Как использовать Big Data при выборе места для новой торговой точки (оказания услуг) и для прогнозирования выручки

С помощью Big Data можно прогнозировать выручку от продаж (оказания услуг) и иные важные хозяйственные показатели, вести подбор помещения для успешного бизнеса. Как и обнаруживать факторы, которые на соответствующие показатели влияют. В этих целях используются никакие не секретные, а уже ставшие массовыми и потому общедоступными инструменты. Которые, к тому же, можно считать исключительно достоверными — рассмотрим их подробнее.

Big Data – новый ресурс для бизнеса

Нет общепринятого определения термину Big Data – но он уже используется повсеместно и все чаще. Если говорить совсем просто, то «большими» — Big, данные — Data, зовутся именно потому, что они «большие» — так как «весят» в цифровом исчислении очень много. Гигабайты, терабайты — и сотни их. Благодаря высокой пропускной способности современных сетей их можно передавать из одного места в другое — даже с использованием самых общедоступных компьютеров. Это необязательно дорогостоящие сервисы дата-центров: иногда с обработкой определенных участков Big Data справляются самые обыкновенные мобильные гаджеты.

Раньше необходимых мощностей сети — как и «общедоступности» достаточных для их задействования устройств попросту не было. И данные были «недостаточно Big». Теперь — они такие, и бизнесу просто необходимо задействовать это преимущество.

Смысла делать данные «большими» и однотипными нет никакого. Практически всегда Big Data – это данные очень сложные по структуре и назначению. Вместе с тем, их полезность может наблюдаться в едином контексте. Они — представляя собой некие статистически значимые показатели, могут обрабатываться, интерпретироваться и образовывать прогнозы, выполнять предикативную функцию — в целях решения определенных задач.

Для бизнеса предикативные функции и прогнозы почти всегда означают прогнозы по выручке. Или расходам. Или — иным хозяйственным показателям. Что не менее важно — в сопоставлении с теми же показателями, что наблюдают конкуренты.

Вопрос в том, откуда брать исходные данные. Особенно, с учетом того, что они — большие. В случае со сферой торговли есть для этого один инновационный инструмент — онлайн-кассы.

Онлайн-кассы как эталонный источник больших данных

Онлайн-касса — это с виду обыкновенный кассовый аппарат, формирующий чеки для выдачи покупателям в целях подтверждения оплаты. Но это далеко не только так: соответствующий инновационный тип ККТ формирует очень емкую подборку данных — «фискальные данные». Которые в цифровом и удобном для обработки (стандартизованном — в соответствии с принятыми форматами) виде могут аккумулироваться различными заинтересованными сторонами.

Например — ФНС, которой интересны выручка и расходы торгового предприятия как налогоплательщика. Налоговая получает эти данные с онлайн-касс автоматически, хочет этого магазин или нет: все онлайн-кассы по закону передают сведения в ФНС через интернет.

Например — Оператор фискальных данных, обязательный по закону же посредник между предприятием и ФНС. Именно ОФД «собирает» данные с онлайн-касс, преобразовывает в нужный формат и направляет налоговикам. По пути — в законном же порядке, «обрабатывает» их, не нарушая ничьих интересов.

И на основании этой обработки (которую может при желании делать и ФНС тоже — как и иное любое заинтересованное лицо, у кого, разумеется, есть доступ к фискальным данным) ОФД может вырабатывать прогнозы и предикативные данные — в интересах бизнеса.

В фискальные данные входит куча информации. Это не только выручка, но и, к примеру, состав каждого чека — буквально по единичной бутылке. Полный перечень реквизитов фискального чека можно почитать, заглянув в статью 4.7 Закона № 54-ФЗ (ССЫЛКА), который регулирует применение контрольно-кассовой техники. И можно увидеть, что в этих реквизитах много чего интересного.

На основании фискальных данных с одного кассового аппарата можно отследить, почем и кем (на каком месте) была продана одна бутылка (пусть минеральной воды определенного бренда). Это «просто данные», simple, если угодно, data. На основании фискальных данных (ФД) с миллиона кассовых аппаратов — обстоятельства продажи миллиона бутылок. А если представить, что разных брендов? Это уже «большие данные», Big Data.

И совершенно очевидно, что анализ данных «по бутылкам» — это совершенно незначительная область обработки Big Data по фискальным данным. Это огромный, попросту невообразимо огромный ресурс. Еще недавно недоступный бизнесу. А сегодня — способный дать заинтересованному лицу крутейшие конкурентные преимущества.

Практические инструменты для извлечения такого преимущества уже есть — ознакомимся с ними далее.

