چرا خرده فروشان در اتخاذ تجزیه و تحلیل داده های پیشرفته شکست می خورند؟

توسط: نیکول دی هوراتیوس، آندرس موسالم و رابرت رودرکرک
27 فوریه 2023
سال‌هاست که به مدیران گفته می‌شود که تجزیه و تحلیل‌های پیشرفته می‌توانند پاسخ‌های بهتری برای تقریباً هر سؤال تجاری ارائه دهند. با این حال، حداقل در خرده فروشی، به طور شگفت انگیزی تعداد کمی از شرکت ها از این فرصت استفاده کامل کرده اند.

حتی در شرایطی که والمارت، آمازون و چند خرده فروش پیشرو دیگر در لبه پیشروی مرزهای تحلیلی فعالیت می کنند و تصمیمات مهم بسیاری را بر اساس عرضه روزافزون داده های زمان واقعی و تاریخی می گیرند، اکثر رقبای آنها هنوز از ابزارهای بسیار ابتدایی استفاده می کنند. که در ردیابی جایی که بوده اند بسیار بهتر از جایی که باید بروند، می‌باشد.

این موضوع در حال حاضر پیامدهای واقعی برای صنعت دارد. مک‌کینزی تخمین می‌زند که در طول همه‌گیری، ۲۵ درصد خرده‌فروشها با عملکرد برتر – که بیشتر آنها رهبران دیجیتالی بودند – ۸۳ درصد سودآورتر از بقیه بودند و بیش از ۹۰ درصد از سود این بخش را در بازار سرمایه به خانه بردند. اگرچه نمی‌توانید اینرا بعنوان یک چیز منفی ثابت کنید، اما به نظر می‌رسد که عقب مانده‌های بازار پول زیادی روی میز گذاشته اند. به عنوان مثال، در خرده فروشی مواد غذایی، مک کینزی تخمین می زند که پیاده سازی تجزیه و تحلیل های پیشرفته 2٪ به درآمد خواربارفروشان اضافه می کند – یک سود بادآورده بالقوه برای یک تجارت سخت و کم حاشیه.

برای اکثر مردم خبری مهم نخواهد بود. حتی مدیران کندترین شرکت‌هایی که در حال حرکت هستند باید تا حدی آگاه باشند که چه چیزی را از دست می‌دهند. با این حال، علیرغم درک مزایایی که تجزیه و تحلیل ها به رقبای خود داده اند، و علیرغم اینکه می دانند دانشگاهیان و مشاوران به توسعه راه حل های تحلیلی بیشتر و پیشرفته تری ادامه می دهند، به نظر می رسد که اکثر عقب مانده ها در این بازار بعید به نظر می رسد که به این زودی ها به رهبران بازار برسند.
چرا بسیاری از شرکت‌ها برای انجام این جهش به جلو با مشکل مواجه هستند؟ چه چیزی آنها را عقب نگه می دارد؟

شش نقطه چسبندگی
برای پی بردن به این موضوع، ما با مجموعه متنوعی از مدیران خرده‌فروشی جهانی (مدیران ارشد خرده‌فروشان، توزیع‌کنندگان، شرکت‌های مشاوره و ارائه‌دهندگان تجزیه و تحلیل فعال در قاره آمریکا، اروپا و آسیا) مصاحبه کردیم. 24 رهبر تجاری که با آنها مصاحبه کردیم، که شرکت‌هایشان از نظر بلوغ تحلیلی متفاوت بودند، شش عامل را به‌عنوان نقطه‌های اصلی اختلاف ذکر کردند:
1.فرهنگ
اکثر شرکت ها از ریسک گریزی رنج می برند و هیچ هدف مشخصی برای یک پروژه تحلیلی ندارند. “آیا داده ها مهم هستند؟” یکی از مصاحبه شوندگان به ما گفت. «همه می‌گویند بله. اگر بپرسید چرا، خیلی ها نمی دانند.» برخی دیگر تحلیل ها را تحقیر می کنند و کارشان را بیشتر هنری می دانند تا علمی. یکی از مدیران فروشگاه بزرگ خریداری را به یاد آورد که از او پرسید: «آیا یک الگوریتم به من می گوید چه لباسی بخرم؟ من می دانم چه لباسی بخرم.»

