Door Marcel te Lindert
Bron: RetailTrends 5

Tien miljard kassaregels zit in het datawarehouse van Detailresult Groep. Vorig jaar besloot de foodretailer die schat aan data effectiever te benutten. Medewerkers waren voor het maken van de juiste assortimentskeuzes ongeveer zeventig procent van hun tijd kwijt aan het verzamelen, vergelijken en analyseren ervan. “Met als resultaat dat maar dertig procent overbleef voor het maken van de juiste beslissingen op basis van die data. Dat moet andersom zijn”, stelt cfo Bart Oprel van Detailresult Groep. Hij besloot daarom te investeren in analytics. Dat leidde tot de ontwikkeling van twee tools die inzichten genereren op basis van kassaregels die sinds 2010 in een datawarehouse zijn vastgelegd: een vestigingenpotentie-tool en een assortimentsrationalisatie-tool. Het knaagde al langer aan Oprel dat de enorme hoeveelheid data uitsluitend werd gebruikt om terug te kijken en niet vooruit. “Stel dat we vooraf betrouwbaar het klantgedrag kunnen voorspellen. Dan kunnen we op basis van die voorspelling de omzet en klanttevredenheid vergroten en het resultaat van onze organisatie verbeteren”, vertelt de financieel directeur, die als lid van de tweekoppige directie van Detailresult Groep ook IT, logistiek, data-analytics en e-commerce in zijn portefeuille heeft.

Analyses
Het moederconcern van Dirk en DekaMarkt bracht allereerst door analyse van de kassabonnen in kaart welke artikelen vaak samen worden gekocht. Op basis daarvan zijn tien shoppingtrips opgesteld, variërend van klanten die alleen tabakswaren kopen tot klanten die de winkel verlaten met een volle kar met wekelijkse boodschappen. Deze informatie vormt de input voor de tool die het team van Oprel gebruikt voor rationalisatie van het assortiment. “Voordat we met analytics aan de slag gingen, schrapten we op basis van omzet, marge en praktijkervaring ruim negenhonderd artikelen uit het assortiment. Met Inergy Analytical Solutions hebben we vorig jaar naar de gemaakte keuzes gekeken. Als gevolg daarvan zijn meer dan honderd artikelen opnieuw in ons assortiment opgenomen”, vertelt Oprel. Dat gaat onder meer om grootverpakkingen en A-merken die qua omzet niet veel impact lijken te hebben, maar in bepaalde shoppingtrips opvallend vaak voorkomen. “Dit zijn dus belangrijke producten voor een klantengroep die voor ons erg waardevol is. Dat ontdek je alleen maar door de data van kassabonnen te analyseren”, zegt Thijs Nootenboom, businessdevelopment manager bij Detailresult Groep.

Het supermarktconcern heeft de assortimentsrationalisatietool ook toegepast om het assortiment aardappelen, groente en fruit te optimaliseren. Daarvoor analyseerde de foodretailer niet alleen de eigen data, maar zijn ook zoveel mogelijk gegevens over het AGF-assortiment van concurrenten verzameld. “Als gevolg daarvan hebben we nieuwe artikelen opgenomen die andere supermarkten al in hun assortiment hadden. Ook zijn de prijzen deels aangepast. De tool geeft namelijk een goed beeld van de prijselasticiteit van verschillende AGF-artikelen. Die testten we door in een aantal winkels de prijzen te verhogen of juist te verlagen en de impact te vergelijken met andere, vergelijkbare vestigingen”, legt Nootenboom uit. Het is een uitdaging om de data van het eigen assortiment op de juiste wijze te relateren aan gegevens van concurrenten, ervaart Oprel. “Een bloemkool uit Frankrijk is niet vergelijkbaar met een bloemkool uit Nederland. Het kost heel veel uren om dat allemaal goed op orde te krijgen.”

Vertrouwen
Alleen slimme tools bouwen, is daarnaast niet voldoende, merkte het bedrijf. Om volop te profiteren van analytics is verandering van cultuur en gedrag nodig. De beschikbaarheid van slimme tools betekent niet automatisch dat de mensen die daadwerkelijk gebruiken. Daarom is veel tijd en energie gestoken in het opleiden, trainen en begeleiden van medewerkers. “Het is zaak om interesse voor het gebruik van deze tools te wekken en hen duidelijk te maken dat ze daarmee hun eigen prestaties kunnen verbeteren”, vertelt Nootenboom. Het sleutelwoord is vertrouwen. Zodra medewerkers overtuigd zijn dat een nieuwe tool zinvolle voorstellen genereert, is de belangrijkste horde genomen. “Daarmee ontstaat weer een ander gevaar: dat mensen volledig op die tool vertrouwen en zelf niet meer kritisch nadenken. Daarom geven onze tools nu aan wat ze goed, gemiddeld en slecht kunnen voorspellen. Naar goede voorspellingen hoeven medewerkers eigenlijk niet meer om te kijken. Bij slechte voorspellingen weten ze dat ze zelf aan de slag moeten”, verklaart Oprel. Hij noemt het voorbeeld van de assortimentsrationalisatie-tool. “We kunnen alleen zinvolle voorspellingen doen als artikelen vaak genoeg in kassatransacties voorkomen. Door de artikelen eruit te filteren die niet goed voorspelbaar zijn, ontstaat een werkwijze van management-by-exception.” 

De ervaringen smaken naar meer. Sinds begin dit jaar heeft Detailresult Groep een eigen data-analist in dienst. Bij die ene zal het niet blijven, verzekert Oprel. “We zijn nu iets meer dan een jaar bezig met analytics en hebben veel bereikt. Zo veel, dat we overtuigd zijn dat we zelf competenties op dit vlak moeten opbouwen. Externe specialisten blijven echter nodig voor het opzetten van nieuwe modellen en tools, juist vanwege de kennis en ervaring die zij hebben opgedaan bij andere toepassingen en bedrijven.” Inmiddels dreigt die ene data-analist overvraagd te worden. Nu duidelijk is dat analytics waardevolle inzichten oplevert, komen medewerkers met steeds meer vragen en verzoeken. “We gaan toe naar een cultuur waarin factbased werken voorop staat. Steeds meer medewerkers willen eerst de feiten kennen voordat ze een beslissing nemen.”