چگونه تجزیه و تحلیل کلان داده به افزایش گردش مالی والمارت کمک کرد؟

تجزیه و تحلیل کلان داده در والمارت

این مقاله را منتشر کنید...

اشتراک گذاری در facebook
اشتراک گذاری در linkedin
اشتراک گذاری در twitter
اشتراک گذاری در email

خرده فروشی والمارت با بیش از 245 میلیون مشتری که از 10900 فروشگاه بازدید می کنند و 10 وب سایت فعال در سراسر جهان  مشغول فعالیت می باشد.

زمانی که صحبت از خرید در فروشگاه، اشاره های اجتماعی (mentions) یا هر فعالیت آنلاین دیگری،باشد والمارت همیشه بعنوان یکی از بهترین خرده فروشان جهان، مطرح بوده است.

تجزیه و تحلیل بینش های مشتری جهانی (Global Customer) تخمین می زند که والمارت هر هفته نزدیک به 300000 اشاره اجتماعی را به خود اختصاص داده است.

با 2 میلیون شریک و تقریباً نیم میلیون کارمند که هر سال استخدام می شوند، تعداد کارکنان والمارت بیشتر از تعداد مشتریان خرده فروش است .

در سال 2014 والمارت بزرگترین خرده فروش جهان از نظر درآمد بود.خرده فروشی والمارت روزانه حدود 36 میلیون دلار درآمد از 4300 فروشگاه خرده فروشی در ایالات متحده کسب می کند.

مشتریان والمارت

این مقاله به فرهنگ تحلیلی بیگ دیتا والمارت برای درک اینکه چگونه تجزیه و تحلیل کلان داده برای بهبود ضریب هوش هیجانی مشتری و ضریب هوشی کارکنان به کار گرفته می شود می پردازد.

غول خرده فروشی چندملیتی آمریکایی والمارت هر ساعت 2.5 پتابایت داده بدون ساختار را از 1 میلیون مشتری جمع آوری می کند.

با تولید هزاران داده بدون ساختار در هر ساعت، والمارت کارایی عملیاتی خود را با استفاده از تجزیه و تحلیل کلان داده بهبود می بخشد.

آناند راجارام (Anand Rajaram)، رئیس والمارتLabs می گوید:

مهمترین چیز در مورد والمارت مقیاس وال مارت است. مقیاس والمارت از نظر مشتریان، مقیاس آن از نظر محصولات و از نظر فناوری می باشد.

مدیر عامل تجارت الکترونیک جهانی والمارت در سال 2013 گفت:

ما می خواهیم بدانیم هر محصولی در جهان چیست؟ می خواهیم بدانیم که هر فرد در جهان کیست؟ در نهایت می خواهیم این توانایی را داشته باشیم که افراد و محصولات جهان  را در یک معامله به یکدیگر متصل کنیم.

قبل از اینکه اصطلاح بیگ دیتا (Big Data) در صنعت رایج شود، والمارت استفاده از تجزیه و تحلیل کلان داده را شروع کرد.

در سال 2012، والمارت با ترکیب 10 وب‌ سایت مختلف در یک وب‌سایت واحد، موجب شد تمام داده‌های بدون ساختار تولید شده در یک خوشه جدید Hadoop جمع‌آوری شود.

از آن زمان، والمارت توانست در تجزیه و تحلیل کلان داده سرعت ‌گیرد و بهترین ها را در کلاس فناوری‌های تجارت الکترونیک جهت ارائه تجربه عالی به مشتری ارائه داد.

تجزیه و تحلیل کلان داده در والمارت

هدف اصلی استفاده از بیگ دیتا در والمارت، بهینه‌سازی تجربه خرید مشتریان است.

مشتریانی که در فروشگاه والمارت، وب‌سایت والمارت یا از طریق دستگاه‌های تلفن همراه در حال حرکت هستند.

راه‌حل‌های بیگ دیتا (کلان داده) با هدف طراحی مجدد وب‌سایت‌های جهانی والمارت،ساخت برنامه‌های کاربردی نوآورانه برای سفارشی‌سازی تجربه خرید مشتریان و در عین حال افزایش کارایی لجستیک توسعه یافته‌اند.

