Rosnące znaczenie detalicznej sprzedaży internetowej zmienia układ sił na rynku retail. Trudno sobie obecnie wyobrazić ambitnego sprzedawcę detalicznego, który nie ma e-sklepu. E-commerce wiąże się z wieloma wyzwaniami z obszaru zarządzania sprzedażą i jej zapleczem. Umiejętność precyzyjnego przewidywania przyszłości, w tym popytu i sprzedaży, do niedawna była swego rodzaju super mocą, pozostającą w gestii jedynie największych graczy na rynku. Obecnie ta możliwość jest dostępna dla firm różnej wielkości.
Teraźniejszość i przyszłość retailu pod znakiem data-driven
Wszelkie zmiany w zachowaniach klientów, ofercie konkurencji i w bliższym oraz dalszym otoczeniu organizacji mają znaczący wpływ na decyzje podejmowane w firmach. Im bardziej niepewne uwarunkowania, tym większe ryzyko; im większa presja na cenę i mniejsza marża, tym mniej przestrzeni do błędu; im bardziej konkurencyjny rynek, tym większe wyzwania przed każdym z jego uczestników.
Branża retail należy do tych, które muszą mierzyć się z wyzwaniami ze wszystkich powyższych obszarów. Firmy skoncentrowane na handlu detalicznym, przy pewnej skali działania, są w komfortowej sytuacji, tzn. mogą gromadzić dane opisujące ogromną ilość zachowań klientów i uwarunkowań biznesowych. Przy wykorzystaniu odpowiednich narzędzi informatycznych, możliwe jest zobiektywizowanie podejmowanych decyzji. Automatyzacja procesów biznesowych, w tym podejmowania decyzji, pozwala podejmować je szybko – szybciej niż konkurencja.
Efektywne przetwarzanie danych możliwe jest dzięki wykorzystaniu zaawansowanych algorytmów opartych na sztucznej inteligencji i uczeniu maszynowym. Trafne i szybkie przewidywanie przyszłości jest obecnie dla biznesu kwestią kluczową, zwłaszcza w obliczu nowych wyzwań – zerwanych łańcuchów dostaw, niedoboru surowców oraz pracowników.
Wykorzystanie technologii Big Data, algorytmów sztucznej inteligencji i uczenia maszynowego pozwala retailerom budować przewagę konkurencyjną, zwiększać sprzedaż i zmniejszać koszty. Dzięki zaawansowanej analizie danych mogą oni szybciej i skuteczniej reagować na zmiany w otoczeniu rynkowym, wywołane np. przez pandemię czy zawirowania gospodarcze.
Michał Koziara, Chief Executive Officer w 3Soft S.A.
AI dostępne dla biznesów retail o różnej skali
W ostatnich latach można zaobserwować bardzo dynamiczny rozwój technologii cyfrowych. Na szczególną uwagę, z perspektywy analizy danych, zasługują sztuczna inteligencja oraz oparte na niej uczenie maszynowe. W obszarze sprzedaży detalicznej gromadzonych jest tak dużo danych, że użycie cyfrowych systemów uczących jest jak najbardziej możliwe i pozwala osiągnąć satysfakcjonujące rezultaty.
Rozwój tej dziedziny oznacza zwiększenie jej dostępności. Dziś z zaawansowanej analizy danych mogą korzystać firmy reprezentujące midmarket, nie tylko wielcy gracze. Budżety konieczne do wdrożenia systemów opartych na AI/ML są mniejsze, a co za tym idzie technologia ta stała się bardziej dostępna dla firm średniej wielkości i rozwijających się. W ten technologiczny megatrend wpisuje się platforma Occubee, pozwalająca prognozować sprzedaż i popyt oraz automatyzować procesy replenishmentu i demand managementu.
Z potencjału AI mogą korzystać nie tylko największe korporacje i międzynarodowe sieci handlowe. Occubee jest tego najlepszym dowodem. Stworzyliśmy tę platformę przede wszystkim z myślą o średnich i rozwijających się retailerach, którzy posiadają dane historyczne pozwalające prognozować przyszłe zdarzenia biznesowe. Dzięki modelowi SaaS jest to rozwiązanie atrakcyjne finansowo i efektywne biznesowo. W ten sposób obniżamy barierę wejścia i ułatwiamy wdrożenie AI w przedsiębiorstwach o mniejszej skali.
dr inż. Kamil Folkert, Chief Strategy Officer w 3Soft S.A.
Korzyści biznesowe z prognozowania sprzedaży i popytu z wykorzystaniem algorytmów AI
Według McKinsey Digital, dzięki prognozowaniu popytu na bazie modeli AI, można ograniczyć utraconą sprzedaż wynikającą z braków magazynowych o 65% oraz zmniejszyć koszty magazynowania o 10-40%.
Analiza zachowań klientów i historycznej sprzedaży pozwala zatowarować sklepy tak, by minimalizować out-of-stocki i overstocki. Działanie proaktywne, w oparciu o prognozowane zdarzenia gospodarcze, umożliwia zmniejszenie częstotliwości dostaw do sklepów, a więc optymalizację logistyki, w tym pracy ludzi związanej z komisjonowaniem towaru w magazynie i przyjęciami dostaw w sklepach. Zwiększenie dostępności produktów w punktach sprzedaży wpływa też pozytywnie na customer experience — pozwala zaspokoić potrzeby klientów „tu i teraz”, przeciwdziała utracie klienta, wspiera przywiązanie do marki.
Generowanie zamówień do dostawców w oparciu o prognozy popytu pozwala utrzymywać optymalny stock magazynowy, co przekłada się na zmniejszenie kosztów magazynowania, zwiększenie rotacji w magazynie, a więc zmniejszenie zaalokowanego kapitału. Bez negatywnego wpływu na sprzedaż. Prognozowanie popytu w dłuższej perspektywie pozwala na lepsze planowanie i podejmowanie trafniejszych decyzji, także w wymiarze strategicznym. Przykładem może być renegocjowanie kontraktów z dostawcami w związku z większą przewidywalnością sprzedaży, a więc i lepiej zaplanowanymi zamówieniami. Zwłaszcza w ślad za zmieniającymi się uwarunkowaniami rynkowymi, w tym wpływem pandemii COVID-19, możliwość szybszego i bardziej precyzyjnego przewidywania nabiera szczególnego znaczenia.
Warto też podkreślić, że systemy informatyczne oparte na AI/ML umożliwiają automatyzację procesów biznesowych z zachowaniem kontroli nad ich przebiegiem. Pozwala to na objęcie standardowym i profesjonalnym podejściem całego biznesu, nawet w przypadku tysięcy produktów w ofercie i setek punktów sprzedaży, a przy tym codziennie, z uwzględnieniem specyfiki danego produktu i danego sklepu. Dzięki powierzeniu powtarzalnych i pracochłonnych zadań sztucznej inteligencji, pracownicy zyskują czas i przestrzeń, by – w oparciu o wiedzę ekspercką – adresować kluczowe wyzwania. Na przykład związane z rozszerzeniem oferty, ekspansją na nowe rynki, uruchomieniem nowych kanałów sprzedaży. To pozwala im sprawnie reagować w sytuacjach wyjątkowych, a ważnych dla biznesu.
Artykuł został opublikowany na portalu businessinsider.com.pl.