در این مقاله نحوه رقابت رقبا برای ایجاد فرصت ها در سراسر زنجیره ارزش توضیح داده شده است.

“درک “در شبکه های اجتماعی تبلیغی برای کوکی‌های کم کربوهیدرات مشاهده می‌کند. وقتی  همان کوکی ها را در فروشگاه مواد غذایی محلی خود می‌بیند ، به صورت آنلاین مجدد آن را  بررسی می کند. بررسی ها عالی هستند ، اما بسته‌بندی متفاوت است. با سر در گمی از خرید کوکی‌ها منصرف می‌شود.

مصرف کنندگان امروزی ، محصولات را در همه کانال‌ها ارزیابی و سپس خریداری می کنند. بسیاری کانال های آنلاین را برای راحتی بیشتر ترجیح می دهند ، اما عدم توانایی در ارزیابی فیزیکی یک محصول یکی از بزرگترین موانع برای انجام خرید آنلاین است. از بین افرادی که خرید را انجام می دهند ، از هر 64 درصد، 2 نفر می گویند که به دلیل عدم تطابق در اطلاعات محصول ، اقلام را پس می دهند. بنابراین ، داده های قابل اعتماد ، کامل و سازگار محصول به طور فزاینده‌ای نقش مهمی در ایجاد یک تجربه خرید ایفا می‌کند.

بسیاری از رهبران ارشد صنایع مصرف کننده در تلاش برای تشخیص این هستند که آیا شرکت های آنها می توانند داده های “اساسی” مورد نیاز برای شناسایی یک محصول ، مانند نام تجاری ، وزن ، ابعاد و مواد تشکیل دهنده را استاندارد سازی کنند تا اطمینان حاصل شود که مصرف کنندگان اطلاعات مشابهی را از طریق کانال ها ، شرکا و جغرافیا مشاهده کنند. امروزه این داده های بنیادی به طور متفاوتی در بین خرده فروشان تعریف و درخواست می شود. چرا؟ در طول زمان‌ها بسیار، شرکت ها معتقد بودند “داده های بیشتر بهتر است” و سعی در رقابت بر روی داده های بنیادی داشتند، که منجر به هزینه ها و پیچیدگی های غیر ضروری می شود. رهبران ارشد می‌دانند که داده های بنیادی دیگر به تنهایی تمایزی برری رقابت محسوب نمی‌شوند و این تنها بر اساس داده های متمایز ، تجزیه و تحلیل پیشرفته و بینش امکان‌پذیر است.

استاندارد سازی داده های بنیادی اولین قدم برای آزادسازی  ذهن شرکت ها برای تمرکز بر آنچه بیشتر مورد توجه است ( ایجاد تجارب متفاوت مصرف کننده برای رقابت بهتر در دنیای کانال‌ها)

ایجاد استانداردهای صنایع امکان تبادل به موقع ، دقیق و سازگارتر داده های محصول اساسی را در بین دارندگان و خرده فروشان برند فراهم می کند. آنها وقت و هزینه کمتری را برای ایجاد ، تصحیح و تأیید داده های بنیادی صرف خواهند کرد و می توانند استعدادهای ارزشمند خود را برای طراحی و ارائه داده های “متفاوت” مانند دستور العمل ها ، پیشنهادات شخصی یا توصیه های دوباره استفاده کنند. داده های بنیادی سازگار و قابل اعتماد پیش شرط ساخت داده‌های متمایز و راه حل های پیشرفته با استفاده از تجزیه و تحلیل ، یادگیری ماشینی و سایر فناوری ها است. بنابراین ، استاندارد سازی داده های بنیادی اولین قدم برای آزاد کردن  ذهن شرکت ها برای تمرکز بر آنچه مهمتر است، یعنی ایجاد تجارب متفاوت مصرف کننده برای رقابت بهتر در دنیای کانال‌ها است.

باز کردن قفل‌های ارزش کامل این استانداردها، نیاز به تعهد صنایع در مورد تغییر خرده فروشان ، دارندگان برند، ارائه دهندگان خدمات محتوا و بازارها در سراسر دسته ها و مناطق جغرافیایی دارد. بسیاری از ذینفعان در سراسر اکوسیستم نیاز به تسلط بر فرآیندهای جدید و همکاری با روش های جدید دارند. تعهد ارشد اجرایی در مورد این موضوع برای تغییر ، اولین گام برای هماهنگی و اجرا، مورد نیاز است. تحقیقات ما نشان می دهد که ابتکار استاندارد‌سازی با ساده کردن تلاش برای مدیریت داده های بنیادی ، ارائه فرصت های استفاده از تجزیه و تحلیل پیشرفته و تجارب بهتر صدها میلیون مصرف کننده در کانال‌ها ، به خرده فروشان و صاحبان مارک سود می‌رساند.

