Big data et détaillants

Les détaillants recueillent et conservent des records de ventes pour un grand nombre de clients. Le défi a toujours été de mettre ces données à la bonne utilisation. Idéalement, un détaillant aimerait comprendre les caractéristiques démographiques de ses clients et quels types de biens et services qu'ils sont intéressés à acheter.

L'amélioration continue dans le calcul de la capacité a permis de passer au crible d'énormes volumes de données afin de trouver des modèles qui peuvent être utilisés pour prévoir la demande pour des produits différents, en fonction des caractéristiques de la clientèle.

Une autre question que les grandes données peuvent aider avec est des stratégies de tarification, la compréhension spécifiquement la sensibilité différents clients sont aux prix. Choisir le bon prix pour un produit a parfois été basés sur des conjectures. En revanche, les grandes données peuvent accroître la capacité du détaillant d'utiliser les habitudes des clients pour identifier le prix de maximisation du profit pour leurs produits. Un autre avantage à l'utilisation de grands volumes de données est que les magasins de détail peuvent mieux planifier le placement de la marchandise dans le magasin, basé sur les habitudes d'achat des clients.

Big données peuvent également aider les détaillants à la gestion des stocks. De nombreux détaillants vendent une grande variété de produits différents, et de garder trace de cette information est un défi énorme. Avec de grandes données, les détaillants peuvent avoir des informations mise à jour instantanément sur la taille et l'emplacement de leurs stocks.

L'une des utilisations les plus importantes des grandes données pour un détaillant est la capacité de cibler les consommateurs individuels avec des promotions basées sur ses préférences. Un tel ciblage augmente non seulement l'efficacité de la publicité, il donne aux clients une relation plus personnelle avec le détaillant, encourageant ainsi des affaires de répétition. En outre, la connaissance des préférences des clients permet au détaillant de fournir des recommandations pour de futurs achats, qui de nouvelles hausses des affaires de répétition.

Nordstrom

A titre d'exemple, Nordstrom a massivement adopté l'utilisation de grands volumes de données. Il était l'un des premiers magasins de détail pour offrir à ses clients l'option d'achats en ligne. La société a développé une application smartphone qui permet aux clients de magasiner directement à partir de leurs iPads, iPhones et autres appareils mobiles. Nordstrom montre également les clients de ses magasins qui transporte merchandise- spécifique pour les marchandises qui doivent être commandés auprès d'autres magasins, Nordstrom peuvent fournir une estimation très précise de délai de livraison.

Nordstrom utilise ses grandes capacités de données pour cibler les clients avec des publicités personnalisées basées sur leurs expériences d'achat. Cette information peut provenir des ventes dans les magasins Nordstrom, son site Web et de sites de médias sociaux tels que Facebook et Twitter.

Nordstrom mène des recherches sur l'amélioration de l'expérience de magasinage des clients à travers sa division Innovation Labs. Il a créé cette division en 2011 afin d'assurer que l'entreprise demeure à la fine pointe de la technologie grande de données.

Walmart

Walmart est un autre grand détaillant qui a embrassé big data. Basé sur le volume des ventes, Walmart est le plus grand détaillant aux États-Unis. Il est également le plus important employeur privé dans le pays.

Au cours des dernières années, Wal-Mart a fait un effort important dans le commerce électronique, ce qui lui permet de rivaliser directement avec Amazon.com et d'autres détaillants en ligne. En 2011, Walmart a acquis une société appelée Kosmix pour profiter de propriétaires capacités des moteurs de recherche de cette société (Kosmix a été rebaptisé Walmart Labs).

Depuis lors, Walmart Labs a développé plusieurs nouveaux produits basés sur la technologie grande de données. L'un d'eux est appelé génome social, qui permet Walmart pour cibler les clients individuels avec des réductions en fonction des préférences des clients ont exprimé à travers différents sites sur l'Internet. Un autre produit développé par Walmart Labs est Shoppycat, une application qui fournit des recommandations de cadeaux en fonction des informations trouvées sur Facebook.

Bien que le commerce électronique ne représente encore un pourcentage relativement faible des revenus annuels de Walmart, les investissements de la société a fait dans le grand spectacle de la technologie de données qu'il prévoit que les ventes en ligne pour devenir une source de plus en plus importante du chiffre d'affaires à l'avenir.

Amazon.com

Le meilleur exemple de l'utilisation de grands volumes de données dans le détail est Amazon.com, qui pourrait même pas exister sans la technologie grande de données. Amazon a commencé à vendre des livres et a augmenté dans presque tous les secteurs imaginables de détail, y compris les meubles, les appareils électroménagers, les vêtements et l'électronique. En conséquence, Amazon a engrangé 89 milliards de $ de recettes en 2014, ce qui en fait l'un des dix principaux détaillants aux États-Unis, et le plus grand détaillant en ligne.

Comme les détaillants en ligne, Amazon utilise de grandes données de plusieurs applications:

• La gestion de ses stocks massifs

• Gardant suivre avec précision des commandes

• Faire des recommandations pour de futurs achats

Amazon offre ses recommandations à travers un processus connu sous le nom élément à élément de filtrage collaboratif. Ce filtrage est basé sur des algorithmes conçus pour identifier les principaux détails qui peuvent conduire un client à acheter un produit, telles que les achats antérieurs, articles consultés, les achats effectués par les clients avec des caractéristiques similaires, et ainsi de suite. Amazon fournit également des recommandations par email, choisis sur la base des ventes potentielles les plus élevées.

Amazon a pu mettre son investissement dans les grandes capacités de données à la bonne utilisation d'une autre manière: Il gagne maintenant revenus en permettant aux entreprises d'utiliser son infrastructure pour une taxe. Cela se fait grâce à des produits tels que Amazon Elastic MapReduce (EMR) et Amazon Web Services (AWS).

Amazon EMR permet aux entreprises d'analyser d'énormes quantités de données en utilisant le matériel informatique d'Amazon. Ce matériel est accessible à travers l'Amazon Cloud Drive, où les entreprises peuvent payer pour stocker leurs données. Pour de nombreuses entreprises, l'utilisation de ces installations est moins cher que la construction de l'infrastructure informatique qui serait nécessaire pour répondre aux exigences des grandes données. AWS fournit une grande variété de services informatiques à travers Amazon Cloud Drive, y compris les installations de stockage, systèmes de gestion de base de données, les réseaux, et ainsi de suite.

Une extension intéressante de l'utilisation d'Amazon de Big Data est son plan d'expédier la marchandise aux clients avant qu'ils commander! La société a reçu un brevet en 2014 pour sa méthodologie "d'expédition anticipée». Pour que ce plan réussisse, Amazon.com doit être capable d'anticiper la demande des clients avec un degré incroyablement élevé de précision pour éviter le risque de retour de marchandise.