Анализ Big Data с множества аппаратов ККТ и прогнозирование выручки конкретной торговой точки (места оказания услуг)

Пользователю сервиса Mesto.Динамика      (оценка потенциала локации: прогноз выручки, факторы окружения, а также рекомендации по ассортименту), который принадлежит типичному «заинтересованному лицу» — Оператору фискальных данных ОФД.ру, обещается предоставление информации — базирующейся на аналитике Big Data:

• по прогнозируемой величине выручки магазина — на год;
• по рекомендуемому ассортименту (который точно раскупят, будут приходить ради него);
• по сочетанию товарных позиций (чтобы лучше продавались);
• по динамике спроса — в определенные часы, дни недели, сезоны;
• по доходам целевых категорий потребителей;
• по объему целевой аудитории потребителей (что интересно — выражаемому в квартирах — расположенных поблизости магазина);
• по количеству близлежащих конкурентов;
• по развитости местной инфраструктуры;
• по отраслевым показателям (средний чек, средняя выручка).

Максимум информации визуализируется — в том числе с использованием карты местности.

Показывается, где живут потребители, сколько минут им надо идти до магазина (или другой торговой точки или оказания услуг) — и где конкуренты, тоже показывается.

Отображается количество автобусных остановок — если говорить о показателях, имеющих отношение к инфраструктуре.

Понятно, что Big Data, на основании которой программа строит аналитику – необязательно фискальные данные. Но почти наверняка именно они — одна из основ соответствующей аналитики, с помощью которой пользователю сервиса представляется выкладка по указанным выше типам информации.

Фискальные данные — настоящие, не выдуманные, и потому представляющие собой исключительно качественный источник информации для прогнозов и по выручке и по всему остальному. Подделать или искусственно откорректировать их крайне сложно: онлайн-кассы защищены криптографическими алгоритмами высочайшей надежности.

Сервис Mesto.Динамика работает, анализируя данные в значительной степени «постфактум» — то есть, рассчитан он, главным образом, на действующие предприятия. Но есть сервис, что акцентирован в том числе на предикативной функции — позволяющей оценить перспективы планируемого бизнеса.

Большие данные с чужих онлайн-касс позволяют вести подбор места для бизнеса

Еще один сервис от ОФД.ру – продукт Mesto.Подбор (подбор помещения для открытия новой торговой точки и прогнозирование выручки).

Он позволяет, таким образом, определить — насколько может быть эффективным предполагаемое место открытия магазина, аптеки, любой точки продаж или оказания услуг. Спрогнозировать эту эффективность. Аналитика также строится по данным Big Data, что находятся в распоряжении Оператора.

При этом, оцениваются точки, реально доступные на рынке — выставленные на продажу или сдаваемые в аренду. Можно подобрать до 5 точек — в которых бизнес может быть максимально эффективным.

По каждому помещению показывается прогноз в части выручки — с учетом особенностей потребительского поведения, деятельности конкурентов и инфраструктуры. В расчет берутся даже типичные пешеходные маршруты: движение людей по ним тоже может играть роль (и формировать определенный процент Big Data).

И здесь, понятно, анализ фискальных данных может и не играть ключевой роли. Но они, опять же, почти наверняка, задействуются — с учетом их надежности и информативности.

Ходьбы людей по маршрутам онлайн-кассы, конечно, не отслеживают. Но косвенно позволяют «смоделировать» их перемещение по городу: например, если одна касса ОФД «покажет», что человек был в продуктовом магазине и основательно там закупился, а другая — отразит факт покупки человеком билета в автобусе на определенном маршруте через несколько минут, то будет очевидно, что человек пошел от выхода магазина к остановке соответствующего автобуса по кратчайшему пути. И никуда в сторону не отходил: в руках — полные пакеты и надо поскорее отнести их домой.

Не фантастика — но технология совершенно инновационная, уникальная и конкурентность образующая. И доступная почти всем желающим — в том числе самым малым бизнесам. Никаких «спутников-шпионов» и скрытых камер: все легально и тактично.

И актуально: данные по Big Data могут (и должны — это, к слову, один из критериев «больших данных») анализироваться в реальном времени. Московский метрополитен может открыть очередную станцию — и не исключено, что она окажется рядом с магазином. Тогда человек пойдет не на автобус, а на метро — что немедленно покажется в аналитике, «типичный» пешеходный маршрут заметно откорректируется.

Прогнозировать выручку и прочие показатели бизнеса умеют и многие конкуренты ОФД.Ру — например, «Платформа ОФД». Оценивать эффективность бизнеса на определенном месте — тоже. В числе компаний, специализирующихся на этом — «Первый ОФД». В целом, все операторы имеют здесь сопоставимые возможности — и пользователю их сервисов надо просто подобрать оптимальное решение для себя. Смело пробовать разные варианты и выбирать лучший.

Резюме

Big Data в бизнесе — практически неограниченный ресурс даже в отдельно взятом сегменте — если говорить о сфере применения контрольно-кассовой техники. Где статистика по «миллиону бутылок» — лишь капля в море полезнейшей информации, которая способствует тому, чтобы бизнес был максимально эффективным.

Уже сейчас доступен инструментарий, который на основании Big Data – в значительной степени представленной информативными фискальными данными по онлайн-кассам, способен давать достоверные прогнозы по выручке на определенном месте. Инструментарий очень чувствительный к условиям, способным напрямую влиять на динамику такой выручки. И очень доступный — благодаря чему даже маленький магазин может стать сверхконкурентным субъектом в своем районе.