© 1995-2022 Компания «Инфосистемы Джет»
Плюсы анализа кассовых чеков в ритейле с помощью BI систем
Программное обеспечение Программное обеспечение

Наш опыт работы с компаниями из разных отраслей рынка показывает, что ритейлеры предъявляют к аналитике наиболее жесткие требования

Главная>Программное обеспечение>Анализ кассовых чеков

19.08.2015

Посетителей: 576

Просмотров: 486

Время просмотра: 3.8 мин.

Авторы

Автор
Максим Растеряев В прошлом — эксперт Центра управления данными компании «Инфосистемы Джет»

Анализ кассовых чеков магазина – что он может дать ритейлеру?

 

 

Наш опыт работы с компаниями из разных отраслей рынка показывает, что ритейлеры предъявляют к аналитике наиболее жесткие требования. Им необходимы ежедневная оперативная отчетность, отчеты по достаточности и оборачиваемости товаров, данные из систем Data Mining и др. Прибавьте к этому потребность в информационных панелях (Dashboards) для топ-менеджеров, предоставляющих агрегированные данные о состоянии бизнеса (информация о ежедневных продажах и т.д.). Для того чтобы обеспечить себя всей этой информацией, ритейлеру необходимо проводить качественную аналитику кассовых чеков. Имеются ввиду все чеки, собранные со всех магазинов в единый массив данных с кассового сервера. Кроме того, «в расчет» берутся дополнительные источники данных: справочники товаров/касс/кассиров, информация по дисконтным программам и счетчикам посетителей. Только анализ «вкупе» даст правильную картину состояния бизнеса.

 

Результатом анализа чеков является максимально детализированная отчетность в разрезе различных временных периодов: времени суток (утро/день/обед/после обеда/вечер), дня недели, выходного/рабочего дня и т.д. Деление на подобные промежутки может быть привязано к периодам, когда магазин предположительно посещают различные группы покупателей. Это позволяет оценить эффективность проведенных промо-акций и распродаж, сформировать поведенческую модель покупателя и определить основные тенденции развития магазина. Ключевые расчетные показатели подразумевают расчет:

  • выручки по чекам;
  • среднего чека – позволяет увидеть динамику покупательской способности;
  • количества чеков – показывает активность клиентов в различные временные периоды;
  • глубины чека (среднее количество товаров) – позволяет скорректировать будущие акции/промо/распродажи в зависимости от поведения клиентов;
  • суммы скидок – покажет результат акций/промо/распродаж.

 

Помимо расчета основных показателей, огромную роль играет правильная группировка чеков по сумме и количеству товаров. Она позволяет провести анализ их распределения, разработать решения по увеличению количества чеков с большей стоимостью, скорректировать ассортиментную и рекламную политику. Также важно построение динамики продаж и распределения чеков в различных разрезах (с разным количеством позиций по ценовым диапазонам, с различной суммой покупки в общем количестве чеков и др.).

 

Исходя из этих показателей, можно оценить, в каких ценовых сегментах покупатели совершают большие покупки, а в каких – ограниченные и случайные, а также провести правильную дифференциацию ценообразования и акционной политики, спрогнозировать будущие периоды спада и провести стимулирование продаж.

 

Немаловажно также учитывать человеческий фактор, а именно анализировать работу персонала ритейлера. В этом может помочь построение отчетов с группировкой по кассовым узлам, кассирам, кластерам магазинов. Выявив сильные и слабые группы, можно разработать мотивационные программы и KPI для каждой из них.

 

Рассмотрим пару примеров реализации анализа чеков из нашей практики.

 

Первый – это проект для крупного российского ритейлера (сектор товаров народного потребления). Каждый день в отчете «Анализ чеков» консолидируются данные с кассового сервера, из SAP, дополнительных Excel-таблиц из российских магазинов и кассового сервера, RMS-системы из магазинов в странах СНГ (итого 5 различных источников данных). Ежедневный объем чековых транзакций может достигать 5 млн строк. При этом время готовности внедренной BI-системы составляет менее 2 минут, отклик на сложные запросы занимает около минуты. В самом отчете более 40 возможных измерений и 30 показателей.

 

Второй пример – анализ чеков у продуктового ритейлера. Отличительными особенностями проекта были очень большой объем данных (50 млн строк в день) и высокие требования к производительности BI-системы. При этом набор показателей и измерений практически не отличается от предыдущего примера.

