View
497
Download
0
Category
Preview:
Citation preview
Rio de JaneiroSão PauloLisboaPorto
Workshop Meeting 09.OUT
Big Data & Omni-Channel
Porto | Lisboa | São Paulo | Rio de Janeiro
2
Apresentação: Douglas Bernardini• 15+ experiência em TI• Gerente de projeto das implementações
SAP na General Eletric, Citrosuco.• Arquiteto SAP/Varejo nas
implementações da Leo Madeiras, Ri-Happy, Supermercado Lopes, Drogaria Onofre.
• Formado na ESPM, Pós graduado na FGV.
• Cursando especialização em TI na Harvard Extension School.(on-line)
• 4+ PoC em BigData• Consultor de Omni-Channel na
SBF/Centauro• Casado, Corintiano, Pai de 02 filhas.
Porto | Lisboa | São Paulo | Rio de Janeiro
3
Agenda
16:00 Big Data. Historico, tecnologia, desafios, engenharia social, influenciadores
16:40 Intervalo
16:50 Omni-Channel, varejo, canais de distribuição, ROI.
17:10 Estudo de Caso: Implementação real Big Data & Omni no Varejo
17:30 Perguntas
Porto | Lisboa | São Paulo | Rio de Janeiro
4
Big Data
Porto | Lisboa | São Paulo | Rio de Janeiro
6
“Vamos resolver o problema usando o Big Data, mesmo sabendo que nenhum de nós faz a menor ideia do que se trata”
Porto | Lisboa | São Paulo | Rio de Janeiro
7
1998 – O começo da Explosão de Dados
•Larry Page and Sergey Brin
•Stanford Univ: BackRub Project
•GFS
•Fundamentos Big Table
•01 petabyte
•Banco = linha de texto
•Rastrear 100% da rede.
•“Crawler”
•25MM websites em 1998
•“09 mães & 1 bebê em 1 mês”
Porto | Lisboa | São Paulo | Rio de Janeiro
8
Big Data: Principais Caracteristicas
•Volume (volume) •Velocidade (velocity)•Variedade (variety)
•Veracidade (Veracity)
•Elasticidade (Elasticity)
•Valor/Utilidade (Value)
•Disponibilidade (avaiability)
Porto | Lisboa | São Paulo | Rio de Janeiro
9
Bytes?.... Zettabytes!
Porto | Lisboa | São Paulo | Rio de Janeiro
10
noSQL: Novo conceito de armazenamento de dados.SQL: Relacional, estruturado, Tradicional.
ACID: Atomicidade, Consistência, Isolamento e Durabilidade
noSQL: “Programa” que lê um texto solto.
•Teorema de CAP
“Aproximadamente certo é melhor que precisamente
errado” Keynes
Porto | Lisboa | São Paulo | Rio de Janeiro
11
Admirável mundo novo1970
2015
Estrutura base de 01 único Tweet
Tamanho da Wikipedia * 2 = # tweet por dia
Porto | Lisboa | São Paulo | Rio de Janeiro
12
Big data = Big Nerd
Sheldon e Penny
Porto | Lisboa | São Paulo | Rio de Janeiro
13
Porto | Lisboa | São Paulo | Rio de Janeiro
14
https://youtu.be/6mtXVWWRKx4
002-a.mp4
Porto | Lisboa | São Paulo | Rio de Janeiro
15
Porto | Lisboa | São Paulo | Rio de Janeiro
16
2005: O big data ganha um código aberto
•Doug Cutting
•Yahoo search engine
•Apache: Soft ONG
•Java Runtime Environment (JRE)
•Hadoop Distributed File System (HDFS)
•YARN
•Map Reduce
Porto | Lisboa | São Paulo | Rio de Janeiro
17
2005: Big Data ganha nome ‘Big Data’
•Roger Magoulas (oreilly.com) pela primeira vez associa a atividade ao termo BigData
•Cloudera: Ex membros da Apache foundation
•Hortonworks: Yahoo Capital
•MapR: Google capital