چرا رهبران بر داده ها تمرکز می کنند

امروزه در تمامی صنایع ، رهبران ارشد داده ها را به عنوان یک منبع استراتژیک ارزشمند می شناسند که می تواند فرصت های جدید را به ویژه با اجرای تجزیه و تحلیل فراهم کند. به عنوان مثال شرکتهایی که با مصرف کننده روبرو هستند، از طیف گسترده ای از موارد استفاده تجاری ، از جمله تجزیه و تحلیل پیشرفته ، قیمت گذاری و بهینه سازی هزینه های تجاری، بازده تولید و زنجیره تامین ، مدل سازی موجودی پیشرفته ، اتوماسیون فرآیند رباتیک و حتی ایمنی محل کار استفاده می کنند.

تلاش آنها نتیجه می دهد. این شرکتها که در بلوغ دیجیتال و تحلیل پیشرو هستند ، در زنجیره ارزش، سود کسب می‌کنند ، همانطور که در شکل 1 نشان داده شده ، در کل بازده سهامداران  (TRS) عملکرد بهتری دارند.

شکل1:

داده ها، پایه و اساس ساخت این قابلیت های تجزیه و تحلیل را تشکیل می دهند. تحقیقات ما نشان می دهد که رهبران تجزیه و تحلیل در صنعت مصرف کننده در اجزای اصلی بلوغ داده ها عملکرد بهتری دارند ، همانطور که در شکل 2 نشان داده شده است. هرچه داده ها استانداردتر باشند ، مدیریت راحت آنها برای شرکت ها آسان تر است. از این‌رو، استاندارد سازی داده های بنیادی اولین گام مهم در جهت رسیدن به بلوغ دیجیتال و تجزیه و تحلیل است.

شکل2:

امروزه مدیریت داده های محصول باعث اتلاف منابع در اکوسیستم خرده فروشی می شود

همانطور که در شکل 3 نشان داده شده است ، امروزه صاحبان برند و خرده فروشان وقت ، پول و انرژی را صرف مدیریت داده های محصولات اساسی می کنند ، خرده فروشان مختلف به داده های صاحبان نام تجاری در طیف گسترده ای از قالب ها نیاز دارند که این امر می تواند به هزاران ساعت کار نیاز داشته باشد که در غیر این صورت می‌تواند برای کارهای ارزشمندتر ، مانند تجزیه و تحلیل خریدار یا تجارب جدید خریدار صرف شود. پیچیدگی بی مورد امروزی چالش های دیگری مانند به خطر انداختن کیفیت داده را که منجر به از دست رفتن فروش است، مانند فروش کوکی به درک فرضی را به همراه دارد.

شکل3:

خرده فروشان ، به نوبه خود ، زمان قابل توجهی را برای تأیید داده های بنیادی ، جمع آوری اطلاعات از چندین منبع برای افزایش داده های از دست رفته یا نادرست و همگام سازی قالب ها و الزامات در کانال های آنلاین و آفلاین صرف می کنند.

یک مدل واحد داده استاندارد،  تبادل داده محصول را ساده می کند

ما اعتقاد داریم رهبران صنایع می توانند با هم همکاری کنند تا یک مدل داده واحد برای محصول تعریف کنند که لیست و تعریف صفات بنیادی هر محصولی را که مبادله می کنند ، از جمله داده های ساختاریافته و غیر ساختار یافته را استاندارد  کند.

آنها با این چالشی روبرو خواهند شد چرا که داده‌ها به طور گسترده ای در مناطق و گروه های محصول متفاوت هستند. به عنوان مثال ، غذا به عنوان حلال ، کوشر یا فندق بادام زمینی شناخته می شود ، در حالی که لباس به رنگ ، نوع پارچه و اندازه نیاز دارد. بنابراین یک مدل داده استاندارد نیاز به تعریف الزامات در سطوح مختلف و انعطاف پذیری کافی برای پشتیبانی از ویژگی‎های محلی و خاص دارد.

