#бизнескейс #Walmart
🔥Стратегия цифровизации Walmart🔥 или как Walmart цифровизирует магазины, сотрудников 🦸♀️🦸♂️ и клиентов 😎 для создания управляемой данными цифровой экосистемы🤳.
Основано на реальной стратегии Walmart. 🔍
1️⃣Часть первая - цифровизация.
Цифровизация - ключевой 🔑 элемент стратегии роста в краткосрочной, среднесрочной и долгосрочной перспективе через создание конкурентного преимущества 🧗♀️ в оптимизации магазинов и сильного омниканального бизнеса.
Основным критерием успеха (выбора проекта) является повышение удобства для клиента и устранение «болевых точек».
Как результат, цифровизация приводит к повышению производительности труда и сокращению издержек, позволяет высвободить средства 💰 для текущих инвестиций. С другой стороны работа сотрудников наполняется смыслом 💃🕺(за счёт автоматизации рутинных операций) и клиентский опыт в магазинах становиться более позитивным.
В центре всей этой истории стоят данные, которыми постоянно обмениваться приложения, магазины, сервисы, сотрудники и клиенты - ЦИФРОВАЯ ЭКОСИСТЕМА магазина.
🔥Стратегия цифровизации Walmart🔥 или как Walmart цифровизирует магазины, сотрудников 🦸♀️🦸♂️ и клиентов 😎 для создания управляемой данными цифровой экосистемы🤳.
Основано на реальной стратегии Walmart. 🔍
1️⃣Часть первая - цифровизация.
Цифровизация - ключевой 🔑 элемент стратегии роста в краткосрочной, среднесрочной и долгосрочной перспективе через создание конкурентного преимущества 🧗♀️ в оптимизации магазинов и сильного омниканального бизнеса.
Основным критерием успеха (выбора проекта) является повышение удобства для клиента и устранение «болевых точек».
Как результат, цифровизация приводит к повышению производительности труда и сокращению издержек, позволяет высвободить средства 💰 для текущих инвестиций. С другой стороны работа сотрудников наполняется смыслом 💃🕺(за счёт автоматизации рутинных операций) и клиентский опыт в магазинах становиться более позитивным.
В центре всей этой истории стоят данные, которыми постоянно обмениваться приложения, магазины, сервисы, сотрудники и клиенты - ЦИФРОВАЯ ЭКОСИСТЕМА магазина.
#историяизжизни #бизнескейс #тёмнаясторонацифры
Последние время мы слышим и видим много вдохновляющих историй 😍 про Большие Данные данные и ИИ (🤖Искусственный Интеллект). Неужели это «чудо из машины» скоро наконец заменит человека 🙀 в рутинной неквалифицированной работе?
Рассмотрим пример Amazon.
Когда вы зададите вопрос 🎤 Алексе, голосовому помощнику от Amazon, ваш голос, возможно, пролетит 💫через полмира и окажется в индийском городе Ченнаи, где «специалисты по большим данным» 👩💻👨💻 трудятся над улучшением ответов искусственного интеллекта (адепты культа 🤖Машины).
Что есть их работа? 9 часов в день они стенографируют аудиозаписи, сортируют слова и фразы на категории и оценивают ответы Алексы. Это лишь один из множества таких центров Amazon по всему миру🌏, где «специалисты по данным» подготавливают миллионы фрагментов разговоров для обучения ИИ Алексы.
Ну тут становиться понятно почему голосовые помощники по прежнему несовершенны - вера адептов слаба (в силу низкой зарплаты💸) и они работают на нормативы⏱, а не на результат.
Отзыв бывшего сотрудника: норматив примерно 700 вопросов к Алексе в день. Каждый день сотрудникам демонстрировались данные об их результативности🔬. Работа монотонная, но ее объем и темпы приводят к умственному истощению, в результате средний «срок жизни» со рудника не превышает года, потом его меняют.
С точки зрения пользователей, цифровые помощники, поисковые машины и социальные сети выглядят волшебством 🦄, однако их работа зависит от целых армий живых сотрудников, чей вклад часто остается незамеченным.
Большая часть этой работы заключается в обучении алгоритмов или заполнении пробелов там, где машинам не может работать. Эта работа часто крайне монотонна и скрыта от глаз пользователей: маркирование данных для обучения ИИ, модерирование контента, верификация онлайн-списков или тестирование.
Это реальная цена ИИ. Если вы задумали что-то большое, то нужно понимать что за простыми на первый взгляд вещами стоят впечатляющие масштабы работы (и денег 💰💰💰 соответсвенно).
Последние время мы слышим и видим много вдохновляющих историй 😍 про Большие Данные данные и ИИ (🤖Искусственный Интеллект). Неужели это «чудо из машины» скоро наконец заменит человека 🙀 в рутинной неквалифицированной работе?
