Um Big Data im Handel optimal zu nutzen, bedarf es neben einer Strategie auch eines leistungsstarkes CRM-Systems und einer Zusammenarbeit von Vertrieb, Marketing, Service, Social Media-Management und IT.
Grundlage einer Big-Data-Strategie ist ein CRM-System, in dem alle Daten aus Kunden- und Transaktionen statistisch greifbar gespeichert und ausgewertet werden. Im Kern geht es darum einer Zielgruppe auf Grundlage ihrer Präferenzen Produkte bereitzustellen, die genau ihrem Bedarf entsprechen. Dadurch sollen einerseits die Akquisitionskosten reduziert, die Kundenbindung verbessert und der Service gestärkt werden. Die erhobenen Daten entstammen Kaufhistorien, Bankkarten, Smart Homes, Wearables und Smartphones und getrackten Webseitenbesuchen sowie Social-Media-Aktivitäten. Hieraus können Unternehmen eine Vielzahl von Informationen beziehen, die effektiveres Cross-Selling und eine zielgerichtete Ansprache des Kunden ermöglichen. Dabei werden folgende Daten erfasst und analysiert:
- Abwanderungstendenzen
- Zielgruppenmerkmale
- Bewegung der Kunden am Point of Sales
- demografische Daten
- häufig zusammen gekaufte Artikel
- Voraussagen von Trends und passender Zielgruppe
Datenerhebung als Teil einer übergeordneten Strategie
Im Marketingbereich wird Big Data Analytics hauptsächlich genutzt, um das Konsumverhalten auszuwerten und den Kundenservice zu verbessern. Ein Monitoring der Produktwahrnehmung spielt standardmäßig noch keine Rolle, sondern findet nur im Rahmen von spezifischen Projekten statt.
In der Lagerwirtschaft und Logistik setzen Handelsunternehmen dagegen verstärkt auf Datenauswertung zur Vorhersage und Optimierung. „Im Handel ist die Lagerwirtschaft ein zentraler Knotenpunkt. Hier fließen Angebot und Nachfrage zusammen, weshalb sich der Einsatz von zukunftsorientierten Methoden besonders lohnt“, erläutert der CEO DACH-Region SAS, Wolf Lichtenstein.
„Elektronische Preisschilder, auf denen bei aufziehendem Regenwetter im Sommer die Preise für Grillfleisch sinken? Alles andere als unwahrscheinlich. Das Stichwort heißt ‚Dynamic Pricing‘. Das ist die dynamische Preisgestaltung, bei der Unternehmen die Preise auf Basis des aktuellen Marktbedarfs mit Hilfe automatischer Algorithmen anpassen. Was verlangt die Konkurrenz, wie ist die aktuelle Nachfrage, wie voll sind die eigenen Lager und was können wir unter diesen Voraussetzungen für einen Preis aufrufen? Eine Entwicklung, die sowohl den Online- als auch den stationären Handel betrifft.“
Mark Sievers, Partner, Head of Consumer Markets bei KPMG
So lässt sich dank Big Data beobachten, dass die Nachfrage nach Büchern in Abhängigkeit von fallenden Temperaturen steigt. Der russische Online-Retailer Ozon.ru erhöhte kurzerhand während der besonders kalten Tage die Anzahl der eingeblendeten Buchempfehlungen, was die Absätze deutlich steigen ließ. Auch Giganten wie Walmart optimieren ihre Preise in Echtzeit. Damit ist eine individuelle Preisanpassung an die tatsächlichen Marktgegebenheiten möglich. Anstatt eines einzelnen großen Nachlasses setzt man eine allmähliche Preisreduktion um. Die Abteilungen Vertrieb, Marketing, Service, Social Media-Management und IT müssen letztlich zusammenarbeiten, um die Daten sinnvoll auswerten und nutzen zu können. Denn: „Wenn die Daten verständlich aufbereitet wären, würde dies bei Nicht-Analytics-Experten Berührungsängste abbauen und zu einer stärkeren Nutzung führen“, meint der Big Data-Experte Professor Dr. Norbert Gronau, Lehrstuhlinhaber für Wirtschaftsinformatik an der Universität Potsdam.
Definition: Big Data
Was versteckt sich hinter Big Data? Zunächst einmal sind damit Datenmengen gemeint, die zu groß, zu komplex oder zu schwach strukturiert sind, um sie manuell auswerten oder verarbeiten zu können. Darüber hinaus fassen Experten darunter auch digitale Technologien zusammen, mit denen sich große Datenbestände analysieren, sammeln, verwerten und vermarkten lassen.