مدیران صنایع می توانند سازوكارهای رسمی و حتی كنسرسیوم ملی یا جهانی را برای توافق بر روی استانداردها و ویژگی‌ها ایجاد كنند. آنها ممکن است رویکردهای خود را بر اساس تلاش های مشابه تاریخی برای ایجاد استانداردهای صنعت الگو قرار دهند. به عنوان مثال ، GS1 ، یک سازمان غیرانتفاعی است که استانداردهای جهانی ارتباطات تجاری را ایجاد و حفظ می کند که یک روش لایه لایه برای مشخص کردن ویژگی ها بسته با دسته و نیازهای محلی ایجاد کرد ، همانطور که در شکل 4 نشان داده شده است. این رویکرد به عنوان بخشی از پروژه پرش داده از تالار گفتمان کالاهای مصرفی ، در گروه های غذایی و مشابه غذا با صاحبان برندها و خرده فروشان در سراسر آسیا ، اروپا ، آمریکای شمالی و آمریکای جنوبی در حال آزمایش است. به محض استفاده از آن برای غذا و مشابه غذا ، می توان آن را در دسته‌های دیگر نیز طبقه بندی کرد.

شکل4:

توسعه و حفظ چنین مدلی نیاز به تعهد صنایع، همکاری و حاکمیت با کمک یک سازمان جهانی یا کنسرسیوم دارد. که می تواند از الگوی شورای کد محصول یکنواخت (پیش درآمد GS1 تاسیس شده در سال 1973 برای بازار ایالات متحده) که استاندارد بارکد را برای شناسایی اقلام موجود در فروشگاه های مواد غذایی ایجاد کرده ، پیروی کند. اکنون پس از47 سال، این استاندارد در سراسر جهان در 150 کشور در همه موارد از داروها گرفته تا حمل و نقل استفاده می شود.

این سازمان مرکزی نیاز به تعریف فرآیندهای حاکمیت دارد تا استاندارد سازی جهانی ، گروه‌های اگنوستیک، انعطاف‌پذیری مدل و امکان اجرای آن را فراهم کند. همچنین باید به مودیان صنعت که منجر به توسعه ، گسترش و نگهداری مداوم مدل می شوند ، کمک کند.

مورد تجاری برای یک مدل داده استاندارد

اگر مدیران بتوانند در مورد یک مدل استاندارد در صنعت توافق کنند ، تجربه خرید از کانال‌ها بی نظیر تر خواهد بود و مدیریت و تبادل داده های محصول سریع تر ، آسان تر و ارزان تر خواهد بود. ذینفعان صنعت باید با هم همکاری کنند تا مدل مربوط به هر دسته را توسعه دهند و به دنبال نمونه های بهترین روش (که در حال حاضر این تلاش جهانی در حال انجام است ) باشند. پس از توسعه ، تصویب برای به حداکثر رساندن تأثیر و پایداری ، به سرمایه‌گذاری برای پیاده سازی فنی و مدیریت تغییر یکباره نیاز دارد.

یک مدل داده استاندارد شفافیت مصرف کنندگان را افزایش می دهد و تجربه همه جانبه کانال‌ها را بهبود می بخشد

با داده های محصول با کیفیت بالاتر و سازگارتر ، مصرف کنندگان می توانند محصولات را با سهولت بیشتری جستجو و ارزیابی کنند ، تصمیمات بهتری بگیرند و حتی به خرده فروشان و برندها اعتماد بیشتری کنند. بر اساس پیش بینی بیش از 15 خرده فروش و صاحبان نام تجاری که با آنها مصاحبه شده است ، ما انتظار داریم اولین فروشندگان به دلیل در دسترس بودن بهتر داده ها و جستجوی محصول در کوتاه مدت ، 5 تا 10 درصد در فروش آنلاین بهبود داشته باشند.

از آنجا که مصرف کنندگان قبل از خرید اطلاعات بیشتری در مورد محصولات خواهند داشت ، انتظار داریم خرده فروشان برگشت محصول کمتری را تجربه کنند. این مزیت به ویژه در دسته هایی مانند پوشاک که نرخ فروش و بازده آنلاین آنها می‌تواند بالای 25 درصد باشد، بسیار مهم خواهد بود.

یک مدل داده استاندارد محصول می تواند با کاهش تأخیرهای ناشی از شکاف داده ها و خطاها ، سرعت راه اندازی محصول را افزایش دهد. همچنین می تواند موانع ورود رقبای جدید را کاهش دهد ، زیرا این امر مشارکت بین صاحبان نام‌های تجاری جدید و خرده فروشان را ساده می کند و به صاحبان نامهای تجاری کمک می کند تا در کانال ها یا بازارهای جدید با ویژگی های محلی کاملاً مشخص گسترش پیدا کنند.

در دراز مدت ، استاندارد سازی منجر به افزایش ثبات ، زمینه و قابلیت اطمینان داده های محصول می شود که پیش‌شرط های ایجاد ارزش با یادگیری ماشین ، هوش مصنوعی و سایر فناوری ها هستند. این فناوری ها می توانند مزایای رقابتی قدرتمندی مانند پیشنهادات شخصی و قیمت گذاری پویا را ارائه دهند. اما همانطور که کیفیت یک وعده غذایی به کیفیت مواد اولیه بستگی دارد ، باز کردن قفل این قابلیت ها نیز به کیفیت داده های بنیادی بستگی دارد.

