14-11-2016 Gedruckt am 25-03-2017 aus www.monitor.co.at/index.cfm/storyid/17029

Gastartikel - Katharina Streater, OpenText

Big-Data-Potenzial im Retail nutzen

Seit Jahren schon sammelt kaum eine andere Branche so viele Daten über ihre Kunden wie der Handel. So sind etwa Treuekarten längst vom Konsumenten akzeptiert und in dessen Alltag angekommen. Viele dieser Loyalty-Programme laufen bereits seit Jahrzehnten und haben einen riesigen Datenschatz erzeugt. Währenddessen haben sich die Zeiten jedoch geändert und Treuekarten stellen nur noch einen kleinen Teil im riesigen Business-Intelligence-Puzzle dar. Denn mittlerweile sind unzählige vernetzte Geräte und neue Datenquellen hinzugekommen. Mithilfe von Big-Data-Analysen kann der Handel die einzelnen Punkte nun miteinander verbinden, auf Daten gestützte Erkenntnisse generieren und in Entscheidungsfindungen einfließen lassen.

Katharina Streater ist Director Product Marketing bei OpenText. (c) OpenText

 Folgende Datenquellen sollte der Handel anzapfen:
 

Daten über die Kunden

Egal ob es sich um Daten aus Treueprogrammen oder Online-Käufen handelt – Retailer sammeln jede Menge Informationen über das Einkaufsverhalten ihrer Kunden. Auf diesem Weg identifizieren sie grundlegende Einkaufstrends und beobachten bestimmte Verhaltensmuster. Wollen sie daraus jedoch Mehrwert und tiefergehende Einblicke generieren, sollten sie Big-Data-Analysen in jeder Stufe des Retail-Prozesses anwenden. So können sie Analysen in wirklich verwertbare Vorhersagen umwandeln und Antworten auf Fragen finden wie: Was sind demnächst beliebte Produkte? Wohin entwickeln sich die Consumer-Trends? Wie genau wird die Nachfrage zu einem bestimmten Zeitpunkt aussehen?
 
Erst wenn sie darauf Antworten finden, sind sie in der komfortablen Lage, dem Wettbewerb einen wichtigen Schritt voraus zu sein.    
Gerade beim Auswerten historischer Daten kommen Big-Data-Analysen voll zur Geltung. Die Datenerfassung im großen Stil ermöglicht es Händlern, Trends zu erkennen und in die Zukunft zu blicken. Werden bereits vorhandene Langzeitdaten mit einer Predictive-Analytics-Lösung ausgewertet, lassen sich sogar extrem detaillierte Einblicke in das Verhalten und die wahrscheinlichsten Käufe seitens der Kunden generieren. Zudem kann die Auswertung dabei helfen, Kunden zu identifizieren, die kurz davor sind, abzuwandern. Ähnlich lassen sich Cross- oder Upsell-Möglichkeiten finden und detaillierte Zielgruppenprofile anlegen.
 
Big-Data-Analysen bieten sich außerdem immer dann an, wenn das Kundenerlebnis und die Zufriedenheit beim Einkauf deutlich verbessert werden sollen. Schließlich können mit Hilfe der Auswertung im Verkaufsprozess entsprechende Interaktionen auf den Kunden zugeschnitten werden. Das ist möglich, weil der Retailer dessen Bedürfnisse besser versteht und beispielsweise unter Einbezug aktueller Standortdaten ein vollkommen personalisiertes Einkaufserlebnis bieten kann. Solche Analysen sind auch auf die Offline-Welt übertragbar. Etwa durch smarte Geräte, mit denen der Weg des Kunden im Laden nachvollzogen werden kann. Werden die Daten entsprechend analysiert, könnte der Händler sowohl Waren als auch Werbung besser platzieren und so die Kundenbindung stärken.          
 

Daten aus der Lieferkette

Auch die Supply Chain bietet ein reichhaltiges Maß an verwertbaren Informationen. Händler bekommen jedes Jahr im Rahmen ihrer B2B-Transaktionen zahlreiche Daten von ihren Zulieferern. Auch diese Transaktionen sollten ausgewertet werden, um Trends in der Lieferanten-Performance auszumachen und Prozesse zu optimieren.
 
