4 motivi per i quali i Big Data sono utili nel Retail

Nonostante il termine sia entrato nel linguaggio comune e si inizi a percepirne il valore, grazie alla possibilità di disporre di servizi personalizzati, ancora poche sono le imprese che hanno introdotto questa tecnologia. L’osservatorio Big Data Analysis e Business Intelligence del Politecnico di Milano afferma, infatti, che nel 2018 solo un 7% delle PMI ha avviato progetti di Big Data Analytics, con 4 aziende su10 che dichiarano di svolgere analisi tradizionali sui dati aziendali. Se si guarda alla consapevolezza e alla maturità tecnologica delle piccole e medie imprese, dalla emerge che il 10% continua ad avere una comprensione scarsa o nulla di quali vantaggi i Big Data potrebbero apportare al proprio business.

Se si getta uno sguardo prossimi anni, la ricerca Retail Trasnformation, realizzata da Digital Transformation Institute e CFMT in collaborazione con SWG e Assintel, dice che il 52% delle aziende clienti delle intervistate prevede l’introduzione di applicazioni basate sui Big Data nel prossimo triennio, mentre solo un 19% pensa di non investirci.

Quali i motivi per i quali, in particolare nel , si dovrebbe pensare di introdurre la tecnologia Big Data?

Molteplici sono i possibili vantaggi ma, se li si vuole collegare a buone pratiche alle quali ispirarsi, questi sono i 4 principali ai quali guardare con attenzione.

1. Prezzi su misura e promozioni in tempo reale

Grazie all’analisi dei Big Data raccolti, è possibile per le aziende, in real time, definire il prezzo di un determinato prodotto, con vantaggi sia per il cliente che per chi vende. Ne è un esempio l’azienda americana Macy’s, che vende prodotti di abbigliamento, calzature, mobili, gioielli, cosmetici e articoli per la casa, e che utilizza la tecnologia Big Data per cambiare in tempo reale i prezzi dei suoi prodotti su circa 73 milioni di oggetti. La variazione di prezzo avviene in base alla domanda e alla quantità di prodotti presenti in magazzino, in modo da ottimizzare i guadagni e minimizzare la quota di prodotti invenduta.

2. Migliori servizi e prodotti offerti e manutenzione predittiva

Se si guarda all’esempio dell’azienda Tesco, si può vedere come questa possa valutare l’efficienza dei frigoriferi in cui vengono conservati i prodotti nei propri supermercati, analizzando le informazioni provenienti dai punti frigo, al fine di verificarne le prestazioni e predirne l’eventuale necessità di assistenza e manutenzione.

Esempi italiani di manutenzione predittiva nel settore automobili sono riferiti ad aziende che, attraverso l’analisi dei dati storici delle manutenzioni effettuate sulle automobili e di sensoristica applicata alle auto, sono in grado di prevedere la “vita” della macchina e offrire contratti di manutenzione ad hoc ai clienti o suggerire acquisti di nuove automobili.

Altro esempio nel settore logistica quello di UPS che, grazie all’analisi dei dati, ottimizza i percorsi dei mezzi utilizzati per le consegne, sia in termini di tracciato che di tempo di inattività del motore e manutenzione predittiva. Con questo sistema l’azienda è riuscita a risparmiare oltre 39 milioni di litri di carburante e ha evitato di percorrere inutilmente circa 364 milioni di miglia nell’anno passato.

3. Nuovi prodotti in grado di rispondere alle esigenze dei clienti

L’analisi dei Big Data non è solo finalizzata a migliorare prodotti e servizi, ma anche a intercettare esigenze specifiche e proporre prodotti nuovi. E’ il caso di Express Scripts Holding, una delle associazioni di farmacie più grandi degli USA, che, partendo dalla constatazione che molte persone si dimenticano di assumere farmaci, ha realizzato una “pillola acustica” grazie alla quale il paziente viene avvisato della necessità di assumere la medicina con una telefonata automatica.

4. Prodotti co-creati con il cliente

Zara, nota multinazionale dell’abbigliamento, già dal 2016 ha introdotto in tutti i suoi punti vendita etichette RFID in ogni capo, grazie alle quali poter tracciare le merci e soprattutto ricavare informazioni importanti sulle preferenze dei consumatori nei diversi negozi, in diverse parti del mondo. Grazie all’analisi dei dati, infatti, è possibile sapere se un capo viene provato più volte e non acquistato (magari perché di scarsa vestibilità?, ndr) oppure se non entra nemmeno in camerino e non risponde pertanto alle esigenze dei clienti. Questi dati, uniti ai tanti altri che arrivano dai negozi on line, dai e da diverse altre fonti, supportano i designer nel disegnare le nuove collezioni, frutto quindi non solo della creatività ma ispirate anche ai bisogni e ai gusti di chi acquisterà.

 

Facebook Comments

LEAVE A REPLY

Please enter your comment!
Please enter your name here