10 А

Анастасия Фусяк
BIGDATA
В
Виктория Лукьяненко

ТОРГОВЛ
Е.
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.