Важность больших данных для понимания потребительских покупательских привычек, повышение конкурентного преимущества в розничной торговле

0
912
DOI: ESTE ARTIGO AINDA NÃO POSSUI DOI SOLICITAR AGORA!
PDF

BULIAN, Braian de Souza [1]

ALENCAR, Cícero Aparecido [2]

BULIAN, Braian de Souza; ALENCAR, Cícero Aparecido. Важность больших данных для понимания потребительских покупательских привычек, повышение конкурентного преимущества в розничной торговле. Журнал Многопрофильная научный центр знаний. Выпуск 08. Год 02, Vol. 03. С. 18-41, ноябрь 2017. ISSN: 2448-0959

резюме

В текущей рыночной ситуации, компании нуждаются все больше и больше, чтобы выделиться. Понимание того, как клиенты и рынок сам себя имеет важное значение, если компании запрограммированы, чтобы лучше обслуживать их с целью достижения конкурентных преимуществ перед своими конкурентами. Цель данного исследования состояла в том, чтобы представить как Big Data (большой набор хранимых данных) может помочь розничным торговцам лучше понять специфические привычки покупки и поведения своих клиентов, и как это может помочь им стать более эффективными внутренними процессами, что позволяет повысить их конкурентоспособность. Кроме того, он представил теоретическую модель реализации больших данных. Это исследование прогрессирует в соответствии с положением Торьона (2013 г.). »… Big Data создает ценность для компании обнаружить закономерности и взаимосвязь между данными, которые были потеряны не только на внутренних хранилищах данных, но и в их собственной сети Интернет, в чириканье, комментариями на Facebook и даже видео на YouTube. «Был сделан вывод, что обработка и анализ больших данных, если хорошо реализованы, обеспечивает улучшение различных процессов в компаниях, таких как маркетинг, логистика, принятие решений и другие. Помните, что компании необходимо провести технико-экономическое обоснование для применения этой технологии для того, чтобы знать, если ваша компания имеет минимальные структуры, необходимые для реализации инструментов, способных выполнять чтение и анализ этого большого объема данных.

Ключевые слова: Big Data, Retail, конкурентные преимущества.

1. ВВЕДЕНИЕ

Хотя очень важно, в связи с созданием формальных рабочих мест, обработками экономики, оборотным капиталом и другая розничная торговля пострадала значительно отрицательной. По теме земного шара (G1) Дани[3]эль Силвейра и Марта Каваллини, с 2015 года, продажи филиала демонстрируют снижение. При нестабильной экономической политической ситуации сегодня, тенденция такова, что рынок становится все более конкурентоспособным. В результате, клиенты ищут более дешевые продукты. Подтверждением этого является увеличение продаж и расширение рынков в соответствии с моделью «atacarejo» торгового режима, который сочетает самообслуживания типа оптом и в розницу гипермаркета, что позволяет продажу продукции по более низкой цене. По данным журнала Exam[4]e, исследование, представленное во время запуска бразильской ассоциации оптовой торговли самообслуживания (Abaas) указывает, что этот тип магазина достигает 46,4% домохозяйств, превосходя в этом году (2016 г.) этот критерий супермаркетов, уже превзойден гипермаркеты в 2015 году.

Таким образом, следовательно, люди меняют свои формы привычки адаптации, ищет самые низкие цены или поиск наилучшего соотношения затрат и выгод каждого продукта. На основании этого сценария, компании ищут способы остаться на рынке, которые могут быть основаны на простых решениях, такие как увольнения сотрудников, или даже более сложные, как улучшения своих процессов. Все это направлено на снижение затрат при одновременном удовлетворении клиентов, повышение ее конкурентоспособности на рынке и обеспечить выживание компании, или даже ваш блик.

Использование больших данных с конкретными инструментами стало почти необходимым для компаний, чтобы выделиться сегодня. Шаг взят, реализованную покупку, доступ к социальной сети, веб-сайт, одним нажатием. Каждый второй, за каждую акцию, состоявшейся данные генерируются. Они существовали всегда, но каждая минута, которая проходит, они образуются в большем количестве и скорости. Кроме того, емкость для хранения и считывания этих данных резко возрастает, что также позволяет превратить их в полезную информацию для рынка, независимо от их области знаний.

Большой данных относится к огромному количеству данных и, следовательно, необходимы специальные инструменты, способные выполнять чтение, так что все они могут быть интерпретированы, генерирующий информацию, которая будет полезна для намеченной цели. Компании, не использовать этот большой объем данных, не в состоянии интерпретировать данные, во всяком случае, генерируется. Следовательно, конкретная информация о привычках, таких как магазины и транспорт, не собирается. Таким образом, компании могут улучшить процессы уже сделаны, например, логистики, маркетинга и других решений, всегда ищут лучший способ, чтобы служить своим клиентам, независимо от их потребностей, и таким образом получить конкурентное преимущество на современном рынке, как оспаривается. Благодаря этой связи вопросы: Как Big Data может помочь ритейлеры понять специфические привычки покупать каждый потребитель, и как это может помочь вам?

Данное исследование направлено на изучение, как Big Data может помочь розничным торговцам лучше понять конкретные привычки покупки своих клиентов и тем самым получить конкурентное преимущество. Сначала он был представлен через библиографические ссылки, как компании могут собирать данные, найти шаблоны и покупательские привычки своих клиентов и применять большие данные. Тогда было показано, что при интерпретации данных, собранных в помощи для повышения эффективности производственных процессов, уже осуществляемых этими компаниями, повышая их конкурентоспособность. Наконец, модель развертывания больших данных был представлен на компаниях, стремящихся усовершенствовать административные процессы от потребительских и рыночных моделей. Таким образом, можно сказать, что эта работа может иметь отношение к розничным торговцам и дополнительной информации для acadêmica.o области, вызванного осуществлением больших данных в компаниях в этой современной обстановке. Кроме того, возможности этой работы связано с обширным содержанием, которое можно найти по этому вопросу, служащей в качестве теоретической основы, а также представлены фактические результаты и сравнения между компаниями с использованием больших объемов данных, а также компании, которые не используют.

2. ТЕОРЕТИЧЕСКАЯ

В этой главе рассматриваются теоретические основы проекта и предоставляет необходимую информацию для понимания концепции больших данных и ее роль в современном мире. Кроме того, он показывает важность применения этой технологии в компании с целью повышения эффективности их процессов, тем самым повышая конкурентоспособность того же самого.

2,1 BIG DATA

Несмотря на появление в о начале 90-х годов, Big Data по-прежнему считается что-то новое, как она становится все более распространенным лишь в последние годы. Из-за этого, до сих пор нет точного понятия, которая определяет, что на самом деле Big Data. Таким образом, можно найти множество определений ней вращаясь вокруг одной и той же идеи.

Согласно Кеннету Лаудона и Джейн Лаудона (2014), в последнее время большая часть данных, собранных организациями состояла из транзакционных данных, которые могут быть легко организованы и связанные с программами управления, однако, в последнее время наблюдается всплеск данных из-за огромного веб-трафика через электронную почту и содержание социальных сетей. Тем не менее на авторах, Big Data не относится к какому-либо конкретному количеству информации, но данным в диапазоне петабайта и эксабайтов, будучи миллиарды до триллионов записей, все из разных источников.

Согласно Enomura (2014), определение термина «Big Data» является очень сложным, и его первым определением способа, известным сегодня было в 2001 году Дуги компания Laney Gartner Group, знаменитый три Ви (объем, скорость и разнообразие) , Существуют базы данных, потенциал которых требуют инновационных способов обработки информации для лучшего понимания и принятия решений.

