Big Data et Détaillants - Négociants

Les détaillants collectent et maintiennent des records de ventes pour un grand nombre de clients. Le défi a toujours été de mettre ces données à profit. Idéalement, un détaillant aimerait comprendre les caractéristiques démographiques de ses clients et les types de biens et de services qu'ils souhaitent acheter.

L'amélioration continue de la capacité de calcul a permis de passer en revue d'énormes volumes de données afin de trouver des modèles pouvant être utilisés pour prévoir la demande de différents produits, en fonction des caractéristiques du client.

Une autre question que les données volumineuses peuvent aider est la stratégie de prix, en particulier la sensibilité des différents clients aux prix. Choisir le bon prix pour un produit a parfois été basé sur des conjectures. En revanche, les données volumineuses peuvent accroître la capacité du détaillant à utiliser les habitudes des clients pour identifier le prix maximisant le profit de leurs produits. Un autre avantage de l'utilisation de Big Data est que les magasins de détail peuvent mieux planifier le placement des marchandises dans le magasin, en fonction des habitudes d'achat des clients.

Les données massives peuvent également aider les détaillants à gérer leurs stocks. De nombreux détaillants vendent une grande variété de produits différents, et le suivi de cette information est un énorme défi. Avec les données volumineuses, les détaillants peuvent avoir instantanément des informations à jour sur la taille et l'emplacement de leurs stocks.

L'une des utilisations les plus importantes des données massives pour un détaillant est la possibilité de cibler les consommateurs individuels avec des promotions en fonction de leurs préférences. Un tel ciblage non seulement augmente l'efficacité de la publicité, mais donne également aux clients une relation plus personnelle avec le détaillant, encourageant ainsi la reprise des activités. En outre, la connaissance des préférences des clients permet au détaillant de fournir des recommandations pour les achats futurs, ce qui augmente encore les activités répétées.

Nordstrom

À titre d'exemple, Nordstrom a largement adopté l'utilisation du Big Data. Ce fut l'un des premiers magasins de détail à offrir aux clients la possibilité de faire leurs achats en ligne. La société a développé une application pour smartphone qui permet aux clients de faire leurs achats directement à partir de leurs iPads, iPhones et autres appareils mobiles. Nordstrom montre également aux clients quels magasins vendent des marchandises spécifiques; Pour les marchandises qui doivent être commandées auprès d'autres magasins, Nordstrom peut fournir une estimation très précise du délai de livraison.

Nordstrom utilise ses capacités de Big Data pour cibler les clients avec des publicités personnalisées basées sur leurs expériences d'achat. Cette information peut provenir des ventes en magasin de Nordstrom, de son site Web et de sites de médias sociaux tels que Facebook et Twitter.

Nordstrom mène des recherches pour améliorer l'expérience d'achat des clients à travers sa division Innovation Labs. Il a créé cette division en 2011 afin de s'assurer que l'entreprise reste à la pointe de la technologie Big Data.

Walmart

Walmart est un autre grand détaillant qui a adopté le big data. Basé sur le volume des ventes, Walmart est le plus grand détaillant aux États-Unis. C'est aussi le plus grand employeur privé du pays.

Au cours des dernières années, Walmart a fait un pas important dans le commerce électronique, lui permettant de concurrencer directement Amazon. com et d'autres détaillants en ligne. En 2011, Walmart a acquis une société appelée Kosmix afin de tirer parti des capacités de moteur de recherche exclusives de cette société (Kosmix a été rebaptisé Walmart Labs).

Depuis lors, Walmart Labs a développé plusieurs nouveaux produits basés sur la technologie Big Data. L'un d'entre eux s'appelle Social Genome, ce qui permet à Walmart de cibler les clients individuels avec des réductions basées sur les préférences exprimées par les clients à travers différents sites sur Internet. Un autre produit développé par Walmart Labs est Shoppycat, une application qui fournit des recommandations de cadeaux basées sur des informations trouvées sur Facebook.

Bien que le commerce électronique représente encore un pourcentage relativement faible du chiffre d'affaires annuel de Walmart, les investissements réalisés par la société dans le big data montrent que les ventes en ligne devraient devenir une source de revenus de plus en plus importante à l'avenir.

Amazon. com

Le meilleur exemple d'utilisation de Big Data dans le commerce de détail est Amazon. com, qui ne pourrait même pas exister sans grande technologie de données. Amazon a commencé à vendre des livres et a élargi à peu près tous les domaines du commerce de détail imaginables, y compris les meubles, les appareils ménagers, les vêtements et l'électronique. Par conséquent, Amazon a réalisé un chiffre d'affaires de 89 milliards de dollars en 2014, ce qui en fait l'un des dix premiers détaillants aux États-Unis et le plus grand détaillant en ligne.

Comme les détaillants en ligne, Amazon utilise le Big Data pour plusieurs applications:

• Gestion de ses stocks massifs

• Suivi précis des commandes

• Recommandations pour les achats futurs

Amazon fournit ses recommandations via un processus appelé filtrage collaboratif d'élément à élément. Ce filtrage est basé sur des algorithmes conçus pour identifier les détails clés qui peuvent amener un client à acheter un produit, comme les achats antérieurs, les articles consultés, les achats effectués par des clients présentant des caractéristiques similaires, etc. Amazon fournit également des recommandations par e-mail, choisies en fonction des ventes potentielles les plus élevées.

Amazon a pu mettre à profit son investissement dans les capacités de Big Data d'une autre manière: il gagne désormais des revenus en permettant aux entreprises d'utiliser son infrastructure moyennant des frais. Cela se fait à travers des produits tels que Amazon Elastic MapReduce (EMR) et Amazon Web Services (AWS).

Amazon EMR permet aux entreprises d'analyser d'énormes quantités de données en utilisant le matériel informatique d'Amazon. Ce matériel est accessible via Amazon Cloud Drive, où les entreprises peuvent payer pour stocker leurs données.Pour de nombreuses entreprises, l'utilisation de ces installations est moins coûteuse que la construction de l'infrastructure informatique nécessaire pour répondre aux demandes de données volumineuses. AWS fournit une grande variété de services informatiques via Amazon Cloud Drive, y compris des installations de stockage, des systèmes de gestion de bases de données, des réseaux, etc.

Une extension intéressante de l'utilisation de Big Data par Amazon est son plan d'expédition de marchandises aux clients avant de le commander! L'entreprise a reçu un brevet en 2014 pour sa méthodologie "expédition anticipée". Pour que ce plan réussisse, Amazon. com doit être en mesure d'anticiper la demande des clients avec un degré de précision incroyablement élevé pour éviter le risque de retour de marchandise.