<img src="https://secure.leadforensics.com/133892.png" alt="" style="display:none;">

Mange tror, at hvis de vil arbejde på at gøre virksomheden datadrevet med BI og data analytics, så handler om at være god til it. Sandheden er, at it er den mindste del af opgaven.

Krumtappen i at blive datadrevet og få udbytte af BI er brancheviden – den tekniske øvelse kan du altid finde nogen, der kan hjælpe dig med. Hvorimod brancheviden er lige præcis den viden og indsigt, som skal være styrende for jeres rapportering og fastlæggelse af KPI’er, tabeller, nøgletal og andre data af relevans for jeres forretning. 

BI handler altså ikke om at få så mange KPI’er og rapporter som muligt trukket ud af systemerne– men om at få afdækket de rigtige KPI’er med rette relevans for netop jer og i at få dem præsenteret på den rette måde, så du kan styre din forretning effektivt.

Eller helt enkelt sagt: Data skal sættes i rette kontekst for at have værdi!

Pulsen i rapporteringen skal følge forretningen

I detailhandlen er der stort fokus på, hvad der sker lige nu og her, salget følges time for time. ’Pulsen’ i rapporteringen skal derfor køre med ekstremt korte tidsintervaller, så man med det samme kan foretage korrigerende handlinger på baggrund af rapporteringen og derved hurtigt opnå forbedret resultater..

I detail er det fx ikke unormalt at køre rapportering med dagens salg opdateret hver anden time, så man hele tiden kan reagere og justere hvis f.eks. en kampagnevare ikke sælger som forventet.

Rapporteringen skal være relevant for virksomhedens forskellige målgrupper

Rapporter, KPI’er, grafer og tabeller skal sættes op og præsenteres på en måde, der er relevant og overskuelig for virksomhedens forskellige målgrupper. Det første, ledelsen i en detailkæde kigger på hver morgen, er salget fra i går sammenlignet med salget på samme ugedag sidste år og et eventuelt dagsbudget. I samme overblik vises salget for den igangværende uge, måned, år. Altid i forhold til samme periode sidste år og et evt. dagsbudget.

Målet er ikke at blive datadrevet – men at blive datadrevet på de rigtige parametre. Du skal måle på det rigtige for at opnå den rigtige adfærd.

Men målgruppen for rapporteringen er ikke kun ledelsen. Der er flere brugere af rapporteringen, som har hver sine behov – regions- og distriktschefer, butiks- og varehuscheferne, afdelingscheferne, category managers. Varehuscheferne holder øje med tallene i egne butikker – hvilke kategorier og varer sælger godt, hvilke varer sælger mindre godt fx aktivitetsvarer? Hvordan ligger vi sammenlignet med de andre og ikke mindst sammenlignelige varehuse?

En category manager er mere interesseret i at se, hvordan hans kategori klarer sig i forhold til sammenlignelige kategorier i kæden (dametøj vs. herretøj) eller hvordan specifikke varer i kategorien klarer sig på tværs af butikker og regioner. Alt sammen i forhold til sammenlignelige perioder, kampagner, højtider og eventuelle budgetter eller mål.

Hvad er relevant at tage med i rapporteringen?

Væsentlige KPI’er og nøgletal for en detailkæde fokuserer på markedsføring og salg. Kunder, kampagner, varekategorier og salg følges og justeres time for time.

Et helt centralt nøgletal er fx kurvstørrelsen, altså størrelsen på den kurv varer, kunden køber. Vi har fx set, at under covid-19 var kurven større, da vi handlede færre gange, men til gengæld købte mere end normalt. De ændrede indkøbsmønstre stiller andre krav til f.eks. vareopfyldning og bemanding. Mange kunder har helt eller delvist fravalgt det fysiske besøg i butikken til fordel for online. Har en kæde mulighed for online salg, vil det være oplagt at kigge på, hvilke varer man kan gøre tilgængelige til online salg, og om man skal flytte nogle af varerne fra butikkerne over på online? Med de rigtige data og insights kan sådanne beslutninger foretages nemmere og hurtigere.

