Mercati

Big data: come e perché il retail deve condividere i dati con l’industria

In un mercato sempre più complesso e ricco di concorrenza, il mondo del retail e quello dell’industria legati ai beni di largo consumo, per proporre innovazione e rimanere competitivi devono puntare alla condivisione dei dati relativi ai clienti, sfruttando appieno le potenzialità dei big data. È quanto afferma un white paper realizzato da IRI- Information Resources Inc

Pubblicato il 21 Nov 2017

iri

Per i mondi del retail e dell’industria legati ai beni di largo consumo, la partita della competitività spinge verso la condivisione dei dati e delle informazioni relative ai clienti: solo se chi distribuisce i prodotti (si pensi in primis al supermercato) fa “fronte comune” con chi li produce, abbandonando la pretesa di custodire gelosamente le informazioni raccolte, diventa possibile trovare nuove ricette di successo in un mercato sempre più complesso e ricco di concorrenza. È la tesi del report Back to Growth, Big Data Collaboration realizzato da IRI- Information Resources, Inc. azienda specializzata in soluzioni big data e di analisi predittiva per il largo consumo e in servizi di market tracking (questi ultimi realizzati sfruttando i dati raccolti da un campione di 12mila punti vendita costantemente monitorati dall’azienda). “In un contesto in cui gli stimoli di crescita sono stati per lunghi anni molto contenuti – spiega Marco Colombo, Solutions & Innovation Director di IRI con cui ZeroUno ha commentato il White Paper – la necessità di trovare delle alternative allo sviluppo del business passa necessariamente anche da tutto ciò che è novità, utilizzo di mezzi inediti per contattare il consumatore, apertura verso nuove tipologie di prodotto legate ai mega trend degli ultimi anni, come per esempio nel caso dell’alimentare, quello del bio: il punto critico per le imprese è sostanzialmente essere le prime che aprono un nuovo mercato, perché essere i primi genera un grande un vantaggio competitivo”; ed è qui che si innesta il tema dei big data e degli analytics: solo attraverso l’analisi dei dati l’impresa può arrivare a conoscere il consumatore e trovare la strada per distinguersi all’interno della grande concorrenza che caratterizza il mercato dei beni di largo consumo.

Da iniziative marginali a iniziative di massa

Che la sfida legata ai big data debba essere affrontata, le imprese europee e italiane l’hanno ormai compreso, sebbene spesso, spiega Colombo, si limitino a lavorare in modo contingente: di fatto sperimentano l’utilizzo di big data e analytics per studiare il comportamento dei clienti, sviluppare azioni mirate, costruire journey personalizzati, ma spesso ancora solo all’interno di periodi o contesti limitati; tolte queste iniziative, le aziende continuano ad avere un approccio sostanzialmente tradizionale e se anche il progetto basato sui big data porta risultati positivi, questi non vengono poi percepiti e valorizzati dalle aziende che continuano a essere attratte dalle vendite derivate dalle classiche operazioni di mass marketing [il mass marketing è una strategia di marketing che in modo spersonalizzato utilizza la distribuzione di massa e i mass media per arrivare a un più ampio pubblico possibile – ndr] su cui si continua a investire maggiormente: “Tutti oggi hanno avuto una qualche esperienza digital, ma i risultati economici di queste operazioni, in sé rilevanti poiché nell’ambito del progetto il ROI può essere significativo in termini relativi, risultano invece marginali confrontati con quelli ottenuti da una tipica operazione di mass marketing, per esempio una promozione con uno sconto al 30%”.

Un approccio simile a lungo termine non può bastare. Lavorare solo su mass marketing e scontistica non può mantenere alla lunga un’impresa competitiva, soprattutto se si considera la situazione di un mercato del largo consumo caratterizzato negli ultimi anni da bassi margini e una crescita limitata o nulla, nonostante la ripresa economica che c’è stata in molti Paesi (figura 1): “Se retailer e produttori non cambiano drasticamente il modo in cui operano – è precisato nel white paper – difficilmente riusciranno a continuare a investire in innovazione, attrarre i clienti nei loro store e generare vendite con i giusti livelli di margine”.

