В статье проанализировано влияние технологий Data mining на различные категории розничной торговли. Приведена обобщённая характеристика некоторых существующих результатов применения данных технологий. Рассматриваются примеры конкретных сфер применения Data mining в организационных и других аспектах работы компании. Проанализирована возможность повышения объёмов продаж с помощью Data mining.
Компании внедряют в свою деятельность всё больше новых технологий и автоматизированных процессов, чтобы наиболее эффективно организовать деятельность предприятия. В сфере розничной торговли их используют, чтобы получить максимальную прибыль. На 2019 г. особенно актуальны нетрадиционные инструменты управления данными такие, как Data mining, которые позволяют прогнозировать поведение потребителей и выстраивать стратегию маркетинга при наличии больших объёмов данных.
Национальная программа «Цифровая экономика Российской Федерации», принятая Правительством РФ в соответствии с Указом Президента РФ от 7.05.2018 г. № 204 «О национальных целях и стратегических задачах развития Российской Федерации на период до 2024 г.», от 4.06.2019 г. активно поддерживает инструменты управления данными – в число важнейших цифровых технологий национальной программы входят инструменты обработки больших объёмов данных и искусственный интеллект, которые так же обеспечивает интеллектуальный анализ данных [1].
Если объединить мнения экспертов в понятии интеллектуального анализа данных, то мы получим следующее определение – Data mining – это процесс обнаружения в сырых данных ранее неизвестных, нетривиальных, практически полезных и доступных интерпретаций знаний, необходимых для принятия решений в различных сферах человеческой деятельности, в данном случае – в розничной торговле. В большинстве случаев активно применяется в розничной торговле, банковском секторе, страховании и телекоммуникациях.
Интеллектуальный анализ данных – это мощный инструмент бизнес-аналитики, применяемый для обнаружения закономерностей и построения предсказательных моделей [2]. Data mining, по мнению экспертов, позволяет осуществлять поиск значимых корреляций и связей в результате применения кластеризации, классификации, дерева принятия решений и др. методов. Он предполагает обработку неструктурных данных, которые нужно классифицировать и связать друг с другом.
В мировой практике было выявлено, что удержание существующего клиента обходится компании дешевле, чем привлечение нового, то есть для поиска новых покупателей требуется больше средств, чем для возврата клиента снова в компанию. Чтобы повысить конверсию и удержать собирающихся уходить клиентов, используют процессы интеллектуального анализа данных.
По мнению экспертов, Data mining влияет на следующие категории [3]:
– Объём продаж и ассортимент товаров. Для эффективного управления бизнесом в настоящее время большое распространение получают методы бизнес-аналитики (BI – Business Intelligence), в числе важнейших технологий является Data mining. В сферу их применения входят задачи по прогнозированию объемов продаж, управлению количеством товарных запасов. Так же он находит закономерности для продуктов-лидеров и продуктов-аутсайдеров и строит профиль потребителя данного товара, чтобы наиболее эффективно сформулировать основные потребности клиента. Данный процесс выявляет ранее неизвестные модели построения продакт-плэйсмента (product placement), т.е. расположения товаров в магазине. Таким образом, покупатель может выйти не с одним товаром, как намеревался, а с пятью или даже больше.
По результатам проведенного авторами данной работы социального опроса покупателей сети Перекрёсток можно сделать вывод, что в среднем объём купленных товаров увеличился в 2,6 раза по сравнению с запланированным объёмом у женщин и в 1,75 раз среди мужчин (рис. 1). Таким образом, объём реализованных товаров увеличивается благодаря внедрению инструментов Data mining в деятельность предприятия, занимающейся розничной торговлей.
– Профиль покупателя и целевая аудитория. В данном случае анализ данных оптимизирует затраты на маркетинг в процессе выявления особенностей поведения потенциальных клиентов. Более того, происходит сегментация целевой аудитории, определение их лояльности и прибыльности, а также прогнозирование возможных состояний клиента и его месторасположения. Таким образом обеспечивается управление привлечением клиента и его удержание.
Рис. 1. Объём запланированных и купленных товаров в среднем у мужчин и у женщин сети Перекрёсток
Рис. 2. Объём продаж бытовой техники до и после внедрения технологий Data mining за 6 месяцев, шт.
– Временные ряды. Анализ данных осуществляет прогноз временных периодов и соответствующих им объёмов продаж.
– Покупательская корзина. С помощью Data mining определяют определенные процессы для повышения среднего чека, также расположение товара на витринах и полках.
Мы проанализировали основные показатели деятельности компании, занимающейся продажей электронной и бытовой техники до внедрения технологий Data mining и после их внедрения в течение 12 месяцев в целом. Данная организация использовала инструмент интеллектуального анализа данных Statistica. В период применения технологий Data mining были выявлены закономерности покупок и выяснилось, что 61 % клиентов покупают вместе с телевизорами DVD-плееры, а в 81 % случаев покупают холодильник в кредит. На основе полученных данных анализа организация смогла построить оптимальную программу лояльности для покупателей, акции и систему скидок (рис. 2) [4].
Изучив данные, представленные на рис. 2, мы делаем вывод, что с помощью инструментов интеллектуального анализа данных об особенностях покупок товаров в розничной торговле можно увеличить объём продаж 5-7 категорий товаров минимум на 10-20 %.
Использование современных средств анализа и обнаружения новых знаний в накопленных данных позволяет даже небольшой компании получить существенные конкурентные преимущества, обеспечить сокращение издержек и оптимизировать отдельные бизнес-процессы [5].
По итогам данной работы следует сказать, что инструменты Data mining наиболее актуальны в современной экономики в условиях высокой конкурентности розничной торговли и необходимости повышения лояльности клиентов. Все предприятия стремятся получить наибольшую прибыльность, поэтому они должны внедрять данные технологии в свою деятельность, чтобы конкурировать на рынке.