Die Anwendung von Supply-Chain-Analysen ist noch in den Kinderschuhen und der Handel fängt gerade erst an, mit Hilfe der hierdurch generierten Erkenntnisse seine Lieferketten zu straffen. Zum Beispiel fordern immer mehr Retailer von ihren Zulieferern erweiterte Versandankündigungen, um auf elektronischem Weg über bevorstehende Warensendungen Detailinformationen zu erhalten. Diese können sie dafür nutzen, um die Performance ihrer Handelspartner über die ganze Lieferkette hinweg zu verfolgen.
 
Doch mittlerweile ist unter Einbezug smarter Technologien weit mehr möglich als nur die rückblickende Bewertung der Zulieferer. Folgend ein denkbares Szenario: Ein europäischer Händler bezieht normalerweise eine bestimmte Ware aus Brasilien. Doch aktuell braut sich über dem Atlantik ein Sturm zusammen. In diesem Fall wäre es sinnvoll, die Güter bei einem anderen Zulieferer zu ordern, um eine pünktliche Lieferung zu garantieren.
 
Umfassende Big-Data-Analysen ermöglichen den Blick über die eigentlichen Lieferanteninformationen hinaus. Es lassen sich externe Faktoren einbeziehen, die in der Vergangenheit so noch nicht berücksichtigt wurden. Auf diese Weise können auch Lagerbestände besser geplant werden, weil es möglich ist, die Nachfrage der Kunden akkurater vorherzusagen. 
 

Das Internet der Dinge

Mit der zunehmenden Vernetzung von immer mehr Geräten im Internet der Dinge (IoT) werden immer mehr Daten generiert und damit wird Big Data auch in Bezug auf Lieferkettentransparenz weiter an Bedeutung gewinnen. Das IoT ist heute längst mehr als Wearables oder vernetzte Kühlschränke, mit denen es in der Vergangenheit oft gleichgesetzt wurde. Es bietet Unternehmen die Möglichkeit, ihre Geschäfte und Aktivitäten besser zu überblicken. Speziell Händler profitieren davon, logistische Feinplanungen vornehmen zu können: Stets über den Status einer Lieferung im Bilde zu sein, kurzfristig auf externe Faktoren reagieren zu können und darüber hinaus immer über die Leistung seiner Lieferanten Bescheid zu wissen – all das sind Verbesserungen, für die das IoT eine wichtige Basis liefert. Selbst das Inventar in den Läden vor Ort kann mit Hilfe vernetzter Geräte überwacht werden, um schnell für Nachschub zu sorgen und unnötige Lagerkosten zu umgehen. Bislang setzen viele Händler auf ein Vendor Managed Inventory und übergeben damit die Verantwortung für die Bestandsplanung an ihre Lieferanten. Doch die zugrundeliegenden Prozesse könnten in Kombination aus Analytics mit IoT stärker gerätefokussiert aufgesetzt werden – quasi als "Device Managed Inventory". Das Verfahren funktioniert im Prinzip für alle Arten von Waren. So lässt sich die Kundenzufriedenheit weiter steigern.
           
Grundsätzlich bedeutet die Auswertung von Big Data einen wichtigen Meilenstein für Händler und Kunden. Ein durchdachter Analyse-Ansatz hilft Retailern dabei, mehr darüber zu erfahren, wie Käufer ihre Produkte und Dienstleistungen nutzen und an welchen internen Stellschrauben sie noch drehen können, um Prozesse weiter zu verbessern. Dieses Wissen hilft ihnen letztlich dabei, für ihr Geschäft bessere Entscheidungen zu treffen. Unternehmen sollte dabei jedoch folgendes bewusst sein: Die Analyse von Big Data ist aktuell noch ein Ansatz, der die eigene Konkurrenz in den Schatten stellen kann. Bald jedoch sind sie unausweichlich, um überhaupt am Markt bestehen zu können. Sie werden sich also sehr schnell vom "Nice-to-have" zum "Must-have" wandeln. Darauf gilt es vorbereitet zu sein.
 
Katharina Streater ist Director Product Marketing bei OpenText.