Figura 1 – Andamento del fatturato e del volume delle vendite per il settore FMCG [fast-moving consumer goods – ndr] – Fonte: Iri InfoScan

Un nuovo approccio collaborativo

Si tratta dunque di rendere l’utilizzo dei big data più “strutturale” in azienda, e non solo contingente a specifici progetti, e di farlo, secondo IRI, attraverso la strada della collaboration retailer-produttori in ottica customercentrica (figura 2): non si tratta più solo di raccogliere i dati legati ai comportamenti dei propri clienti, come già entrambi tendono a fare, ma di condividerli per comprenderli più profondamente e nel dettaglio e così trovare nuovi business e nuove nicchie di mercato; le focalizzazioni di retailer e produttori sono infatti diverse e complementari:

  • i produttori investono per arrivare ad avere una conoscenza approfondita del sentiment dei clienti rispetto al loro marchio, ma non hanno forti indicazioni su cosa poi questi facciano una volta nel supermercato e perché decidano di sostituire il loro prodotto con un altro;
  • i retailer viceversa sanno bene come i clienti “riempiono il proprio carrello” e come si muovono nel supermercato, ma non hanno una conoscenza approfondita del loro sentiment rispetto ai singoli brand.

“Uno dei primi mezzi per fare incontrare queste due prospettive – dice Colombo – è quello di avere come riferimento una visione comune, di confrontarsi su dati e informazioni condivise”. È quello che si propone di fare HRS- Holistic Retail Solution di Iri, una soluzione di Big data collaboration per la generazione di analisi avanzate pensata per favorire sinergie tra retailer e produttori (vedi riquadro).

Figura 2 – Retailer e manufacturer: dall’approccio a silos a quello collaborativo

Concentrarsi sul cliente per superare le diverse prospettive

Retailer e manufacturer hanno già aperto il dialogo e negli ultimi anni, spiega Colombo, hanno iniziato a condividere i dati prima in ottica di reporting, poi gradualmente a fini progettuali; tuttavia questo scambio è generalmente limitato: “Spesso le negoziazioni commerciali rimangono ancorate a trattative su volumi e sconti, ma in un contesto nel quale le economie di scala hanno portato a una riduzione dei prezzi industriali di produzione non più comprimibili, applicare sconti non può portare lontano”; da qui appunto la necessità di evolversi verso nuovi business e prodotti a più alta marginalità, e per far questo l’inevitabile confronto col tema big data collaboration: “Standardizzare la big data collaboration è la prossima (r)evolution vincente per il business dell’FMCG [fast-moving consumer goods-ndr]”, si legge nel white paper. Come spiega Colombo, infatti, “Non è più solo il prodotto a fare la differenza, ma la connessine prodotto-cliente all’interno del punto vendita [caratteristiche del primo, comportamento del secondo-ndr]. La chiave per portare la collaborazione retailer-manufacturer a un livello successivo è proprio il consumatore: se leggo il mondo con i suoi occhi non esiste il concetto ‘retailer o manufacturer’, conta solo l’esperienza di acquisto di un certo prodotto di marca all’interno di un certo supermercato” conclude il manager.


Holistic Retail Solution: la soluzione big data di Iri

Analizzare su un’unica piattaforma, condivisibile tra retail e produttori, i dati eterogenei che concorrono a conoscere il cliente e a indirizzare il business aziendale: caratteristiche della soluzione IRI di big data collaboration, Holistic Retail Solution

HRS- Holistic Retail Solution di IRI – Information Resources Inc è una soluzione per la generazione di analisi avanzate pensata per aggregare e armonizzare in pochi secondi un’altissima quantità di dati provenienti da fonti diverse; gli operatori della distribuzione potranno così rispondere a domande quali “Qual è l’assortimento corretto nell’offerta non–food in un particolare negozio ed in una determinata stagione?” oppure “Quali promozioni sono più efficaci in una categoria e quando?” tenendo conto di tutti i dati eterogenei (spesso disponibili tramite sistemi o formati diversi) necessari a una risposta completa: dati sul singolo punto di vendita, informazioni finanziarie, calendari promozionali, loyalty card, dati sul comportamento degli shopper on line, informazioni demografiche sui consumatori, raccolte dai social media, legate al meteo, ecc. (figura 3).

