In de detailhandel wordt nauwelijks datamining toegepast. Winkelketens beschikken over veel gegevens die belangrijke stuurinformatie bevat, maar er wordt onvoldoende analyse toegepast omdat bedrijven niet snel genoeg de resultaten zien van investeringen in bi en datamining. Dat is een van de uitkomsten van onderzoek van de Universiteit Twente in opdracht van business intelligence leverancier E-mergo.
Retailers beschikken over bergen gegevens maar op die informatie wordt vaak nauwelijks datamining losgelaten. Dat is een van de uitkomsten van afstudeeronderzoek van Corneel Hindriks, hij onderzocht voor zijn opleiding Business Information Technology) aan de Universiteit Twente in opdracht van E-mergo tien verschillende retailers, waaronder supermarkten en kledingwinkels op de inzet van business intelligence.
Hindriks: "Bedrijven beschikken over een enorme hoeveelheid gegevens. Ze registreren alles wat de klant koopt. Aankoopgegevens worden gekoppeld aan adresgegevens en bedrijven weten zo precies wie wat koopt. Vaak wordt die informatie alleen gebruikt voor standaard rapportages.Het wordt achteraf ingezet, bijvoorbeeld om op verschillende niveaus te kijken hoe de omzet zich ontwikkelt, maar er wordt nauwelijks datamining op losgelaten voor uitgebreide analyses en voorspellende modellen."
Volgens Hindriks laten veel bedrijven dat na omdat de investeringen in bi niet snel genoeg resultaten opleveren. Hij kwam tijdens zijn onderzoek bijvoorbeeld supermarkten tegen die hebben geinvesteerd in marketbasket-analyse. Een voorspellend model waarbij een klant die product x koopt ook vaak product y aanschaft. Maar bij gebrek aan resultaat op korte termijn werden die initiatieven vaak gestaakt.
Stekker eruit
Hindriks: "Het is lastig om een goede businesscase te maken omdat gezocht wordt naar iets dat je nog niet weet. Er moeten speciale modellen worden opgebouwd en goede analisten worden ingehuurd die met statistieken kunnen omgaan. Dat kost veel geld voordat het iets oplevert. Als investeringen in bi niet snel genoeg resultaat opleveren wordt de stekker eruit getrokken."
Volgens de onderzoeker heeft de gebrekkige inzet van datamining ook te verklaren door gebrek aan business intelligence volwassenheid. Veel organisaties in de detailhandel hebben business intelligence nog niet ketenbreed ingezet. Bi wordt gebruikt bij de primaire proecessen zoals inkoop, logistiek en verkoop en ondersteunende processen binnen de bedrijfsmuren, maar er vindt nog weinig centrale opslag plaats in een enterprise datawarehouse. Daardoor kan moeilijk datamining worden uitgevoerd over de totale organisatie.
Om beslissingen te nemen aan de hand van nog meer informatie moeten ook gegevens uit de externe keten worden geanalyseerd. Het gaat bijvoorbeeld over leveranciersgegevens. Volgens Hindriks vindt dit in de retail-branche nog maar mondjesmaat plaats.
Datamining
Datamining is het hergebruiken van beschikbare gegevens. Er wordt geprobeerd om met behulp van automatisering patronen en relaties te ontdekken in grote hoeveelheden gegevens. De naam komt voort aan de overeenkomsten tussen het zoeken naar waardevolle bedrijfsinformatie en het graven (mining) naar iets waardevols in een grote berg. De naam komt voort aan de overeenkomsten tussen het zoeken naar waardevolle bedrijfsinformatie en het graven (mining) naar iets waardevols in een grote berg.
Data mining is gebaseerd op statistiek, machine learning, patroonherkenning, database management en geavanceerde computerberekeningen. Het wordt vaak toegepast op een datawarehouse. Het kan nieuwe informatie opleveren, die zonder de techniek niet gevonden zou zijn.
