Retailers die overschotten weten te vermijden, zijn succesvoller dan concurrenten die de vinger minder goed aan de pols hebben. Goed gebruik van data en analytics biedt daarbij een groot voordeel. Dat blijkt ook uit Gartner’s jaarlijkse Supply Chain Top 25. Het onderzoeksbureau kijkt voor deze lijst naar de Return On Assets, het voorraadbeheer, de omzetgroei en ESG-indicatoren. Bedrijven die zich bezighouden met voorspellende analytics en gedetailleerd koopgedrag op basis van realtime analytics komen steevast terug in dit jaarlijkse overzicht.
Slim inspelen op koopgedrag met analytics
Overschotten zijn uiteraard funest in de wereld met veel bederfelijke goederen. Maar het juist niet op voorraad hebben van de juiste producten kost de industrie van consumentengoederen wereldwijd jaarlijks honderden miljarden euro’s. Hoe verbeter je dat? Slim gebruik van klantgegevens en koopgedrag maken een groot verschil.
Winkels gebruiken de gegevens van kassasystemen gecombineerd met data van toeleveranciers om de daadwerkelijke vraag in beeld te krijgen, zo beschrijft marktonderzoeker IRI Global in een rapport. Uit de harde data bleek in het geval van een specifieke keten dat de vraag naar een bepaald consumentenproduct al eerder op gang kwam dan de winkel aannam. Toen het seizoen goed en wel begon, stond de voorraad bij een supermarktketen al onder druk. De producent kon de vraag door lege schappen in de winkels niet bijbenen en de leverancier en retailer liepen beiden omzet mis. Met deze les begon de leverancier in 2019 eerder met produceren om de voorraad in de winkels op peil te houden vóór het seizoen aanbrak en te kunnen leveren op het moment dat de vraag volop toenam.
Klantvraag voorspellen met data
Een moderne online winkel als Picnic heeft veel zicht op zijn klant door diens gebruik van de app. Het is van essentieel belang voor de online supermarkt om te begrijpen waarom een klant welke beslissingen maakt om klanten goed te kunnen bedienen en zo te behouden. Picnic ziet direct welke groepen klanten precies welke features gebruiken. Bepaalde groepen zijn op zoek naar avondeten en recepten, terwijl andere jagen op acties of een broodje voor de lunch. Met slim gebruik van incentives en visuele signalen (‘deze kortingsacties vond je interessant’) worden klanten tot de aankoop van producten verleid.
Ook ziet het bedrijf patronen van klanten die de winkel dreigt te verliezen. Op dat moment kan een extra incentive automatisch worden aangeboden als een gratis product bij de volgende boodschap. En ten slotte wordt voorraad beter beheerd door te begrijpen welke klanten welke producten kopen en op welke tijden. Picnic weet door deze analyse goed waar de klantvraag ontstaat.
Gemiste kans met bonuskaart
Een manier van veel Nederlandse retailers om kennis te verkrijgen over klanten is de persoonsgebonden klantenkaart. Albert Heijn introduceerde zijn bonuskaart bijvoorbeeld aan het eind van de vorige eeuw. Maar van tevoren was niet goed nagedacht over de inzichten die de grootgrutter uit de pasgegevens kon halen. Kaarten waren niet persoonsgebonden en werden bijvoorbeeld onderling uitgewisseld. AH kon zo wel zien welke producten werden verkocht, maar niet welke klanten dat deden. En dat was nou juist net de hele meerwaarde van de bonuskaart zelf. De marketing bleef zo ongericht, laat staan dat er slim op hyperlokale vraag naar producten kon worden ingespeeld. Na jaren worstelen met deze databerg, besloot de supermarktketen om zijn vervuilde legacy database los te laten. Het bonusprogramma werd uiteindelijk minder dan tien jaar geleden met een schone lei gestart, deze keer met persoonsgebonden kaarten en gepersonaliseerde acties.
Concrete inzichten door dataplatform
Diverse bedrijven die met data hun voorraad efficiënter willen beheren, worden overweldigd door de hoeveelheid gegevens. Ze lopen de voordelen van datagebruik mis, omdat het ontbreekt aan gestandaardiseerde modellen en datastructuren die in de hele keten worden gebruikt. Een dataplatform dat gegevens integreert van alle ketenpartners en het hele ecosysteem, bijvoorbeeld een platform als Snowflake, maakt het verschil tussen verdwalen in bergen gegevens en het verwerven van concrete inzichten.
Veel fmcg-bedrijven blijven met hun analytics steken in wat McKinsey vorig jaar omschreef als het ‘pilot-vagevuur’. Ze boeken kleine winst met projecten, maar veertig procent was meer kwijt aan de investeringen in analytics dan werd goedgemaakt met winstverbetering. Bedrijven verliezen zichzelf in de aankoop van technologie, zonder goed te weten wat de technologie voor de business betekent. De zoektocht om analytics te kunnen gebruiken levert dan een datameer op, zonder dat er processen zijn om daar ook optimaal gebruik van te maken. McKinsey raadt aan om prioriteit te leggen bij het opzetten van een businessteam dat zich specifiek richt op waardeverbetering uit data. In zo’n team speelt ict een belangrijke rol, maar de leiding moet liggen bij mensen met vooral kennis van het domein en de bedrijfsprocessen.
Concurrentievoordeel uit analytics data
Bedrijven kunnen vandaag de dag niet meer concurreren als ze deze technologieën niet weten te benutten. Het schalen daarvan is essentieel. Veel ondernemingen blijven steken in kleine projecten en disparate inzet van analytics in verschillende bedrijfsonderdelen. Een geconsolideerde aanpak die werkt voor de hele keten, biedt een concurrentievoordeel. Een aanpak met losse technologieën en zonder inzicht in de impact op specifieke processen in de business, zorgt ervoor dat de technologische investering onvoldoende oplevert.