Рассмотрим пример Amazon.
Когда вы зададите вопрос 🎤 Алексе, голосовому помощнику от Amazon, ваш голос, возможно, пролетит 💫через полмира и окажется в индийском городе Ченнаи, где «специалисты по большим данным» 👩💻👨💻 трудятся над улучшением ответов искусственного интеллекта (адепты культа 🤖Машины).
Что есть их работа? 9 часов в день они стенографируют аудиозаписи, сортируют слова и фразы на категории и оценивают ответы Алексы. Это лишь один из множества таких центров Amazon по всему миру🌏, где «специалисты по данным» подготавливают миллионы фрагментов разговоров для обучения ИИ Алексы.
Ну тут становиться понятно почему голосовые помощники по прежнему несовершенны - вера адептов слаба (в силу низкой зарплаты💸) и они работают на нормативы⏱, а не на результат.
Отзыв бывшего сотрудника: норматив примерно 700 вопросов к Алексе в день. Каждый день сотрудникам демонстрировались данные об их результативности🔬. Работа монотонная, но ее объем и темпы приводят к умственному истощению, в результате средний «срок жизни» со рудника не превышает года, потом его меняют.
С точки зрения пользователей, цифровые помощники, поисковые машины и социальные сети выглядят волшебством 🦄, однако их работа зависит от целых армий живых сотрудников, чей вклад часто остается незамеченным.
Большая часть этой работы заключается в обучении алгоритмов или заполнении пробелов там, где машинам не может работать. Эта работа часто крайне монотонна и скрыта от глаз пользователей: маркирование данных для обучения ИИ, модерирование контента, верификация онлайн-списков или тестирование.
Это реальная цена ИИ. Если вы задумали что-то большое, то нужно понимать что за простыми на первый взгляд вещами стоят впечатляющие масштабы работы (и денег 💰💰💰 соответсвенно).
#cxцифры #бизнескейс
На сколько история с маркетплейсом (площадкой электронной коммерции, где различные поставщики предлагают свою продукцию и самостоятельно отвечают за логистику).
На сколько велик этот рынок?
— Alibaba уже в 2015 году обогнал по прибыльности весь розничный рынок США целиком (включая Walmart , Amazon и eBay ).
— В 2017 году оборот только Tmall и TaoBao опять же обогнал весь американский рынок вместе взятый.
Справка: Alibaba Group разделена на 3 маркетплейса:
1. Alibaba (b2b) – заключаются сделки между бизнесами (аналог оптового рынка).
2. Tmall (b2c) – здесь классическая схема, магазины продают физическим лицам (аналог мола с брендами).
3. TaoBao (c2c, у нас aliexpress)– мелкие предприниматели (по-русски, ИПшники) продают физическим лицам (аналог простого базара).
На сколько история с маркетплейсом (площадкой электронной коммерции, где различные поставщики предлагают свою продукцию и самостоятельно отвечают за логистику).
На сколько велик этот рынок?
— Alibaba уже в 2015 году обогнал по прибыльности весь розничный рынок США целиком (включая Walmart , Amazon и eBay ).
— В 2017 году оборот только Tmall и TaoBao опять же обогнал весь американский рынок вместе взятый.
Справка: Alibaba Group разделена на 3 маркетплейса:
1. Alibaba (b2b) – заключаются сделки между бизнесами (аналог оптового рынка).
2. Tmall (b2c) – здесь классическая схема, магазины продают физическим лицам (аналог мола с брендами).
3. TaoBao (c2c, у нас aliexpress)– мелкие предприниматели (по-русски, ИПшники) продают физическим лицам (аналог простого базара).
#бизнескейс
В продолжении истории про большие данные, обсудим технологию RTDM (Real Time Decision Management - систему поддержки принятия решений в реальном времени).
От классического data mining ⛏ отличается тем, что NBO (Next Best Offer - следующие наилучшее предложение) считается не по заранее сделанным аналитическим моделям, а исходя из контекста поведения клиента. Т.е. клиент что-то сделал и NBO пересчитали. Причём RTDM сам обучается и адаптируется под поведение клиентов - например, то что было актуально утром, может быть не нужно днём. В общем Чудо Из Машины 🤖
Почему RTDM тогда применятся не повсеместно? Простому что очень мало сценариев клиентского поведения, где эффективно пересчитывать NBO на основании контекста действий.
Обычно RTDM выбирает где-то между предложением с вероятностью срабатывания 0,1% и 0,45%. Что КРАЙНЕ МАЛО для основного бизнес процесса и совсем не релевантно для PUSH методов продаж. Если вероятность срабатывания предложения выше 10%, то в этом случае почти всегда нужны жесткие правила и майнинг, а RTDM на .... т.е. совсем не нужен.