فناوری‌های Hadoop و NOSQL برای دسترسی مشتریان داخلی به داده‌های بلادرنگ جمع‌آوری‌شده از منابع مختلف و متمرکز،برای استفاده مؤثر استفاده می‌شوند.

والمارت استارتاپ کوچک Inkiru مستقر در پالو آلتوکالیفرنیا (Palo Alto, California) را خریداری کرد تا قابلیت های کلان داده خود را تقویت کند.

Inkiru Inc در بازاریابی هدفمند، تجارت و پیشگیری از تقلب کمک می کند.

پلت فرم فناوری پیش بینی کننده Inkiru داده ها را از منابع مختلف جمع آوری کرده و به والمارت کمک می کند تا شخصی سازی را از طریق تجزیه و تحلیل داده ها بهبود بخشد.

پلتفرم تحلیل پیش‌بینی‌کننده Inkiru از فناوری‌های یادگیری ماشین برای افزایش خودکار دقت الگوریتم‌ها استفاده می‌کند و می‌تواند با منابع داده‌های خارجی و داخلی متنوع ادغام شود.

چگونه والمارت از Big Data استفاده می کند؟

والمارت یک اکوسیستم کلان داده گسترده دارد. اکوسیستم کلان داده در والمارت هر روز چندین ترابایت داده جدید و چندین پتابایت داده ی تاریخی را پردازش می کند.

اکوسیستم کلان داده والمارت، تجزیه و تحلیل میلیون ها محصول و 100 میلیون مشتری از منابع مختلف را پوشش می دهد. 

والمارت تصمیم گیری را در دنیای تجارت متحول کرده است که منجر به فروش مکرر می شود.

تحلیلگران کلان داده توانستند تأثیر استفاده از تجزیه و تحلیل کلان داده را بر میزان فروش برای تغییر استراتژی تجارت الکترونیک والمارت شناسایی کنند.

اولین برنامه های کاربردی برای سوار شدن بر داده های Hadoop در والمارت

برنامه‌ (Savings Catcher) هر زمان که همسایه‌ ی رقیب هزینه کالایی را که مشتری قبلاً خریده است کاهش می دهد، به مشتریان هشدار می‌دهد. سپس این اپلیکیشن برای جبران تفاوت قیمت، یک کوپن هدیه برای مشتری ارسال می کند.

 اپلیکیشن eReceipts نسخه های الکترونیکی خریدهای مشتریان را در اختیارشان قرار می دهد.

یک برنامه نقشه برداری در والمارت از Hadoop برای نگهداری جدیدترین نقشه های 1000 فروشگاه والمارت در سراسر جهان استفاده می کند. بعنوان مثال این نقشه ها مکان دقیق یک صابون کوچک در فروشگاه گسترده والمارت را مشخص می کند.

والمارت چگونه مشتریان خود را ردیابی می کند؟

بیل سایمون، مدیر عامل والمارت، میگوید: «توانایی ما برای جمع آوری داده ها بی نظیر است”.

والمارت از داده کاوی برای کشف الگوها در داده های نقطه فروش استفاده می کند.

داده کاوی به والمارت کمک می کند تا الگوهایی را بیابد که می توانند برای ارائه پیشنهادات به کاربران مؤثر باشد.

بر اساس اینکه کدام محصولات با هم خریداری شده اند یا کدام محصولات قبل از خرید یک محصول خاص خریداری شده اند، الگوها کشف می شوند.

داده کاوی مؤثر در والمارت نرخ تبدیل مشتریان را افزایش داده است.

یک مثال مؤثر از کاربرد داده کاوی در والمارت از طریق تکنیک یادگیری قوانین انجمنی فروش پاپ تارت توت فرنگی می باشد پس از اینکه والمارت ارتباط بین پاپ تارت توت فرنگی و طوفان را از طریق داده کاوی شناسایی کرد، تمام پاپ تارت های توت فرنگی را قبل از وقوع طوفان در صندوق ها قرار داد.به گونه ای که فروش پاپ تارت توت فرنگی قبل از وقوع  طوفان 7 برابر افزایش یافت.

والمارت هر مصرف کننده را به صورت جداگانه ردیابی و مورد هدف قرار می دهد. به گونه ای که از طریق وای فای موجود در فروشگاه،اطلاعاتی را در مورد خرید مشتریان، محل زندگی و محصولاتی که دوست دارند جمع آوری می کند.