یک مدل استاندارد با مدیریت سریعتر ، آسان تر و ارزان تر و مبادله داده های بنیادی ، کارایی عملیاتی را افزایش می‌دهد

به دلیل کاهش تعداد قالب های خرده فروش ، صاحبان نام های تجاری برای نقشه برداری و تبادل داده ها به تلاش کمتری نیاز دارند. صاحبان نامهای تجاری نظرسنجی شده انتظار دارند که یک مدل استاندارد، 40 تا 60 درصد از تلاش‌های لازم برای تهیه داده ها را کاهش دهد ( ده ها هزار ساعت کاری در سال برای برخی از شرکت ها صرفه جویی می کند).

ویژگی ها و تعاریف استاندارد ، پیچیدگی مدیریت داده ها و حاکمیت را کاهش می دهد و با گذشت زمان ، باید تعداد حوادث مربوط به داده ها و نیازهای تأیید فیزیکی محصول را کاهش دهد. با در دسترس قرار گرفتن اطلاعات بیشتر در قالب های استاندارد ، شرکت ها از تجزیه و تحلیل پیشرفته بیشتری بهره‌مند می‌شوند.

خرده فروشان نظرسنجی شده انتظار دارند که یک مدل استاندارد تلاش برای تأیید کامل بودن و کیفیت داده ها را 30 تا 50 درصد کاهش دهد. آنها دیگر نیازی به ایجاد مدل های خاص خود برای هر دسته جدید یا آموزش شرکای تجاری جدید در مورد داده ها نخواهند داشت. مدیریت و حاکمیت داده ها ساده تر خواهد بود و خرده فروشان مانند صاحبان نامهای تجاری، می توانند داده های یکنواخت‌تری را برای یافتن بینش ها و فرصت های جدید ارزشمند از تجزیه و تحلیل پیشرفته استفاده کنند.

برای بهره مندی از این مزایا نیاز به سرمایه گذاری خواهد بود

ابتدا ، همتایان باید با کمک یک سازمان جهانی گرد هم آیند تا مدل داده ای استاندارد متناسب با گروه خود را تعریف و توسعه دهند. به عنوان مثال ، اکنون بیش از 30 شرکت در گروه های غذایی و وابسته غذایی با کمک GS1 (یک سازمان جهانی 47 ساله با حضور در بیش از 110 کشور)، داده های محصول را استاندارد می کنند. از آنجا که GS1 یک نهاد مستقل است که با ابتکارات بین صنایع مانند شناسایی بارکد ، تبادل الکترونیکی داده (EDI) و شناسایی فرکانس تجربه می شود و یک نقش خنثی دارد که هماهنگی بین خرده فروشان ، صاحبان نامهای تجاری ، ارائه‌دهندگان راه‌حل‌های فناوری اطلاعات و سهامداران نظارتی را برای حل موثر تفاوت های ظریف جهانی و محلی هماهنگ می‌کند.چنین سازمانی جهانی و خنثی، با تجربه و تأثیر قابل توجه در صنعت برای هماهنگی موفقیت آمیز در گروه‌هایی فراتر از غذا و مشابه غذا مورد نیاز خواهد بود.

تلاش  برای هماهنگی در گروه‌های فراتر از غذا و مشابه غذا

هنگامی که مدلی برای یک گروه ایجاد شد ، اکثر شرکت ها برای اتخاذ و اجرای مدل جدید باید یک بار سرمایه گذاری کنند. آنها باید با تجزیه و تحلیل شکاف بین مدل های داده ای که امروز استفاده می کنند و مدل استاندارد شروع کنند. این تجزیه و تحلیل به شناسایی تغییرات لازم در سیستم هایی که برای ایجاد و تبادل داده های محصول از جمله رابط های خارجی استفاده می کنند ، کمک خواهد کرد. این تلاش براساس بلوغ داده و فناوری شرکت و میزان تفاوت بین مدلهای فعلی آنها با مدل جدید متفاوت خواهد بود.

همچنین برای تکمیل اجرا ، شرکت ها برای مطابقت با استاندارد جدید باید داده های موجود محصول را به روز کنند. پیش بینی شرکت ها برای به روزرسانی اطلاعات محصولات موجود به زمانی حدود سه تا هشت ماه در هر بازار نیاز دارد. آنها همچنین باید کارکنان مربوطه را برای دستیابی به استانداردهای جدید آموزش دهند.

