10 А

Анастасия Фусяк
BIGDATA В
ТОРГОВЛЕ.
Виктория Лукьяненко
Большие данные (Big Data)
произвели революцию в
сфере розничной
торговли. Анализируя
информацию о поведении
потребителей, продавцы
получают возможность
точно определять тренды,
выявлять предпочтения,
прогнозировать спрос и
оптимизировать
предложение.
В настоящее время основной
целью использования Big Data в
ритейле является монетизация
данных для увеличения прибыли
магазинов. Для этого продавцы
используют прогнозное
моделирование на основе
технологий машинного обучения,
анализируя:
логи, потребительское поведение
в онлайн-пространстве,
содержание чеков.
Вполне вероятно, что уже через несколько
лет магазины получат возможность
персонификации предложения для каждого
клиента.

Например:

Один и тот же товар будет иметь различную

стоимость для двух разных потребителей.
На одном и том же рекламном носителе для
каждого клиента будет отображаться своя
реклама, актуальная и наиболее
эффективная именно для него.
Благодаря технологиям биометрической
идентификации магазины перестанут
использовать традиционные карты
лояльности.
Технологии для сбора и анализа данных наиболее актуальны для сегментов, которые
получают информацию в больших объёмах.

В первую очередь, это касается:

Крупных сетевых магазинов — они агрегируют огромные массивы информации от

поставщиков (о товарных позициях), в результате продаж (содержание чеков). Эти данные
несут в себе большой потенциал для анализа и извлечения выгоды.
Крупных интернет-магазинов, e-commerce проектов — эти игроки рынка получают не
только данные о поставках и продажах, но и большие массивы информации об интернет-
поведении пользователей, их перемещениях на сайте, незаконченных действиях,
просмотренных товарах.
Другим небольшим игрокам розничного рынка может не хватить данных для Big Data
анализа. В этих случаях рекомендуется использование инструментария бизнес-
аналитики.

Таким образом, решение задач по аналитике данных для каждого ритейлера — задача,
требующая индивидуального подхода.