•Amazon inaugura o serviço EMR (Elastic MapReduce)
2008/9: Hadoop ganha força corporativa
2011: Big Data na nuvem
Porto | Lisboa | São Paulo | Rio de Janeiro
1818
ERP Data Warehouse
Haddop: Marshalling
BusinessObjects
Other BI solutions
Porto | Lisboa | São Paulo | Rio de Janeiro
1919
https://youtu.be/4CC-DqQLmfM
003-a.mp4
Porto | Lisboa | São Paulo | Rio de Janeiro
20
2014: Dispositivos web no planeta
Porto | Lisboa | São Paulo | Rio de Janeiro
21
Brazil como potência e potencial de crescimento
Porto | Lisboa | São Paulo | Rio de Janeiro
22
WebTimeline
Porto | Lisboa | São Paulo | Rio de Janeiro
2323
Porto | Lisboa | São Paulo | Rio de Janeiro
24
2014: Mobile assume liderança como ‘device’ de acesso
Porto | Lisboa | São Paulo | Rio de Janeiro
25
https://youtu.be/n8ZY1Gtp05I
004-a.mp4
Porto | Lisboa | São Paulo | Rio de Janeiro
26
2010: Videos tornam-se a força da Web
Venda do youtube em 2006: USD 1.6BIValor de mercado em 2015: USD 70BI
Porto | Lisboa | São Paulo | Rio de Janeiro
27
2011: Influencia muda a direçãoJay Baer: “True influence drives action, not just awareness.”• Influenciador:
• Inserido no contexto comercial da rede de lojas• Alto poder de alcance, capilaridade.• Ação. O influenciador deve trabalhar com afinco.• Atitude inspiradora. MUDA A DIREÇÃO!• Isenção. Sua opinião deve ser levada em conta na campanha.
Ação
Porto | Lisboa | São Paulo | Rio de Janeiro
28
Líderes de opinião: Geram nova atitude na rede
Porto | Lisboa | São Paulo | Rio de Janeiro
29
https://youtu.be/qLGTrS5pdQQ
004-b.mp4
Porto | Lisboa | São Paulo | Rio de Janeiro
30
2013: Um novo modelo social
Porto | Lisboa | São Paulo | Rio de Janeiro
31
2014: GIS passa a ser Big-player no ‘Big Data’“O google sabe onde você está, sabe de onde veio e
provavelmente sabe para onde vai.” K.Lewis
Porto | Lisboa | São Paulo | Rio de Janeiro
32
https://youtu.be/97NmTCmDeK4
005-a.mp4
Porto | Lisboa | São Paulo | Rio de Janeiro
33
Intervalo
Porto | Lisboa | São Paulo | Rio de Janeiro
34
Omni-Channel
Porto | Lisboa | São Paulo | Rio de Janeiro
35
https://youtu.be/Ctg6gkh8ews
006-a.mp4
Porto | Lisboa | São Paulo | Rio de Janeiro
36
2/3 dos consumidores varejo são influenciados pelo web
Porto | Lisboa | São Paulo | Rio de Janeiro
37
2/3 pelo site. Metade por email. 1/3 pelas redes sociais
Porto | Lisboa | São Paulo | Rio de Janeiro
38
Definição: Omni-Channel > Multi-canais• USA: Sears 1800• Definição: Sistemas e processos que facilitam a
compra do cliente, onde a transação percorre múltiplos canais de venda.
• Brasil: Polishop• Loja Própria• Web-commerce• Catálogo• TV• Callcenter
• Convergência: • Entregas• Pagamentos• Devoluções
Porto | Lisboa | São Paulo | Rio de Janeiro
39
Tendências do varejo para 2015
Porto | Lisboa | São Paulo | Rio de Janeiro
40
Gargalos enfrentados no Omni Channel1. Identificação do cliente:
a. Online: Identificação sólida.b. Lojas físicas: Somente dados cartão de
crédito criptografados (anónimos).c. Desafio: Integração conectar de dados
online e offline.