Майер-Schonberger и Cukier (. 2013, стр 4) иметь следующую мысль о перспективе:

Там нет строгого определения для термина. Во-первых, идея заключалась в том, что объем информации вырос настолько, что сумма не считается больше не помещается в памяти компьютерной обработки, поэтому инженерам пришлось усилить инструменты, используемые для анализа. Это возникновение новых технологий обработки, таких как MapReduce Google и его открытым исходным кодом эквивалент, Hadoop, запущенного Yahoo. Они позволяют управлять гораздо больше данных, чем раньше, а данные – это важно – не нужно выделять в строках или в классических чартах.

Для лучшего развития и понимания работы, то есть таблица, содержащая другие важных понятия больших данных, процитированных важными авторами в этой области.

Таблица 1: авторы / Организация и их соответствующие концепции больших данных

Автор / организацияконцепция
Торьон Сесар (2013, стр. 26)»… возможно, речь идет о весьма значительном объеме данных. Но за бездонные объемы, существ[..]ует множество данн[…]ых и скорости. […] лично я добавляю две другие переменные: точность данных и[…] стоимости бизнеса.
Глобальный институт McKinsey (2011)«Широкое использование онлайновых социальных сетей, мобильные устройства для подключения к Интернету, операциям и цифровому контенту, а также более широкого использованию облачных вычислений генерируемого несметным объемы данных. Термин Big Data относится к этому набору данных, рост которых экспоненциальный и, размер которых превышает возможности обычных инструментов для захвата, управления и анализа данных ".
IBM (2016)«Каждый день мы создаем 2,5 нониллион байт данных – настолько, что 90% данных в современном мире было создано в течение последних двух лет. Эти данные приходят отовсюду: датчики, используемые для сбора информации о климате, сообщения на сайты партнеров СМИ, цифровые фотографии и видео, записи о покупке транзакций и сигналы сотового телефона GPS, чтобы назвать несколько. Эти данные Big Data.
ISACA (2013b, стр. 05)«The Big Data является термин технического и маркетинга, которая относится к информации, ценных бизнес ресурсов.»

Источник: адаптировано из Big Data, 2013; Большие данные: Следующий рубеж для инноваций, конкуренции и производительности,

2011; Что такое Big Data? 2016; Большие данные: Воздействие и преимущества, 2013.

Среди концепций, он часто упоминается об объеме, разновидности и скорости данных. В некоторых случаях, часто новые, есть также ценность и достоверность данных. Поэтому также важно для определения и понимания того, что и почему влияние на концепции больших данных.

По данным Intel (2012), особенность этих трех Ви о том, что Big Data является в целом, но и определить ключевые проблемы и необходимо решать, а именно:

Объем: массовость и рост объемов данных неструктурированных преодолеть традиционное хранение и аналитика;

Разнообразие: Большой Данные собраны из новых источников, которые не были добытых в прошлом. Традиционные процессы управления данными не могут справиться с разнообразием и изменением больших данных, который поставляется в различных форматах, таких как электронная почта, социальные сети, видео, изображения, блоги и данные датчика; и

Скорость: Данные генерируются в реальном масштабе времени с информационными требованиями полезными служить.

Для Торьона (2013 г.), есть две другие переменные, которые необходимо учитывать, а именно:

Правдивость: потому что нам нужно, чтобы убедиться, что данные имеют смысл и являются подлинными; и

Значение: потому что это абсолютно необходимо для организации для реализации проектов Big Data получить отдачу от этих инвестиций.

2.1.1 Воздействие больших объемов данных по бизнесу

Применение больших данных в компаниях может привести положительные и отрицательные последствия в различных секторах. Таким образом, исследование необходимо для того, что компания имеет необходимую информацию о системе перед развертыванием, избегая при этом большинство потерь и отрицательные результаты.

Большие данные могут повлиять на текущие и будущие модели процессов несколько способов. Помимо влияния на бизнес, агрегирование данных может повлиять на управление и планирование управления, использование, гарантия, конфиденциальность (ISACA®2013b):

  • Управление – так принято меры, чтобы определить, как будет будет включено управление больших объемов данных, и какие данные или нет.
  • Планирование – включает в себя сбор и организациях результатов, которые помогают оправдать корректировки и / или улучшение процесса, которые могут быть идентифицированы с использованием конкретных методов исследования, разрабатывать торговые программы следующих ориентаций на определенные условия, которые вызывают события, ободрение для покупок по стандартизации вы хотите, как клиент сравнить и исследовательские продукты и услуги, используют информацию на основе местоположения наряду с другими данными для проверки данных о клиентах (лояльности к продукту или компании, маршруты, требованию различных продуктов и) помощь в только в управлении время (JIT) инвентаризация и инвентаризация на основе изменений спроса в определенное время, помощь в управлении логистическими операциями в режиме реального времени.
  • Использование – использование больших данных требует хорошей инфраструктуры. Малые предприятия могут занять гораздо больше времени для реализации этой концепции из-за них
  • Гарантия – после разработки эффективной стратегии для повышения больших объемов данных, компания должна беспокоить установить гарантийную структуру, таким образом, будучи в состоянии контролировать и защищать Big Data. Гарантия и качество данных, основными проблемами являются для компаний.
  • Неприкосновенность частной жизни – должно быть особое внимание на данные и личную информацию, даже если это разрешено пользователям, всегда избегая воздействия и защиты людей в недобросовестности. Кроме того, каждое правительство имеет свои соответствующие законы, запрещая или легализовать определенные действия, вы должны быть осведомлены о том, что слишком.

2.1.2 Как Big Data может помочь компаниям

Каждый момент люди, и даже вещи, которые генерируют данные. С развитием технологий, объем таких данных значительно возросла, и увеличилась способность контролировать их. Кроме того, технология предоставила инструменты, способные отделить, организовывать и осуществлять чтение данных, так что они превращаются в важную информацию.

Последние исследования показывают, что правильное использование больших данных может сыграть экономическую[…] роль в продвижении инноваций, конкурентоспособности и производительности во всех сегментах (Лиме, ​​Сесилия A. R;. CALAZANS, Janaina C. H., 2013). Дополняя, McKinsey институт (Manyika, Джеймс, КС, Майкл, BROWN, Брэд и др) говорит, что использование больших данных станет важной основой для конкурентоспособности и роста отдельных компаний. С точки зрения конкурентоспособности и ценностным потенциалом захвата, все компании должны принимать большие данные серьезно.

(. 2013b, стр 07) ISACA® имеет следующее мнение о возможностях, которые большие данные могут принести:

Возможности Big Data являются существенными, а также проблемы. Компании, которые доминируют над формирующейся дисциплиной управления Big Data может достичь значительных наград и дифференцировать себя от конкурентов. В самом деле, исследование Эрика Бриньолфссон, экономист в Школе менеджмента Слоуна при Массачусетском технологическом институте (США), показывает, что компании, использующие «принятие решений на основе данных» получили увеличение пяти до шести в процентов производительности. Правильное использование больших данных выходит за рамки сбора и анализа больших объемов данных; также требует понимания того, как и когда использовать данные для принятия важных решений.

Рисунок 1: Анализ конкретной бизнес-Insights компании. Источник: ISACA®2013b, стр. 07 - Большие Данные: Воздействие и преимущества. Доступно по адресу: <http://www.isaca.org/Knowledge-Center/Research/Documents/Big- Data_whp_Por_0413.pdf srcset=
. Accessed 12 августа 2016.” width=”763″ height=”360″ />
Рисунок 1: Анализ конкретной бизнес-Insights компании. Источник: ISACA®2013b, стр. 07 – Большие Данные: Воздействие и преимущества. Доступно по адресу: <http://www.isaca.org/Knowledge-Center/Research/Documents/Big- Data_whp_Por_0413.pdf>. Accessed 12 августа 2016.

Анализ больших данных может положительно повлиять (ISACA®, 2013b) в разработке продукта или рынка, оперативность, опыт и лояльность клиентов, а также прогнозы спроса на рынке. Согласно Торьону (2013) использование больших данных компаний помогает улучшить различные действия, немыслимые ранее, такие как:

  • Оптимизация кросс-продажи или кросс-продажи. Согласно Торьону (2013), около 30% продаж Амазонки вызваны рекомендациями «вы также можете» или «Вы также можете захотеть».
  • Место на основе маркетинга или маркетинга в зависимости от местоположения. Определив местоположение клиента, компания может отправить конкретное сообщение к нему с каким-то продвижением Согласно Торьону (2013 г.), 79% клиентов Starbucks, которые получают персонализированные сообщения становятся более вероятным посетить магазин.
  • анализ поведения клиента в магазине. Около 80% времени клиентов внутри магазина потраченного кружить в поисках продуктов и фактически не взаимодействуют или покупку. Отслеживать и анализировать поведение клиентов в магазине позволяет вкладывать средства в акции, что использовать эту потерю времени.

Tessarolo и Magellan (. 2015, стр 03), дают другие примеры того, как Big Data помогает бразильские компании:

Бразилия, телекоммуникационные компании, такие как Globo, запись и SBT использовать большие данные для измерения популярности своих программ. Они используют социальные медиа-услуг ищут информацию в социальных сетях, таких как Facebook и Twitter дали тему обсуждали в любой программе была принята цель или нет зрителей. Таким образом, производители и директора могут принимать более обоснованные решения на основе этой информации, собранной в средствах массовой информации.

Использование больших данных, как уже упоминалось ранее, имеет высокую пропускную способность, чтобы помочь компаниям получить максимальную эффективность всех его процессов. Таким образом, использование имеющихся ресурсов и в целом снижение отходов ИЗ НИХ, позволяет компаниям иметь самую низкую стоимость и, следовательно, максимально возможную прибыль.

2.1.3 Сбор и анализ данных

Как уже упоминалось ранее, Большой данных речь идет о сборе данных, организовать их и проанализировали их. В настоящее время данные подразделяются на структурированные и неструктурированные. Информации, хранящейся в базах данных, как известно, как структурированные данные, так как она представлена ​​в строгом формате. Например, каждая запись в таблице реляционной базы данных. (Elmasri, 2011, стр. 416)

Для Tessarolo и Магеллана (2015 г.), когда имеют дело с огромным количеством данных, они приходят из разных источников и путей. Это большой вызов моему, чистой, организовать, коррелируют, ссылку и трансформировать эти данные в соответствующую информацию. Чтобы это было возможно, создание базы данных требуются, когда вся эта информация фиксируется с помощью приложений, созданных с целью направляя эти данные, сохраняя их в организованной и ясной форме, что облегчает поиск и манипулирование такие данные.

В сети Интернет только четверть этих данных представлены хранятся в базах данных. Много информации ежедневно создает и менее 10% могут быть добыты и организованы, делая каждый день огромное количество информации становится нежелательной, тем самым препятствуя их поиски и часто становятся бесполезными. (TESSAROLO И магальесы, 2015. р. 02)

По словам Леди Guide (2012), неструктурированные данные какие-либо документы, файлы, графику, изображения, тексты, отчеты, формы или видео или аудио записи, которые не были закодированы или иначе структурированы в строках и столбцах или записей. По многим оценкам, около 90% всех сохраненных данных хранятся из реляционных баз данных. Неструктурированные данные представлены в виде информации, хранящейся в контексте. На самом деле, всегда есть некоторая структура, в которой данные предоставляют информацию, и эта структура может быть даже табличная в своей презентации.

Что касается Tessarolo и Магеллана (2012, р 03.):

неструктурированные данные содержат сеть. Из всех данных в мире, которые были получены в последние годы только 10% данных структурирована. Оставшиеся 90% не структурирована и собираются по большей части в социальных сетях, таких как Facebook, Twitter, Pinterest, среди других.

По Tessarolo и Магеллана (2012), должна быть реорганизация и добыча этих цифровых данных, так что вся информация создается каждый день не теряется и может быть полезным. Решением этой проблемы, без сомнения, является большими данными.

2.1.4 Человеческие ресурсы для больших данных

Несмотря на все требования программного и аппаратного обеспечения, а также требуются сотрудники, которые знают, как обращаться с этими инструментами для компаний, чтобы получить положительные результаты. Согласно Торьону (2013), сценарий роста точек больших данных, которые появляются новые возможности занятости для ИТ-специалистов и других отраслей.

Новая позиция под названием «данные ученый» или ученые данных является хорошим примером. Спрос, как правило, обучение в области компьютерных наук и математики, а также аналитические навыки, необходимые, чтобы найти промыслительное иголку в стоге данных, собранных компанией. «Ученый данные кто-то любопытно, что анализ данных для выявления тенденций,» сказал недавно Anjul Bhambhri, вице-президент компании Big Data Products, IBM. (Торьон, 2013. р. 79)

Автор обобщает три основные профессиональные профили, занятые в больших данных могут быть идентифицированы. Первый из них основан на научных данных, которые проходят подготовку специалистов в области статистики, информатики и / или математики, способный анализировать большие объемы данных и извлекать их новые возможности для бизнеса. Второй подход основан на бизнес-аналитиков, которые могут сформулировать правильные вопросы, выполнять анализ ответов и от них, принимать стратегические бизнес-решения. Третий и последний, состоит из технических специалистов заботиться инфраструктуры и его технической поддержки для поддержки больших объемов данных.

Тем не менее, по Торьон (2013 г.) с большой проблемой больших данных в ближайшие годы иметь подготовленных специалистов, так как технология быстро развивается, и должна быть без ущерба. Шейка тогда у людей, а не технологии. В дополнении к ученым данным, есть также место для другой профессиональной деятельности. Высокий спрос также для разработчиков и системных администраторов, например, которые специализируются на инструментах, направленных Big Data, такие как Hadoop, технология, разработанная для распределенных приложений с интенсивными данными и используются хорошо известные сайты, как Facebook, Yahoo и eBay ,

2.1.5 Риски и уход в больших данных

Определены понятия больших данных и его преимущества, оно также должно быть принято при использовании этих данных важные знания о рисках и ухода. Для чего-то очень мощного, очень важно, что границы установлены, и существует определенная этика в использовании данных. Это потому, что все эти данные могут быть личными данными, так что ставит под угрозу безопасность человека в целом.

По ISACA® (2013b), хотя Big Data может обеспечить конкурентное преимущество и другие преимущества, она также несет значительные риски. Теперь, когда компании имеют огромное количество структурированных и неструктурированных данных доступны руководству следует спрашивать: где хранить эти данные? Как защитить данные? и используя данные безопасно и легально?

Для ISACA® (2013-го), риск, связанный с большими данными может быть отнесен к категории эксплуатации или на основе информационных технологий. Эти категории риска могут быть уменьшены с налаженной системой управления. Таким образом, операционный риск охватывает внутренние и внешние факторы, в том числе геополитических рисков и гонки для удовлетворения совета директоров и высшего руководства, которые хотят, чтобы опередить конкурентов. Но риск ИТ (информационные технологии) является также бизнесом, в частности, бизнес-риск, связанный с использованием, владением, эксплуатацией, вовлечением, влиянием и принятием ИТ в компании. IT риск возникает, когда гарантии безопасности преодолевается.

Безопасность и конфиденциальность играют все более важную роль в больших данных, и все заинтересованные стороны должны быть осведомлены о последствиях хранения и перекрестного анализе больших объемов конфиденциальных данных. (ISACA®, 2013b). Автор также отмечает, что необходимо понимать, что некоторые данные следует считать токсичными в том смысле, что потеря контроля над ними может нанести ущерб компании, а именно: частной или опеке информации, таким как номер кредитной карты, информация личный, такие как номер социального страхования и личной информация о состоянии здоровья; стратегическая информация, такие как интеллектуальная собственность, бизнес-планы и образцы продукции; и данные, такие как ключевые показатели эффективности, результаты продаж, финансовые показатели и производства используются для ответственных решений.

Необходимость управления рисками данных в компании не может быть четко сообщена и понять на всех уровнях управления. Крайне важно, чтобы показать, что решение рисков и проблемы больших объемов данных не могут рассматриваться только в качестве информационных технологий физических упражнений. Участие компании в целом, в том числе юридического, финансовое, соблюдения внутреннего аудита и других бизнес-подразделений, позволяет каждому сосредоточиться на бизнес-целях в стадии планирования. Компании могут оставаться сосредоточенными на оба технических аспектах и ​​бизнесе Big Data. (ISACA®, 2013B. р. 08)

Использование больших данные имеют важное значение для обеспечения более высокого уровня конкурентоспособности для бизнеса, но это мощная концепция может открыть двери для незаконного использования его. Для того, чтобы избежать рисков для безопасности самих компаний и особенно клиентов, важно принять некоторые меры, как указано выше, для того, чтобы использовать только его выгодное сторону

2.2 БИЗНЕС-ПРОЦЕССЫ

Компании в целом состоят из административных процессов, которые помогают в развитии организованной и эффективной деятельности. Примеры процессов: маркетинг, продажи, логистика и принятие решения. Все эти процессы как-то взаимосвязаны и должны работать синхронно, как для компании, чтобы иметь лучшие результаты.

2.2.1 Маркетинг

Маркетинг является ключевым игроком на рынке розничной торговли. Компания должна быть в сознании клиентов, так что будет помнить то время, когда клиент решает совершить покупку. Кроме того, есть клиенты, которые не знают о существовании компании, бренда или продукта, предлагаемого и большинство маркетинговых функций делают эти известные клиентам.

По словам Котлера (2012, стр. 03), является целью маркетинга является определение «потребности снабжения получения прибыли». Маркетинг включает в себя выявление и удовлетворение человеческих и социальных потребностей. Автор добавляет, что маркетинг относится к нескольким вещам, например, товары, услуги, события, переживания, люди, места, свойства, организаций, информации и идей.

Американская ассоциация маркетинга предлагает следующее определение: маркетинг является деятельностью, набор знаний и процессы создания, общения, доставки и обмена предложений, которые имеют значение для потребителей, клиентов, партнеров и общества в todo.7 деле с этими процесс обмена требует много работы и мастерства. Управление маркетинга происходит, когда по крайней мере одна из сторон в потенциальном соотношении обмена ищут способы, чтобы получить желаемые ответы от других сторон. Мы видим, таким образом, маркетинг менеджмент как искусство и науку выбора целевых рынков и захвата, поддержания и удержания клиентов за счет создания, доставки и передачи более высокой стоимости для клиента. (Котлер, 2012. р. 03)

Компоновка также является важным моментом в области маркетинга, она призвана обеспечить более эффективное использование пространства и обеспечить комфорт для клиента в момент покупки. Лас Касас (1994. цитируются CAMARGO, Тоальдо, NEPHEW, 2009) определяет расположение в качестве основных частей или элементов, которые помогают магазину в достижении максимальной производительности.

Таким образом, Андерхилл (1999. цитируется CAMARGO, Тоальдо, NEPHEW, 2009, P.03) имеют важные моменты, отметить, во время, чтобы развернуть макет:

[…]- Скорость захвата: относится к тому, как потребитель видит, что подвергается. Доверенные зона проходит от чуть выше глаз до колен. Для оставшегося пространства должно отображать большие продукты легко видны (например, пеленки); – скорость бумеранга: это сколько раз клиент не в состоянии пойти полностью бегун. Одним из способов минимизации этого эффекта и позиции наиболее популярных продуктов в середине зала или места приманок на обоих к[…]онцах; – товар не должен прерывать линию клиента видимости: они должны быть в состоянии видеть не только то, что находится впереди, но и в других частях магазина; – привести потребителя к магазину фона: для этой позиции в этой категории область назначения так, кто ищет эти пункты будут покупать другие в и приходящей.

Маркетинг достигает всех областях, будь то товары, услуги или людей. Таким образом, его важность очевидна. Понимание того, как работает рынок необходимо применять маркетинг таким образом, что положительно достичь всех целей, воздействуя прямо или косвенно в целях улучшения конечных результатов.

2.2.2 Продажи

Удобно отметить, что маркетинг и продажи разных вещей, хотя, характеризующие определенную связь. Вейц и др. (2004. КАШТРУ NEVES цитировали и 2005, с. 8) определяет личные продажи в качестве личного коммуникативного процесса, в котором продавец определяет и удовлетворяет потребности покупателя на долгосрочной выгоде обеих сторон. Что касается Роджерса (1993. КАШТРУ NEVES цитировали и 2005, с. 8), личные продажи являются резкой сторона маркетинга, как это, когда представители компании столкнулись лицом к лицу с потенциальными покупателями. Силы продаж действуют в качестве связующего звена между компанией и клиентами.

В соответствии с Кастро и Невешем (2005, стр. 16), процесс продаж представляет собой последовательность шагов или этапов, через которые поставщик они продают. Эта последовательность была первоначально предложена Дубинский в 1980 году. Шаги, признанные в качестве процесса продаж тренеров являются семь, а именно:

  • Изыскания: потенциал идентификация клиента;
  • Предварительный подход: Сбор информации, поэтому продавец подготовиться к подходу;
  • Подход: Обеспечить хорошее впечатление, в дополнение к процентам и обслуживания клиентов;
  • презентация продаж: презентация предложений и льгот;
  • Ручка возражения и преодолеть сопротивление: Преодолевая сопротивление покупателя через ответы и акцент на преимуществах продукта;
  • Закрытие: Запрос Заказ по желанию заказчика, в наиболее подходящей форме и
  • послепродажное обслуживание: Следуйте процесс доставки и удовлетворенности клиентов, обеспечивая большую достоверность и возможную будущую продажу

Продавцы должны понимать поведение рынка и клиентов, поэтому они могут принимать любые вопросы и предоставить клиенту то, что ему нужно, и хотите, чтобы наилучшим образом. Процесс продажи представляет собой набор шагов, которые продавцы должны пойти, чтобы сделать продажу, но важно помнить, что этот процесс не остановить продажи продукта, потому что он охватывает также на вторичном рынке.

2.2.3 Логистика

Логистика является одним из процессов внутри компаний и организаций, которые требуют много внимания. Это процесс планирования материального потока, который направлен доставить потребности в нужное время и в нужном качестве, оптимизации ресурсов и повышение качества услуг. (Балл, 1999. привел Paura, 2012, стр. 13). По Paura (2012), логистика и помощь предприятиям, помогает местному качество жизни в отношении развития инфраструктуры для ее функционирования. Эта тема в настоящее время жизненно важна для компаний, поскольку это позволяет оптимизировать ресурсы и повышает качество, что означает увеличение прибыли и снизить затраты.

Профессиональный бизнес-логистика, изучающая, как обеспечить эффективным, рентабельность (1) распределительные услуги клиента, (2) поток материала внутри компании, (3) приобретение планирования, посредством контроля и организаций запасы сырья и готовой продукции, (4) управления планирование производства, и (5) в контроле упаковочного транспорта. (Paura 2012. р. 23)

Paura (2012) объясняет, что логистика для торговли считается необходимым несколькими факторами, среди них есть зависимость торговли является выполнение сроков для отраслей, которые могли бы предложить продукцию конечным потребителям. Кроме того, управление самой торговой логистики необходимо не только контролировать то, что происходит внутри и то, что выходит, но и дать информацию о том, когда и сколько необходимо запросить больше запросов. Когда это будет сделано должным образом, часто эта сделка имеет свои продукты в самых лучших условиях и с справедливыми ценами.

Из приведенной выше информации следует понимать важность логистики в настоящее время на рынке в целом. Иметь хорошую структуру и необходимую информацию, контроль сделал лучшее качество, которое обеспечивает более конкурентоспособным в этом очень конкурентном рынке.

2.2.4 Принятие решений

Решение это выбор, суждение, который принимает во внимание весь контекст и окружающую среду вокруг них, и может вмешиваться прямо или косвенно в конечном итоге. Для того, чтобы получить наилучшие результаты в будущем, решения должны быть тщательно сформулированы. Согласно Pereira и Фонсека (1997, цит Moritz и Pereira, 2006, стр. 31), решение является системным, парадоксальный и контекстная процесс нельзя рассматривать отдельно от обстоятельств, окружающих его. Знание характеристик парадоксов и проблем общества имеет важное значение для понимания процессов принятия решений.

По словам Саймона (1963, цитируется в Moritz и Перейра, 2006, стр. 33), решение представляет собой процесс анализа и выбора между несколькими альтернативами доступны курс действий, которые человек должен следовать. Он также показывает шесть классических элементов в процессе принятия решений:

  • , Принимающее решение: лицо, осуществляющее возможность выбора среди многих других доступных;
  • Цели: что, принимающее решение, хочет достичь своих действий и решений;
  • Предпочтения: критерии, используемые в качестве основы для ЛПРА сделать свой выбор;
  • Стратегия: путь, принимающее решение принимает для достижения своих целей в соответствии с имеющимися ресурсами;
  • Ситуация: внешние факторы, которые не могут контролироваться ЛПР, и что влияние события и результаты, влияющие на их выбор; и
  • Результат: конечный результат. Результаты стратегий и вариантов

Что касается Bethlem (. 1987 привел Moritz и Перейра, 2006, стр 34) предполагает общую модель процесса принятия решений состоит из четырех этапов:

Шаг 1 – Решение принять решение – принимать поведение, ведущий к любому решению является решением.

Шаг 2 – После того, как принято решение начать процесс принятия решений, следующим шагом является определение того, что мы решили. Есть моменты, когда мы работаем над решением проблем, которые не определяют, но статистически число является менее значительным;

Шаг 3 – формулирование альтернатив. Различные возможные решения, чтобы решить проблему или кризис, или альтернативы, которые позволят использовать возможности; и

Шаг 4 – выбор альтернативы, которые мы считаем наиболее целесообразными. Это принятие решений.

Принятие решения имеют жизненно важное значение для управления организациями, и следует понимать, что административный процесс, по существу, решение. Процесс принятия решений является сложным и состоит из нескольких шагов, пока не будет выполнен в жестком порядке, требует определенного порядка, так что решения, принятые являются эффективными и рациональными, непосредственно воздействуя на нижнюю линию компании или организации.

3. МЕТОДИКА

научная методология является изучением пути, которым необходимо следовать в направлении цели. Это способ мышления для того, чтобы прийти к природе данной проблемы, помогая ваше объяснение или ваше исследование.

Для Проданов и Фрейтас (2013, стр. 14):

Методика зак[…]лючается в изучении, понять и оценить различные методы, доступные для проведения научных исследований. Методика в прикладном уровне, исследует, описывает и оценивает методы исследования и методы, которые позволяют сбор и обработку информации, направленной на маршрутизацию и разрешения проблем и / или научно-исследовательских вопросов.

Согласно Реш (1999) методология призвана описать, как будет проходить проект. На этом этапе будет установлено, от конечной цели, какой тип проекта является более целесообразным.

3.1 ИССЛЕДОВАНИЯ ИЛИ программа проектирования

Исследование может быть понято как процедуры производства знаний, или же в качестве процедуры обучения и, таким образом, часть процесса реконструктивных знаний (ДЕМО, 2000, стр. 20, цит ПРОДАНОВА и Фрейтасу, 2013, стр. 42). Его цель с помощью научных процедур, решения проблем и разрешения сомнений (БАРРОС; LEHFELD, 2000, с.14, цит ПРОДАНОВ и Фрейтас, 2013, с.42).

На основе информации, которая будет представлена ​​ниже, это исследование изложено в качественном и количественном выражении. Для Реша (1999), любой проект можно подходить с двух точек зрения, и может использовать более количественный акцент на результатах оценки и более качественного подход в формирующей оценке (которая фокусируется на процессе преподавания и обучение).

В соответствии с Oppenheim (1993, стр. 21, цит Roesch, 1999, стр. 130), количественный дизайн указано, чтобы найти ассоциации и объяснение, описание менее ориентированное и больше для прогнозирования. Кроме того, по словам автора, если целью проекта является получение информации о определенной популяции, вариант заключается в использовании описательного исследования. Что касается Staw (1977), количественное исследование целесообразно для оценки изменений в крупных организациях. Таким образом, исследование имеет количественный характер в том, что касается части, в которой есть разделение и интерпретация количества и частот измеримых данных для формирования статистической информации для чтения их.

Уже на качественном дизайне исследования, утверждается, что их методы сбора и анализа данных являются подходящими для поисковых исследований (STAW, 1977 цитируется Реш, 1999, стр. 154). Для Реша (1999) есть другой способ смотреть на качественные исследования, где можно рассматривать как другую исследовательскую парадигму, как и в случае исследований действия, когда позиция исследователя основана на захват точки зрения различных респондентов предварительно установленная модель. Исходя из этой информации, это исследование также можно рассматривать как качественные, так как количество неизмеримых данных, которые будут сравниваться и изучено.

По Gil (. 2007 привели Gerhardt; Сильвейр, 2009, стр 35), исходя из целей, вы можете сортировать исследования на три группы, а именно: разведочной, описательную и объяснительной. Кроме того, согласно мнению автора, поисковое исследование ставит своей целью обеспечить более знакомство с проблемой, с тем чтобы сделать его более явным. В основном с участием обзора литературы, интервью с людьми, которые имели опыт на практике с исследуемой проблемой и примерами анализа поощрять понимание. Они могут быть классифицированы в качестве примера и литературы. Это исследование является ознакомительный характер, так как она в значительной степени поиск литературы, с целью привлечь внимание к проблеме и сделать его лучше известно.

3.2 НАСТРОЙКА целевой области населения или

Эта работа направлена ​​на разоблачать потенциальные возможности неиспользованными розничной торговли, чтобы не читать и интерпретировать данные, сгенерированные в повседневной жизни компании и всех заинтересованных сторон. Однако, в силу определенных требований осуществлять реализацию больших данных, эта работа направлена ​​розничные продавцы среднего и большого размера, где у вас есть достаточно информации и необходимая инфраструктура.

Согласно Реш (1999) стадия может быть сосредоточена в одном отделе компании, или охватывать всю организацию. В последнем случае важно, чтобы описать структуру области, в том числе количества людей, которые в ней работают.

3.3 ПЛАНЫ И ИНСТРУМЕНТЫ СБОРА

Согласно Реш (1999), если коллекция первичных данных, важно указать в этом разделе источник данных, когда они будут подняты и через какие инструменты. Что касается вторичных данных, необходимо сообщить о характере и спецификации.

В случае этой работы будут использованы только вторичные данные, поскольку вся информация собрана в книгах, журналах, газетах и ​​на сайтах. Все эти данные информацию о том, что Big Data, как это работает и как это может помочь розничной торговли. Также привели реальные примеры крупных компаний, которые имеют хорошие результаты после использования систем, чтобы сделать анализ данных.

ПЛАН АНАЛИЗА ДАННЫХ 3.4

В соответствии с Roesch (1999), необходимо указать тип данных, собранных разграничивает возможности анализа. Кроме того, здесь, где автор может предусматривать использование графиков, диаграмм и статистических данных. Подумайте о том, анализ помогает критиковать свою собственную коллекцию данных, которая может обеспечить более высокое качество при работе.

Как упоминалось ранее, исследование будет основываться на вторичных данных. Таким образом, эта работа будет проводиться анализ данных и информации, которые были использованы, проверены и большинство из них имели свои проверенные результаты. Он также будет анализом положительных и отрицательных результатов, что крупные компании должны были после реализации больших данных. Эти результаты будут обсуждаться диссертации и воли с помощью образов и графики для лучшего понимания этого.

4. РАЗВИТИЕ

Эта часть работы целей, на основе цитат из предыдущих пунктов, выставить как Big Data может обрабатывать важные данные о клиентах и ​​тем самым создают значительные преимущества для компаний, которые улучшают свои административные процессы, основанные на информации, полученной из таких данных собраны. Важно помнить, что эта работа будет уделять особое внимание в связи с административной стороны, не углубленные технические условия для функционирования средств, ответственных за сбор, хранение, анализ и преобразование данных в информацию.

4.1 СРЕДСТВА ОСУЩЕСТВЛЕНИЯ ДЛЯ ИСПОЛЬЗОВАНИЯ БОЛЬШИХ ДАННЫХ НА ПРЕДПРИЯТИЯХ СРЕДНИХ И КРУПНЫХ РИТЕЙЛЕРОВ

Компании вы хотите использовать большие данные должны следовать определенным шагам. Эти шаги включают в себя решения и выбора для развертывания базовой структуры с участием инструментов, услуг и людей, способных хранить, систематизировать и анализировать эти данные. Учитывая, что у компании уже есть свои собственные шаги системы управления перечислены ниже:

  • Наем Empowered: Во-первых, осуществить развертывание всех средств и систем, необходимых для использования аналитике больших данных, компания должна полагаться на помощь экспертов. Это включает в себя прием на работу трех типов специалистов, которые смогут предоставить всю необходимую помощь, чтобы сделать это следующим образом: специалисты отвечают за техническую поддержку и достаточной инфраструктуры для поддержки больших объемов данных; Специалисты, способные выполнять анализ больших объемов данных и извлекать новые возможности для бизнеса, от их подготовки в области статистики, математике и / или информатике; и бизнес-аналитика, способная выполнять правильные вопросы и анализировать ответы получены от
  • Расположение базы данных: компания нуждается в месте для хранения рекомендуется вариант аренды облачных серверов, и предпочтительно в разных местах, потому что таким образом риск потери данных снижается в случаях неожиданная авария, таких как пожар или стихийное бедствие. Кроме того, структура этих компаний, как правило, готовы к этому, так что эти серверы имеют постоянный мониторинг и специфическую безопасность, часть аппаратного и программного обеспечения. Существует также возможность компании приобрести свой собственный сервер, но очень вероятно, что расходы значительно выше.
  • Создание A[5]PI: Процесс передачи данных, полученных компанией в базе данных не так просто. Для того чтобы данные должны быть переданы в порядке

автоматическое создание API требуется, который будет нести ответственность за выполнение связи между программным обеспечением и хранить базу данных. Таким образом, API будет отвечать за получение необходимых данных из хранилища программного обеспечения, и загрузить их в организованном порядке для базы данных. Создание API требует технических знаний и должно выполняться специализированной командой, будь то член самой или аутсорсинг компании.

блок-схема
блок-схема

4.2 СХЕМА сбора и анализа данных

  • Определение правильных вопросов;

ИТ-специалисты с административной и управленческой компанией должны обсудить, что правильные вопросы, чтобы спросить, чтобы получить ответы в структуре они хотят.

  • Определение данных, представляющих интерес;

Данные, которые интересны для компании, и которые могут быть использованы для того, чтобы принести результаты, должны быть четко определены. Хранение данных имеет свою стоимость, таким образом, любую дополнительную информацию, которая хранится и кто не имеет никакой пользы означает потери для компании. В сценарии, в противном случае компания также потерял, не сумев собрать важные данные на него, прибыль может быть уменьшена или равна нулю. Крайне важно, чтобы определить, какие данные должны быть собраны, и которые должны быть проигнорированы.

  • Сбор данных генерируются клиентами;

После того как клиент делает покупки в магазине или интернет-магазине, различные данные генерируются. Все эти данные собираются компанией. Примеры таких данных включают в себя: дату и время покупки, имя клиента, цена покупки, продукты и т.д.

  • Передача данных в базу данных через API;

Отправки данных, собранных компанией в базе данных выполняется автоматически и в режиме реального времени через API, который отвечает за этот процесс.

  • Хранение данных в структурированном виде в базе данных;

Собранные данные будут храниться в организованном порядке в базе данных в качестве ИТ-персонала определили как лучший способ, так что после того, как они будут обработаны и проанализированы более легко.

  • Обработка и преобразование данных в информацию;

С данные хранятся и организована на сервере осуществляется обработка и анализ данных. Обработка данных состоит из ряда мероприятий, осуществляемых в упорядоченно, образуя информационное устройство, в котором были собраны данные и / или информацию, так что они могут быть организованы и проанализированы в результате цели, что система или пользователь хочет использовать.

  • Анализ и исследование информации;

В этот момент, вся информация, полученная в результате обработки собранных данных будет проанализирована. Здесь ответственные специалисты будут искать ответы на вопросы, заданные на начальном этапе. Они обычно находятся профили индивидуального клиента или определенные группы, тенденции потребителей, модели поведения и покупательские привычки.

  • Принятие решений на основе анализа информации;

После анализа и нашел ответы на начальные вопросы, компания может найти идеи для возможных корректировок и улучшений в его процессах, основанных на этой информации. Поведенческие модели и покупки, например, могут непосредственно влиять на процессе маркетинга, что делают его гораздо более эффективным, но сохраняя ту же инвестицию. Таким образом, на данном этапе решение о том, как вести себя на рынке и клиентов, они должны быть приняты на основе анализа, проведенного на собранной информации.

  • модификация применения и улучшений;

На этом этапе тот факт, что компании будут делать реализацию улучшений процесса, указанные в предыдущем шаге. Эти улучшения должны осуществляться организованно и планомерно, с тем чтобы произвести наилучший возможный результат.

Цикл данных для сбора, анализа и применения. Источник: Данные, полученные в исследовании.

4.3 BIG ВОЗДЕЙСТВИЯ использования данных в процессе корпоративных РИТЕЙЛЕР

Использование больших данных на предприятиях, если все сделано правильно, может генерировать большие результаты для того же в целом. Это достигается за счет того, что Big Data может генерировать улучшения во многих отдельных бизнес-процессов, то есть, это не влияет только один процесс другой. Среди этих процессов, которые могут быть затронуты при больших данных, этой

работа будет ограничена для отображения только маркетинга, продаж, логистики и принятия решений, даже если они представляют собой процессы, которые страдают большое прямое воздействие.

4.3.1 Воздействие больших данных в маркетинге компании

Маркетинг имеет важное значение для компании, и для клиентов, таким образом, важно, что внимание компании к этому моменту. Кроме того, стремясь обнаружить потребности и запросы конкретного целевого рынка является маркетинг, что делает презентацию определенного продукта или услуги для клиентов, чтобы привлечь их и пробудить интерес потребления их. При использовании больших данных, маркетинг компании может стать гораздо более эффективными.

С компании Big Data может гораздо больше информации о покупке и ваше поведение аудитории привычки, и тем самым осуществить маркетинговые процессы более объективно и эффективно. Кроме того, можно обнаружить и другие группы потребителей с разными привычками и даже различными видами использования для определенных продуктов. Со всей этой информацией, маркетинг может быть изменен.

Хороший примером является то, что вместо магазина достичь широко распространенных акций, акции могут быть настроены для каждого клиента. Они могут быть отправлены по электронной почте, листовки доставляются на дом, или даже через рекламу в социальных сетях каждого клиента. Таким образом, компания, вкладывая ту же сумму в области маркетинга, вы можете получить лучшие результаты, так, что продукт, бренд или услуги, чтобы достигнуть людей, которые имеют большую склонность приобретать их.

Майер-Schönberger и Cukier (2013) служат примеру в своей книге американская сеть магазинов под названием Target реализована привычки потребления беременных женщин в ранних сроках беременности, где потребление увлажняющих или подобные продукты было очень высоким. Оттуда магазин начал рассылать брошюры и персонализированные рекламные карточки для тех клиентов, которые только что продвижение продуктов для беременных женщин и младенцев. В конце концов, цель обнаружила, что молодая женщина была беременна еще до ее отца. Цель, с этой информацией, создавая определенный маркетинговый план для этих людей, потому что я мог сделать прогноз, когда тот факт, что ребенок родится, и в это время, предлагаются продукты на продажу, как детские кроватки, пеленки, и посуда для младенцев.

Признавая эти модели является ключом к большим данным, потому что с ними можно иметь представление о поведении клиента, и как использовать его, чтобы сделать более эффективными бизнес-процессы. В целом, Big Data может помочь маркетинг, таким образом, предоставляя информацию для управления, где, когда и кому определенные акции или информацию о продуктах или услугах, которые будут отправлены. Помните, что часто Big Data не представит, почему делают вещи работают именно так, в частности, но в цифрах это может доказать, что он на самом деле работает.

4.3.2 Влияние больших данных в области продаж и логистики

Продажа является главной целью для компаний, она является одной из основных причин, чтобы держать весь этот процесс внедрения и использование больших данных. Хотя все процессы взаимосвязаны, логистика имеет большее значение, когда речь идет о продажах, так как сделать продажу продукта или услуг, то необходимо, что компания способна предоставить его клиенту. Это предполагает не только наличие, но и

скорость и качество доставки, последнее особенно относятся к заказам, которые посылаются службой доставки, отличной от, когда клиент снимает лично.

А также шаблоны покупки и поведение помогают маркетингу, то же самое происходит в области продаж и логистике. Зная, как клиенты будут вести себя перед лицом определенных ситуаций, компания может предвидеть и организовать среду таким образом, что клиент потребляет больше и оставить удовлетворены тем же способом. Организация окружающей среды не только расположение или отображение продуктов, но и убедиться, что продукт, что потребительский спрос, есть в наличии, и что магазин не удивляйтесь в определенных ситуациях, в противном случае, чтобы сделать продажи и вызывая недовольство клиента, который Он не нашел то, что вы искали. Одним из интересных примеров, приведенных Майер-Schönberger и Cukier (2013, с.

37) имеет Wal-Mart:

В 2004 году Walmart мытой чудовищность прошлых данных транзакций, что каждый потребитель купил товар и общая стоимость, что еще было в ее корзине, время и даже погода. Поступая таким образом, компания отметила, что до предупреждения ураганов, а не только продажи фонарей увеличились, а также поп-Пирога, типичной американской сладкая. Таким образом, по мере приближения шторма, Walmart толченых коробки Поп-Пирога в передней части магазинов, недалеко от статей для ураганов, чтобы сделать жизнь проще для потребителей, которые приходили и уходили – и, таким образом, увеличивая продаж.

В этом примере, можно заметить, что у них уже было известно о повышенном потреблении фонарей когда были прогнозы ураганов. Кроме того, им удалось чтение было также увеличение спроса типичной американской конфеты под названием Pop-Пирога. Таким образом, когда было предупреждение урагана в городе или штате, Walmart может подготовить так, чтобы эти продукты были найдены в легком пути в магазин, а также гарантировать, что они имеют достаточно продукта для удовлетворения спроса. Следует отметить, что в изменение цвета кожи, Майер-Schönberger и Cukier сообщают, что у нас не было уверенности о причине возросших продаж сладкого поп-Пироги, но он работал.

Майер-Schönberger и Cukier (2013, стр. 37) Приведем еще один пример Walmart, который доказывает, что Big Data уже показывает свою силу с 90-х годов.

«В 1990-х годах, о[Walmart]н произвел революцию в розничном регистрировать все продукты как данные через систему под названием Retail Link, ведущие поставщик для контроля расхода и объема продаж и запасов. Создание этой прозрачности позволило компании обязать поставщиков заботиться сами поставки. Во многих случаях, Walmart не «не присвоено» продукт пока только перед продажей, тем самым уменьшая риск и стоимость акций. Walmart использовала данные, чтобы стать, по сути, самым большим отправляемые магазином товаров в мире ".

Эти примеры показывают, как Big Data может помочь крупной компании на розничном рынке, так что это может сократить расходы, увеличить объем продаж и, следовательно, быть более конкурентоспособными на рынке. Использование больших данных сделало эти процессы страдают значительное положительное воздействие, повышает ее эффективное, и, следовательно, влияет на результат магазина в целом.

4.3.3 Воздействие больших данных в решениях, принятых

Процесс принятия решений в критические моменты в компаниях. Это время, что компания должна решить один путь среди многих других. Вес решения высока, так как с точки зрения корпоративного имиджа и даже финансовый, может означать прибыль или убыток. Таким образом, интересно, что компания имеет самое большое количество информации, возможно, либо клиент, внутреннюю или внешнюю среду. Чем больше информации, тем больше способность сделать удачное решение.

Это как Big Data помогает компаниям в принятии решений, обеспечивая наибольшее количество полезной информации возможно. Что, в свою очередь, может быть использовано, чтобы получить предварительный просмотр того, как рынок может вести себя в ближайшем будущем. Дело в том, что вещи являются неопределенными, ничто не может быть гарантирована, но это так для всех, и прокладывает путь тех, у кого есть больше информации. При пересечении полученных данных о клиентах, как они ведут себя, каковы их привычки, наряду с другой информацией, которая может быть приобретена на геолокации, или даже политической и экономической ситуации, компании могут получить хорошее представление о том, как вести себя этот рынок страдает так много вариантов.

На рынке, как текущий, который показывает чрезвычайно быстрые изменения, процесс сбора данных до его преобразования в решения не может быть медленным. Поскольку рынок меняется очень быстро, ответы компаний должны быть столь же быстро, как. Это не поможет принять правильное решение, если оно осуществляется с задержкой. Таким образом, Big Data, безусловно, отличная альтернатива, потому что с ним, вы можете анализировать огромное количество данных, и вызвать их для создания ценности для компании в целом.

Заключительные мысли

Это исследование с целью показать важность использования больших объемов данных в текущем розничном рынке. Это значение является влияние, что использование этого огромного количества данных, поскольку бизнес-процессов и знаний о поведении своих клиентов и рынка. Несколько лет назад важность этой технологии признаются, и становится все более важным днем ​​для бизнеса.

Поскольку развитие исследований, можно отметить, что внедрение необходимой инфраструктуры на предприятиях для чтения и интерпретации больших данных не так просто. нанимая людей, вам нужно иметь знания в области оказания соответствующей поддержки. Инвестиции в оборудовании не вниз, так как это требуется огромный потенциал для обработки данных для чтения и анализа этого большого объема данных. Таким образом, изучение возможности внедрения системы, потому что, хотя отдача высока, необходимо, высокие инвестиции необходимы также, что для малых и средних предприятий может быть непрактичными.

Использование больших данных позволяет компаниям анализировать данные за пределы физического пространства своих магазинов или их собственных веб-сайтах и ​​в социальных сетях. Любые данные, которые могут быть собраны и может генерировать какую-либо информацию о пользователе, собираются непрерывно, что позволяет компании контролировать поведение, привычки и образ мышления людей в целом, которые были потребителями своей продукции или нет. Таким образом, уровень подготовки, что компания может иметь для некоторых ситуаций чрезвычайно высок, гораздо дальше, чем это было раньше.