2.سازمان
بسیاری خاطرنشان کردند که شرکت‌هایشان برای حفظ تعادل بین تمرکز و تمرکززدایی تلاش می‌کنند، که در واقع هر دو ضروری هستند: تمرکز برای کارایی، صرفه‌جویی در مقیاس، و ثبات. و تمرکززدایی برای انعطاف پذیری، توانایی بیشتر برای انطباق با محیط های محلی، و پذیرش طیف وسیع تری از ایده ها.

3.انسان
با این حال، مشکل بزرگ‌تری که پاسخ‌دهندگان به ما پیشنهاد کردند، شاید این باشد: عمل تجزیه و تحلیل اغلب توسط افرادی اجرا می‌شود که واقعاً کسب‌وکار را درک نمی‌کنند. همانطور که یکی از مدیران اجرایی نوشت: «وقتی در حین تعامل با صاحبان مشکل، شخصی از تجزیه و تحلیلگران این تصور را ایجاد می‌کند که او اصلاً تجارت را نمی‌فهمد، اتفاقی می‌افتد که می‌خواهم آن را ترک عضو بنامم: آنها درکل این شخص را جدی نگرفته‌اند. ». بسیاری خاطرنشان کردند که شرکت‌هایشان برای حفظ تعادل بین تمرکز و تمرکززدایی، که هر دو ضروری هستند، تلاش می‌کنند: تمرکز برای کارایی، صرفه‌جویی در مقیاس، و ثبات. و تمرکززدایی برای انعطاف پذیری، توانایی بیشتر برای انطباق با محیط های محلی، و پذیرش طیف وسیع تری از ایده ها.
اکثر مدیران، به ویژه آنهایی که در کسب و کارهای متوسط یا اقتصادهای نوظهور هستند، به ما گفتند که با کمبود شدید کارمندان با مهارت های مناسب برای طراحی و استفاده از ابزارهای تحلیلی مواجه هستند. آنچه آنها بیشتر از همه به آن نیاز دارند، کارمندانی هستند که بتوانند شکاف های عملکردی را پر کنند – در‌واقع مترجمان، یعنی کسانیکه بین تجزیه و تحلیل و کسب و کار ارتباط برقرار کنند. تنها در هلند، هزاران اقتصاددان و دانشمند داده مورد نیاز است، اما تنها چند صد نفر در هر سال وارد بازار می شوند. در حال حاضر، لینکدین بیش از 4000 افتتاحیه تجزیه و تحلیل تجاری در هلند، نزدیک به 50000 در سراسر اروپا و بیش از 100000 در ایالات متحده فهرست کرده است.

۴.فرآیندها
شرکت ها منابع نامحدودی برای دستیابی به اهداف خود ندارند. برخی از مصاحبه‌شوندگان ما خاطرنشان کردند که پروژه‌های تحلیلی اغلب بسیار طولانی است و اولویت‌های مشخصی ندارند. طرح‌های تحلیلی می‌توانند از فرآیندهایی بهره ببرند که به خوبی با خطوط پاسخگویی مشخص برای هدف کلی تعریف شده‌اند.

۵.سیستم ها
بسیاری از شرکت‌ها در حال حاضر باید به سیستم‌های قدیمی اکتفا کنند. برخی شکایت دارند که توانایی همگام شدن با رشد تصاعدی داده های موجود را ندارند. عدم تطابق بین پیچیدگی داده ها و پیچیدگی ابزارها نیز رایج است.

