Es war noch nie so einfach, data zu arbeiten (und sofort davon zu profitieren)

Die besonders turbulenten Marktbedingungen im Jahr 2022 haben die Preis- und Lieferkettenpolitik des Einzelhandels durcheinandergebracht. Während die Preisoptimierung für diese Branche schon immer ein tägliches Anliegen war, haben der Anstieg der Verbraucherpreise um 5,2 % im gesamten Jahr 2022 (im Vergleich zu 1,6 % im Jahr 2021) und dessen Beschleunigung im ersten Quartal 2023 den Handlungsbedarf noch verstärkt. Täglich müssen häufiger Entscheidungen zur Preisanpassung getroffen werden, um Kostensteigerungen aufzufangen oder auf die Neupositionierung von Wettbewerbern zu reagieren, und diese müssen sofort in den Filialnetzen umgesetzt werden.

Erschwerend kommt hinzu, dass die Lieferketten nach wie vor von den Folgen der Pandemie überschattet werden. Viele Einzelhändler sind sich aufgrund von Lieferengpässen nicht mehr sicher, ob sie alle Produkte anbieten können.

Um diese beiden Herausforderungen zu bewältigen, zeichnen sich Akteure aus, die sich in hohem Maße auf ihre data stützen data diese mithilfe von maschinellem Lernen sofort und in großem Umfang verarbeiten können. Natürlich lässt sich der Übergang von data zu data nicht von heute auf morgen vollziehen, doch entgegen weit verbreiteten Befürchtungen sind die Technologien mittlerweile so ausgereift, dass die ersten Bausteine, die schnell Ergebnisse liefern, bereits innerhalb weniger Wochen implementiert werden können.

Die Inflation hat die Aufmerksamkeit der Einzelhändler auf die tägliche Herausforderung der Preisoptimierung gelenkt: Wie lassen sich die Produkte identifizieren, die am empfindlichsten auf Preisschwankungen reagieren (Elastizität)? Welche Produkte prägen das Preisimage einer Marke (Artikel mit bekanntem Wert)? Wie kann man in Echtzeit auf die Neupositionierung von Wettbewerbern reagieren? Da Sonderangebote einen wachsenden Anteil am Umsatz ausmachen (mehr denn je suchen Verbraucher nach Schnäppchen, die zu ihrem knappen Budget passen), stellt sich die Frage: Wie lassen sie sich optimieren, ohne die Rentabilität zu beeinträchtigen? Alle Antworten liegen in den data! data eigene Verkaufshistorien können mit externen data Preis- und Aktionsaufzeichnungen der Wettbewerber, saisonalen Schwankungen, Kalenderereignissen und ja, sogar dem Wetter (!) kombiniert werden, um die richtigen Entscheidungen zu treffen. Die Preisgestalter und Category-Management-Teams der Einzelhändler übernehmen in der Regel all diese Aufgaben. Leider müssen sie oft in Excel arbeiten, haben aber aufgrund ihrer sonstigen Aufgaben nur begrenzt Zeit dafür.

Was ist also neu? Nun, es ist die Tatsache, dass heute bewährte, standardisierte Algorithmen zur Verfügung stehen, die selbst die einfachsten Entscheidungsprozesse automatisieren. Es ist die nahtlose und umfassende Verfügbarkeit von data von Drittanbietern data dem Markt. Es ist die Benutzerfreundlichkeit von Technologie-Stacks, die es ermöglichen, Millionen von Transaktionen in wenigen Millisekunden zu verarbeiten. Heute dauert es nur noch drei Monate, eine data aufzubauen, die alle data, Werbeaktionen, Lagerbestände, Produkthierarchien, Filialhierarchien, data usw. vereint. Und ein Technologiepartner kann die Infrastruktur, die Ressourcenzuweisung und die Netzwerkdimensionen in der cloud seine Managed Services verwalten. Heute sind Sie, wie Monsieur Jourdain, ein data , ohne es zu merken, wenn Sie Excel und PowerPoint beherrschen: Innerhalb weniger Tage können Sie die Kontrolle über data BigQuery (Google), Synapse (Microsoft) oder Snowflake übernehmen und interaktive Dashboards in Looker, Power BI oder Tableau erstellen.

In den letzten Jahren haben auch gesundheitliche und geopolitische Entwicklungen die Lieferketten vor Herausforderungen gestellt. Heutzutage schwankt die Lieferbereitschaft der Lieferanten von Woche zu Woche, und die Lieferzeiten können sehr ungewiss sein. Auch die Vertriebskanäle sind äußerst komplex geworden: Es müssen nicht nur die Geschäfte beliefert werden, sondern auch Hauslieferungen, Click-and-Collect-Angebote und Partnerunternehmen. Wieder einmal kommt data den Einzelhändlern zu Hilfe, indem sie ihnen eine bessere Kontrolle über das Bestandsmanagement ermöglicht. Durch den Einsatz von maschinellem Lernen können Einzelhändler nun Belege in Echtzeit analysieren, um sofort nicht vorrätige Artikel zu erkennen, die Verteilung von Unsicherheiten über alle Glieder der Kette hinweg zu berechnen, um Pufferbestände besser zu dimensionieren, oder die Bestandszuweisung unter einer unendlichen Anzahl von Einschränkungen zu verbessern (um Kosten zu optimieren, Lieferzeiten zu verkürzen oder den CO2-Fußabdruck zu verringern).

In einer Branche, in der die Margen so knapp sind, dass operative Exzellenz eine Notwendigkeit ist, ist das Konzept eines data Unternehmens keineswegs neu. Was sich heute ändert, ist die einfache Zugänglichkeit und Nutzung technologischer Plattformen.

Auch wenn die Technologie kein Hindernis mehr darstellt, besteht die Herausforderung weiterhin darin, diese Lösungen einem möglichst breiten audience zugänglich zu machen. Um ihre Nutzung zu demokratisieren, müssen einfache Lösungen in großem Maßstab eingeführt, Schulungsprogramme für Mitarbeiter – ob auf Abruf oder in intensiverer Form – ausgeweitet und Veranstaltungen (z. B. Hackathons) organisiert werden, um die Führungskräfte einzubinden, die den Wandel vorantreiben. Data um Menschen. Das ist der Slogan Artefact, und das zu Recht.

Das Tüpfelchen auf dem i ist, dass data dank Retail Media und data data eine wahre Goldgrube darstellen. Da digitale Signale immer schwieriger zu erfassen sind, sind die Milliarden von Transaktionen und Kundeninteraktionen, die Einzelhändler generieren, für sie zu einem entscheidenden strategischen Vorteil geworden. Diese data, die ein tiefgreifendes Verständnis der Verbrauchererwartungen vermitteln, bergen ein großes Potenzial zur Monetarisierung. Sie bedeuten jedoch eine tiefgreifende, existenzielle Transformation des Geschäftsmodells im Einzelhandel: den Übergang von einem selbstfinanzierten Modell (mit negativem Betriebskapital), aber sehr geringen Margen, zu einem Modell, bei dem die Anfangsinvestitionen zwar erheblich sind, die Margen jedoch hoch. Eine kopernikanische Revolution, die vielleicht nicht für alle Akteure leicht zu bewältigen ist.

Im riesigen Supermarkt der Wertschöpfungsmöglichkeiten im Einzelhandel stehen data mittlerweile ganz oben im Regal – zur Selbstbedienung. Liebe Einzelhändler, warum warten Sie noch, diese unschlagbaren Angebote mit Ihren Partnern zu teilen?