Еще пару лет назад для многих ритейлеров ценность систем бизнес-аналитики была не столь очевидна, а сегодня руководство большинства розничных компаний или уже использует системы класса BI (Business Intelligence) или планируют это делать в ближайшем будущем. В этой статье я постараюсь показать на реальных примерах наших клиентов, какие результаты может принести автоматизация анализа продаж в розничном магазине, а также скажу несколько слов об основах грамотной автоматизации бизнес-аналитики. Итак, начнем с практики.

Оптимизация ассортимента

Все мы знаем, что оптимизация ассортиментной матрицы неизбежна, главное – заниматься ей с умом. Ритейл – один из самых динамичных бизнесов, где борьба за покупателя ведется каждую минуту, а, значит, при оптимизации приходится балансировать между собственными интересами и интересами клиентов: Вам хочется сократить долю низкорентабельных товаров с низким сроком годности в ассортименте, а покупатели хотят покупать всё необходимое в одном магазине (и если это будет не Ваш магазин, то – соседний).

Знаю примеры, когда после внедрения ERP-систем, компаниям удавалось без всяких специализированных аналитических средств оптимизировать ассортимент так, что рентабельность повышалась на 15-20%. Показатель, соглашусь, весьма неплохой, особенно для ритейла, однако это еще не happy-end: через год – полтора их рентабельность опять скатывалась на прежний уровень или ниже. Почему? При принятии решений об исключении товаров из ассортиментой матрицы менеджмент физически не мог учесть все необходимые факторы и интегрировать два подхода оптимизации – стратегический и логистический.

Представляю вам свой четырехэтапный план-минимум, который нужно провести ДО решения о выводе товара из ассортимента – первые шаги очень типичные, поэтому не останавливаюсь на них подробно. Итак:

1. Досконально проследите динамику продаж и товарных запасов в разрезе товарных категорий и позиций;
2. Проведите как минимум АВС, а весьма желательно, и XYZ-анализ (с учетом коэффициента сезонности);

После двух предыдущих шагов у Вас появились кандидаты на вывод из ассортимента. А теперь сделайте проверку над ошибками:

1. Оцените роль товара в ассортименте, его жизненный цикл и перспективы развития. Товар может быть базовым элементом потребительской корзины с высокой оборачиваемостью, приоритетным, сезонным, уникальным и удобным. В зависимости от стратегической роли товара для вашего магазина в ассортименте, отсеките часть кандидатов на вывод.
2. Проанализируйте совместные покупки товаров. Здесь кроется одна из самых важных ошибок оптимизации ассортимента: люди приходят в магазин за достаточно уникальным товаром и становятся постоянными покупателями, а когда этот товар исчезает, они уходят вместе с ним. Так было, например, с исчезновением варенья из грецких орехов и резким спадом продаж элитного алкоголя в одной небольшой продуктовой сети. Будь осторожны – иногда сочетания товаров совсем неочевидны!

Из жизни: Эффективность ассортимента в одной региональной розничной сети выросла на 23% после внедрения BI благодаря возможности многофакторного анализа перед выводом товаров из ассортимента.

Планирование закупок

Одна из основных проблем, связанных товародвижением – неэффективность использования оборотных средств. При решении задач пополнения запасов все сталкиваются с задачей прогнозирования потребности на следующий период. Не имея специализированных BI-инструментов, физически невозможно достаточно детально изучать товарную динамику. В итоге возникают проблемы планирования – или снабженцы перестраховались и товара закуплено слишком много, или проиходит другая крайность – недостача товара. Например, посмотрели, что товар А стал хуже продаваться и закупили его меньше, не увидев, что на самом деле спрос на товар не снизился, просто 2 недели товара не было на полках, поэтому и объем продаж упал. BI-системы позволяют проводить детальный анализ динамики и обеспечивать бесперебойное наличие товара при меньших потребностях в оборотных средствах. При активном использовании BI можно добиться сокращения складских запасов минимум на 10% при одновременном увеличении продаж.

Из жизни: Розничное подразделение виноторговой компании Simple включает несколько винотек и он-лайн магазин с доставкой товаров. По итогам внедрения BI во время мирового финансового кризиса, компании удалось сократить долю затрат на логистику с 5% до 3%, что в абсолютных цифрах – миллионы рублей. На данный момент в компании даже разработано аналитическое приложение QlikView по товародвижению на складе, в котором Simple отслеживает эффективность использования складских площадей. Разными цветами отображаются ячейки, которые в течение выбранного периода оставались пустыми, из которых товар не брали, а также ячейки, из которых брали товар с определенной частотой.

