대형 데이터 및 소매 업체 - 더미

소매업자는 많은 수의 고객에 대한 판매 기록을 수집하고 유지 관리합니다. 문제는 항상이 데이터를 유용하게 사용하는 것이 었습니다. 이상적으로, 소매업자는 고객의 인구 통계적 특성과 그들이 구매하고자하는 상품 및 서비스의 유형을 이해하고자합니다. 컴퓨팅 용량의 지속적인 향상으로 고객 특성을 기반으로 다양한 제품에 대한 수요를 예측하는 데 사용할 수있는 패턴을 찾기 위해 방대한 양의 데이터를 탐색 할 수있었습니다.

빅 데이터가 도움이 될 수있는 또 다른 문제는 가격 전략에 있으며 특히 다양한 고객이 가격에 얼마나 민감한지를 이해합니다. 때때로 제품에 맞는 가격을 선택하는 것은 때로 추측을 기반으로합니다. 반대로 큰 데이터는 소비자 습관을 사용하여 상품의 이익 극대화 가격을 식별하는 소매 업체의 능력을 향상시킬 수 있습니다. 큰 데이터를 사용하는 또 다른 이점은 소매 상점이 고객 쇼핑 습관에 따라 상점 전체에 상품 배치를 더 잘 계획 할 수 있다는 것입니다.

빅 데이터는 재고 관리를 통해 소매 업체를 도울 수 있습니다. 많은 소매 업체가 다양한 제품을 판매하고 있으며 이러한 정보를 추적하는 것은 큰 어려움입니다. 큰 데이터를 사용하면 소매 업체는 인벤토리의 크기와 위치에 대한 정보를 즉시 업데이트 할 수 있습니다.

소매업자를위한 빅 데이터의 가장 중요한 용도 중 하나는 자신의 선호도에 따라 개인 소비자를 홍보 할 수있는 능력입니다. 이러한 타겟팅은 광고 효율을 높일뿐만 아니라 고객에게 소매 업체와 더 개인적인 관계를 제공함으로써 반복적 인 비즈니스를 장려합니다. 또한 고객 선호에 대한 지식을 통해 소매 업체는 향후 구매에 대한 권장 사항을 제공 할 수 있으므로 반복되는 비즈니스가 늘어납니다.

예를 들어 Nordstrom은 대용량 데이터의 사용을 적극적으로 받아 들였습니다. 고객에게 온라인 쇼핑 옵션을 제공하는 최초의 소매점 중 하나였습니다. 이 회사는 고객이 iPads, iPhone 및 기타 모바일 장치에서 직접 쇼핑 할 수있는 스마트 폰 응용 프로그램을 개발했습니다. Nordstrom은 또한 매장 중 특정 상품을 운반하는 고객을 보여줍니다. Nordstrom은 다른 상점에서 주문해야하는 상품의 경우 배달 시간을 매우 정확하게 예측할 수 있습니다.

Nordstrom은 큰 데이터 기능을 사용하여 쇼핑 경험을 바탕으로 맞춤형 광고를 통해 고객을 타겟팅합니다. 이 정보는 Nordstrom의 매장 판매, 웹 사이트 및 Facebook 및 Twitter와 같은 소셜 미디어 사이트에서 얻을 수 있습니다.

Nordstrom은 Innovation Labs 부서를 통해 고객 쇼핑 경험을 개선하기위한 연구를 수행합니다. 회사가 큰 데이터 기술의 최첨단에 남아 있도록하기 위해 2011 년에이 부서를 만들었습니다.

Walmart

Walmart는 빅 데이터를 수용하는 또 다른 주요 소매 업체입니다. 월마트는 판매량 기준으로 미국 최대 소매 업체입니다. 또한이 나라에서 가장 큰 사설 고용주이기도합니다. 지난 몇 년 동안 월마트는 전자 상거래를 통해 아마존과 직접 경쟁하게되었습니다. co.kr 및 기타 온라인 판매점을 방문하십시오. 2011 년 월마트는 Kosmix라는 회사를 인수하여 독점적 인 검색 엔진 기능을 활용했습니다 (Kosmix는 Walmart Labs로 이름을 바꿨습니다). 그로부터 Walmart Labs는 거대한 데이터 기술을 기반으로 여러 신제품을 개발했습니다. 이 중 하나는 소셜 게놈 (Social Genome)으로, 월마트는 고객이 인터넷상의 다양한 사이트를 통해 표현한 선호도에 따라 할인 된 가격으로 개별 고객을 타겟팅 할 수 있습니다. Walmart Labs가 개발 한 또 다른 제품은 Shoppycat입니다. Shoppycat은 Facebook에서 찾은 정보를 기반으로 선물 추천을 제공하는 앱입니다. 전자 상거래가 월마트의 연간 매출에서 차지하는 비중은 여전히 ​​적지 만, 빅 데이터 기술에 투자 한 결과, 향후 온라인 매출이 점차 더 중요한 매출원이 될 것으로 기대됩니다.

아마존. com

소매업에서 큰 데이터를 사용하는 가장 좋은 예는 Amazon입니다. co.kr은 큰 데이터 기술 없이도 존재할 수 없었습니다. Amazon은 책 판매를 시작했으며 가구, 가전 제품, 의류 및 전자 제품을 포함하여 상상할 수있는 모든 소매 분야로 확대되었습니다. 그 결과, 아마존은 2014 년에 890 억 달러의 수익을 창출하여 미국 내 최대 10 대 소매 업체이자 최대 온라인 소매 업체가되었습니다.

엄청난 양의 재고 관리

정확한 주문 추적

향후 구매 권장 사항

Amazon은

항목 간 협력 필터링.

이 필터링은 과거 구매, 본 항목, 유사한 특성을 가진 고객이 수행 한 구매 등과 같이 고객이 제품을 구매하도록 유도 할 수있는 주요 세부 사항을 식별하도록 설계된 알고리즘을 기반으로합니다. 아마존은 또한 잠재적 인 가장 높은 매출을 기반으로 선택된 이메일로 권장 사항을 제공합니다.

• Amazon은 대용량 데이터 기능에 대한 투자를 다른 방식으로 잘 활용할 수있었습니다. 이제 기업은 인프라를 유료로 사용할 수있어 수익을 얻게됩니다. 이는 Amazon Elastic MapReduce (EMR) 및 Amazon Web Services (AWS)와 같은 제품을 통해 수행됩니다.

• Amazon EMR을 사용하면 Amazon의 컴퓨터 하드웨어를 사용하여 엄청난 양의 데이터를 분석 할 수 있습니다. 이 하드웨어는 Amazon Cloud Drive를 통해 액세스 할 수 있습니다. Amazon Cloud Drive에서는 기업이 데이터를 저장하는 데 비용을 지불 할 수 있습니다.많은 기업에서 이러한 기능을 사용하는 것은 대용량 데이터의 요구 사항을 처리하는 데 필요한 컴퓨터 인프라를 구축하는 것보다 저렴합니다. AWS는 Amazon Cloud Drive를 통해 스토리지 시설, 데이터베이스 관리 시스템, 네트워킹 등 다양한 컴퓨터 서비스를 제공합니다.

• 아마존의 빅 데이터 사용의 한 가지 흥미로운 확장은 주문 전에 고객에게 제품을 선적하는 계획입니다.

회사는 2014 년에 "예상 선적"방법론으로 특허를 받았다. 이 계획이 성공하려면 아마존. com은 반품 된 상품의 위험을 피하기 위해 엄청나게 높은 정확도로 고객의 수요를 예측할 수 있어야합니다.