تیم کلان داده در آزمایشگاه والمارت هر اقدام قابل کلیک در وب سایت والمارت را تجزیه و تحلیل می کند.

(تجزیه و تحلیل آنچه که مصرف کنندگان به صورت حضوری یا آنلاین خریداری می کنند، آنچه در توییتر پر طرفدار است، رویدادهای محلی مانند برنده شدن غول های سانفرانسیسکو در سری جهانی، نحوه تاثیر تغییرات آب و هوای محلی بر الگوهای خرید مشتریان و غیره).

کلیه ی رویدادها به‌طور هوشمند توسط الگوریتم‌های کلان داده ضبط و تجزیه و تحلیل می‌شوند تا بینش‌های کلان داده معنادار را تشخیص دهند و  میلیون‌ها مشتری از یک تجربه خرید شخصی سازی شده لذت ببرند.

چگونه والمارت تفاوت واقعی را برای افزایش فروش ایجاد می کند؟

  • روانه کردن محصولات جدید

والمارت از داده های رسانه های اجتماعی برای یافتن محصولات پرطرفدار استفاده می کند تا بتواند آنها را به فروشگاه های والمارت در سراسر جهان معرفی کند.

  • تجزیه و تحلیل پیش بینی بهتر

والمارت اخیراً سیاست حمل و نقل محصولات خود را بر اساس تجزیه و تحلیل بیگ دیتا تغییر داده است.

والمارت از تجزیه و تحلیل پیش بینی کننده استفاده کرد و حداقل مقدار سفارش آنلاین را افزایش داد تا بتواند واجد شرایط ارسال رایگان باشد.

با توجه به سیاست جدید حمل و نقل در والمارت، حداقل مبلغ برای ارسال رایگان از 45 دلار به 50 دلار با افزودن چندین محصول جدید افزایش یافت تا تجربه خرید مشتری را بهبود یابد.

  • پیشنهادات سفارشی

الگوریتم‌های کلان داده والمارت، دقیقاً به روشی که Google تبلیغات سفارشی را ردیابی می‌کند، خریدهای کارت های اعتباری را تجزیه و تحلیل می‌کند تا پیشنهادات منحصربه فردی را بر اساس سابقه خرید به مشتریان خود ارائه دهد.

راه حل های تجزیه و تحلیل کلان داده در والمارت

1-راه حل های کلان داده رسانه های اجتماعی

داده های رسانه های اجتماعی بدون ساختار، غیررسمی و به طور کلی غیر دستوری هستند.

تجزیه و تحلیل و استخراج پتابایت از داده های رسانه های اجتماعی برای یافتن آنچه مهم است و سپس نگاشت آن به محصولات معنی دار در والمارت کار دشواری است.

تصمیمات و فناوری‌های مبتنی بر داده‌های رسانه‌های اجتماعی در والمارت بیشتر یک هنجار هستند تا یک استثنا. بخش بزرگی از تصمیمات مبتنی بر داده والمارت، بر اساس داده های رسانه های اجتماعی است (نظرات فیس بوک، پین های پینترست، توییت های توییتر، اشتراک گذاری لینکدین و غیره. آزمایشگاه والمارت از تجزیه و تحلیل رسانه های اجتماعی برای ایجاد بینش های کلان داده مرتبط با خرده فروشی استفاده می کند.

والمارت با راه اندازی یک مسابقه در رسانه های اجتماعی به کارآفرینان کمک کرد محصولات خود را در قفسه والمارت عرضه کنند.

این مسابقه بیش از 5000 شرکت کننده و بیش از 1 میلیون رأی در سراسر ایالات متحده جذب کرد. هر کسی می توانست محصولات خود را مطرح کند و در معرض دید میلیون ها مخاطب قرار گیرد در نهایت بهترین محصولات به عنوان برنده اعلام شدند و در فروشگاه های والمارت به فروش رسیدند.

  • ژنوم اجتماعی(Social Genome)

ژنوم اجتماعی یک راه حل تجزیه و تحلیل کلان داده است که توسط آزمایشگاه والمارت توسعه یافته است .

ژنوم اجتماعی والمارت میلیون ها و میلیاردها پیام فیس بوک، توییت، ویدیوهای یوتیوب، پست های وبلاگ و موارد دیگر را تجزیه و تحلیل می کند.

