News Pricer.lt

Prekybos naujienos

Kaip teisingai atlikti duomenų analizę

Getting Data Analytics Right

Pramonės ekspertai apie tai, kaip maksimaliai išnaudoti duomenų analizę, kad būtų galima priimti sprendimus, kurie sukuria pridėtinę vertę verslui

Naujasis Delis: Duomenų analizė norint priimti teisingus sprendimus yra esminis bet kurio verslo elementas, sakė įvairių prekių ženklų atstovai ir ekspertai. Tai prasideda nuo galinių operacijų ir atsargų iki supratimo apie klientus, kad jiems būtų suteikta reikiama patirtis tinkamu laiku.

„Mūsų nuomone, duomenys gali būti puikus audros inkaras. Tai gali padėti įmonėms suprasti, kur jos eina ir ką jos turi daryti, priimdamos sprendimus, o ne tik pasikliauti nuovoka“, – sakė Aditya Priyadarshan, „Accenture India“ vykdomoji direktorė (MD) ir mažmeninės prekybos lyderė.

Duomenų tinkamumas taip pat tampa svarbus laikui bėgant, nes vartotojai šiandien tampa reiklesni.

Teisingas duomenų naudojimas

Tinkama duomenų analizė padeda tiksliai rekomenduoti klientams aktualius pasiūlymus.

„Duomenų analizė padeda mums nukreipti klientus į atitinkamus dalykus, kad galėčiau jiems pasiūlyti asmeninius pasiūlymus“, – sakė Sandeep Jabbal, „Shoppers Stop“ vyriausiasis skaitmeninės transformacijos ir informacijos pareigūnas, kalbėdamas apie tai, kaip universalinių parduotuvių tinklas naudoja duomenis. „Neturėčiau siūlyti to, ko klientas nemėgsta pirkti arba jo nepirko per pastaruosius 10 metų. Visada galėčiau pasiūlyti nemokamus produktus, bet neturėčiau siūlyti to, kam klientas niekada nebuvo linkęs“, – pridūrė jis.

Be suasmenintų pasiūlymų ir klientų kampanijų, analizė taip pat padeda analizuoti paklausą ir pasiūlą.

„Mes žiūrime į duomenų analizę dviem požiūriais: vienas – iš paklausos pusės, antras – iš pasiūlos pusės“, – sakė Rajneesh Sharma, Campus Activewear IT vadovas.

„Paklausos pusėje mes paprastai matuojame keturis P – produktą, vietą, reklamą ir kainą. Ir aš visada penktas, tai yra žmonės“, – pridūrė jis.

Duomenų, susijusių su P, analizė suteikia įmonėms neprilygstamų įžvalgų. Pavyzdžiui, teisinga duomenų analizė suteikia aiškų vaizdą apie produktus, kurie parduodami daugiau. Tai padeda prekių ženklams keisti savo asortimentą pagal paklausą, todėl sumažėja atsargų kaupimasis.

Duomenų iš internetinių kanalų analizė padeda įmonėms numatyti pirkimo modelius tam tikrame geografiniame regione. Jie gali analizuoti konkurenciją, akcijas, kainodaros strategiją ir vartotojų elgesį. Ši analizė taip pat padeda prekių ženklams plėstis neprisijungus.

„Matėme, kad pardavimas internetu suteikia mums matomumą įvairiose teritorijose, kuriose galime atidaryti parduotuves neprisijungus“, – sakė Sharma iš Campus Activewear ir pridūrė, kad internetiniai ir neprisijungę kanalai šiandien vienas kitą papildo, o duomenų analizė vaidina svarbų vaidmenį.

Ar duomenys analizuojami teisingai, priklauso ir nuo to, kas juos analizuoja, ir dažnai žmonės, kurie analizuoja duomenis, ir tie, kurie dirba su žmonėmis, yra skirtingi. Norint atlikti veiksmingą analizę ir veiksmingas įžvalgas, abu turi gerai išmanyti verslą.

