Nền tảng phân tích dữ liệu bán lẻ cho chuỗi siêu thị Nhật Bản

Một chuỗi siêu thị Nhật Bản với 420 cửa hàng có lượng dữ liệu bán hàng khổng lồ nhưng phần lớn quyết định nhập hàng vẫn dựa trên kinh nghiệm của từng quản lý cửa hàng. Báo cáo được tổng hợp thủ công bằng bảng tính và thường đến tay ban điều hành chậm một tuần. Doanh nghiệp hợp tác với trung tâm Zentrova tại Tokyo để biến dữ liệu thành công cụ ra quyết định hằng ngày.

Bối cảnh

Dữ liệu nằm rải rác ở 38 nguồn: hệ thống bán hàng, thẻ thành viên, nhà cung cấp, kho vận và cả dữ liệu thời tiết. Hàng tươi sống chiếm 35% doanh thu nhưng tỷ lệ hủy hàng cao, trong khi các mặt hàng chủ lực lại thường xuyên hết kệ vào cuối tuần. Mỗi bộ phận dùng một định nghĩa riêng cho các chỉ số như biên lợi nhuận hay doanh thu trên mỗi mét vuông.

Giải pháp

• Kiến trúc data lakehouse trên hạ tầng đám mây, nạp dữ liệu từ 38 nguồn với tần suất từ 15 phút đến hằng ngày.
• Lớp ngữ nghĩa chung xây bằng dbt, thống nhất hơn 160 chỉ số kinh doanh và có kiểm thử chất lượng dữ liệu tự động.
• Mô hình dự báo nhu cầu viết bằng Python cho từng mã hàng tại từng cửa hàng, có tính đến mùa vụ, khuyến mãi và thời tiết.
• Bảng điều khiển theo vai trò cho ban điều hành, quản lý vùng và cửa hàng trưởng, hiển thị tốt cả trên máy tính bảng.
• Phân quyền theo cửa hàng và vùng, mã hóa dữ liệu khách hàng thành viên theo chuẩn bảo vệ dữ liệu cá nhân.
• Triển khai cuốn chiếu: thí điểm 20 cửa hàng trong sáu tuần, đo lường rồi mới mở rộng toàn chuỗi.

Kết quả

Nền tảng được đưa vào sử dụng toàn chuỗi sau 7 tháng, với 2.300 người dùng nội bộ truy cập hằng tuần.

• Giá trị tồn kho bình quân giảm 18%.
• Tỷ lệ hủy hàng tươi sống giảm 27%.
• Tình trạng hết hàng trên kệ giảm 34% ở nhóm mặt hàng chủ lực.
• Báo cáo điều hành có sẵn lúc 7 giờ sáng mỗi ngày thay vì chậm một tuần.
• Độ chính xác dự báo nhu cầu ở cấp cửa hàng đạt 91%.

Cửa hàng trưởng giờ bắt đầu ngày làm việc bằng dữ liệu, không còn bằng phỏng đoán. — Giám đốc Vận hành, chuỗi siêu thị khách hàng