Потому что RTDM чисто технически очень крутая штука и от того совсем не дешёвая.
В итоге доказанная успешность применения RTDM лежит в области электронных каналов коммуникации для оптимизации предложения в периферийной зоне зрения - картинки товаров после основного текста в e-mail, случайный акционный товар рядом с основной витринной ....
В продолжении истории про большие данные, обсудим технологию RTDM (Real Time Decision Management - систему поддержки принятия решений в реальном времени).
От классического data mining ⛏ отличается тем, что NBO (Next Best Offer - следующие наилучшее предложение) считается не по заранее сделанным аналитическим моделям, а исходя из контекста поведения клиента. Т.е. клиент что-то сделал и NBO пересчитали. Причём RTDM сам обучается и адаптируется под поведение клиентов - например, то что было актуально утром, может быть не нужно днём. В общем Чудо Из Машины 🤖
Почему RTDM тогда применятся не повсеместно? Простому что очень мало сценариев клиентского поведения, где эффективно пересчитывать NBO на основании контекста действий.
Обычно RTDM выбирает где-то между предложением с вероятностью срабатывания 0,1% и 0,45%. Что КРАЙНЕ МАЛО для основного бизнес процесса и совсем не релевантно для PUSH методов продаж. Если вероятность срабатывания предложения выше 10%, то в этом случае почти всегда нужны жесткие правила и майнинг, а RTDM на .... т.е. совсем не нужен.
Потому что RTDM чисто технически очень крутая штука и от того совсем не дешёвая.
В итоге доказанная успешность применения RTDM лежит в области электронных каналов коммуникации для оптимизации предложения в периферийной зоне зрения - картинки товаров после основного текста в e-mail, случайный акционный товар рядом с основной витринной ....
#бизнескейс #идеиИтренды
Много говорили про агрегаторов такси. Вот некоторые актуальные факты:
«Яндекс» продемонстрировал неплохой рост выручки в 4 квартале 2019 г. в годовом выражении (+33%), однако рентабельность оказалась ниже. По EBITDA – 26% против 32% годом ранее, а по чистой прибыли – 10% против 18%. Это откровенно слабые показатели, во многом понятные.
Потому что стремительными темпами растет выручка «Яндекс.Такси». За прошлый год его выручка удвоилась, а доля сервиса в общей выручке достигла 21%. Но рентабельность этого бизнеса довольно низкая – всего порядка 2,5%. При этом доход от рекламы, наиболее рентабельное направление бизнеса (маржа EBITDA около 45%), увеличился лишь на 18%.
При этом «Яндекс.Такси» двигается лучше рынка и может поучить пионеров из кремниевой долины как строить эффективный бизнес: рентабельность по EBITDA в 2019 г. составила 5,9%. Для сравнения, у Uber EBITDA пока находится в отрицательной зоне.
И ещё свежая аналитика ВШЭ:
Появление агрегаторов такси почти в шесть раз (с 2012 года) увеличило число москвичей, пользующихся этим видом транспорта, и одновременно почти втрое снизило доходы столичных водителей-таксистов. К такому выводу пришли авторы исследования рынка такси Высшей школы экономики. Побочным эффектом быстрого роста рынка стали снижение качества вождения и увеличение жалоб на различные происшествия во время поездки.
Много говорили про агрегаторов такси. Вот некоторые актуальные факты:
«Яндекс» продемонстрировал неплохой рост выручки в 4 квартале 2019 г. в годовом выражении (+33%), однако рентабельность оказалась ниже. По EBITDA – 26% против 32% годом ранее, а по чистой прибыли – 10% против 18%. Это откровенно слабые показатели, во многом понятные.
Потому что стремительными темпами растет выручка «Яндекс.Такси». За прошлый год его выручка удвоилась, а доля сервиса в общей выручке достигла 21%. Но рентабельность этого бизнеса довольно низкая – всего порядка 2,5%. При этом доход от рекламы, наиболее рентабельное направление бизнеса (маржа EBITDA около 45%), увеличился лишь на 18%.
При этом «Яндекс.Такси» двигается лучше рынка и может поучить пионеров из кремниевой долины как строить эффективный бизнес: рентабельность по EBITDA в 2019 г. составила 5,9%. Для сравнения, у Uber EBITDA пока находится в отрицательной зоне.
И ещё свежая аналитика ВШЭ:
Появление агрегаторов такси почти в шесть раз (с 2012 года) увеличило число москвичей, пользующихся этим видом транспорта, и одновременно почти втрое снизило доходы столичных водителей-таксистов. К такому выводу пришли авторы исследования рынка такси Высшей школы экономики. Побочным эффектом быстрого роста рынка стали снижение качества вождения и увеличение жалоб на различные происшествия во время поездки.