2. Logística fraca:a. Diversos Centros de distribuiçãob. Lentidão geográfica.c. Custo de frete.d. Baixo investimento
3. Plataformas internas diferentes:a. Tecnologias instaladas diferenciadas.b. Dados mestre (cadastro) distintos.c. Processos de negócio on-line e loja física
diferentes
4. Falha de inventário:a. Saldos incorretos.b. Separação errada.c. Trocas para conter frustações.
Porto | Lisboa | São Paulo | Rio de Janeiro
41
Porto | Lisboa | São Paulo | Rio de Janeiro
42
https://youtu.be/Y3jTfUeXez8
008-a.mp4
Porto | Lisboa | São Paulo | Rio de Janeiro
43
A ‘régua’ da logística subiu!
Porto | Lisboa | São Paulo | Rio de Janeiro
44
Omni: Atrair o consumidor web para loja
Porto | Lisboa | São Paulo | Rio de Janeiro
45https://youtu.be/tkcu17armjA
009-a.mp4
Porto | Lisboa | São Paulo | Rio de Janeiro
46
Vale Uber: Buscando o cliente.
Porto | Lisboa | São Paulo | Rio de Janeiro
47
OMNI: Compre on-line, busque na loja
Porto | Lisboa | São Paulo | Rio de Janeiro
48
Target melhora resultado corporativo com Omni-Channel
https://www.internetretailer.com/2014/02/27/target-books-20-increase-online-sales-q4
1800 lojas“Cerca de 30 % das visitas às Target fora para resgatar uma encomenda ‘online’ e resultaram compras adicionais na mesma viagem. O ticket médio neste caso é muito maior do que um venda de loja padrão.”
Kathee TesijaTarget's Chief Merchandising Officer
Porto | Lisboa | São Paulo | Rio de Janeiro
49
Usando a ‘rede’ logística existente: Pick-up store
Porto | Lisboa | São Paulo | Rio de Janeiro
50
Mitigando o risco de ‘inventário errado’.
Porto | Lisboa | São Paulo | Rio de Janeiro
51
Não dê desconto! Dê vantagem a ser resgatada na visita.
Porto | Lisboa | São Paulo | Rio de Janeiro
52
• O resultado do Omni-channel deve ser medido em ambos os canais: Lojas físicas e web.
• Operação de web-commerce normalmente já possuem sua métrica de conversão em vendas.
• A conversão da loja física depende de inúmeros fatores ‘não-digitais’ como pessoas, limpeza, treinamento, cordialidade, gerência, etc.
• Medir visitação em loja eleva o nível de precisão da campanha, qualifica a campanha e traz consistência as ações futuras.
Medir visitação: Não é somente web!
Porto | Lisboa | São Paulo | Rio de Janeiro
53https://youtu.be/6oZF5KP1-0U
010.mp4
Porto | Lisboa | São Paulo | Rio de Janeiro
54
Situação atual:
• Rede varejo de moda masculina A+ com 100 lojas e faturamento acima de R$1.5Bi/ano
• Web-commerce representa 10% de suas vendas. 01MM clientes cadastrados. • CRM fraco. Cadastro de clientes somente na web.• Não existe integração entre sistema de loja (pdv), backoffice (ERP) e sistema de
web.• Operação de WEB possui cnpj distinto da rede e com CD separado.• Inventários com baixa consistência nas lojas.
• Objetivo: • Utilizar técnicas de big-data e omni-channel simultaneamente;• Verba investimento: R$ 650k (0,4% fat/ano)• Período: 03 meses• Aumentar as vendas de loja em 2%;• Vendas da web em 5%;• Aumentar visitação nas lojas visitas e no e-commerce em 5%.• Demostrar aos controladores a eficiência das ferramentas e capacidade de
avaliação do ROI.