۶.داده ها
پاسخ دهندگان به ما گفتند که بزرگترین مشکل آنها کیفیت داده و مدیریت داده است: داده ها اغلب در مکان های مختلف در اطراف شرکت مخفی می شوند و به روشی سازمان یافته مدیریت نمی شوند. برخی از شرکت ها حتی داده های مورد نیاز خود را جمع آوری نمی کنند. یکی از مدیران اجرایی گفت: “داده های زیادی وجود دارد که ما حتی تولید نمی کنیم.” “[ما] در واحدهای حمل و نقل خود سنسور نداریم، در همه آنها GPS یا RFID نداریم تا بدانیم کالا کجاست.”
البته بسیاری از مدیران شرکت های عقب مانده از وضعیت فعلی خود ناراضی هستند و امیدوارند که آن را تغییر دهند. آن‌ها می‌خواهند در فضای ذخیره‌سازی و محاسبات مبتنی بر ابر، ردیابی دارایی بهتر، و فناوری بیشتر برای بهبود تجربه مشتری و ردیابی رفتار مصرف‌کننده سرمایه‌گذاری کنند. فناوری ویدیو نیز در بسیاری از فهرست‌های آرزوها و پس از آن برنامه‌های موبایل قرار دارد. مدیران دیگر به دنبال داده‌های قابل استخراج ویژگی‌محصول هستند که می‌تواند پاسخ‌هایی را به سؤالاتی ارائه دهد، مانند اینکه چرا برخی محصولات بازگردانده می‌شوند یا مشتریان امروز چه چیزی را بیشتر دوست دارند یا دوست ندارند.
اکثر مدیران به ما گفتند که مشتاقانه منتظر روزی هستند که داده‌های باکیفیت‌تر و ابزارهای یادگیری ماشینی هوشمندتر داشته باشند. آنها خواهان پشتیبانی تصمیم گیری در سطوح دقیق تر، مانند فروشگاه به فروشگاه هستند. تعدادی به ما گفتند که در مورد برنامه ریزی تقاضا، مدل سازی و استراتژی های راه حل کمک بیشتری می خواهند. آنها همچنین برای ادغام داده های غیر سنتی اضافی، مانند داده های سرشماری و جمعیتی و داده های مربوط به آب و هوا، فعالیت مشتری در فروشگاه، فعالیت در رسانه های اجتماعی، جریان های کلیک و روند جستجوی آنلاین کمک می خواستند. اما برای اینکار فقط بدست آوردن داده ها کافی نیست، شما همچنین به ابزارهایی برای تبدیل آن داده ها به دانش عملی نیاز دارید.

برای شروع ما دو راه را توصیه می کنیم:

ابتدا محل ایستادن خود را بررسی کنید در‌واقع بدانید که در چه موقعیتی از لحاظ کسب و کار هستید. مهم ترین تصمیماتی که می گیرید چیست؟ تجزیه و تحلیل برای ساخت آنها چقدر پیشرفته است؟ آیا فرهنگ سازمانی شما آماده اتخاذ رویکرد مبتنی بر شواهد برای تصمیم گیری است؟ آیا سازماندهی شده‌اید که به واحدهای مجزا اجازه آزمایش و نوآوری در استفاده از تحلیل‌ها را بدهید، در حالی که بطور همزمان از این تجربیات یاد می گیرند برای گسترش بینش‌های موفق برنامه‌های کاربردی محلی به سراسر شرکت اقدام نمایند؟ آیا افرادی دارید که مهارت‌هایی برای ترجمه پیش‌رو و عقب رو دارند – مثلاً از مسائل تجاری گرفته تا مشکلات تجزیه و تحلیل، و سپس خروجی تجزیه و تحلیل را به توصیه‌های تجاری تبدیل کنند؟ آیا ما زیرساخت سیستمی برای جمع آوری، ذخیره، سازماندهی، دسترسی و پردازش تمام اطلاعات مورد نیاز برای طرح های تحلیلی را داریم؟

دوم، بپرسید چه فرآیندهایی را می توان با تجزیه و تحلیل بهتر با استفاده از داده های موجود بهبود بخشید. چگونه می توانید تجزیه و تحلیل مورد استفاده برای آن داده ها را بهبود بخشید؟ چگونه می توانید آنها را آینده نگرتر و در روش های به کار گرفته شده پیشرفته تر کنید؟

پس از تکمیل این ارزیابی اولیه، کار سخت آغاز می شود. راه پیش رو مستلزم طراحی مجدد سازمانی و سرمایه گذاری استراتژیک است. در زیر هر کدام را به نوبه خود مورد بحث قرار می دهیم.

طراحی مجدد سازمانی

پیشتازان تحلیلی که ما مطالعه کرده‌ایم، فرهنگ سازمانی را نشان می‌دهند که تجربه را جشن می‌گیرد. شعار «بزرگ فکر کن، کوچک شروع کن و سریع عمل کن» رایج بود. برای این شرکت ها، داده ها و تجزیه و تحلیل ظاهرا بخشی از دی آن ای آنهاست. تصویرسازی مجدد از فرهنگ سازمانی کار کوچکی نیست، اما توصیه می کنیم با بیان مجدد ارزش های سازمانی در رابطه با تحلیل ها شروع کنید.
به طور خاص، رهبران می‌توانند یک کمپین داخلی را رهبری کنند و تأکید کنند که تجزیه و تحلیل برای توانمندسازی تصمیم‌گیرندگان است، نه جایگزینی آنها. فرهنگي را پرورش دهيد كه به موجب آن كاركنان براي درك پيش‌بيني‌ها و نسخه‌هاي توليد شده توسط ابزارهاي تحليلي به جاي اجراي صرف توصيه‌ها و پاداش دادن به انطباق، پاداش مي‌گيرند. به طور کلی، هر گونه مقاومت داخلی در برابر پذیرش گسترده تجزیه و تحلیل را می‌توان مدیریت کرد البته با باز کردن جعبه سیاه الگوریتمی و درک این موضوع که مدیران زمانی که دانش دست اولی از رویکرد اساسی دارند، به احتمال زیاد از راه حل های تحلیلی استفاده می کنند. هدف این است که تصمیم گیری مبتنی بر شواهد یکی از مهمترین سنگ بنای فرهنگ شرکت باشد.

از لحاظ ساختاری، ما شرکت‌هایی را در مرزهای تحلیلی مشاهده کردیم تا این فرهنگ تجربی را با طراحی سازمانی برنده تکمیل کنیم. بسیاری از ساختار هاب و گفتار استفاده کردند که در آن برخی از تخصص ها در عملکردهای تجاری خاص تعبیه شده است و برخی در مرکز تعالی اختصاص داده شده به تجزیه و تحلیل واقع شده است. این طراحی سازمانی مزایای بسیاری را به همراه دارد. مرکز تعالی می تواند جامعه ای را برای کسانی که روی تجزیه و تحلیل کار می کنند فراهم کند، نظارت را تسهیل کند، به اشتراک گذاری دانش را تقویت کند و منابع را جمع آوری کند. و با قرار دادن برخی از اعضای تیم در واحدهای تجاری، شرکت از خطرات موجود در زمانی که مرکز تعالی به صورت مجزا کار می‌کند اجتناب می‌کند – به‌ویژه، این خطر که تیم‌ها روی مشکلاتی کار کنند که از نظر فنی جذاب هستند و نه از لحاظ عملی مرتبط هستند.

سرمایه گذاری استراتژیک

برای ما کاملاً واضح بود که شرکت‌هایی که در لبه پیشرو تجزیه و تحلیل هستند، سرمایه‌گذاری قابل توجهی در سیستم‌های خود انجام داده‌اند. اکثر آنها این انتخاب استراتژیک را برای جایگزینی سیستم های قدیمی خود با سیستم های مبتنی بر ابر انجام داده بودند. چرا این مهم است؟ از یک چالش کلیدی که هنگام به روز رسانی سیستم های قدیمی وجود دارد – یعنی ادغام سیستم های جدید و قدیمی جلوگیری می کند. شکایات در مورد توانایی ماژول های جدید برای ارتباط با سیستم های موجود فراوان است. سیستم‌های مبتنی بر ابر جدید از چنین چالش‌هایی اجتناب می‌کنند و می‌توانند به گونه‌ای طراحی شوند که از مقیاس‌بندی و کاربرد رو به رشد داده‌های بزرگ استفاده کنند.

