Материалы Международной студенческой научной конференции
Студенческий научный форум 2020

ВЛИЯНИЕ DATA MINING НА РОЗНИЧНУЮ ТОРГОВЛЮ

Семенова Ю.С. 1 Зенкина А.К. 1
1 Южно-Российский институт управления – филиал РАНХиГС
1. Национальная программа «Цифровая экономика Российской Федерации» от 4.06.2019 г.
2. Информационный портал TAdviser [Электронный ресурс] // TAdviser [сайт]. Режим доступа: http://www.tadviser.ru/ (дата обращения: 03.12.2019).
3. Информационный портал kpilib [Электронный ресурс] // kpilib [сайт]. Режим доступа: http://www.kpilib.ru/ (дата обращения: 04.12.2019).
4. Информационный портал Хабр [Электронный ресурс] // Хабр [сайт]. Режим доступа: https://habr.com/ru/ (дата обращения: 02.12.2019).
5. Официальный сайт ИТ-компании BaseGroup Labs [Электронный ресурс] // BaseGroup Labs [сайт]. Режим доступа: https://basegroup.ru/ (дата обращения: 03.12.2019).

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.

sem1.wmf

Рис. 1. Объём запланированных и купленных товаров в среднем у мужчин и у женщин сети Перекрёсток

sem2.wmf

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.


Библиографическая ссылка

Семенова Ю.С., Зенкина А.К. ВЛИЯНИЕ DATA MINING НА РОЗНИЧНУЮ ТОРГОВЛЮ // Материалы МСНК "Студенческий научный форум 2020". – 2020. – № 2. – С. 106-108;
URL: http://publish2020.scienceforum.ru/ru/article/view?id=111 (дата обращения: 28.09.2020).

Предлагаем вашему вниманию журналы, издающиеся в издательстве «Академия Естествознания»
(Высокий импакт-фактор РИНЦ, тематика журналов охватывает все научные направления)

«Фундаментальные исследования» список ВАК ИФ РИНЦ = 1.074