یک مدل استاندارد با مدیریت سریعتر ، آسان تر و ارزان تر و مبادله داده های بنیادی ، کارایی عملیاتی را افزایش می دهد.

تصویب و اجرا نیازمند مدیریت تغییرات قوی و تغییر مدیران ارشد است

در هر سازمانی ، افراد تنها در صورت داشتن دلایل قانع کننده ، شیوه های تفکر و کاری، خود را تغییر می دهند. ما به رهبران ارشد توصیه می کنیم که تحولاتی به این بزرگی را با داستان های تغییر قدرتمندی که مربوط به افراد در هر بخش است و عملکرد آنها در چرخه عمر محصول است ، از جمله سازندگان و کاربران داده های محصول ، شروع کنند. عوامل تغییر در خط مقدم می توانند اختیار را از پایین به بالا ارتقا دهند و رهبران می توانند با افرادی که مدل جدید را پذیرفته اند جشن بگیرند. پایداری این تغییر نیاز به حاکمیت خوب ، از جمله برنامه های اجرایی واضح و شیوه های انطباق برای استاندارد جدید دارد.

علاوه بر این ، تغییر نیاز به تأیید ، اعتقاد و اعتقاد مدیران ارشد دارد که این صنعت فرصتی برای همکاری در داده های بنیادی دارد تا بتواند از طریق داده های متمایز و بینش های مجهز به تجزیه و تحلیل و اتوماسیون به طور موثرتری رقابت کند.

مزایای استفاده از یک مدل داده استاندارد

اگرچه اجرای یک مدل داده استاندارد به سرمایه گذاری قابل توجهی در زمان و منابع نیاز دارد اما با گسترش پوشش شریک ، بازار و دسته بندی که در شکل 5 نشان داده شده است.صاحبان برند و خرده فروشان به طور یکسان باید بازدهی مثبتی داشته باشند .

شکل5:

برای متقاضیان ، بهره وری عملیاتی کوتاه مدت ، یکبار سرمایه گذاری مورد نیاز برای اجرا را جبران می کند و راه را برای باز کردن منافع واقعی بلند مدت از بهبود تجربه مصرف کننده هموار می کند. همانطور که گفته شد ، سرمایه گذاری و بازده به فناوری و میزان بلوغ داده های یک شرکت خاص ، میزان تفاوت بین مدل های فعلی و مدل جدید و سطح پذیرش در صنعت بستگی دارد.

ایجاد یک مدل داده استاندارد و تصویب  آن در مقیاس بزرگ نیاز به هماهنگی جهانی دارد

شرکتهای موجود در هر رده ای که ارزش یک مدل داده استاندارد را تشخیص می دهند باید با همتایان صنعت برای ایجاد استاندارد برای دسته های مربوطه خود همراه شوند. به ویژه ، شرکت هایی که دارای مشاغل کانالها با رشد سریع هستند ، نرخ بازده بالایی به دلیل وجود شکاف یا خطا در داده ها و تلاش زیاد برای تبادل داده های محصول ، باید گفتگو را در گروه های خود رهبری کنند.

به هر حال موفقیت به مقیاس وسیع در مناطق جغرافیایی و ذینفعان نیاز دارد. برای اطمینان از تصویب در سطح صنعت ، رهبران باید به عنوان سفیر برای گروه های خود خدمت کنند. یک کنسرسیوم جهانی می تواند تلاش های صنعت را برای تعریف ، پیاده سازی و مدیریت نگهداری مداوم از استاندارد جدید هماهنگ کند.

رهبران می توانند مزایای ارزشمند حرکت اول را بدست آورند. به عنوان مثال ، آنها قادر خواهند بود مدل رده را برای مطابقت با داده ها و استراتژی های دیجیتالی خود شکل دهند. آنها همچنین می توانند استانداردهای جدید را سریعتر اتخاذ کنند ، جستجو در اینترنت را بهبود بخشند و از طریق تجربیات شخصی تر – کلیدهای برتری رقابتی در دنیای کانال‌ها ، یک پیشنهاد متفاوت ایجاد کنند. برای شروع ، شرکت ها باید به طور پیشگیرانه از استراتژی داده های خود بازدید کنند و از دسته های دیگر مانند مواد غذایی که قبلاً در استفاده از داده های محصول برای بهبود تجربه مصرف کننده پیشرفت کرده اند ، بیاموزند.

منبع: https://www.mckinsey.com/industries/consumer-packaged-goods/our-insights/want-to-improve-consumer-experience-collaborate-to-build-a-product-data-standard)