Business Case (*)
(*) situação simulada, não correspondente a realidade especifica de uma rede de comércio.
Porto | Lisboa | São Paulo | Rio de Janeiro
55
Plano de ação (*) 1. Identificar e definir 01 região piloto e 05 lojas/teste padrão.
2. Avaliar geração de ‘insights’ recentes no Twitter e Facebook
3. Identificar geograficamente o publico alvo ‘não comprador’ pelo gmaps/wase.
4. Identificar no inventário itens ‘slow-moving’ (baixo giro) global e transferir para loja piloto.
5. Convocar ’influencers’ internos e externos para definir lista de ofertas para campanha de produtos ‘slow-moving’ já existentes em estoque, de alta valor agregado e alta margem.
6. Construir aplicativo na plataforma e-commerce que gere cupons de descontos autenticados para compra em loja quando o cliente web fechar o carrinho.
7. Construir aplicativo no sistema de loja (PDV) para identificar o cupom gerado pela web.
8. Instalar identificador de fluxo de clientes na loja piloto.
9. Modificar layout web para campanha.10.Fechar web-campanha de email marketing e PPC,
em conjunto com ‘influencers’.11.Fechar social analitics real-time para o período de
campanha.
Toda compra em nosso website recebe
um vale compras de R$ 50 para gastar em
nossa loja.
(*) situação simulada, não correspondente a realidade especifica de uma rede de comércio.
Porto | Lisboa | São Paulo | Rio de Janeiro
56
Cronograma (*)
‘Insights’ Twiter/ FacebookPublico alvo gmaps/wase.Gerador cupons WebLeitor de cupom PDVIdentificador de fluxo de clientesLayout web para campanha.UXEmail marketing & PPCCampanha InfluencersSocial Analitics
01 02 03
CampanhaDuração em Meses
Atividades
(*) situação simulada, não correspondente a realidade especifica de uma rede de comércio.
Porto | Lisboa | São Paulo | Rio de Janeiro
57
Resultados (*)
Vendas Web: +4,8%
Seguidores Youtube/Facebook: +60,1%
Vendas Físicas: +8,1% Visitas web: +15,4% Visitas Loja: +23,9%
Citações Positivas Youtube/Facebook: +70,9%Citações Positivas Youtube/Facebook: -50,4%
(*) situação simulada, não correspondente a realidade especifica de uma rede de comércio.
Porto | Lisboa | São Paulo | Rio de Janeiro
58
Outros resultados (*)
1. Metade do pagamento aos ‘influencers’ foi em cupons. Que acabaram sendo presente a outros ‘influencers’. Que aumentaram a influencia do site.
2. Todo cupom dado de presente, por definição, teve que ser resgatado na web. Esta ação aumentou a visitação do site.
3. O pagerank (google) do website aumentou de 2 para 4. Pageranks elevados aumento o valor da corporação.
4. Pela primeira vez houve uma oferta de um fornecedor em estar na primeira página da web-commerce. Isto chamou atenção a possibilidade de venda de espaço (trade-marketing).
5. Pela inexistência do CRM, foi impossível avaliar quantos consumidores retornaram devido campanha. Mas os vendedores se entusiasmaram ao saber que 100% dos cupons estavam na web, onde já havia obrigatoriamente cadastro, email, contato, etc.
6. O levantamento de big data mostrou que os consumidores desejavam uma linha de ‘underware’.
7. O ‘slow moving’ foi todo vendido. 8. O layout da loja revisto. Foi estabelecida uma
estratégia de planograma mais efetiva.
Antes da campanha
Durante Campanha
(*) situação simulada, não correspondente a realidade especifica de uma rede de comércio.
Porto | Lisboa | São Paulo | Rio de Janeiro
59
Dúvidas, Perguntas?
Recommended