Por: Sahir Anand, VP de Investigación & Director Analista, EKN, An Edgell Communications Co.
Durante el último trimestre, asistí a la concurrida temporada de conferencias para usuarios e industria minorista. Cada conferencia brindó un puñado único de historias de minoristas y puntos de vista sobre cómo resolver los crecientes problemas de su industria con el uso de datos, así como las múltiples formas comercializadas para resolver estos problemas mediante el aprovechamiento de Big Data. EKN Research define Big Data como un conjunto de estrategias, procesos de negocio, herramientas y tecnologías, cuyo tamaño y complejidad de datos supera la capacidad de las herramientas de software de base de datos tradicionales para capturar, almacenar, gestionar y analizar.
Entre bastidores, escuché comentarios acerca de si “Big Data para minoristas” es un término inventado por mercadólogos para ayudar a vender una solución de ensueño o no. Dado que lo que escuché fue entre retórico y una afirmación sobre si de algún modo Big Data funciona como una idea para desviar la atención hacia un posicionamiento glorificado de soluciones que apoyan el procesamiento de datos, minería e información de valor, decidí escribir este texto para compartir algunos datos de la investigación de EKN sobre Big Data en el comercio minorista.
Así que aquí voy. Big Data en el comercio minorista ha sido siempre un desafío relacionado con conocimientos sobre ventas, clientes y datos operativos de procesamiento, que necesitaba un nombre o una identidad. Antes, la terminología utilizada abarcaba problemas de datos de venta al por menor, necesidades de inteligencia de datos no satisfechas o un problema relacionado con percepciones de la industria minorista, entre otros. Entonces, ¿Cuándo se convirtió Big Data en sinónimo de los grandes y a menudo complicados problemas de los minoristas?
En primer lugar, el término Big Data no es un término para minoristas, pues abarca mucho más que eso. Segundo, tampoco es sólo una solución para los continuos problemas de la industria minorista ante sus enormes y diversos datos o fuentes. Es una combinación de estrategias, procesos de negocio, herramientas y tecnologías que pertenecen a grandes conjuntos de datos que necesitan procesamiento de principio a fin, desde la captura de datos hasta su análisis.
En los últimos dos años, el manejo de diferentes tipos de datos (variedad) se ha convertido en el reto más desafiante para más de la mitad de los minoristas. Desde 2012, dicho reto se ha duplicado y ha incrementado en un 42 por ciento, año con año; mientras que el desafío sobre la velocidad de los datos ha aumentado en un 40 por ciento. Al analizar diferentes fuentes de datos de gran tamaño, distribuidos en formatos relacionales y mediante la aplicación de la lógica de negocio minorista, estas brindan, en última instancia, conocimiento valioso sobre el consumidor, que ayuda a la planificación comercial y de ejecución.
A continuación, algunos datos clave sobre los diferentes tipos de fuentes de datos utilizadas para las iniciativas de Big Data en la industria minorista:
-
84 y 65 por ciento de los minoristas utilizan datos transaccionales (por ejemplo, POS) y operacionales (ejemplos: datos ERP, CRM), respectivamente. Esto no ha cambiado mucho en los últimos años.
-
Sin embargo, lo que ha cambiado es que el término Big Data se produjo al mismo tiempo que el crecimiento en el uso, procesamiento y análisis de transacciones omnicanal de los minoristas en áreas como las redes sociales lideradas por el consumidor (42 por ciento); web logs y datos móviles de consumo (38 por ciento); registros de sensores de máquinas (cámaras, servidores y otras); y datos sobre medios multimedia de comunicación (audio, vídeo, imágenes, etcétera) (12 por ciento).
-
De acuerdo a minoristas, el crecimiento máximo de datos en su industria durante los últimos dos años se encuentra en las áreas de mercadotecnia (incluye móvil, redes sociales, etc.) (35 por ciento), seguido por la del comercio electrónico u omnicanal (33 por ciento) y la de comercialización (27 por ciento).
Ya que resolver un problema de Big Data en el comercio minorista se trata de combinar estrategias, procesos y soluciones, estas soluciones no deben ser denominadas «Big Data» per se, sino soluciones que habilitan los esfuerzos relacionados con el entendimiento de Big Data.
Hoy en día, existe una brecha en la obtención de conocimientos útiles para el negocio a partir de grandes conjuntos de datos dado que, respectivamente, el 75 y 61 por ciento de los minoristas, sigue utilizando sistemas tradicionales de gestión/almacenamiento de bases de datos y herramientas de BI. Sólo un 25 por ciento usa soluciones especializadas que impulsan información procesable para los minoristas a partir de grandes y complejas fuentes de datos y transacciones en el comercio minorista, como las descritas más arriba en este texto. Estas soluciones especializadas incluyen capacidades avanzadas en bases de datos relacionales, procesamiento en paralelo de grandes conjuntos de datos, computación estadística, modelado de datos predictivo de grandes conjuntos de datos, in-memory computing o marcos de trabajo de Hadoop para informática distribuida compleja.
La investigación de EKN muestra que algunas o la mayoría de estas soluciones han impulsado el valor del negocio para los minoristas en cuanto a la toma de decisiones basada en hechos (71 por ciento); tiempo de respuesta más rápido (47 por ciento), y análisis de datos más rápido (43 por ciento). Esto apunta hacia la utilidad de los nuevos casos de uso de Big Data y los beneficios de negocio relacionados.
En conclusión, a pesar de la retórica en algunas conferencias sobre las numerosas formas de comercializar Big Data, el término en sí, al menos en el sector minorista, no debe significar un debate sobre terminología o soluciones de venta. Sino un conjunto de datos grandes, complejos e interrelacionados que necesitan inteligencia interna y externa para el análisis y gestión de los minoristas. Pero sobre todo, todos los minoristas necesitan la oportunidad de poseer un potente conjunto de capacidades para resolver todo tipo de problemas relacionados con datos para apoyar la toma de decisiones ágil del día a día y así ayudar a reducir la complejidad del negocio.
