Praktisk anvendelse af big data i detailhandlen

Transkript

1 OPSUMMERING Praktisk anvendelse af big data i detailhandlen INDLÆG: Baggrund g frmål v/ Jan Overgaard, centerleder, IBIZ-Center Aktuelle udfrdringer i detailhandlen v/ Janus Sandsgaard & Luise Riisgaard, chefknsulenter, Dansk Erhverv Big Data in Retail - Internatinale Trends v/ Lectr Chee Wee Tan, Cpenhagen Business Schl Sax.cm: Sådan får vi værdi af big data v/ Jørgen Balle Olesen, CEO, Sax.cm Magasin: Derfr er big data er gd frretning v/ Peter Fabricius, CFO, Magasin Cp Danmarks analyse af danskernes mad frbrug v/ Lars Aarup, Analysechef, Cp Danmark Dansk detailhandel, vågn p! v/ Michael Thim, CEO, IUM

2 Miniknference Praktisk anvendelse af big data i detailhandlen Børsen, Tietgensalen, fredag d. 26. september 2014 Kl 9 14 Frmål Frmålet med miniknferencen Praktisk anvendelse af big data i detailhandlen er at se på de internatinale tendenser inden fr big data g hvrdan detailhandlen kan styrke udvikling g knkurrencekraft ved en strategisk anvendelse af big data. Prgrammet indehldt både den seneste frskning m internatinale trends, bud på hvrdan virksmhederne kan skabe værdi af big data samt knkrete eksempler på større danske detailvirksmheders brug af big data. Baggrund Miniknferencen var arrangeret af Innvatinscenter fr e-business (IBIZ-Center) i samarbejde med Dansk Erhverv. IBIZ-Center er etableret af Uddannelses- g Frskningsministeriet fr at nedbryde små g mellemstre virksmheders barrierer fr it-anvendelse. IBIZ-Center har derfr fkus på den databaserede frretningsudvikling g hvrdan virksmhederne får værdi ud af data. Med udgangspunkt i de udfrdringer, de større virksmheder har plevet, er det målet at se på, hvrdan dansk detailhandel generelt kan benytte big data i frretningsudviklingen samt hvilke indsatsmråder, der bør fkuseres på. Miniknferencen var en pfølgning på plicy-wrkshppen Big data i mindre virksmheder afhldt af IBIZ-Center i marts Wrkshppen blev afhldt hs GS1. Hvedknklusinerne på wrkshppen var bl.a.: Frntløber-virksmhederne kan inspirere g mtivere andre virksmheder. Der er behv fr eksempler, der går på tværs af brancher. Data revlutin Dansk Erhvervs krte budskab til detailbranchen er, at Internet-revlutinen i øjeblikket efterfølges af en datarevlutin, hvr virksmheder, der ikke frmår at tilpasse sig udviklingen, risikerer at blive skubbet ud af markedet Datarevlutin skal frstås sm både en større mængde data g en højere grad af udnyttelse af disse data. Det afgørende er ikke nødvendigvis at frstå årsagssammenhænge i data - men at kunne handle ud fra sine data i virksmhedens frretningsudvikling. Det er bl.a. Internet f Things g den generelle dataficering af fx kunder, varer g lgistik, der bidrager til den ekspnentielt stigende datamængde, der pleves i disse år. Data kan blandt meget andet bruges til at: - Skabe peratinel viden - Frbedre prduktin - Øge kundeindsigt - Styrke beslutningskraft - Skabe innvatin

3 Fruden pfrdringen til at kmme hurtigt i gang, havde Dansk Erhverv særligt t pmærksmhedspunkter til virksmheder, der står ver fr at gøre brug af big data: 1. Indsamling: Følg reglerne, skab mærkbar værdi fr kunderne g hld hvad I lver. 2. Anvendelse: Med de mange muligheder følger et ansvar fr håndteringen af data. Data kan være persnlige g kmme tæt på. Hvad fr ngle pleves sm vervågning, kan fr andre være gd kundepleje. Lvgivningen er kmpliceret g kan afhlde ngen fra af udnytte mulighederne, g her får Dansk Erhverv løbende spørgsmål fra sine medlemmer. Råd der i løbet af dagen viste sig gså at være generelle udfrdringer fr virksmhedernes anvendelse af big data, frdi mange virksmheder har svært ved netp at få gang i indsamlingen af data g frdi der er hårfin grænse fr, hvrnår kunderne føler sig vervåget. Internatinale big data trends inden fr detailhandlen Lektr på Cpenhagen Business Schl Chee Wee Tan gav et indblik i, hvilken retning de nyeste tendenser inden fr big data bevæger sig. I virksmhedernes anvendelse af big data pererer han med tre faser af dataanalyse: 1. Business Analytics Data udnyttes bagudrettet til vurdering af frretningen fx Tesc. 2. Predictive Analytics Frudsigelse af kundens ønsker på baggrund af tidligere købsdata g dermed målrette annncering fx Target (Den hjemmebende teenagerpige, hvr Target vidste, at hun var gravid før hendes frældre vidste det). 3. Persuasive Analytics Her går man et skridt videre g frsøger at skabe spntane køb eller fremskynde et køb ved fx at vise kunden, at prisen vil stige, hvis man vælger at udskyde et køb ( Derved frsøger man at nå frbrugeren med prdukter, de ikke aktuelt har intentiner m at købe, men sm passer på deres målgruppe. De t første faser (særligt den første) har længe været kendt g anvendt, hvrimd den tredje fase ifølge Chee Wee Tan vil få afgørende betydning fr fremtidens frretningsudvikling. Han skelner mellem frskellige datakilder g datatyper samt virksmhedernes adgang til disse, herunder: Teknlgigenererede data i frm af: Data fra selvbetjeningsautmater (Kisks), e-handel g websites Data fra sensrer Severlgs Og menneskegenererede data fra Netwrking Reviewing Blgging Sciale medier Samlet set vil de give et meget præcist billede af en persn/målgruppe. Ifølge ham har ikke alle virksmheder nødvendigvis størrelsen til at indsamle egne data men mulighed fr at købe kmmercielle data: Datakilder:

4 Virksmhedens interne data psamles via virksmhedens systemer Kmmercielle data kan købes via data brkers fx Acxim Offentligt tilgængelige data data m hvad flk tænker g mener, der indsamles via diverse fra, blgs, hjemmesider etc. Seks datatyper/-dimensiner: 1. Identitiet hvem er persnen 2. Gegrafisk placering hvr befinder persnen sig 3. Tid hvrnår 4. Omgivelserne/miljø 5. Aktivitet - hvad fretager persnen sig 6. Netværk - hvrdan relaterer persnen sig til de specifikke mgivelserne g hvilken rlle har han/hun i netværket Kaggle.cm The hme f data science - er en platfrm, hvr virksmheder kan adressere et prblem g få flk til at engagere sig i løsninger. En af de væsentligste udfrdringer, sm Chee Wee Tan plever, er, at det er et prblem at få kvalificerede medarbejdere. Det er en ny måde at frstå g anvende big data, sm kun få er uddannet til. Sax.cm Sax.cm er med ca. 75 % af det samlede nline salg af bøger Danmarks største nline-bghandel. Ptentialet er strt, men samlet set udgør sax.cm stadig kun % af det samlede danske bgmarked. Størstedelen fregår altså i dag stadig i de fysiske butikker. Sax.cm har gjrt big data til en integreret del af frretningsudviklingen. Fra den mere traditinelle analyse af købs- g kundedata til at frudsige g planlægge salg md at blive en fremtidig datadreven virksmhed, der tilbyder supplerende prdukter fx individuelt tilpasset undervisningsmateriale til studerende eller webbaserede fredrag g kurser. Ifølge Jørgen Balle Olesen, administrerende direktør i Sax.cm er en af de stre frdele ved big data, at man kan teste hypteser, frdi man kan måle sin indsats. De benyttede data til at beskrive frretningen g kundernes adfærd, til at frudsige g planlægge salg g drift men gså eventuelle prblemer g fejl g frberede kunden på disse g fr at blive klgere på kunder g egen frretning - herunder knkurrentvervågning. Derudver stiller de data, der er relevante fr leverandørerne til rådighed fr disse. Yderligere giver de digitale bøger nye muligheder fr at vide nget m, hvrdan kunden bruger prduktet. Tidligere vidste man ikke m kunden åbnede bgen, eller m den blev stående på hylden. Dette er ændret ttalt med nye digitale prdukter, hvr man ned til mindste detalje kan spre, hvrdan kunden bruger prduktet. Knkret har Sax skabt et egentligt Data warehuse med data fra bl.a. Ggle Analytics, User Reprt, Cgns (budget) visn, Survey mnkey g et statistisk mdul. Sax.cm har i dag en nøglemedarbejder, der beskæftiger sig med dataene. Ifølge Jørgen Balle Olesen er en af de største udfrdringer at skaffe kvalificerede medarbejdere.