در همین راستا، حاکمیت داده یک نقطه قوت کلیدی شرکت های پیشرو است. کیفیت داده همانند ذخیره سازی متمرکز در اولویت است. یکی از موانعی که ما برای پیشرفت تجزیه و تحلیل شناسایی کردیم، ماهیت سیلو شدن داده‌های موجود بود که ترکیب داده‌های کل سازمان را در تصمیم‌گیری دشوار می‌کرد. تصمیمات فردا شامل عبور از مرزهای سازمانی (مثلاً بازاریابی و عملیات) است. شکستن سیلوهای داده به گونه‌ای که مثلاً تیم‌های قیمت‌گذاری بتوانند عوامل عملیاتی مانند ظرفیت تحویل یا زمان تحویل را ترکیب کنند، تنها می‌تواند عملکرد سازمانی را افزایش دهد.

در نهایت، و به نظر ما، مهمتر از همه، شرکت ها باید روی استعدادهای کلیدی سرمایه گذاری کنند و مسیری ای برای چنین استعدادهایی ایجاد کنند. راه های زیادی برای انجام این کار وجود دارد. یکی از امکان‌ها، همکاری با دانشگاه‌هایی است که مدرک‌های علوم داده یا برنامه‌های مشابه ارائه می‌دهند. این برنامه ها اغلب به دنبال پروژه های دنیای واقعی هستند که دانجویان آنها می توانند روی آنها کار کنند. فایده این کار دو برابر است. دانش‌جویان دانش عملی در مورد یک مشکل تجاری به دست می‌آورند و می‌توانند راه‌حل‌های تحلیلی را به رهبران کسب‌وکار ارایه کنند، و شرکت می‌تواند در مورد آخرین ابزارها بیاموزد و برخی از استعدادها را برای فرصت‌های استخدام آینده پیش‌بینی کند. امکان دیگر توسعه برنامه های آموزشی برای کارکنان موجود است. برنامه‌های داخلی سفارشی می‌توانند برخی از اصول تجزیه و تحلیل را به صاحبان کسب‌وکار آموزش دهند و/یا دانش حوزه کسب‌وکار را به کسانی که نقش‌های کاملاً تحلیلی دارند، منتقل کنند.

انقلاب‌های تکنولوژیک در دو مرحله همپوشانی دارند: معرفی مجموعه جدیدی از ابزارها، و سپس کسب دانش لازم برای مدیریت آنها. مرحله دوم، توسعه دانش برای بهره برداری از ابزارهای جدید، اغلب پذیرش را کند می کند. در آغاز کار توماس ادیسون، تعداد زیادی برقکار در اطراف وجود نداشت و برادران رایت مکانیک دوچرخه بودند. از این نظر، انقلاب داده-تحلیل تفاوتی ندارد. آنچه متفاوت است سرعت طراحی این ابزارهای جدید است. در عصر وفور داده، کسانی که یاد می گیرند ابتدا از بینش آن سود ببرند، تقریباً مطمئن هستند که مزیت عملیاتی قدرتمندی نسبت به رقبای خود به دست خواهند آورد.

توجه: این مقاله برگرفته از تحقیقاتی است که نویسندگان در ابتدا در شماره اکتبر 2022 مجله مدیریت تولید و عملیات منتشر کردند.

*نیکول دی هوراتیوس، استادیار مدیریت عملیات در دانشکده بازرگانی دانشگاه شیکاگو است.
*آندرس موسالم، دانشیار مهندسی صنایع در دانشگاه شیلی و محقق در موسسه سیستم های مهندسی پیچیده است.
*رابرت رودرکرک، مدیر آکادمیک بخش تخصصی تحلیل خرده فروشی در مرکز تحلیل داده اراسموس، و دانشیار مدیریت عملیات در دانشکده مدیریت روتردام، دانشگاه اراسموس است.

منبع:hbr
آینده پژوهی
بیشتر درباره آینده پژوهی