Bij Inergy hebben we de laatste tijd forse stappen gezet op het gebied van analytics. In dit blog vertel ik kort iets over de technische keuzes die we daarbij hebben gemaakt. Daarnaast ga ik in op een mooi praktijkvoorbeeld waarbij we met analytics echt het verschil konden maken.
Wij bouwen al jaren prachtige dashboards en big data oplossingen voor onze klanten. Ons cloud platform biedt geweldige mogelijkheden om data te verwerken en berekeningen en slimme analyses te maken. En voor alle duidelijkheid: dat platform zetten we nog altijd dagelijks in om onze klanten te ontzorgen op het gebied van big data, interactieve analyse en rapportage. Maar sinds kort is ons platform uitgebreid met de mogelijkheid om statistische, voorspellende modellen op te ontwikkelen. In-memory platform R We hebben gekozen voor het softwarepakket R. Dat is een in-memory platform voor data, statistiek en analytics. Doordat de data waarmee je werkt in het werkgeheugen (‘in-memory’) wordt geladen, gaan bewerkingen vele malen sneller. Met het Inergy cloud platform kunnen we bovendien enorme hoeveelheden data efficiënt prepareren zodat R razendsnel zijn werk kan doen. Vlot van start De kracht van data bij het beantwoorden van business-vragen is van onschatbare waarde. Succesvol ondernemen begint met inzicht. Precies weten hoe prijs, product, verkoopkanaal, inkoop en voorraad samenhangen. Voeg daar analytics aan toe en het gaat nog een stap verder. Je probeert dan niet alleen vast te stellen maar ook te verklaren hoe het komt dat een bepaald product het goed doet, of juist niet. En met een goed verklarend model kun je zelfs gaan voorspellen wat er gebeurt als je met die variabelen gaat spelen. Dankzij ons volledig ingerichte platform ga je vlot van start. Zo bepaal je bijvoorbeeld de ideale verkoopprijs van producten waarbij je rekening houdt met talloze factoren. Dat kan tot verrassende conclusies leiden zoals wij in de praktijk lieten zien bij een grote retailer. Analytics in de praktijk Voor een grote supermarktketen ontwikkelden we een statistisch model om kassabonnen (in totaal zo’n 10 miljard regels aan informatie) te analyseren. Het model is onder meer in staat om kassabonnen toe te wijzen aan een van de shopping trips die we hebben gedefinieerd. Denk daarbij aan: grote boodschappen, snelle snack of avondeten. Zo krijgt de keten inzicht in het klantenbestand en wordt het mogelijk om het assortiment beter af te stemmen op de klanten. Bovendien geeft het model inzicht in de populariteit van specifieke producten binnen een klantgroep. Zo wordt bijvoorbeeld duidelijk dat sommige producten met een lage winstmarge veel gekocht worden door de belangrijkste klantgroep. Hoewel die producten op zich dus niet voldoende lijken bij te dragen aan het resultaat, blijkt binnen de juiste context pas hoe waardevol ze zijn. Kortom, de inzet van analytics kan zorgen voor verrassende inzichten. En dankzij ons compleet ingerichte platform kun je sneller aan de slag dan je misschien denkt. Nieuwsgierig geworden? Download onze whitepaper over assortimentsoptimalisatie met behulp van analytics.
