История создания Lasmart и путь основателя компании
Моя история достаточно заурядная для бизнеса. В прошлом я программист, занимался разработкой хранилищ данных. У меня всегда было желание открыть свой бизнес, хорошо разбирался в технике и в какой-то момент начал возить и продавать ноутбуки в РФ. Продажи пошли и через какое-то время у меня появилась сеть магазинов по продаже компьютерной техники. Бизнес развивался, и для принятия решений приходилось собирать и обрабатывать всё больше данных, что отнимало много времени. Не найдя готовых подходящих решений, я решил сделать аналитическую систему своими силами. Ну а дальше, общаясь с коллегами по цеху, и понимая, как устроен их бизнес, я начал разрабатывать аналитические системы для розницы. В какой-то момент появилась идея сделать аналитическое решение для ритейла. Эта деятельность быстро вышла для меня на первый план, затем появилась компания Lasmart. В результате последние 16 лет мы занимаемся созданием, развитием и поддержкой BI-систем для ритейла.
Какая была аналитика тогда и сейчас? Как изменились потребности ритейла?
Когда мы начинали, рынок только развивался, аналитических систем не было. В то время мы давали готовые решения, которые временами даже опережали потребности рынка. Сейчас, конечно, аналитика есть у каждого, но разница в глубине и масштабе аналитики у разных игроков рынка может быть очень большой. Что касается потребностей — они не поменялись: бизнес хочет больше зарабатывать и меньше тратить, тут ничего нового не придумаешь. Меняется только то, что цифр у бизнеса становится больше, а аналитика нужна глубже, но всегда это должно быть быстро, удобно и с наименьшей затратой ресурсов.
Кто и с какими запросами к вам обращается?
В основном мы работаем с коммерческими департаментами торговых сетей. Основной профиль в проектах — это анализ продаж, остатков, чеков, маркетинга и всех логистических операций. Проекты условно делятся на небольшие и крупные. Небольшие — это те, где нужно стандартное решение для закрытия основных потребностей, и в этом случае обычно мы внедряем собственное аналитическое решение — Retail Analytics, даем всю методологию анализа данных и необходимый консалтинг. Когда мы говорим о крупных сетях, то чаще всего они уже давно занимаются аналитикой и их запросы уже намного интереснее.
Расскажите об этих кейсах
Из интересного – делаем периодически проекты по анализу рынка, в которых объединяем внутренние данные сети с внешними данными других компаний. Это данные консалтинговых агентств, дистрибьюторов и других источников. В результате ритейлер получает точную картину своей доли и положения на каждом конкретном рынке и в каждом конкретном сегменте. Например, ритейлер может узнать свою долю рынка в Челябинске по слабоалкогольным напиткам или по продаже лимонада “Колокольчик”. В результате, сравнивая своё положение на рынке между разными регионами, сегментами и форматами, ритейлеры получают возможность принимать как стратегические, так и тактические решения.
Другой, менее распространенный, но тоже интересный запрос от крупных ритейлеров – это прогнозирование спроса. Тут важно не путать прогнозирование спроса и прогнозирование продаж, так как продажи — это про вашу сеть, а прогноз спроса — про рынок в целом. Тут есть свои сложности: для такой аналитики нужны хорошие, подготовленные и очищенные данные, которых практически ни у кого нет. Такими данными в необходимом объеме владеют только самые крупные игроки рынка, поэтому только они могут иметь точные инструменты для прогнозирования спроса.
Чтобы сделать достоверный прогноз продаж, тоже нужно иметь корректные данные. Данные должны быть очищены от проводимых акций, конкурентов и всяких наших внутренних проблем типа out-of-stock, когда у нас одного товара на складе не было и вместо него покупали другой.
Сама интересная и полезная по моему мнению аналитика — это расчет управленческой себестоимости и в принципе себестоимости ритейла, когда мы можем посчитать себестоимость конкретного товара в конкретном магазине с учётом всех дополнительных доходов и расходов. Считается абсолютно всё: логистика, маркетинг и все остальные статьи. На основе полученной аналитики, ритейлер более взвешенно может оценить экономику — от продажи определенного SKU в конкретном магазине или регионе, до экономики сети в целом. И чаще всего такую аналитику могут позволить себе тоже только топ-ритейлеры.
Почему небольшие сети не могут осуществлять подобную аналитику?
Антон Лавров: При большом желании они, конечно, смогут. И тут вопрос даже не в цене. По нашему опыту, чтобы небольшой сети начать собирать все необходимые данные, нужно проделать очень большую работу. А крупные ритейлеры давно работают с большими данными, поэтому для них внедрение такой аналитики проходит гораздо проще. Тут есть есть и другая сторона медали. Когда ты обладаешь такой информацией, тебе нужно будет не только открывать магазины, но и закрывать и переформатировать, то есть постоянно принимать решения, а многие не хотят этого делать. Можно увидеть, например, что 3 магазина из 10 надо закрыть. Не всем это приятно.
А если сеть всё-таки хочет считать управленческую себестоимость, с чего надо начать?
Надо начать учитывать все затраты и доходы, в основном сложность у всех в том, чтобы учитывать дополнительные доходы, например бонусы от поставщиков, другие доходы, которые составляют коммерческую тайну, и прочее… После того, как эти данные начали собираться, мы переходим к следующему этапу.
Во-первых, нужно определиться, какие у нас есть статьи доходов и расходов, которые мы хотим распределить на товары. Далее нужно договориться, в каком виде мы эти все данные собираем, получаем. Их можно загружать в учётную систему, какие-то данные могут быть в бухгалтерии. Какие-то данные можно загружать из Excel и т.д.
Следующий этап — договариваемся о принципах распределения. Договориться об этом внутри компании заказчика бывает не просто.
Последний этап — нужно попрограммировать, написать регламент и всем начать работать в соответствии с регламентом, чтобы данные поступали вовремя, с нужной детализацией.
В течение какого времени можно реализовать такой проект?
Сроки реализации проекта зависят от того, что есть на входе. Если нет ничего — то это полгода — год, если уже есть хранилище данных, где собраны хотя бы продажи и логистические операции, то можно справиться за 3 месяца.
Какое напутствие по внедрению и развитию BI-систем сможете дать нашим читателям?
Тут все просто: самое главное ставить правильные цели и выбирать правильных партнёров.