„Dauguma problemų kyla dėl to, kad vartotojus suprantantys žmonės nėra duomenų mokslininkai“, – sakė Rajiv Merchant, Indo Count vietinės mažmeninės prekybos prezidentas.

turėtų daryti organizacijos

Prekės ženklo atstovai mano, kad organizacijos turėtų sutelkti dėmesį į maksimalių duomenų surinkimą iš visų turimų išteklių. Kuo daugiau duomenų, tuo tikslesnė analizė.

„Vienas iš dalykų, kurių ėmėmės prieš kelerius metus, buvo sukurti bendrą duomenų platformą, kurioje renkame duomenis iš tokių sričių kaip elektroninė prekyba, pardavimo vietos, įmonės išteklių planavimas (ERP), produkto gyvavimo ciklo valdymas (PLM) ir pan. kad visi duomenys būtų vienoje vietoje ir galėtume juos panaudoti įvairiems atvejams“, – sakė Praveen Shrikhande, „Aditya Birla Fashion and Retail Limited“ (ABFRL) vyriausiasis skaitmeninės ir informacijos pareigūnas (CDIO).

Jis mano, kad įmonės turėtų dirbti su duomenų inžinerija, o ne su konkrečiu naudojimo atveju. Be to, svarbi duomenų kokybė.

„Duomenų kokybė yra didžiausia sritis, nes jei tai padarysi teisingai, gali būti samdoma visa kita – konsultacijos, žmonės, technologijos. Bet jei neturite reikiamų duomenų, tada juos teisingai surinkti yra didžiulė užduotis“, – sakė jis.

Todėl svarbu patikrinti duomenų kokybę. Naujų tikslų išsikėlimas be to dažnai sukelia nesėkmę.

Į duomenis orientuotas dėmesys yra esminis dalykas norint tapti duomenimis pagrįsta organizacija.

„Mes sugebėjome sukurti tą kultūrą. Duomenų analitikus dirba penkiuose skirtinguose skyriuose. Yra duomenų rinkinys, skirtas skyriams. Duomenų vykdymas buvo suteiktas kaip nuosavybė pačiam verslui. Ir štai čia pamatėme tikrąją vertę“, – dalijosi Sharma iš Campus Activewear.

Kompetencija, vadovavimas ir tinkamas partneris yra svarbūs sprendžiant duomenis ir juos interpretuojant.

„Jei jūsų organizacija mato, kad lyderiai kasdien naudoja duomenis, tai paskatins kitokį elgesį ir skirtingą rezultatą“, – pridūrė Priyadarshanas iš „Accenture“.

Pagaliau

Duomenų analizei reikia atsidavimo ir kantrybės.

„Svarbiausia yra kantrybė – duomenų analizė kasdien neduoda nuostabių rezultatų. Turite būti nuoseklūs, atkaklūs ir tęsti tą kelionę. Susidursite su įvairiais duomenų taškais, kurie padės verslui gauti naudos. Tačiau svarbu to laikytis“, – sakė Sharma iš Campus Activewear.

Suderinus su tuo pačiu, Merchant of Indo Count rekomenduoja sudaryti bent trejų metų planą. „Tai ilgalaikis procesas. Nebandykite pasiekti greitų rezultatų. Manau, kad prieš pradedant gauti verslo reikmėms skirtų įžvalgų reikia atlikti daugybę veiksmų“, – sakė Merchant.

Remiantis Mumbajuje vykusioje Phygital Retail Convention (KLR) diskusijoje.

Įrašas Kaip teisingai gauti duomenų analizę, pirmiausia pasirodė Indijos mažmeninėje prekyboje .

Naujienų šaltinis

Dalintis:
0 0 balsai
Straipsnio vertinimas
guest
0 Komentarai
Inline Feedbacks
Rodyti visus komentarus

Taip pat skaitykite: