چکیده وبینار آموزشی سکان پیرامون رفتار داده‌محور مدیران و تاثیر آن در سازمان‌ها

سکان پلتفرم تحلیل داده، چندی پیش وبیناری برگزار کرد که علیرضا رحیمی مدیر محتوای سکان میزبان علیرضا نخجوانی مدیرعامل هلدینگ دایا و علی مهدویان متخصص علم داده سکان بود و پیرامون موضوع «نقش تحلیل داده در صنعت خرده فروشی» به بحث و گفت‌گو نشسته‌اند. در این مطلب دی‌ام برد چکیده‌ایی از مهم‌ترین نکات این گفت‌وگو را آورده‌ایم.

ویدیو کامل این وبینار را میتوانید در اینجا مشاهده کنید.

خرده فروشی

صنعت خرده فروشی به دلیل اینکه تقریبا قدمتی برابر با اقتصاد دارد، جزو صنایع تکامل یافته محسوب می‌شود چرا که طی زمان با تغییراتی که در سبک علایق مردم شکل گرفته این صنعت چکش خورده شده است، اما هنوز صنعت خرده فروشی در ایران از دانش روز دنیا به اندازه‌ی قابل توجهی فاصله دارد، در حالت کلی ایران در اکثر صنایع ۵ تا ۱۰ سال از اتفاقات روز دنیا به دور است اما در صنعت خرده فروشی ایران شروع کرده و شکل سازمان به خود گرفته است و با دانشگاه‌ها ارتباطات ایجاد کرده است.  این‌ها نشانگر رو به پیشرفت بودن این صنعت است شاید حال کنونی این صنعت خوب نباشد ولی این شرایط ترقی، آینده‌ی بهتری را فراهم خواهد کرد.
صنعتی که مستقیم با مشتریان در ارتباط است چالش‌های بخصوص خودش را دارد از جمله این‌که در هر منطقه باید با فرهنگ آن منطقه هماهنگ شود و با تغییرات فرهنگی بر روی امواج سوار شود تا بتواند به مسیر خود ادامه دهد.
چالش دوم این صنعت وضعیت اقتصادی مردم است که با کوچک‌ترین اتفاقات تغییر می‌پذیرد. به‌طور مثال تغییراتی که در زمان واریز یارانه صورت می‌گیرد.

صنعت خرده فروشی از صنایعی است که حاشیه سود پایین دارند محصولات FMCG (محصولات تند مصرف) حاشیه سود ۵ الی ۱۰ درصدی دارد و برای محصولاتی که زمان مصرف یک الی دو ماهه دارند حاشیه سود ۱۵ الی ۲۰ درصدی وجود دارد، پس هر اشتباه کوچک شما را به وضعیت بدی دچار می‌کند.

داده در سازمان‌ها

در تمام سازمان‌ها زمانیکه مدیران داده محور می‌شوند سازمان به سمت داده محور شدن هدایت پیدا می‌کند چرا که این فرهنگ از بالا به پایین جاری می‌شود.
زمان قدیم داده محور بودن جزو مسائل لوکس در سازمان‌ها بوده است ولی در آینده مزیت رقابتی خواهد بود چرا که اگر شما داده‌محور نباشید طبق سرعت پیشرفت رقبا شما در مسیر از آنها جا خواهید ماند.
اگر نمونه‌های کوچکی از داده محوری را در سازمانتان اجرا کنید فواید که پدید می‌آید به صورت خودکار شما را به داده محور شدن علاقه‌مند می‌کند.
داده برای همه بخش‌های سازمان مفید خواهد بود، (مارکتینگ، منابع انسانی و … ) هر جایی از سازمان هزینه وجود داشته باشد برای بهینه کردن عملکرد می‌توانیم از از داده کمک بگیریم، ارتباطات بین واحدها را شناسایی کنیم نشت اطلاعات را پوشش دهیم در حالت کلی تصمیماتی را در سازمان اتخاذ کنیم که سرعت پیشرفت ما را افزایش بدهند.
در فرهنگ داده محوری بالفرض اگر تمام کارمندان داده را به کار بگیرند، تیم داده توانایی تامین داده لازم برای هر بخش را نخواهد داشت، پس داده محوری کار یک شب نیست باید قدم به قدم هر بخش به پختگی کافی برسد یا بخشی از فعالیت برون‌سپاری شود تا امکان بهره‌برداری هر چه بیشتر فراهم شود.

مدیران و داده محوری

مدیرانی که موافق جاری شدن فرهنگ داده‌محوری در سازمانشان نیستند باید بدانند مدیریت در یک جمله یعنی تصمیم‌گیری با داده‌های موجود. پس مدیریت در حالت کلی با داده عجین شده، زمانی که شما می‌توانید به حجم زیادی داده از کسب‌وکارتان دست‌یابید و تصمیمات دقیق‌تر و درست‌تری اتخاذ کنید چرا این کار را نکنید؟!
زمانی‌که شما در سطوح پایین‌تر سازمان هستید دغدغه‌ها و و میزان اثرگذاری تصمیم شما در سازمان کمتر خواهد بود و دست شما در سازمان برای آزمون و خطا بیشتر خواهد بود، اما تصمیمات مدیر سازمان تاثیرات بلند مدت و عمیقی در سازمان دارد پس باید تصمیمات با ظرافت بیشتری اتخاذ شوند.

مدیران سنتی بر اساس شهود، در ذهنشان مدل‌سازی صورت می‌دهند و تصمیماتشان را طبق این مدل‌سازی‌ها اتخاذ و اجرا می‌کنند، اما در سازمان داده محور این مدل‌سازی نه در ذهن بلکه در سیستم با ابعاد بسیار بزرگتر و متغییرهای بیشتری پردازش می‌شود. قطعا ذهن انسان در مقابل یک سیستم هوشمند محدودتر عمل میکند و فاکتورهای کمتری را در نظر می‌گیرد و در پی این مساله از بسیاری از واقعیات چشم پوشی می‌شود، در نتیجه می‌توان به سادگی گفت که درصد خطای مغز انسان بسیار بیشتر از یک سیستم خواهد بود. ما با داده محوری عدم قطعیت و ابهام را در سازمان کاهش می‌دهیم، به همین دلیل به علم داده پشتیبان تصمیم هم گفته می‌شود.

برخی از مدیران خود را داده محور می‌دانند در حالی که اصلا داده‌ای در سازمان جمع‌آوری نمی‌شود، در فلسفه این رفتار را به مانند این توصیف می‌کنند که شما تیری را شلیک کنید سپس دایره‌ای به دور آن بکشید و بگویید که به خوبی هدفتان شلیک کرده‎‌اید! داده قبل از تصمیم‌گیری به درد می‌خورد تا شما را هدایت کند.

زمانی که شما در کسب‌وکارتان به شهود بسنده می‌کنید و به دنبال جمع‌آوری داده‌ها نیستید حجم عظیمی از آب، مانند رودی خروشان از کنار شما رد می‌شوند درحالی که شما به دنبال یک لیوان آب برای رفع تشنگی سرگردان هستید! برای درک بهتر این موضوع تصور کنید شما مشتری دائمی یک رستوران هستید در هر مراجعه‌ی شما، رستوران از شما اطلاعات شخصی و شماره تماس دریافت می‌کند شما به طور پیش‌فرض منتظر یک کد تخفیف، قرعه‌کشی، دسر رایگان یا هر خدمات تشویقی دیگری هستید، اما اگر این رستوران این اطلاعات را از شما دریافت کند تا اگر شما وسیله‌ایی را در آن‌جا، جا بگذارید به شما اطلاع دهند چه؟
این رستوران هزینه و زمان صرف می‌کند ولی از داده‌ای که در دست دارد استفاده‌ای نمی‌کند.

شاید شما به عنوان یک کسب‌وکار نوپا سرمایه کافی برای داده‌محور شدن نداشته باشید، اما باید داده‌ها را جمع‌آوری کنید تا در زمانی که سرمایه لازم برای تحلیل داده و داده محوری را بدست آوردید بتوانید از آن‌ها برای آینده سازمان استفاده کنید.
باید فراموش نکنیم داده‌محور شدن یک شبه اتفاق نمی‌افتد بلکه فرآیندی است که آهسته آهسته شکل می‌گیرد. ابتدا در سازمان تصمیم داده‌‌محور شدن گرفته می‌شود اولین اقدام پس از تصویب این هدف، شناخت داده‌های موجود در آن کسب‌وکار است و پس از آن شناخت داده‌هایی که بیشترین تاثیر را در کسب‌وکار مذکور دارند. سپس باید داده‌ها طبق اولویت جمع‌آوری شوند، سپس پاک‌سازی‌شوند و در نهایت تحلیل ‌شوند. در پایان می‌توان از روی داده‌های تحلیل شده تصمیمات مورد نیاز سازمان را اتخاذ کرد. شما از این داده‌ها برای قیمت‌گذاری، پروموشن و… می‌توانید استفاده کنید.
قیمت‌گذاری طبق رفتار مشتری و رفتار رقبا صورت می‌گیرد. در کسب‌وکارها قیمت برای گروهی از مشتریان افزایش پیدا می‌کند اگر مورد استقبال بود افزایش قیمت ثابت صورت می‌گیرد.

یکی از چالش‌ها و اشتباهات دیگر داده محوری این است که در بخش‌های مختلف سازمان داده‌ها جمع‌آوری می‌شود ولی با بخش‌های دیگر به اشتراک گذاشته نمی‌شود.

تقسیم‎‌بندی مشتریان

ساده‌ترین روش تقسیم‌بندی مشتریان روش RFM است، بر اساس این روش شما با پارامترهای Recency (فاصله زمانی خرید قبلی)، Frequency (تعداد خرید قبلی)، Monetary (حجم خرید قبلی) مشتریان را در دسته‌های ۳، ۶ و ۱۱ تایی تقسیم می‌کنید، طبق این دسته‌بندی مشتری که فاصله خرید کم و حجم و تعداد خرید بالایی دارد به عنوان مشتری قهرمان شناسایی می‌کنید، گروه دیگر از مشتریان، مشتریان وفادار هستند این گروه از مشتریان شاید فاصله زمانی خریدشان بالا باشد ولی اگر نیاز به خرید داشته باشند شما را انتخاب می‌کنند، گروه دیگر تعداد و حجم خرید بالایی دارند ولی فاصله خریدشان بسیار بالا است به این گروه “از دست ندهید” گفته می‌شود شما با پیشنهادات مختلف باید این گروه را ترغیب کنید که دوباره از شما خرید انجام دهند و به مشتری وفادار تبدیل شوند. (درباره روش RFM بیشتر بخوانید)

زمانی که فاصله بین خرید مشتری بیشتر از ۳۰ الی ۶۰ روز شد یعنی این مشتری ریزش پیدا کرده اما زمانی‌که شما از داده استفاده می‌کنید ۱۰ روز پس از خرید مشتری پیش‌بینی خواهید کرد که این مشتری تا ۵۰ روز آینده به کسب‌وکار شما بر نخواهد گشت در نتیجه در این مدت با پیشنهادات مختلف سعی می‌کنید وی را به خرید مجدد ترغیب کنید. بسیاری اوقات مشتریان شما به دنبال بهانه برای خرید کردن هستند شما می‌توانید با پیشنهادات مختلف ترغیبشان کنید، الزاما نیاز به تخفیف نیست شما می‌توانید با یک پیام ساده صمیمی مانند یک احوال‌پرسی ارتباطتان را تازه کنید.

زمانی‌که شما promotion (چاشنی‌های فروش) مخصوص هر دسته از مشتریان را اجرا می‌کنید نوع عکس‌العمل مشتریان آن دسته، دسته‌های جدیدی ایجاد می‌کند و رفتار متفاوتی با این گروه‌های جدید لازم است، در این صورت رفته‌رفته هزینه‌های شما بهینه‌تر و اثرگذاری آن بیشتر می‌شود.
اگر شما در promotionهای هر گروه به جنسیت آنها توجه کنید و پوستر را طبق جنسیت مشتری انتخاب کنید نتیجه بهتری دریافت می‌کنید، یا در promotionهای متنی مشتریانتان را به اسم خطاب کنید یا به خرید قبلی وی از شما اشاره‌ای کنید یا طبق رفتارهای خریدش پیشنهاداتی به او ارائه کنید. همه این روش‌ها احساس مثبتی در مشتری ایجاد می‌کند.
شما باید به عنوان برند پیشنهادی را به مشتری ارائه کنید که کمترین احتمال رد شدن را داشته باشد چرا که اگر پیشنهاد شما از طرف مشتری رد شود قبول کردن پیشنهاد بعدی نیز سخت‌تر خواهد بود. این را به خاطر داشته باشید که هزینه جذب مشتری ۵ تا ۲۵ برابر هزینه بازگشت مشتری است.

در علم داده تحلیل‌ها در سه سطح انجام می‌شود:

۱. توصیفی: وضعیت حال حاضر کسب‌وکار را توصیف می‌کند.
۲. تشخیصی: تشخیص بدهیم علل وقوع برخی اتفاقات چه چیزی بوده است.
۳. پیش‌بینی: اتفاقاتی که ممکن است در سازمان پدید بیاید را پیش‌بینی می‌کنید.
۴. تجویزی: برای مشکلات پیش آمده راه‌حلی تجویز می‌کنید.

ویدیو کامل این وبینار را میتوانید در اینجا مشاهده کنید.