Были представлены и прокомментированы на развитие исследований, примеры процессов, которые могут быть более эффективными, среди них: улучшение реализации капитала, вложенного в маркетинг, повышение эффективности управления логистики продукции, лучшего отображения продукции и организации магазинов. Все это положительно влияет, сокращение отходов и тем самым генерируя увеличение прибыли для компаний.

Как генерируются данные быстрее и быстрее и в больших количествах, всегда есть больше данных для анализа. Интересно, что система для анализа и интерпретации данных является циклом. Таким образом, после того, как компания вносить изменения и улучшение от данных, которые были проанализированы, он будет собирать данные, полученные в ответ на эти приложения, улучшающие все больше и больше процессов, как на рынках и изменения в поведении клиента. От этой линии рассуждений была создана модель развертывания и реализации больших данных, который был представлен на работе. Наконец, можно сделать вывод о том, что цели были достигнуты

Окончательные предложения

Это исследование было ограничено производство информации о больших данных и его функциональность в организациях, без, однако, подать заявление и развертывание практике процедуру организации. Таким образом, предполагается, что перед выполнением приложения модели в любом бизнесе, будь то сделал практический тест одного и того же, для того, чтобы доказать на практике эффективность модели.

Он также предположил, что работа продолжается, так что практическая часть этой модели для тестирования, которая позволит определить его фактическую функциональность, важность и ценность для розничной торговли.

ссылки

CAMARGO, Shirlei Миранда; Тоальдо, Ana Maria M. NEPHEW, Заки Акел. Компоновка как инструмент маркетинга в розничной торговле. 2009. Доступно по адресу: <http://www.anpad.org.br/admin/pdf/MKT1407.pdf>. Доступ к 25 мая. 2017.

КАШТРА; NEVES. Управление продаж – Planejkamento, стратегия и управление. Сан-Паулу: Editora Atlas SA, 2005.

Elmasri, Ramez; Navathe Основы баз данных B. Shamkant систем. Доступно по адресу: <http://fms.uofk.edu/multisites/UofK_fms/images/pdf/Fundamentals_of_Database_Systems_6t h_Edition.pdf>. Accessed 12 августа 2016.

ENOMURA, Bianca Юки. Big Data: Эра больших объемов данных прибыли. Журнал Superinteressante. против 4, стр. 7-19, июль, 2014.

Герхардт, Татьяна Энгел; Сильвейре, Дэнис Tolfo. Методы исследования. Порту-Алегри: Издатель UFRGS, 2009. Доступно по адресу: <http://www.ufrgs.br/cursopgdr/downloadsSerie/derad005.pdf>. Доступ: 18 октября 2016.

IBM. Что такое Big Data?. Доступно по адресу: <https: // www-01.ibm.com/software/data/bigdata/what-is-big-data.html>. Accessed 11 августа 2016.

INTEL. Интегрированное Electronics Corporation. Big Data 101: неструктурированные данные Аналитика Crash Course на ИТ-ландшафта для больших данных и новых технологий. Доступно по адресу: <http://www.intel.com/content/www/us/en/big-data/unstructured-data-analytics- paper.html>. Accessed 12 августа 2016.

ISACA®, Privacy & Big Data. 2013-го. Доступно по адресу: <http://www.isaca.org/Knowledge-Center/Research/Documents/Privacy-and-Big- Data_whp_Portuguese_0913.pdf>. Доступ к 12 августа. 2016.

ISACA®. Большие Данные: Воздействие и преимущества. 2013b. Доступно по адресу: <http://www.isaca.org/Knowledge-Center/Research/Documents/Big- Data_whp_Por_0413.pdf>. Accessed 12 августа 2016.

Котлер Филипп. Управление маркетинга. 14. Издание – Сан-Паулу: Pearson Education, Бразилия, в 2012 году.

LAUDON, Кеннет С. LAUDON, Джейн Информационные системы управления П.. Издание 11. Сан-Паулу, SP: Pearson Education, Бразилия, в 2014 году.

ЛИМА, Сесилия А. Р. CALAZANS, Janaina H. С. Цифровые Footprints: "Big Data" и стратегическая информация о потребительских. Доступно по адресу: <http://gitsufba.net/anais/wp-content/uploads/2013/09/13n2-pegadas_49483.pdf>. Accessed 11 августа 2016.

Manyika, Джеймс; КС, Майкл; КОРИЧНЕВЫЙ, Брэд и др. Большие данные: Следующий рубеж для инноваций, конкуренции и производительности. Доступно по адресу: <http://www.mckinsey.com/business-functions/business-technology/our-insights/big-data-the- следующего Рубеж-для-инноваций>. Accessed 11 августа 2016.

Майер-Schönberger Виктор; Cukier, Кеннет. Big Data: Как извлечь объем, разнообразие, скорость и значение Avalanche Information Daily. Рио-де-Жанейро: Elsevier, 2013.

MORITZ, Gilberto Oliveira. PEREIRA, Маурисио Фернандес. Процесс принятия решения.

Florianópolis, SC. ЮВАО / UFSC, 2006.

Paura, Glávio Лил. Основы логистики. Куритиба, PR. 2012.

Проданов, Cleber Криштиану; ФРЕЙТАШ, Эрнани Сезар. Методология научной работы:[recurso eletrônico] методы и приемы исследований и научных работ. 2-й изд. – Novo Hamburgo, RS: Feevale, 2013.

Журнал Exame. Atacarejo приводит в представлении для семей. По ESTADÃO СОДЕРЖАНИЯ. Доступно по адресу: <http://exame.abril.com.br/negocios/atacarejo-lidera-em- представление-для-семьи />. Данные на: 6 декабря 2016.

Реш, Сильвия Мария Азеведо. Сценография и исследований администрации. 2-й изд. – Сан-Паулу, SP: Editora Atlas SA, 1999.

Сильвейре, Даниил; Каваллини, Март. Розничные продажи падают в феврале 2017 года, говорит БИГС. По G1 Globo – Экономика. Доступно по адресу: <http://g1.globo.com/economia/noticia/vendas-no-comercio-caem-em-fevereiro-de-2017-diz- ibge.ghtml>. Accessed 25 мая 2017.

Торьон, Cezar. Big Data. Рио-де-Жанейро, RJ :. Издательство Brasport Книги и Media Ltd., в 2013 году. EPUB.

TESSAROLO, Питер H. Магальес, Уильям Б. Эра больших данных в цифровой контент: структурированными и неструктурированными данными. Доступно по адресу: <http://web.unipar.br/~seinpar/2015/_include/artigos/Pedro_Henrique_Tessarolo.pdf>. Accessed 12 августа 2016.

DAMA экскурсовод. DAMA Руководство по управлению данными органа знаний. Доступно по адресу: <https://www.safaribooksonline.com/library/view/the-dama- руководство / 9781935504009 / DMBOK% 20Guide.html>. Accessed 12 августа 2016.

[1] ученый курс администрации CEULJI / ULBRA

[2] Г-жа UFSC, конечно администрация Учитель CEULJI / ULBRA

[3] Сильвейре, Даниил; Каваллини, Март. Розничные продажи падают в феврале 2017 года, говорит БИГС. По G1 Globo – Экономика. Доступно по адресу: <http://g1.globo.com/economia/noticia/vendas-no-comercio-caem-em- февраля к 2017 году, сообщает ibge.ghtml>. Accessed 25 мая 2017.

[4] Журнал Exame. Atacarejo приводит в представлении для семей. По ESTADÃO СОДЕРЖАНИЯ. Доступно по адресу: <http://exame.abril.com.br/negocios/atacarejo-lidera-em-representatividade-para-familias/>. Данные на: 6 декабря 2016.

[5] API представляет собой набор процедур и стандартов программирования для доступа к прикладной программе или веб-платформе. Последующий API относится к английскому термину «интерфейс прикладного программирования», что означает в переводе на португальский «интерфейс прикладного программирования».

DEIXE UMA RESPOSTA

Please enter your comment!
Please enter your name here