5 Magasin: Peter Fabricius, CFO Magasin, har gennem de seneste seks år arbejdet med en strategisk brug af big data, hvr uddannelsen af medarbejderne til en grundlæggende datafrståelse har været afgørende. Det er vurderingen, at medarbejdernes mindset er afgørende fr virksmheden, der har et strt fkus på at styrke frretningen ved hjælp af service g kundelyalitet. Magasin har bl.a. derfr valgt at være meget åbne mkring deres strategi, frdi faren ved at knkurrenten kender den er mindre end risiken ved at din medarbejder ikke kender den. Ligesm Sax.cm har Magasin valgt at give alle leverandører indsigt i data. Sm hs Sax.cm er Magasins frretning sæsnbetinget g har derfr gd mulighed fr at frberede sig til de enkelte sæsner. Magasin integrerer endnu ikke nline data g butiksdata, men det er næste skridt. Cp Danmark Med Mad-O-Meter har Cp Danmark siden 2009 fået beskrevet mere end måltider leveret af danskere. Prjektet startede sm et CSR-tiltag hs FDB inden de blev lagt sammen med Cp. Mad-O-Meter giver et billede af udviklingen i danskernes madvaner frdelt på landsdele g en række andre baggrundsvariable. Ifølge Lars Aarup, Analysechef i Cp Danmark, benyttes disse data ude i butikkerne kun sm et supplement til erfaringer med vareudbud g -placering samt ikke mindst samarbejdet med leverandørerne. Fx spiller frhandlingerne med leverandørerne m placering g udsalgsvarer en str rlle fr annncering. Data fra Mad-O-Meter har i høj grad været brugt til at skabe PR g der er således skrevet et væld af avisartikler på baggrund af de interessante data m danskernes madvaner. Hvrledes data fra Mad-O-Meter intelligent knyttes sammen med andre data i rganisatinen, er et følsmt emne. Ikke mindst på grund af Cp Danmarks frtid sm en medlemsejet rganisatin, er man meget påpasselige med at anvende data på en måde, sm kan virke afskrækkende fr frbrugerne. Indtil nu er data således ikke brugt direkte i en kntekst uden fr selve Mad-O-Meter. IUM Ifølge Michael Thim, CEO IUM, er det en kæmpe udfrdring fr virksmhederne at finde g indsamle data g derfr er mange endnu ikke kmmet i gang. IUM har mange kunder inden fr detailhandlen g ifølge Michael Thim vil virksmhederne i fremtiden ikke nå langt, hvis de ikke har en indsigt i frbrugernes præferencer. Derfr er det så afgørende at få indsamlet g skabt værdi af data. Han peger på t frmål med big data, sm virksmhederne med frdel kan afklare indledningsvis: Øge slaget ved at: Finde Mtivere Engagere Fasthlde ved målrettet kmmunikatin skabe større relevans g dermed større effekt Mindske udgifterne ved at: Identificere de rette prdukter

6 Estimere det ptimale antal Levering på rette tid Persnalisering Opsalg Nye prduktmuligheder Den første udfrdring kan være at få virksmhederne til at frstå, at big data hører til i business g marketing-afdelingen g ikke i virksmhedens it-afdeling. Michael Thim vurderer, at virksmhedernes største udfrdring er et kmme i gang g at finde de relevante medarbejdere til at løse pgaverne.