Как получить результат от анализа данных в ритейле: несколько кейсов

Качественная работа с данными позволяет ритейлу принимать более качественные решения, сокращать затраты и повышать эффективность. Руководитель группы бизнес-анализа департамента аналитических решений "КОРУС Консалтинг" Константин Шабалин приводит несколько примеров, в которых корректно спроектированная BI-система помогала ритейлерам решать сложные задачи и повышать KPI сотрудников. 

Часто ритейлеры пытаются справиться с возникшими задачами – просчитать затраты в логистике или нужное количество штата, провести распродажу – при помощи только экспертизы своих сотрудников. При этом за время работы они накапливают большое количество данных, которые могли бы помочь им решить эти вопросы гораздо точнее и быстрее.

Представляю вашему вниманию несколько кейсов удачной работы с данными.

Кейс 1: что выгоднее – собственная техника или транспортная компания

Региональная продуктовая сеть класса дискаунтер каждый день перевозит товары из распределительного центра (РЦ) в торговые точки. При этом компания работает с большим количеством магазинов и РЦ и хочет сократить ежедневные затраты на логистику при помощи BI-системы.

Стоимость перевозок может быть разной. Это зависит от ряда факторов – задействованы ли собственные водители, есть ли техники по обслуживанию автомобилей в штате, собственные ли автомашины. В настоящий момент в компании перевозками занимается внешняя транспортная компания.

Можно решить, что самый эффективный вариант с точки зрения затрат – это купить собственный транспортный парк и нанять водителей. В этом случае ритейлер не платит стороннему оператору. Однако стоимость доставки сильно зависит от ее "плеча", и чем дальше магазин находится от РЦ, тем эффективнее именно привлеченный транспорт, так как удобнее выстраивать смены водителей. Со своим автопарком придется делать несколько "ходок", а с длинным "плечом" работает одна смена, о времени простоя которой можно не волноваться.

На решение также влияют изменяющиеся тарифы на перевозку, нестабильный грузопоток, который зависит от продаж в магазинах, появление новых торговых точек и РЦ. Транспортная сеть постоянно перестраивается, и решение по конкретному маршруту может меняться чуть ли не каждую неделю. Как в этой ситуации решить, свой или чужой транспорт будет эффективнее?

BI-система помогла ритейлеру регулярно собирать все данные о транспортных сетях. На основании этой информации логисты смогли заняться решением математической задачи, которая сводится к двумя цифрам – стоимости работы с собственным автопарком и стоимости работы с внешним подрядчиком. Итого, сравнивая две цифры, компания принимает взвешенное решение, которое легко можно обосновать.

Кейс 2: как решить, сколько человек нужно в штате магазина

Cети супермаркетов и магазинов у дома необходимо было решить вопрос со штатным расписанием торговых точек. Обычно количество персонала напрямую связывается с объемом продаж конкретного магазина: чем больше товаров продается, тем больше сотрудников - мерчандайзеров, кладовщиков, кассиров - там нужно.

Решение о количество штата в торговой точке обычно принималось руководством на общей встрече, где присутствовали представители различных подразделений – от HR-службы до финансового и операционного департаментов. На основании того, в каком магазине сколько продаж было в последнее время, они определяли, нужно ли менять расписание.

Тут есть риск: можно решить, что, если у торговой точки упали продажи, надо сразу сокращать персонал, чтобы уменьшить расходы и вернуться на уровень нужной маржинальности. При этом меньшее количество персонала ведет к понижению уровня обслуживания, что приводит к оттоку части клиентов. Продажи снова падают, штат снова сокращают.

Чтобы избежать такой ситуации, руководство решило обратиться к данным. В рамках BI-системы мы создали единую информационную панель, предназначенную для этого совещания. На дашборде по каждому магазину можно посмотреть статистику за длительный срок и корреляцию между персоналом и продажами. Туда же добавлена информация о внешних факторах, влияющих на магазин, в том числе о конкурентных торговых точках, расположенных рядом.

На основании полной информации комитет, встречающийся на этих заседаниях, может принимать взвешенные решения о снижении или росте штата.

Кейс 3: как успешно провести распродажу в fashion-ритейле

Сеть fashion-ритейла в сегменте lux брендов проводила кампании распродаж и промоакций. При планировании скидок и распродаж компании нужно было четко понимать финансовый результат.

В сегменте fashion-ритейла есть особенность: коллекция закупается заранее и в валюте. Поэтому, когда принимается решение о распродаже, нужно единовременно иметь на руках всю информацию: стоимость коллекции на данный момент в валюте, стоимость коллекции на момент покупки в валюте, пересчет в рубли, а также рублевую и валютную маржу.

Если не продать текущую коллекцию, не будет оборотных средств для покупки следующей, а если продать текущую коллекцию по невыгодным для ритейлера условиям, может не хватить оборотных на новую. При этом надо держать в голове, что текущую коллекцию покупали по одному курсу, следующую будут покупать по-другому. А чтобы сделать скидку, нужно видеть всю стоимость в рублях.

Вся эта информация, собранная и представленная в одном месте, помогает коммерческому директору принять решение об оптимальной сумме скидки. Для этого мы создали BI-инструмент, в котором данные видны на одном экране. Они ежедневно пересчитываются в автоматическом режиме. Таким образом, в любой момент можно принять правильное решение о распродаже, которое основывается на данных.

Почему данные есть, а пользы – нет

Даже красивые отчеты и дашборды иногда не помогают компании достичь целей, а менеджеру заслужить премию. Так происходит, когда отчет содержит статистику, не привязанную к действиям самого сотрудника. Как если бы в машине вместо спидометра выводилось количество штрафов за превышение скорости. Пользователь вынужден додумывать эту связь и искать самостоятельно дополнительную информацию, на что почти никогда нет времени. Поэтому даже если такой отчет и смотрят, то реального влияния на бизнес он не оказывает.

Чтобы получать пользу от BI-системы, данные в ней должны быть представлены в максимально готовом виде. Иными словами, однозначно подтверждать\опровергать гипотезу или призывать к четкий действиям. Чтобы отчет для ритейлера был таким, перед автоматизацией нужно ответить на вопросы:

·         Что именно я хочу видеть на дашборде BI-системы? Какие данные в отчете мне нужны, чтобы принять правильное решение?

·         Как мы собираемся с помощью этой информации принимать решение? Что именно заставит меня выбрать один из вариантов действий?

·         Зачем нужен для решения этой задачи BI-инструмент? Как его наличие изменит процесс принятия решений? Какой показатель улучшится?

Из ответов на эти вопросы выстраивается цепочка: "данные призывают к действию, действие дает результат". Как в примере с машиной: спидометр показывает, что я превышаю разрешённую скорость, я нажимаю не педель тормоза и не получаю штраф.

Другой секрет состоит в том, чтобы нужные данные оказались у правильного человека и позволили решить его рабочую проблему в персональной зоне ответственности. Например, показывать HR-директору данные по неэффективности логистики бесполезно, так как это не связано с его KPI. Но если дать ему понятный инструмент, который позволит снизить текучесть или ускорить подбор, то он будет пользоваться им без дополнительной мотивации и контроля.

Чтобы данные были полезны бизнесу, нужно посмотреть на них с точки зрения пользователей. Обрисовать картину - кто, какие задачи и где пытается решить, чего хотят акционеры или руководитель, что конкретно нужно улучшить, и в идеале – какой KPI поднять.

И после этого вы поймете, как это делать и что нужно отразить в отчете BI-системы. Дальше - дело техники.