Продолжаем изучать магазин и подходы к совершенствованию процессов. Седьмая статья цикла. Предыдущую статью цикла можно посмотреть здесь.
Впервые о больших данных заговорили в начале 2000-х. Со стремительным развитием информационных технологий появилась возможность накапливать и анализировать различные данные внушительных объемов. Большие данные позволяют легко делать выводы, распознавать закономерности и прогнозировать будущие тенденции. Ритейлеры в числе первых стали собирать, обрабатывать и эффективно использовать большие данные, чтобы достичь конечной цели – увеличения прибыли, а подразделения операционной эффективности розничных сетей одними из первых стали использовать большие данные для совершенствования процессов и повышения уровня сервиса.
Всем знакомо, что одной из наиболее сложных проблем считается умение распознавать потери при оказании услуг. Процессы оказания услуг очень часто включают в себя операции, которые не добавляют ценности с точки зрения потребителя. Вследствие этого стоимость услуг часто оказывается сильно завышенной за счет увеличения затрат на персонал, который работает с ошибками и низкой скоростью.
Одна из зон магазина, где эти потери явно видны покупателю - это расчетно-кассовый узел. Вспомните чувство досады, когда приходится долго стоять в очереди на кассу.
Розница ежесекундно генерирует огромное количество данных, начиная от количества покупателей и выручки до количества проданных штук товарной номенклатуры. Все эти данные формируются на кассах магазинов. И задача менеджмента - с умом использовать этот драгоценный материал.
Возьмем, к примеру, товарооборот по магазину - просто факт и ничего более.
Однако анализ больших данных с касс позволяет понять, как его достигли и что можно улучшить, чтобы увеличить эффективность и денежный поток через кассу. Для этого используются специальные программы, которые консолидируют данные и позволяют провести статистический анализ показателей качества работы программ, оборудования и сотрудников.
Посмотрим на выборку и анализ одного из простых показателей «Скорость сканирования товара»

Видим, что на первом месте по ручному вводу штрих-кода оказался сахар-песок, а это, на минуточку, один из самых продаваемых товаров. И таких примеров много в таблице. Ну и далее можно посчитать, сколько времени теряет кассир на обслуживание, а его время стоит денег, и сколько покупателей бросает товар, не желая стоять в очереди, а это - выручка магазина.
Анализируем другие показатели: оплата картами лояльности, продажа алкогольной и табачной продукции, скорость оплаты покупки клиентом, нарушения сотрудников и т.д., и видим значимые для денежного потока ошибки:
-
Сбои оборудования и его «кривая конфигурация»;
-
Некорректность и неполнота подгружаемых справочников;
-
Адресная неэффективная работа кассиров (плохо обучены?);
-
Проблемы и качество работы смежных систем (лояльность, банк, ЕГАИС);
-
Фродовая активность кассиров, «кривые» штрих-коды.
Дополнительно имеем возможность наблюдать реальный бизнес-процесс обслуживания покупателя, который радикально отличается от утвержденного стандарта.
Что делаем дальше? Фиксируем аномальные сценарии, узкие места, оцениваем их влияние на денежный поток и разрабатываем мероприятия для устранения первопричин потерь. Таким образом, ускоряем и удешевляем процесс для клиентов.
Статистика говорит, что средняя длительность обслуживания покупателя на кассе - 54 секунды, а также:
-
80% чеков пробиты с применением карт лояльности;
-
9% чеков содержат алкоголь, ;
-
8% чеков содержат табачную продукцию.
И вся эта масса имеет дефекты в той или иной степени. Использование больших данных и применение инструментов Бережливого производства позволило сократить длительность обслуживания 1 покупателя на 8,3% или на 4,48 секунды!
Предыдущие статьи из цикла можно посмотреть здесь:
Гибкое планирование персонала – высокий сервис при низких затратах
5S на складе -снижение трудозатрат на поиск товара
Мобильные бригады - палочка выручалочка
U-образная ячейка VS I-образная ячейка. Способы организации рабочего пространства в торговом зале
Голос клиента в розничной торговле
eNPS. Голос внутреннего клиента в розничной торговле