Cómo desarrollar una visión de 360 grados de los clientes

Si hablamos de innovación en el sector del retail en España, los expertos coinciden en que queda un largo camino por recorrer en lo que se refiere a analítica de datos aplicada a Inteligencia de Negocio. Es decir, cómo se puede aprovechar los datos que las compañías tienen de sus clientes para dar mejor servicio y generar más negocio.

A pesar de que las empresas se van actualizando de forma paulatina, se percibe una sensación generalizada de lejanía con respecto al Big Data aplicado a la toma de decisiones. De hecho, tan solo un 40% de las compañías ya tienen implementaciones cuando la previsión es, según un informe de Forrester, que para el año 2020 la adopción de Data Analytics será una realidad en aproximadamente el 90% de las empresas españolas.

Y es que la analítica de datos es cada vez más accesible para todas las compañías del tipo que sea y de especial utilidad para determinados sectores, como es el caso del retail y cualquier tipo de comercio.

Prevenir roturas de stock o un exceso del mismo, gestionar la logística con precisión o una visión completa del perfil del cliente son sólo algunas de las aplicaciones posibles en este sector. En este sentido, gigantes del retail como Marks and Spencer (M&S) ya se han lanzado a mejorar sus procesos mediante el uso y el análisis de sus datos, con el objetivo de diseñar una experiencia de cliente adecuada y desarrollar una visión de 360 grados de los clientes. Un análisis con el objetivo de obtener en una mejor comprensión en los comportamientos de compra a través de todos los canales.

A día de hoy, cualquier negocio de retail puede acceder a este tipo de analítica. La capacidad de procesamiento de datos a gran escala es capaz de utilizar toda la información que las empresas ya tienen de sus clientes y que se había estado almacenando en los CRM así como información nueva que se genera en tiempo real en formatos y estructuras heterogéneas. Toda esta información conecta y concentra en un repositorio central al que se le añaden las nuevas fuentes de datos adicionales que ayudan a obtener conclusiones relevantes para mejorar el servicio y las operaciones.

¿De qué tipo de conclusiones hablamos? Desde el punto de vista de procesos de negocio, puede tener impacto en diferentes departamentos. En el caso de M&S, al centralizar toda su información en un único repositorio, es capaz de proveer de información útil a los equipos de Marketing, Finanzas, ecommerce e IT. De este modo consigue, por ejemplo, tener un control más exhaustivo del producto más demandado y controlar el stock en tiendas y almacenes, con el impacto que esto tiene en la optimización financiera.

Otro de los ejemplos relevantes es la posibilidad de centralizar la información que proviene de la multitud de canales a través de los cuales los clientes se comunican con la compañía. Estas comunicaciones pueden comprender desde las interacciones en tienda, llamadas telefónicas, entradas en la web, el uso de las apps de las marcas y hasta la relación con los perfiles de Facebook o Twitter. En este sentido, la mayoría de las interacciones por redes sociales suelen ser quejas o malas experiencias. De este modo, es posible detectar de forma temprana aspectos varios que no funcionan y perfeccionar el servicio en tiempo real permitiendo a las compañías ser más ágiles.

Como parte del resultado, Marks and Spencer podría, a día de hoy, hacer predicciones de cuantas cajas tiene abiertas en tiempo real, conocer el flujo de cada una y ajustar el personal necesario en cada momento. Desde el punto de vista de operaciones, puede prever que productos serán lo que tengan más demandada y evitar roturas de stock o trackear los pasillos para buscar las zonas calientes y frías de cara a exponer mejor la oferta en el lineal, así como analizar los lugares con mayor tráfico de personas y tomar decisiones en cuanto a la posibilidad de rotación de los productos. Estos cambios aumentan la satisfacción del cliente y mejoran el negocio en todos los sentidos.

Para Marks and Spencer el primer paso fue encontrar un partner tecnológico estratégico que pudiera construir una plataforma de analítica avanzada de datos pudiese dar servicio a toda la compañía y encontró en Cloudera Enterprise la solución escalable para convertir sus datos en inteligencia de negocio.

El futuro de las grandes superficies como los pequeños comercios pasa por utilizar el Machine Learning y descubrir patrones ocultos en tiempo real. Para ello, es necesario organizar los datos propios y de los clientes combinados con datos de nueva creación y nuevas fuentes para extraer resultados que optimicen desde la venta, el stock, la gestión logística y sobre todo, la satisfacción del cliente.