Промо-акции

Большинство ритейлеров иногда (а некоторые – весьма регулярно) продают товары по себестоимости или ниже нее. Я ведь прав? Нет, я сейчас не веду к оптимизации ценообразования при помощи BI – это вопрос еще одной большой статьи. Я хочу поговорить о тех товарах, которые продаются иногда даже ниже закупочной цены – о товарах, продаваемых в рамках промо-акций.

Понятно, когда мы выбираем залежавшийся товар или товар с ограниченным сроком годности для промо-стойки, но иногда благодаря промо-акции «в точку» можно заметно повысить посещаемость магазина, увеличить оборот и приобрести новых покупателей. Как не промахнуться с выбором такого товара-драйвера для промо-акции? Проанализируйте, с чем покупают этот товар – если нет устойчивого сочетания в 50% покупательских корзин, акция под угрозой. Когда найдете устойчивое сочетание двух-трех продуктов, рекламируйте снижение цены на один из них, а наиболее популярные товары-спутники поставьте рядом с промо-стойкой. На них можно даже немного повысить цену – заметят единицы.

Из жизни: В начале лета одна крупная торговая сеть приняла решение организовать промо-акцию для повышения конверсии. «Что может быть лучше дешевого кваса в жару?», подумали маркетологи и запустили акцию. Предположение весьма логичное, а экономическое обоснование говорило о том, что можно продавать двухлитровую бутылку кваса даже «в минус». Надо сказать, через полторы недели в минус сеть ушла достаточно сильно: квас стал самым популярным товаром у малого бизнеса – предпринимательские «газели» коробками вывозили квас по цене ниже себестоимости. В итоге складские запасы закончились очень быстро, а обороты не возросли.

Через пару месяцев мы вернулись к ситуации уже по итогам внедрения BI-средства[1] в сети и обнаружили интересную ситуацию. Двухлитровая упаковка кваса действительно не имела четкой сочетаемости, а вот литровый квас в 64% случаев покупали с сухариками и в 38% с пивом. В итоге в конце лета запустили новую промо-акцию – копакинг «литровый квас+сухарики», а популярный сорт пива разместили по соседству. Результат за месяц этой и еще 6 промо-акций, разработанных на основе анализа совместных покупок – увеличение среднего чека на 1,7% и повышение доходности на 3,9% в среднем по сети.

Борьба с мошенничествами

«Больная мозоль» ритейлеров – злоупотребления и мошенничества своих же сотрудников. Области тут могут быть самые разные, но главное в выявлении и предупреждении подобных нарушений – прозрачность корпоративной информации.

Из жизни-1: В одной региональной розничной сети обнаружили парадоксальную ситуацию – основные товарные группы, такие как фрукты, овощи, которые всегда прекрасно раскупались, стали убыточными, притом, что спрос на них не падал. Стали проводить детальный анализ по магазинам, времени убыточных продаж и выявили, что это происходит в определенные дни недели в ряде супермаркетов. В итоге выяснилось, что у товароведов был сговор с поставщиками, и они постоянно списывали партии товара как бракованные. Так, за два месяца обнаружилось 22 тонны «бракованных» арбузов.

Из жизни-2: Пилотный проект в одной крупной сети по продаже мобильных устройств. Мы разработали небольшое приложение по анализу чеков за 2 месяца по всей России (а это десятки миллионов проводок). Демонстрация BI-приложения проходила для всех ключевых групп пользователей – топ-менеджмент, логистика, продажи, маркетинг, финансы, безопасность. Как ни странно, наиболее активно отреагировали специалисты департамента безопасности – буквально в течение 15 минут работы с системой они нашли потенциальные злоупотребления. Оказалось, в Липецке вместе с безумно популярным iPhone за месяц 3 раза продали телефон другой марки в 2,5 раза ниже себестоимости, при этом никакой промо-акции по совместной продаже моделей не проводилось. Тут же, в BI-приложении, провалились до чеков и определили, что все подобные продажи шли через 1 магазин и в определенные смены. Конечно, со злоупортеблением оперативно разобрались.

Мерчандайзинг

Показатели эффективности магазина привязаны буквально к каждому стеллажу, поэтому необходимо планировать торговое пространство так, чтобы с каждого квадратного метра получать больше прибыли. До сих пор очень многие ритейлеры принебрегают качественными планограммами, созданными на основе глубокого анализа продаж. А зря, ведь улучшение мерчандайзинга – это живой недополученный доход каждого магазина.

У вас наверняка есть планограммы на основе классических рекомендаций по выкладке товара, но они являются очень усредненными и не учитывают ассортиментную, сезонную, демографическую и географическую специфику отдельного магазина. А вот с помощью BI-систем вы можете оптимизировать выкладку товаров не будучи мерчандайзером, выявляя как минимум паттерны покупательского поведения и эффективно используя их при полочном планировании. Один из самых очевидных паттернов покупательского поведения – совместная покупка пива и чипсов. Нетрудно догадаться, что если поставить пиво и чипсы далеко друг от друга, объем продаж каждого продукта уменьшится. Но BI системы способны выявлять самые неочевидные сочетания групп товаров. Например, на наших проектах часто выявляются такие сочетания как пиво и памперсы, томаты и туалетная бумага, яблоки и сыр.

Из жизни: Динамика и объем продаж товаров также должны отражаться в выкладке товара. Так, несколько лет назад «Лента» занялась оптимизацией торгового пространства, нацеленной на повышение оборота каждой секции не менее 5%. Официально итоги проекта «Spacemanagement» не сообщались, но, судя по подходу, они добились желаемого. Маленький пример из практики «Ленты». До оптимизации всех категорий, они сделали пилотный проект – оптимизировали один стеллаж зубных паст (самая неподверженная сезонности категория). В течение трех недель зубные пасты дали о себе знать: в чистых деньгах магазин заработал 70 тысяч рублей.

Риски внедрения BI

Мы рассмотрели некоторые преимущества, которые можно получить при условии использования BI-систем в компании, а теперь небольшая «ложка дегтя» — поговорим о ключевых рисках проекта.

Внедрение системы бизнес-аналитики – это далеко не панацея и увеличения прибыли сама по себе покупка системы не принесет. Я считаю, важнейший риск, связанный системами Business Intelligence, — это сотрудники. Дело не в том, что будет сопротивление инновациям – с правильно выбранной BI оно минимально, потому что система решает реальные, набившие оскомины проблемы компании. Важнее другое – что ваши люди будут делать с информационным потоком, которого они так просили? Когда они у них появятся необходимые данные, слитые из кассовых, ERP, CRM и складских систем в едином, удобном формате, станут ли они принимать эффективные решения? Есть ли у вас люди, которые смогут проанализировать данные грамотно, сделать адекватные выводы и на основе исторических данных и аналитических прогнозов принять верные управленческие решения?

• Если нет, можете отложить журнал: у вас есть дела поважнее – набирайте правильных людей!
• Если вы неуверенны – тревожный сигнал, стоит пересмотреть политику подбора персонала. Прошу читать дальше, но без кадров, в которых вы можете быть уверены, BI не принесет вам много пользы.
• Если да, рад за вас, и… Продолжим!

Какая BI-система Вам подходит?

«Строго говоря, чем Excel не BI-система?» Пока вы задаете себе этот вопрос, Вам, скорее всего, не нужен специализированный инструмент – если у вас 5 магазинов и ваши данные за квартал-год прекрасно ворочаются в Excel, можно не задумываться над BI-системой не стоит. Как говорит Борис Михалин, руководитель BI-департамента, «потребность в аналитической системе должна быть выстрадана» компанией, только в этом случае ритейлер получит хороший результат внедрения.

Если же есть понимание, что «подручными» средствами справится уже не получится, то Вам действительно нужна специализированная система класса Business Intelligence.

Как выбрать BI?

На основе длительного опыта работы с ритейлерами из разных областей (ТД Копейка, Spar, Ол!Гуд, Salamander, Гудвин и т.п.), у меня сформировался список требований к BI, наиболее критичных именно для компаний розничной торговли:

• Быстрота. Ритейлеры – одни из тех компаний, для которых быстрота системы очень критична. Во-первых, очень много данных для анализа – огромная номенклатура, сотни, тысячи, сотни тысяч транзакций в день! BI-система должна работать с терабайтами данных очень быстро, иначе теряется смысл ее использования. Во-вторых, сам розничный бизнес очень динамичен, решения нужно принимать стремительно, и система бизнес-аналитики должна эту стремительность поддерживать, а не тормозить.
• Гибкость. Ритейлерам нужно оперативно анализировать ситуацию, вырабатывать действенные решения и максимально точные прогнозы, поэтому к аналитике требования высокие – нужна возможность оперативно добавить новые измерения и аналитические срезы, «проиграть» сценарии развития событий, изменить представление данных. Статичные, жесткие системы дают меньший эффект в ритейле.
• Качественный пользовательский интерфейс. Внедрение BI – такое же внедрение изменений, как и любое другое, поэтому чем проще, понятнее и эффективнее устроено рабочее место аналитика, тем успешнее будет применение системы. Интерфейс должен быть удобным, интуитивно понятным и информативным.

Конечно, есть еще много критериев, которых я не коснулся – это эффективная консолидация данных из разных ритейловых систем, соотношение «цена-качество», продуманная визуализация, функционал drill-down и drill-through и т.д.

По моим ощущениям, под основные критерии ритейлеров наиболее приближаются инновационные и легкие BI, например, QlikView и Tableau. Однако традиционные BI-системы типа Cognos, Business Objects, SAS и подобных повышают капитализацию сильнее… Выбирать, конечно, Вам.