از طریق راه حل تجزیه و تحلیل ژنوم اجتماعی، والمارت می تواند به مشتریان یا دوستانی که در مورد محصولات والمارت بازخوردی را ارائه می دهند دسترسی پیدا کند و تخفیف ویژه ای را  برای این گروه از مشتریان در نظر بگیرد.

محصول Social Genome داده های عمومی از وب، داده های رسانه های اجتماعی و داده های اختصاصی مانند اطلاعات تماس، آدرس ایمیل و داده های خرید مشتری را ترکیب می کند. این داده ها به والمارت کمک می کند تا احساسات و علایق عمومی کاربران را در زمان واقعی نظارت کنند یا در مورد روندهای گذشته تحقیق کنند.

به عنوان مثال، اگر ژنوم اجتماعی مشخص کند که یک خانم مرتباً درباره فیلم‌ها توییت می‌کند، وقتی او چیزی مانند «من نمک دوست دارم» را توییت می‌کند، راه‌حل ژنوم اجتماعی والمارت می‌تواند بفهمد که خانم به فیلم محبوب هالیوودی Salt اشاره می‌کند و نه نمک چاشنی. تنها پس از غلبه بر همه این چالش‌های چندگانه است که می‌توان پیشنهاد‌های معنا‌داری ارائه کرد.

  • Shopycat-Gift Recommendation Engine در والمارت

اگر در یافتن هدیه مناسب برای دوستان خود سردرگم هستید، برنامه Shopycat  والمارت به شما کمک می کند تا بتوانید در عجله خرید در تعطیلات، هدیه ای ایده آل را برای دوست خود بخرید.

 Shopycat والمارت بر اساس داده های اجتماعی استخراج شده از نمایه های فیس بوک، هدایایی را به دوستان پیشنهاد می کند. این برنامه همچنین لینک هایی به محصولات والمارت ارائه می دهد تا کاربران بتوانند به راحتی محصول را خریداری کنند.

را ه حل کلان داده رسانه های اجتماعی

مدیریت موجودی در والمارت با استفاده از تجزیه و تحلیل پیش بینی کننده

تجزیه و تحلیل پیش‌بینی‌کننده در قلب فرآیند زنجیره تأمین است که به والمارت کمک می‌کند مازاد موجودی را کاهش دهد و به‌ درستی محصولات پرتقاضا را نگهداری کند.

تأمین کنندگان والمارت ملزم به استفاده از سیستم مدیریت موجودی فروشنده در زمان واقعی هستند که به آنها کمک می کند تا موجودی یک محصول خاص را در صورت عدم فروش قابل توجه به حداقل برسانند.

سیستم مدیریت موجودی به خرده فروشان کمک می کند تا برای خرید محصولاتی که تقاضای بیشتری دارند و احتمال سود بیشتر را افزایش می دهند، سرمایه خود را پس انداز کنند.

بهبود فرآیند پرداخت برای مشتریان

تجزیه و تحلیل کلان داده برای تعیین بهترین شکل پرداخت برای یک مشتری خاص (پرداخت تسهیل شده یا پرداخت شخصی)به کار گرفته می شود.

والمارت همچنین از تجزیه و تحلیل پیش بینی کننده برای پیش بینی تقاضا در ساعات خاص و تعیین تعداد همکاران مورد نیاز در باجه های خاص استفاده می کند.

2-راه حل های تجزیه و تحلیل کلان داده موبایل

تجارت الکترونیک ارتباط نزدیکی با خرید موبایلی دارد.

بیش از نیمی از مشتریان والمارت از تلفن های هوشمند استفاده می کنند و در این میان 35 درصد خریداران را بزرگسالان تشکیل می دهند که نزدیک به 3/4 درصد از کل مشتریان والمارت است.

مشتریان تلفن همراه برای والمارت بسیار مهم هستند زیرا خریداران گوشی های هوشمند 77 درصد بیشتر در فروشگاه هزینه می کنند. بنابراین، کاربران تلفن همراه هر سال یک سوم ترافیک والمارت و تقریباً 40٪ خرید در تعطیلات را به خود اختصاص می دهند.

گیب توماس، معاون ارشد موبایل و دیجیتال والمارت گفت: خرده‌فروشی تجربه شخصی مشتریان را برای رقابت در آینده بهبود می‌بخشد و این همه روی صفحه نمایش کوچک در دستان آنها اتفاق می‌افتد.

