Подпишитесь на рассылку «Точки роста»
eng
image
Подписаться
Заказать звонок
Заказать демо
Чат

Что не так с Big Data в FMCG?

Рубрика:Презентация
Дата публикации: 28 Декабря 2021
Автор:Игорь Сергеев


Мусорные данные — основа для плохой аналитики и управленческих ошибок. Рассказываем, как очистить клиентскую базу и поддерживать в ней порядок.

Что не так с Big Data в FMCG?

Рынок данных растет. Крупнейшие игроки FMCG уже подключили 2GIS, DaData и OSA Магнит. В планах — забирать продажи с касс у банков и мониторить трафик на BestPlaces. Nielsen обещает нам обогащенную клиентским опытом Big Data и тотальную персонализацию ретейла.

Но все технологии бессильны, когда надо узнать, сколько у вас точек в Новосибирске.

Почему так получается?

Традиционная розница — это огромная серая зона: сайтов у магазинов нет, качество данных 2GIS — низкое, записи дистрибьюторов — еще хуже.

Недавно мы разбирали АКБ крупного производителя. За время работы он аккумулировал порядка 3 млн. записей по ТТ. По данным систем учета, в 900 тыс. из них были продажи в 2020-2021 гг. Но разбор показал, что из 900 тыс. ТТ — реальных только 200 тыс. Остальные 700 тыс. записей — это дубли, фейки и мусор.

image

Три стратегии работы с клиентской базой

На дистрибьютора опереться нельзя, в открытых источниках данных нет. Что же делать? Как правило, производители выбирают одну из трех стратегий.

  1. Отдать канал дистрибьютору, установив KPI по АКБ. Это большой куш: несетевая розница до сих пор приносит FMCG-компаниям 30-40% оборота. Производитель рискует потерять продажи и проиграть конкурентную войну. Мы знаем крупных игроков, которые за три года «слили» традицию и теперь пытаются отыграться.
  2. Регулярно проводить сенсус. Это дорого, долго и требует вовлечения всей сейлз-структуры.
  3. Организовать системную поддержку качества мастер-данных. С нашей точки зрения — самый экономичный и перспективный вариант.

В 2021 году «Системные Технологии» выстроили системную поддержку качества мастер-данных в двух крупных компаниях. Этот процесс нельзя полностью роботизировать: требуется подключение асессоров и апруверов.

Процесс работы с мастер-данными

Из базы убираются ТТ, в которых не было продаж за последний год: так формируется активная клиентская база. Оставшиеся адреса разбираются и геокодируются сначала автоматически, затем вручную. Около 10% ТТ невозможно найти на картах — они передаются для уточнения на территорию супервайзеру или менеджеру.

Затем проводится маппинг точек дистрибьютора на эталонную базу: программа соотносит записи дистрибьютора по торговым точкам с очищенной базой производителя. В дальнейшем клиентская база передается на поддержку.

image
Схема очистки базы данных

Преимущества подхода

Благодаря системной поддержке мастер-данных производитель получает эталонную базу точек, которая обновляется в режиме реального времени, при этом:

  • растет скорость и качество принятия решений за счет оперативной чистки и маппинга данных;
  • высвобождается ресурс бизнес-аналитиков.

Приведя в порядок данные, компании переходят к сегментации ТТ. Например, вы увидели, что точка, задублированная дистрибьютором, прокачивает больший объём товаров. Можно ее ресегментировать и поменять ценовую политику или дать другой промобюджет.

Чтобы узнать больше об опыте «Системных Технологий» в управлении клиентской базой, посмотрите выступление Игоря Сергеева на отраслевой встрече «IT в FMCG» GlobalCIO|DigitalExperts:

Расширение дата-сетов

Настоящая магия начинается, когда мы обогащаем эталонные данные. Подключение одного только 2GIS помогает перестроить мотивацию торговых партнеров и получить дополнительные аргументы на переговорах. Например, дистрибьютор утверждал, что покрыл 100% территории (и получал за это соответствующие бонусы). Производитель проанализировал территорию через 2GIS и выяснил, что торговый партнер не охватил даже 70% территории.


Сейчас мы проводим пилот по шерингу данных торговых точек между неконкурирующими производителями. Нам кажется, у этой истории большое будущее. Например, анализ показывает: компания не сотрудничает с какими-то точками, а другой производитель с ними работает. Остается понять, почему так происходит, и исправить ситуацию.

Подведем итоги

Некачественные мастер-данные мешают производителю анализировать продажи, использовать инновации и принимать решения. Системный процесс поддержки качества данных может стать точкой роста и надежным фундаментом для развития продаж.



Вам также могут быть интересны статьи: