отделы. Аналитика пока присутствует только в виде отдельных людей в отдельных департаментах – маркетинга, категорийного менеджмента, ассортиментного планирования. В то же время на Западе большинство компаний пришло к выводу, что нужно создавать отдельный аналитический департамент. Например, в компании Walmart, – а это крупнейший ритейлер в мире, – примерно 500 человек занимаются чисто аналитикой. Они даже проводят собственные внутренние конференции, на которых делятся новыми идеями, результатами, думают над тем, что еще можно сделать для развития компании.

Как действует такое подразделение? Как происходит координация и распределяются задачи? 

Обычно это микс-структура. С одной стороны, в ней есть выделенные аналитики, которые изучают данные в целом, ищут закономерности. А с другой, у каждого отдела есть собственные аналитики, которые решают конкретные узкоцелевые задачи. Например, для отдела маркетинга эти специалисты изучают поведение клиентов, ищут наиболее эффективные настройки для проведения промо-акций, придумывают маркетинговые кампании, ищут способы увеличивать отклик на маркетинговые кампании. Если это, например, мерчандайзинг, то аналитики изучают наполненность, широту ассортимента, изучают выкладку на полках, выясняют, как лучше представить товар и т.д. Получается совместная работа – в департаментах решают более узкие задачи, а потом аналитики, которые изучают данные в целом, выявляют закономерности и генерируют идеи для дальнейшей проработки.

Каковы ожидания ритейлеров от использования аналитики? Понятно, что макроцель – повысить продажи, увеличить прибыль, но с помощью каких микроцелей она достигается?

Микроцели зависят от департамента, где мы применяем аналитику. Если мы говорим про маркетинг, то это классические задачи по увеличению трафика, по увеличению доходности лояльных клиентов, уменьшение оттока, увеличение частоты посещений клиентов, увеличение потребительской корзины. Если мы говорим про отделы мерчандайзинга, то это повышение маржинальности, выставление оптимальной цены при помощи аналитики, определение оптимального ассортимента. В то же время аналитика решает задачи операционной эффективности. Когда мы понимаем уже, какие продажи мы собираемся сделать, каким будет спрос, нам нужно обеспечить наличие товара на полках, а тут уже вступает в дело логистика. Иными словами, перед аналитиками – но, понятно, не только перед ними – ставятся задачи по максимизации уровня сервиса, то есть, с одной стороны, нужно обеспечить наличие товара на полке, а с другой – необходимо избегать затоваривания складов, снижать стоимость товарных остатков.

Можете ли вы привести примеры того, как аналитические решения SASпомогали добиться конкретных результатов?

Интересен, на мой взгляд, опыт компании Levi´s. В США, в отличие от России, она практически не имеет своих магазинов, и продукция продается через мультибрендовые торговые центры. Поэтому в Америке компании было сложно контролировать, что конкретно продается. Раньше непосредственно мультибрендовые магазины заказывали у Levi´s конкретный товар, потому что в таких магазинах обычно достаточно маленькая зона для хранения, весь ассортимент туда не помещается.  Levi´s смогла сильно повысить эффективность своих продаж, когда взяла эту функцию на себя, автоматизировав с помощью SASпроцесс Прибыльассортиментного планирования на своем вендорском уровне. Сейчас Levi´s может самостоятельно определять, какой товар в какой точке каждой торговой сети будет продаваться, понимая, какой локальный ассортимент наиболее востребован. И на сегодняшний день Levi´sсамостоятельно полностью планирует ассортимент для всех торговых сетей.

Другой пример – компания CatalinaMarketing, которая предоставляет сервис по предложению купонов покупателям и работает примерно с 80% американских ритейлеров. Основное, что она смогла достигнуть при помощи аналитики, это возможность обработать весь этот огромный массив информации, который поступает даже не от одной торговой сети, а от большинства торговых сетей Америки, что позволило им создавать предложения с откликом, который стал почти в 8 раз больше по сравнению с традиционными методами.

Кому важнее использовать ритейл-аналитику – производителю розничных товаров или все-таки непосредственно торговой сети?

У производителей и ритейлеров разные задачи, поэтому сравнивать, у кого они важнее, некорректно. Казалось бы, решается одна и та же задача – прогнозирование спроса. Но основная бизнес-цель производителя – это планирование производства, то есть какое количество товаров нужно произвести, в каком ассортименте, сколько рынок способен купить этой продукции и какой объем выгодно произвести и когда. А ритейлерам прогнозирование спроса нужно для обеспечения должного уровня сервиса, то есть определения достаточного, но не избыточного объема товарных запасов в каждой торговой точке. Зачастую у производителей нет данных с рынка о вторичных продажах, то есть о тех продажах, которые происходят уже в каждой конкретной торговой точке, поэтому задача является комплексной. Нужно собрать все эти данные, а потом еще построить прогноз, учитывая структуру сети дистрибуции.  При этом производитель не решает, на какой полке супермаркета продукт будет выложен и по какой цене он уйдет конечному покупателю – это уже задачи ритейла.

Есть ли различия в инструментарии для ритейла в разных сегментах рынка – продуктовый, фэшн-сегмент и так далее?

Различаются не инструменты, а методика их применения в каждом сегменте. Более того, если мы возьмем двух одинаковых продовольственных ритейлеров, работающих в одном сегменте, то с точки зрения математических моделей и принципов они будут различаться, потому что модели зависят прежде всего от покупателей. В каждый магазин ходят разные покупатели, соответственно, результаты сегментации и применения прогнозных моделей в каждом случае будут уникальными. То есть такого варианта, когда у нас есть одна копка для всех, к сожалению, не бывает. На сегодняшнем рынке многие ожидают именно такой аналитики, но постепенно они приходят к выводу, что аналитика – это не простая вещь, что ею надо заниматься, нанимать людей, которые способны изучать данные. Не зря все-таки в зарубежном ритейле большое количество специалистов у каждого игрока рынка занимается построением аналитических моделей.

Конечно, на уровне разных сегментов рынка различий еще больше. Например, если сравнивать фэшн-ритейл и продовольственный ритейл, то там разная специфика продаж в целом. За продуктами люди ходят каждый день, часто со списком конкретных товаров. Спрос в разрезе товарных групп здесь, как правило, стабильный. Покупки совершаются часто, поэтому данных для анализа много и с ними можно работать на уровне информации о ежедневных тратах клиентов. Тут стоит задача регулярного пополнения запасов. А в фэшн-ритейле бизнес подвержен сезонности, моде и эмоциям покупателей. И здесь стоит задача оптимально распродать товары, закупленные в начале сезона.

Насколько затратным будет проект по автоматизации процессов аналитики? От чего это зависит?

Здесь важнее смотреть скорее на окупаемость инвестиций, нежели на их объем, на рост прибыли в результате реализации проекта. Как правило, аналитические проекты окупаются меньше чем за год. Стоимость проекта зависит от спектра задач, которые нужно в ходе этого проекта решить, от того, какое именно решение создается, какой будет его архитектура, какой будет его функциональность, сколько пользователей будет с ним работать.

Какие решения предлагает SASи в чем их преимущества?

Преимущество SAS в том, что у нас есть что предложить каждому клиенту – независимо от того, на каком уровне аналитика используется в компании. В любом случае это будет целостная платформа, которая способна решать полный спектр аналитических задач маркетинга, мерчандайзинга, логистики и других – в каждом конкретном случае мы подбираем именно те аналитические инструменты, которые наилучшим образом помогут конкретному заказчику решить поставленные цели и достичь KPI. Это может быть как чистая аналитика, которая позволяет строить прогнозные или оптимизационные модели, так и промышленное решение, которое полностью автоматизирует конкретный бизнес-процесс в компании.

Среди основных решений для маркетинга – SASMarketingAutomation или включающий его CustomerDecisionHub. Если мы говорим про задачи прогнозирования спроса, то это может быть платформа SASForecastServerили полноценное решение для оптимизации товарных остатков SASDemand-DrivenPlanning & Optimization. Для оптимизации цен внедряется решение SASPriceOptimization.

Источник: http://www.retail.ru/interviews/93027/