والمارت از تجزیه و تحلیل کلان داده برای توسعه قابلیت های پیش بینی در برنامه تلفن همراه خود استفاده می کند.

برنامه تلفن همراه والمارت با تجزیه و تحلیل آنچه مشتریان هر هفته خریداری می کنند، یک لیست خرید ایجاد می کند. لیست خرید موجود در برنامه تلفن همراه والمارت می تواند موقعیت و وضعیت خواسته ها و نیازهای مشتریان را به آن ها اعلام کند و با ارائه تخفیف به محصولات مشابه در سایت والمارت به آنها کمک کند.

روش دیگری که والمارت در آن از قدرت تجزیه و تحلیل کلان داده استفاده می کند، استفاده از تجزیه و تحلیل در زمان واقعی است. زمانی که مشتری وارد فروشگاه والمارت می شود ویژگی geofencing برنامه تلفن همراه والمارت فعال می شود. در آن زمان این برنامه از کاربر می خواهد که وارد “حالت فروشگاه”(Store Mode) شود.

حالت فروشگاه “Store Mode” برنامه تلفن همراه، به کاربران کمک می کند تا بتوانند کدهای QR را برای دریافت تخفیفات و پیشنهادات ویژه محصولاتی که می خواهند خریداری کنند اسکن کند.

راه حل های تجزیه و تحلیل کلان داده موبایل

درگیر کردن مصرف‌کنندگان در بخش تولید

تجزیه و تحلیل کلان داده به والمارت کمک کرد تا از نظر خرید خواربارفروشی، نقطه درخشانی را کسب کند.

والمارت پس از دانستن اینکه مصرف کنندگان به طور فزاینده ای نگران تازگی غذاهای موجود در فروشگاه هستند، پرسنل را برای ارزیابی کیفیت محصولات آموزش می دهد و قبل از بسته بندی مواد غذایی را به مشتریان نشان می دهد. اگر بسته بندی مرغ منجمد باز شده باشد یا اگر انبه نارس باشد، می توان فورا آن ها را تعویض کرد. تنها کاری که مشتریان باید انجام دهند این است که از طریق برنامه تلفن همراه، سراغ سفارش خود بروند و تغییرات را اعمال کنند.

بزرگترین ابر خصوصی جهان در والمارت-Data Cafe

والمارت در حال ایجاد بزرگترین ابر خصوصی جهان برای پردازش 2.5 پتابایت (PB)داده در هر ساعت است.

والمارت مرکز تجزیه و تحلیل خود را به نام کافه داده در بنتونویل، دفتر مرکزی آرکانزاس ایجاد کرده است. در کافه داده (Data Cafe) والمارت، بیش از 200 جریان داده خارجی و داخلی به همراه 40 PB داده تراکنشی قابل دستکاری، مدل سازی و بصری سازی شده است. 

کافه داده اطلاعاتی را از 200 منبع مختلف جمع آوری می کند که شامل داده های مخابراتی، داده های رسانه های اجتماعی، داده های اقتصادی، داده های هواشناسی و … است که تنها برای چند هفته 200 میلیارد ردیف داده تراکنشی را شامل می شود.

راه‌حل هر مشکل خاص را می‌توان از طریق این مجموعه داده‌های متنوع پیدا کرد و الگوریتم‌های تحلیلی والمارت به گونه‌ای طراحی شده‌اند که داده‌ها را در میکروثانیه اسکن می کنند تا به یک راه‌ حل بلادرنگ برای یک مشکل خاص دست یابند.

Data Cafe

والمارت چگونه با بحران مهارت های کلان داده مبارزه می کند؟

بیگ دیتا والمارت هر روز به طور تصاعدی در حال افزایش است و کمبود استعدادهای کلان داده یک مانع بزرگ برای والمارت، در انجام تجزیه و تحلیل کلان داده است.

با تعداد محدودی از پرسنل بامهارت، والمارت تمام گام های لازم را برای غلبه بر این چالش برمی دارد.

هر زمان که عضوی جدید به تیم تجزیه و تحلیل آزمایشگاه والمارت استخدام می کند، باید در برنامه چرخشی تجزیه و تحلیل شرکت کند. در طول این برنامه، نامزدها باید مدتی را در بخش‌های مختلف شرکت بگذرانند تا بفهمند چگونه تجزیه و تحلیل بیگ دیتا در سراسر شرکت اعمال می‌شود.

والمارت در یافتن افراد حرفه‌ای با تجربه در برنامه‌های کاربردی تحلیلی پیشرفته و دانش زبان‌های برنامه‌نویسی علم داده مانند پایتون و R برای ساخت مدل‌های یادگیری ماشین، مسیر سختی را سپری می‌کند.

والمارت از هشتگ #lovedata برای کمپین استخدام خود استفاده کرد تا جایگاه خود را در میان جامعه رو به رشد علم داده در بنتونویل و آرکانزاس افزایش دهد.

راز خرده فروشی موفق والمارت در ارائه محصول مناسب در مکان و زمان مناسب نهفته است.

در نهایت والمارت با استفاده از تجزیه و تحلیل کلان داده به صعود از نردبان موفقیت خرده فروشی با نتایج قابل توجه ادامه می دهد.

شرکت اَک تِک بعنوان مشاور مدیریت همراه شما فعالان صنعت خرده فروشی خواهد بود به گونه ای که بتوانید به درستی رفتار رقبا، تأمین کنندگان، مشتریان، فناوری ها، خریدها، بازارها، محصولات و خدمات خود را پیش بینی کنید. 

شما خرده فروشان با راهنمایی مشاوران اَک تِک می توانید تراکنش ها را در محل فروش ردیابی کنید و از رسانه های اجتماعی برای درک عمیق تر مشتریان خود استفاده کنید. با کمک ابزارهای تحلیلی مختلف می توانید اطمینان حاصل کنید مشتریان بیشتری جذب می‌شوند. در نتیجه این تجزیه و تحلیل ها، می توانید اطمینان حاصل کنید موجودی مناسب در زمان،مکان و قیمت مناسب برای همه مخاطبان در دسترس است.

 

منبع۱ منبع ۲دانلود مقاله

ارتباط با مشاوران اک تک

بیشتر بخوانید: بیگ دیتا در آمازون

image_pdf

مقالات مرتبط

تجاری‌سازی در توسعه کسب و کار
مدیریت و توسعه کسب و کار

تجاری‌سازی در توسعه کسب و کار چیست؟

آیا میدانید تجاری‌سازی در کسب و کار چیست؟ با چه راه‌هایی می‌توان پیشرفت کرد؟ این فرآیند چگونه این روز‌ها جهت موفقیت در کسب و کار

The importance of market research
مدیریت و توسعه کسب و کار

اهمیت تحقیقات بازار در کاهش هزینه‌ها

در یک کسب و کار زمانی که هر ریال یا دلار اهمیت دارد، حتی کوچک‌ترین افزایش درآمد یا کاهش هزینه می‌تواند بر سودآوری کسب و

Business Intelligence
هوش تجاری

کاربرد هوش تجاری در صنایع مختلف

هدف هوش تجاری و ابزار‌های مدرن تحلیلگر، تبدیل داده‌ها به یک بینش مفید، برای کمک به صنایع مختلف در هر اندازه‌ای است. صنایعی مانند ساخت و ساز، هتلداری، گردشگری، بازاریابی، بانکداری و غیره تنها بخشی از دایره وسیعی از کسب و کار‌ها هستند که از این فناوری بهره می‌برند. در این مقاله بر شرح کاربرد هوش تجاری در صنایع مختلف متمرکز می‌شویم. تا پایان همراه ما باشید.
هوش تجاری چیست؟
هوش تجاری (Business Intelligence)، به فرآیند و زیر ساخت فنی گفته می‌شود که داده‌های تولید شده توسط فعالیت‌های صنایع مختلف را جمع‌آوری، ذخیره و تجزیه و تحلیل می‌کند. کاربرد هوش تجاری شامل داده کاوی، آنالیز فرآیند، معیار عملکرد و تجزیه و تحلیل توصیفی است. در این فناوری هوشمند، تمامی داده‌های تولید شده توسط یک کسب و کار، تجزیه و تحلیل شده و گزارش‌های قابل هضم، معیار‌های عملکرد و بینش‌های جدیدی برای تصمیمات کلان سازمانی ارائه می‌شود.