
面对不断侵蚀的利润率、不可预测的商品成本、快速变化的客户行为以及来自四面八方的新竞争,零售商和快消商处于刀刃上。削减成本的余地很小,因为他们已经超精益运营到所剩无几的地方可供削减,而当今成熟的客户既需要优惠的价格、也需要优质的服务。平衡两者、同时进行创新和数字化、跨多个渠道为客户提供服务,意味着所有部门的领导者都必须每天做出关键和快速的决策。因此,不足为奇,许多人在使用不完整的、或者只是泛泛的数据来帮助他们,但实际需求并非如此。
持续了解真正的服务成本是一个绝对关键的工作流程,可以在所有这些复杂性中提供清晰度。然而,直到今天,许多零售和快消商只能在聚合或细分的级别查询数据,这意味着他们所看到的充其量是模糊的,甚至可能完全不准确。由于缺乏粒度,许多公司错过了提高利润率和进一步增强客户体验的巨大机会。
当然,零售和快消商非常清楚计算服务成本的好处。将成本分配给特定的产品、渠道和商店/网点,可以深入了解哪些产品表现良好以及哪些方面可以节省成本。这些指标有助于管理库存水平、服务级别和成本之间的权衡。但是,大多数服务成本指标都基于假设,因此不准确。没有两家商店是相同的,不同的产品范围、价格、促销和个性化活动在每个位置都会产生不同的结果。显然,没有两个客户是相同的,对产品、体验和渠道有不同的偏好,这些必须始终考虑到。
*更多相关内容,请查看此关于零售业五大数字业务加速趋势的Gartner报告。
持续了解真正的服务成本是一个绝对关键的工作流程,可以在所有这些复杂性中提供清晰度。然而,直到今天,许多零售和快消商只能在聚合或细分的级别查询数据,这意味着他们所看到的充其量是模糊的,甚至可能完全不准确。由于缺乏粒度,许多公司错过了提高利润率和进一步增强客户体验的巨大机会。
当然,零售和快消商非常清楚计算服务成本的好处。将成本分配给特定的产品、渠道和商店/网点,可以深入了解哪些产品表现良好以及哪些方面可以节省成本。这些指标有助于管理库存水平、服务级别和成本之间的权衡。但是,大多数服务成本指标都基于假设,因此不准确。没有两家商店是相同的,不同的产品范围、价格、促销和个性化活动在每个位置都会产生不同的结果。显然,没有两个客户是相同的,对产品、体验和渠道有不同的偏好,这些必须始终考虑到。
不可能完成的任务?
通过每个渠道、每个商店和每个客户管理每个SKU上的数据似乎是一项不可能完成的任务。在许多情况下,情况确实如此,因为数据集往往不完整,或者存储在部门级、职能级或区域级的孤岛中。然后,即使所有数据都可用,它也经常被聚合,以便更容易地操作这样的大型数据集,或者需要假设来使任务易于管理。使用电子表格的人根本无法指望计算和处理在客户或个人商店级别了解服务成本所需的数百万行数据。不适用于AI
这就是高级数据分析,特别是机器学习和人工智能,可以发挥作用的地方。它使未来的零售/快消能够部署数千个分析模型,并提供实时成本,以便按个人客户和产品提供服务。这些模型检查数百万行数据,并发现节省成本的机会和/或提高盈利能力的方法。只有人工智能能够快速有效地分析和决定所有相互关联的数据点,这些数据点是提供全面、准确和强大的服务成本计算所必需的。随着零售/快消世界的复杂性不断增加,没有更好的方法来处理日益多样化的数据集之间的复杂相互作用。这些自动化数据模型对于为管理人员提供所需的精确信息至关重要,以便就如何改善商店、产品线和促销活动的绩效做出准确的决策。不要猜测
就其本质而言,准确计算服务成本需要端到端的视角。数据还必须100%集成和编排,以支持这种可见性。没有这一点,服务成本数字充其量只是猜测。因此,为了创建这些分析模型,数据科学家需要访问所有数据,而目前在大多数零售商/快消商中,数据通常非常分散。销售数据可能存储在ERP系统中,而库存和物流数据可能存储在供应链管理系统中,个性化数据可能存储在CRM系统中,价格和促销数据通常位于营销或商业系统中。尽管在优化流程甚至自动化数据收集和使用方面仍可以做很多工作,但如果数据处于孤岛中,“各部分的总和”优势将会丢失。提高运营可视性
通过与全球最大的零售和快消商合作,Teradata帮它们整合了来自业务各个部分的准确粒度数据,用于改善和充分了解服务成本。通过利用这些数据提供的更好的见解和模型,组织正在实现显着的成本节约和收入机会。例如,特定于商店的模型利用了有关产品、价格、促销和客户行为的多个数据点,使一家主要的美国杂货零售商能够更好地根据当地要求定制产品范围。因此,每家商店中10%至15%的商品都发生了变化,从而增加了单位销售额、利润率和整体收入。一家德国批发商使用详细模型来计算商店和SKU级别的价格点交互,以预测特定价格下的需求变化。这样,建议现在在具体的商店级别提出,导致相对净利润率增加8%。在这两种情况下,只有关于销售各个方面的详细信息才能使公司真正了解每个地点的每个客户的每种产品的服务成本。自动执行决策
领先的零售商/快消商已经在部署利用企业范围数据平台的高级分析模型,以创建更详细、更准确的服务成本洞察。他们正在使用它们来做出更好、更快的决策,从而为客户和自己的业务带来双重利益。未来的零售商/快消商将采取进一步措施,使大部分决策自动化。分析模型和人工智能将预测和实施最有效的方法,以最大限度地降低服务成本,同时保护客户服务和体验。他们将使用这些企业数据资产来围绕客户对其相关组织进行重新关注和重新定位,然后成就他们继续竞争所需的灵活、敏捷的业务。*更多相关内容,请查看此关于零售业五大数字业务加速趋势的Gartner报告。
连续 20 年:被公认为数据分析领域的领导者
连续 20 年:被公认为数据分析领域的领导者
随时了解情况
订阅 Teradata 的博客,获取每周向您提供的见解