 

Дело техники

 

Отдельно стоит сказать о технологической составляющей процесса анализа чеков. Информация для построения вышеописанной аналитики, как правило, хранится в хранилище кассового сервера и в учетной системе компании. Таким образом, для построения отчетов необходимо консолидировать данные как минимум из 2 источников (на практике их больше). При этом объем данных кассового сервера компании Enterprise-сегмента может достигать нескольких миллиардов записей в месяц.

 

Процесс построения моделей анализа чеков можно представить следующим образом:

  1. выявление требований к отчетам, интервьюирование пользователей;
  2. определение источников данных (кассовый сервер, учетные системы, плановые показатели в excel-таблицах от пользователей и др.);
  3. выбор оптимальной BI-платформы;
  4. проектирование внутреннего хранилища выбранной системы;
  5. разработка скриптов процесса извлечения, трансформации данных и расчета некоторых показателей;
  6. разработка конечных отчетов, написание формул расчета показателей;
  7. проектирование UI (User Interface) конечного приложения;
  8. опытная эксплуатация приложения.

 

И здесь на помощь приходят современные программные средства Business Intelligence и технологии Online Analytical Processing (OLAP). Они позволяют консолидировать данные из разных источников и сохранять информацию в специальную оптимизированную базу данных с набором предрассчитанных показателей в различных разрезах. Ее структура представляет собой рассчитанные виртуальные кубы данных. Она позволяет сильно увеличить производительность работы системы (отклик, объем обрабатываемых данных, глубина детализации и т.д.).

 

Подобные технологические механизмы заложены в ряде представленных на данный момент на ИТ-рынке BI-платформ. Это значительно облегчает и ускоряет процесс анализа чеков. С другой стороны, сама разработка качественной отчетности анализа чеков занимает от 1 до 3 месяцев в зависимости от специфики и требований заказчика. Поэтому ждать быстрого и легкого внедрения в любом случае не стоит.

Уведомления об обновлении тем – в вашей почте

Аналитические системы для силовых структур

Использование аналитических систем (BI) в силовых структурах позволяет решать 2 глобальные задачи – осуществлять оперативный мониторинг и проводить анализ исторических данных для выявления и пресечения негативных тенденций в работе правоохранительных органов

Особенности инфраструктурных решений для интернет-магазинов

Все большие объемы продаж ритейлеров идут через средства электронной коммерции, и основной канал – это, конечно, интернет-магазины. При таком росте увеличивается и критичность предоставления сервисов, а значит, усложняется структура подобных комплексов.

Вычислительные ресурсы в формате аренды

Последние несколько лет российские ритейлеры все чаще выбирают для себя формат аренды ИТ-ресурсов. Сделать это можно у разных поставщиков – у хостеров, облачных провайдеров, а также у системных интеграторов, предоставляющих услуги формата «ЦОД как сервис».

Бесконтактному платежу можно верить

Сегодняшние СМИ привлекли внимание читателей к новому типу мошенничества, нацеленного на банковские карты, работающие по технологии PayPass (бесконтактной передачи данных, не требующей ввода PIN или подписи на чеке при совершении покупки).

Легенды и мифы о QlikView

Наша компания была основана в 1993 году в Швеции в городе Лунд

Внедрение системы анализа эффективности производства в Группе компаний Danone-Юнимилк

Международная компания Danone работает в более чем 120 странах по всему миру. Головное предприятие, расположенное во Франции, формирует требования в отношении отчетности, которую региональные подразделения представляют руководству концерна

Математика на службе у антифрода

Определить вероятность и момент реализации хищения невозможно без наличия у антифрод-системы методологической основы

Аналитическая информация без человеческого фактора

Рассматриваются варианты подготовки аналитической информации для руководства компании до и после внедрения BI-решения

Спасибо!
Вы подписались на обновления наших статей
Предложить
авторский материал





    Спасибо!
    Вы подписались на обновления наших статей
    Подписаться
    на тему







      Спасибо!
      Вы подписались на обновления наших статей
      Оформить
      подписку на журнал







        Спасибо!
        Вы подписались на обновления наших статей
        Оформить
        подписку на новости







          Спасибо!
          Вы подписались на обновления наших статей
          Задать вопрос
          редактору








            Оставить заявку

            Мы всегда рады ответить на любые Ваши вопросы

            * Обязательные поля для заполнения

            Спасибо!

            Благодарим за обращение. Ваша заявка принята

            Наш специалист свяжется с Вами в течение рабочего дня