Big Data im stationären Handel

0

Daten sammeln reicht nicht. So nutzen Händler die Informationen, die ihnen ihre Kunden freiwillig überlassen, um ihr Angebot zu optimieren.

Wenn von Big Data im Handel die Rede ist, dann denken viele zunächst an Online-Plattformen wie Amazon, die jede Mausbewegung ihrer Kunden aufzeichnen, jedes angeklickte Produkt und jeden Einkauf sowieso. Zugegeben, es ist grundsätzlich einfacher, Daten aus Online-Angeboten zu gewinnen als im stationären Handel. Aber auch stationäre Händler können von einer umfassenden Auswertung von Daten profitieren.

In den USA hat zum Beispiel der Handelsriese Walmart aus seinen Daten analysieren können, dass sich seine Kunden nach Hurricane-Warnungen bevorzugt mit einer bestimmten Sorte Corn Flakes eindecken. Seitdem berücksichtigt Walmart bei seiner Einkaufslogistik auch die Wettervorhersagen. Seit 2016 analysiert in Deutschland der Discounter Lidl im großen Stil Daten seiner Märkte, zunächst also die Bondaten, und setzt diese in einen Kontext zu anderen Daten, etwa solchen aus sozialen Netzwerken oder – wie Walmart – zum aktuellen Wetter. Gegenüber Journalisten der „Lebensmittelzeitung“ war die Rede von einem guten zweistelligen Millionenbetrag, den Lidl in die benötigte Ausrüstung investiert hat.

Passendere Angebote dank Big Data

Um Kundenbedürfnisse und von äußeren Einflüssen abhängige Kaufpräferenzen zu verstehen, wird Big Data im Einzelhandel also bereits eingesetzt. Doch Big-Data-Analysen lassen sich auch auf andere Prozesse ausdehnen: Dazu gehören etwa

  • Stimmungsanalyse
  • Sortimentsoptimierung
  • Optimale Warenplatzierung
  • Logistikmanagement
  • Arbeitskräfteeinsatz

Die Sentiment- oder Stimmungsanalyse beispielsweise wertet automatisch Texte aus und erkennt positive oder negative Haltungen der Autoren gegenüber Unternehmen, respektive dessen Produkten oder Leistungen. Wie ist die Einstellung gegenüber einer

Warenpräsentation, gegenüber einem Produkt oder gegenüber dem Händler selbst? Stimmungslagen werden erfasst, die Veränderungen von Trends frühzeitig erkannt – im Optimalfall entspricht das einer „Wettervorhersage“ für anbrechende Shitstorms. Damit kann das Social Media Team eines Händlers frühzeitig gegensteuern, und möglicherweise die schlimmsten Imageschäden abfedern.

Das Warenangebot in einem Shop kann auf Basis der Demografie des Einzugsgebietes und des individuell beobachteten Einkaufsverhaltens ständig optimiert werden. Damit ist es leichter, Waren zwischen den Geschäften von Handelsketten hin und her zu verschieben, und das Verhältnis von gut gehenden zu schlecht gehenden Produkten möglichst optimal zu gestalten. Das wiederum wirkt sich positiv auf die Lagerhaltung und damit auf die Kapitalbindung in Handelsunternehmen aus.

Innerhalb von Ladengeschäften hilft die Instore-Verhaltensanalyse, die Präsentation, den Produktmix und die Shop-Gestaltung zu optimieren. Denkbar ist das Erheben solcher Daten zum Beispiel mit Hilfe von kleinen Sendern im Einkaufswagen. Auch die Videoüberwachung liefert entsprechende Daten, macht sie doch sichtbar, wohin sich die Aufmerksamkeit von Kunden richtet, wo sie besonders viel Zeit verbringen, und an welchen Warenpräsentationen sie eher achtlos vorbei gehen.

Erst KI macht Big Data vollständig nutzbar

Experten schätzen, dass im Jahr 2020 etwa 300-mal mehr Daten anfallen als noch im Jahr 2005. Das wirft ein Schlaglicht auf eines der größten Probleme von Big Data: Mit herkömmlichen Methoden ist diesen Datenmengen nicht mehr beizukommen. Künstliche Intelligenz soll dem abhelfen. So arbeitet SAP beispielsweise an unterschiedlichen Prognose- und Planungsmodulen, die auf KI basieren. Auf der EuroCIS können Handelsunternehmen sich unter anderem über die gemeinsam mit IBM entwickelte Lösung Cognitive Demand Forecasting informieren. Das lernfähige Prognosetool auf Basis von SAPs Unified Demand Forecast nutzt unter anderem von IBM bereit gestellte Wetterdaten, um die Nachfrage nach bestimmten Produkten oder an bestimmten Standorten noch treffgenauer zu modellieren und zu prognostizieren.

Statement: „Die intelligente Analyse und Interpretation von großen Datenmengen sowie die Fähigkeit, die richtigen Schlüsse daraus zu ziehen, spielt eine entscheidende Rolle für den künftigen Geschäftserfolg“ – Christian Heiss, Partner und Einkaufsexperte bei Oliver Wyman.

Die Kommentarfunktion ist deaktiviert.