Figura 3 – Holistic Retail Solution di IRI: la “Big Data Collaboration Wheel” descrive fonti e dati considerati nelle analisi della soluzione

Entrando nel merito:

  • Sul piano tecnologico, “il cuore della soluzione – spiega Marco Colombo, Solutions & Innovation Director di IRI – è un layer di calcolo chiamato White Box (soluzione proprietaria IRI), un sistema in memory che permette di calcolare on the fly tutte le metriche e i KPI incrociando dati e informazioni presenti nel database: l’informazione viene archiviata al minimo livello di dettaglio e non viene mai aggregata; ogni elaborazione avviene nel momento in cui la query viene eseguita”.
  • Confronto con il mercato – Grazie ai dati raccolti da IRI nei punti vendita presidiati che offrono all’azienda una vision complessiva sul mercato, ogni cliente ha anche la possibilità di confrontare la propria situazione con quella della concorrenza, considerata nella sua globalità.
  • “big data collaboration” – La piattaforma è concepita perché i distributori possano condividere le informazioni con l’ecosistema dei produttori e collaborare con loro per perfezionare l’esperienza d’acquisto in tutte le sue componenti: migliorare il customer journey del cliente nel suo rapporto con le diverse marche, sfruttando le capacità analitiche di Hrs, diventa il vantaggio competitivo sia dei distributori che dei produttori.

Valuta la qualità di questo articolo

La tua opinione è importante per noi!

Speciale Digital360Awards e CIOsumm.it

Tutti
Update
Round table
Keynote
Eventi
Digital360 Awards e CIOsumm.IT, ecco i progetti vincitori
Tavola rotonda
Evoluzione del CIO: da centro di costo a motore strategico del business
Tavola rotonda
Business Process Augmentation: dall’RPA alla GenAI… il dato e tratto
Approfondimenti
Sistemi digitali potenziati: l’intelligenza dei chatbot è nelle mani dei CIO
Tavola rotonda
Intelligenza collaborativa e AI: sfide e opportunità per i CIO nell’era dello Human to Machine (H2M) 
Approfondimenti
Open Source: collaborazione e innovazione nel caos apparente del software libero 
Metodologie
BANI: che cos’è e come l’AI può aiutare i CIO a gestire la felicità (e l’infelicità) dei talenti
Prospettive
AI in un mondo complesso. Tra ordine e disordine, le aziende iniziano a capire la giusta via
Approfondimenti
Intelligenza Umana vs Intelligenza Artificiale insieme. Non invece
Eventi
Digital360 Awards e CIOsumm.IT, al via l’evento conclusivo
Eventi
Digital360 Awards e CIOsumm.IT, ecco i progetti vincitori
Tavola rotonda
Evoluzione del CIO: da centro di costo a motore strategico del business
Tavola rotonda
Business Process Augmentation: dall’RPA alla GenAI… il dato e tratto
Approfondimenti
Sistemi digitali potenziati: l’intelligenza dei chatbot è nelle mani dei CIO
Tavola rotonda
Intelligenza collaborativa e AI: sfide e opportunità per i CIO nell’era dello Human to Machine (H2M) 
Approfondimenti
Open Source: collaborazione e innovazione nel caos apparente del software libero 
Metodologie
BANI: che cos’è e come l’AI può aiutare i CIO a gestire la felicità (e l’infelicità) dei talenti
Prospettive
AI in un mondo complesso. Tra ordine e disordine, le aziende iniziano a capire la giusta via
Approfondimenti
Intelligenza Umana vs Intelligenza Artificiale insieme. Non invece
Eventi
Digital360 Awards e CIOsumm.IT, al via l’evento conclusivo

Articoli correlati

Articolo 1 di 4