Hvem er ”De Andre” i rapporteringen?

Når man vurderer på et tal, skal man altid sætte det i forhold til noget. Hvordan klarer vi os i forhold til De Andre?

I en produktionsvirksomhed er De Andre fx et budget, et target, sidste år eller tal for de sidste 12 måneder. I detailhandlen er man også drevet af budgetter, og så er man rigtig meget drevet af at sammenligne på kryds og tværs fx den ene butik målt mod de andre butikker i regionen eller hele kæden, sammenligne regionerne, produkter, kategorier – og hele kæden målt mod konkurrerende dagligvarekæder.

Like for like-begrebet er også med til at sige noget om, hvordan kæden klarer sig. Det er ikke nok at sammenligne år til år på det totale væksttal – med like for like arbejder man med et justeret væksttal, der er korrigeret for åbning og lukning af butikker, og altså siger noget om den organiske vækst på kædeniveau.

Kend din branche – ligeså din BI-partner

Eksemplerne ovenfor har forhåbentligt gjort det tydeligt, hvorfor det kræver dyb brancheviden at få succes med BI. Målet er ikke at blive datadrevet – men at blive datadrevet på de rigtige parametre. Du skal måle på det rigtige for at opnå den rigtige adfærd.

Kunsten er så at finde ud af, hvad det rigtige er. Når kunder spørger os om hjælp, er paradokset jo, at de har styr på deres egen forretning – men samtidig kan det være svært for dem at afgøre, hvad der skal måles på.

Hos Columbus har vi gennem mange år opbygget stor brancheviden også indenfor detail, og den viden har vi omsat til ’BI-brancheløsninger’ med afsæt i best practise for rapportering.

Det gør det overskueligt at komme i gang med en BI-basisløsning, som rammer den berømte 80-20 regel – hvor langt, langt de fleste er kørende med 80% branchespecifik best practise, mens de sidste 20% kan udvikles og tilpasse individuelt nemt og effektivt med vores branchekendskab.

Så tilbage til spørgsmålet ”hvor meget BI er der i tilbuddet på en god Bordeaux?” kræver du ved hvem, der køber hvornår og hvor meget, og præcist hvor de efterspørges for at kunne svare herpå – husk vi kender svaret – Vil du vide det?

Prøv i øvrigt at læse Louise Fruelunds blogindlæg om at blive datadrevet inden for detailhandlen, og kontakt os, hvis du vil i dialog om, hvad du skal måle på.

Emne

Kommenter indlæg

Recommended posts

Man kommer ikke sovende til succes i detailverdenen, det fik vi levende bevis for, da vi fra Columbus var på besøg hos RetailTech Lab i sidste uge, hvor Kim Hein, Lab Direktør hos RetailTech Lab gav os en spændende præsentation, fulgt af en masse spørgsmål og diskussion.
Danske retail-butikker mister årligt over 2,5 milliarder kroner på grund af tyveri, refunderingssvindel, rabatsvindel med mere. Men kunstig intelligens og machine learning kan hjælpe med til at nedbringe tabet.
Der er ikke noget mere generende ved onlineshopping end at få afvist sit betalingskort eller ikke at kunne gennemføre købet, fordi systemet nægter at acceptere ens brugerdata.
Mange e-handelsvirksomheder har – desværre på en trist baggrund – oplevet fremgang uden sidestykke i 2020. Coronakrisen har accelereret en udvikling, der allerede var godt på vej, og gjort onlineshopping til mange forbrugeres førstevalg.
Nutidens forbrugere prioriterer unikke kundeoplevelser, og de er villige til at betale med deres data for at få dem. Der er altså en hidtil uset mulighed for detailhandlere for at gå et skridt videre og løfte kundeoplevelsen til et nyt niveau.
right-arrow share search phone phone-filled menu filter envelope envelope-filled close checkmark caret-down arrow-up arrow-right arrow-left arrow-down