header-image

Hoe Bruna zijn omzet voor elke winkellocatie voorspelt

Want create site? Find Free WordPress Themes and plugins.

Een rekenmodel dat de omzet van een winkelvestiging op elke willekeurige locatie in Nederland voorspelt. Zeg maar het verschil tussen Kalverstraat 4 en de Blaak 16, in keiharde euro’s. Voor Bruna is precies dat ontwikkeld. Met zes miljard berekeningen, achthonderd variabelen en 130 duizend mogelijke winkelvestigingen kan de omzetpotentie van alle winkellocaties in Nederland worden voorspelt. Tenzij er een kat op de toonbank zit.

Te mooi om waar te zijn?

Zo’n model opent oneindig veel deuren. En het is niet te mooi om waar te zijn. Het voorspelt zeventig procent van de variaties in de omzet van alle vestigingen. Dat maakt het statistisch gezien een behoorlijk betrouwbaar model, ook al is dertig procent niet te voorspellen.

Die dertig procent valt te verklaren door variabelen die weliswaar een rol spelen, maar niet in het model opgenomen zijn. Simpelweg omdat je nou eenmaal niet overal rekening mee kan houden. Maar ook die variabelen vallen vaak met gezond boerenverstand te achterhalen. Wanneer een locatie niet naar verwachting presteert, kun je eens langsgaan. Dan blijkt bijvoorbeeld dat er in de vestiging een enorme rode kater op de toonbank ligt. En dat klant angst en allergie moet overwinnen om af te rekenen. Dat zie je terug in de cijfers.

Wat wordt de omzet?

Er zijn drie typen data gebruikt om uit te rekenen wat de omzet zou zijn:

Plekdata
Dit zijn de bedrijfseconomische en transactiedata. Alle bonnetjes, omzetcijfers en faciliteiten van een vestiging. Van hoeveel vierkante meter winkeloppervlak er is, tot hoeveel gele markers er in september worden verkocht. Hoe meer je over elke locatie weet, des te preciezer het model wordt.

Publieksdata
Publieksdata is ook beschikbaar. Data van alle 7,5 miljoen huishoudens, zowel sociodemografisch als psychografisch, bepaalt wie de consumenten in de regio zijn. Zijn het gezinnen met schoolgaande kinderen, vrouwen die graag de Privé lezen of juist de hoger opgeleide pensionado’s, die boeken verslinden. Hoe preciezer hoe beter.

Programmadata
Programmadata is goed te vinden door middel van commerciële databronnen, open data en ‘web scraping’. Bijvoorbeeld de geolocatie van alle 130 duizend winkels. Is het winkelcentrum overdekt? Is het een voetgangersgebied? Hoe de omgeving eruit ziet en wie er allemaal afhankelijk van een bepaalde locatie zijn. Of zijn er winkels met concurrerend aanbod in de buurt? En hoe ver dan?

Hoe werkt het precies?

Dan heb je een bult data om chocola van te maken. Elke variabele heeft, in meer of mindere mate, effect op de omzet. Bijvoorbeeld het inwonersaantal van het bedieningsgebied, of de locatie ten opzichte van de drukste winkelstraat. Dat achterhalen is geen pen-en-papierklus, daarvoor heb je datasoftware nodig. Deze berekent de invloed van de variabele op de omzet. De mate waarin een variabele de omzet verhoogt of verlaagt dus.

Gemiddelden, gemiddelden, gemiddelden

Deze data geeft je heel veel inzicht in wat een locatie naar behoren zou moeten omzetten. Als je dat naast de daadwerkelijke omzet legt, kun je opmerkelijke verschillen aanwijzen. Sommige locaties blijven ver weg van de verwachte omzet. Dan kun je eens gaan kijken waar dat aan ligt. Ziet het er wel goed uit daar? En hoe is de service? Terwijl anderen misschien wel boven verwachtingen presteren. Wat zijn best practices? En kunnen andere winkels hier iets van leren?

Locatie X of toch locatie Y?

Even terug naar Bruna. Met zo’n model kun je natuurlijk ook voorspellen wat de omzet zou zijn voor de winkellocaties waar nog geen Bruna-vestiging zit. Stel we zouden op locatie X beginnen, wat is de omzet wanneer we veel vierkante meter tijdschriften gaan verkopen? En wat gebeurt er als je de nadruk legt op kantoorartikelen? En wat zou dat zijn als we de vestiging naar locatie Y verplaatsen? Of is het misschien het meest rendabel om alleen een afhaallocatie te plaatsen voor online bestellingen, omdat het zich in een bedieningsgebied bevindt dat veel online bestellingen plaatst? Relevante vragen die bij veel organisaties leven. Met data kun je die dus gewoon beantwoorden. Geen nattevingerwerk meer, maar zekerheid.

Van Zeeslag naar Monopoly

Bruna heeft een meetlat gekregen waar het de prestaties van verschillende vestigingen langs kan houden. En vervolgens concreet actie kan ondernemen. Het bedrijf pioniert als het gaat om de toepassing van data in de retailsector om de waarde van vastgoed in te schatten.

Did you find apk for android? You can find new Free Android Games and apps.
The following two tabs change content below.
Pascal van Hattum

Pascal van Hattum

Pascal van Hattum is director SAMR Data Creatives en gespecialiseerd in data intelligence vraagstukken, leefstijlmarketing en klantsegmentatie. Hij is continu bezig met technische ontwikkelingen. Zo ontwikkelde hij, samen met de KNVB en de KNLTB het do-it-yourself surveypakket SmartAllies, waarmee op eenvoudige wijze online vragenlijsten worden gemaakt, verstuurd en geanalyseerd, dashboards worden ontwikkeld en panels worden beheerd. Ook maakte hij onderzoek via WhatsApp mogelijk.