Verkaufsanalysen für KMU
Mit dem exponentiellen Wachstum des E-Commerce-Geschäfts steigt der Bedarf an neuen Tools und Lösungen, die den Unternehmen eine bessere Entscheidungsfindung ermöglichen und ihnen den Wettbewerb auf dem wachsenden Markt erleichtern. Datenanalyse und Business Intelligence sind zwei dieser wertvollen Güter, die den Entscheidungsprozess vereinfachen können. Datengetriebene Ansätze helfen den Unternehmen, ihr Geschäft zu verbessern und bestehende Probleme zu lösen; ob es sich um ein Problem der Kundengewinnung oder -bindung oder um die Verbesserung der Marketingstrategien handelt, die Datenanalyse wirkt Wunder für Unternehmen. Und das Gute ist, es gibt auch Lösungen für kleine und mittelständische Unternehmen, z. B. in Form von Verkaufsanalysen.
Wie kann ich meine Daten analysieren? - Ein einfacher Anwendungsfall
Bei E-Commerce-Systemen gewinnt die Anwendung von Verkaufsanalysen aufgrund des Wettbewerbs an Bedeutung. Die Verkaufsdaten werden bereits gespeichert und stehen somit für die Analyse zur Verfügung. Diese Daten sind bei guter Nutzung ein großer Gewinn für das Unternehmen. Daten zu analysieren ist für kleine oder mittlere Unternehmen (KMU) erschwinglich und kann die gleichen Vorteile wie für große Unternehmen bringen. Mit besserer Datentechnik können die Daten zusammen mit den Benutzerinteraktionen genutzt werden, um die Entscheidungsfindung, Marketingstrategien usw. zu verbessern.
Kombiniert man die Verkaufsanalysen damit, die Daten in geeigneter Form dazustellen, kann man den Kunden helfen, die Analyse zu verstehen und sie für bessere Entscheidungen zu nutzen. Die Verkaufsanalyse umfasst in der Regel die in Abbildung 2 dargestellten Schritte:
Nehmen wir den Anwendungsfall eines E-Commerce-Unternehmens, bei dem die besten Absatzgebiete für den Verkauf von Produkten in einer bestimmten Zeitspanne anhand der üblichen Verkaufsdaten gefunden werden können. Um die besten Absatzgebiete zu finden, kann man auf die Daten der Verkaufsaufträge zurückgreifen, die standardmäßig im ERP-System gespeichert werden.
Der erste Schritt ist die Suche nach der Verfügbarkeit der Postleitzahlen in den Bestelldaten. Anschließend werden die Daten für die speziell angeforderte Zeitspanne extrahiert und können dann in Bezug auf die Postleitzahlen zusammengetragen werden. Die Ergebnisse können dann mit Hilfe geeigneter Datenschemata dargestellt werden.
Um solche Erkenntnisse zu visualisieren, bieten sich Heatmaps an, da die Darstellung auf Karten für die verständliche Visualisierung genutzt werden kann (siehe Abbildung 3). Zusammen mit der Farbcodierung verschiedener gut laufender Verkaufszonen geben Heatmaps Auskunft darüber, wie viele Verkaufsaufträge in einem bestimmten Gebiet in der definierten Zeitspanne erteilt wurden. Wenn man mit der Maus über ein bestimmtes Gebiet fährt, werden die relevanten Informationen in der Informationstafel oben rechts im Bild angezeigt. Bei weiterem Hineinzoomen werden die Grenzen zwischen den Postleitzahlen deutlicher, während bei ausreichendem Herauszoomen die Heatmap für Landkreise angezeigt wird (Abbildung 4). Diese einfache Verkaufsanalyse kann bis auf Landkreise ausgedehnt werden.
Die einfache Verkaufsanalyse inkl. Datenvisualisierung kann den Entscheidungsträgern des Unternehmens helfen, zu verstehen, wo die besten Absatzgebiete des Unternehmens sind und wo das Geschäft nicht gut läuft. Die Angebotskette kann in den Gebieten, die bereits in den heißen Zonen liegen, weiter verbessert werden. Zusätzlich können weitere Marketing- und Werbestrategien entwickelt werden, um die Nachfragekette in den Gebieten zu verbessern, in denen es noch Spielraum für eine Verbesserung der Geschäfte gibt.
Wozu die Big Player auf der internationalen Bühne ihre Daten analysieren
-
Im Jahr 2019 schätzte Forbes [2], dass die wachsende Nachfrage nach Datenanalyse und Business-Intelligence-Dienstleistungen die Einnahmen im Jahr 2020 um mehr als 200 Milliarden Dollar auf dem globalen Markt steigern könnte.
-
Laut dem BARC-Forschungsbericht [3] konnten Unternehmen, die ihre Daten analysieren, einen Gewinnanstieg von 8% verzeichnen; gleichzeitig wurden die Gesamtkosten um 10% gesenkt.
-
In einem anderen Forbes-Bericht [4], der 2018 veröffentlicht wurde, waren 79% der Führungskräfte von Unternehmen der Meinung, dass die Unternehmen, die ihre Daten nicht analysierten, ihre Wettbewerbsposition verlieren und Gefahr liefen, auszusterben. 43% der Unternehmen ändern ihre Strukturen, um die Vorteile des großen Datenmarktes zu nutzen.
-
In einer Studie von IBM [4] über die Rolle von Big Data in der Analyse berichteten 62% der Einzelhändler, dass die Anwendung von Big Data ihren jeweiligen Organisationen einen Wettbewerbsvorteil verschafft habe.
-
Wenn man über die Vorteile der Datenanalyse spricht, kommt man nicht umhin, Amazon zu erwähnen, die die Macht der Daten nutzt, um Umsatz und Gewinn zu steigern. Bei Amazon werden die Daten für bessere Marketingstrategien und optimierte Empfehlungsmaschinen verwendet. Amazon erstellt ein 360-Grad-Sichtprofil jedes Kunden auf der Grundlage seiner Interaktionen auf der Plattform, um personalisierte und nicht personalisierte Empfehlungen zu geben.
-
Auch Starbucks analysiert Daten, um sein Geschäft durch intelligente Informationssammlung zu verbessern. Die Starbucks-App hat rund 17 Millionen Nutzer und etwa ein Drittel der Einkäufe werden online getätigt. Personalisierung und Kundenbindung wirken bei Starbucks wie ein Zauber, denn im Jahr 2017 wurde berichtet, dass 18% der treuen Kunden 36% des Gesamtumsatzes ausmachten [5].
Herausforderungen für KMU in der Umstellung auf datengetriebene Ansätze
Lassen Sie uns ein wenig über die Herausforderungen sprechen, denen sich Unternehmen gegenübersehen, wenn sie versuchen, datengesteuerte Paradigmen in den Entscheidungsprozess einzubinden. In einem von McKinsey & Company veröffentlichten Bericht [6] wird festgestellt, dass Unternehmen in der Regel eine Wissenskultur haben, die weitgehend von Heuristiken und persönlicher Erfahrung abhängt. Der Übergang von einer solchen Kultur zu einer objektiveren und datengesteuerten Lernkultur erfordert einen Mentalitätswandel aller Stakeholder, der die Entwicklung behindern könnte.
Die richtigen Analysewerkzeuge zu finden und den wirklichen Wert aus den durchgeführten Analysen und den gewonnenen Erkenntnissen zu generieren, kann ebenfalls eine echte Herausforderung sein und wird, ehrlich gesagt, ziemlich unterschätzt. Ein weiteres Problem könnte die Sorge um die Datenqualität sein, da die Datenerhebung und -auswertung einige Zeit in Anspruch nehmen kann.
Aber all diese Herausforderungen und Lösungen sind in den letzten ein oder zwei Jahrzehnten gut dokumentiert worden. Diese Herausforderungen sollten also kein Hindernis für eine Organisation darstellen, um die Macht der Daten zu nutzen. Daten sollten als ein Vermögenswert behandelt werden, weil sie in der Tat ein wertvolles Gut sind.
Verkaufsanalysen mit Odoo
Wenn Sie Odoo als ERP-System verwenden, bieten wir von initOS ein Odoo-Modul zur Durchführung der oben genannten Analyse an. Aus diesem Modul stammen auch die oben gezeigten Abbildungen. Das Odoo-Modul erfordert keine strukturellen Änderungen. Es kann farblich und in der abzudeckenden Flächenebene je nach den Geschäftsanforderungen angepasst werden.
Denken Sie daran, dass dies nur ein kleines Beispiel dafür ist, was durch die Verkaufsanalyse der vorliegenden Daten erreicht werden kann; es gibt noch viel mehr Möglichkeiten der Analyse und Darstellung Ihrer Daten. Die Daten werden bereits mit Odoo gesammelt und können, wie bereits erwähnt, für weitere Analysen verwendet werden, um den Entscheidungsprozess zu erleichtern und viele Verbesserungen im Unternehmen zu erreichen.
Haben wir Ihr Interesse an der Datenanalyse, dem Data Engineering und der Datenvisualisierung geweckt und möchten Sie die Macht Ihrer Daten nutzen, um Ihr Geschäft zu verbessern? Wir bieten Ihnen technische oder konzeptionelle Unterstützung in den Bereichen Datenanalyse und Data Engineering. Bitte kontaktieren Sie uns, entweder telefonisch unter +49 4105 135 03 99, per Email an sales@initos.com oder über unser Kontaktformular.
Um das Kontaktformular laden zu können, müssen Sie externe Dienste zulassen.
Referenzen
[1] Big Data analysieren – Praktische Anwendungsfälle https://www.mckinsey.com/business-functions/mckinsey-analytics/our-insights/how-companies-are-using-big-data-and-analytics
[2] Große Ausgaben für Big Data https://www.forbes.com/sites/rkulkarni/2019/02/07/big-data-goes-big/#27070d9020d7
[3] Vorteile von Big Data https://bi-survey.com/big-data-benefits
[4] Die reale Nutzung von Big Data http://www.informationweek.com/pdf_whitepapers/approved/1372892704_analytics_the_real_world_use_of_big_data.pdf
[5] Starbucks und die Datenanlyse https://www.pymnts.com/earnings/2018/starbucks-rewards-mobile-app-stocks-loyalty/
[6] So nutzen Unternehmen Big Data https://www.mckinsey.com/business-functions/mckinsey-analytics/our-insights/how-companies-are-using-big-data-and-analytics
[7] Shape files als Hilfe bei der Erstellung von Heatmaps https://www.suche-postleitzahl.org/plz-karte-erstellen
[8] Deutschlands Landkreise https://public.opendatasoft.com/explore/dataset/landkreise-in-germany/table/