Nieuwe algoritmes, big data en de cloud hebben ervoor gezorgd dat kunstmatige intelligentie weer volop aandacht krijgt en belangrijker, volop toegepast wordt.
Maar hoe laat je een traditionele retailer het belang van kunstmatige intelligentie en data inzien, oftewel hoe kun je een 95-jaar oud merk transformeren naar een data gedreven organisatie.
Een inzicht in welke stappen door HEMA zijn genomen op het gebied van AI. Welke waren daarvan een succes? Maar ook een inzicht in de minder succesvolle en mislukte pogingen. Hoe wordt Artificial Intelligence ontvangen door de rest van het bedrijf? Wat merkt de klant ervan? En wat zijn de vervolgstappen?
3. HEMA opens
first stores in
Austria
HEMA expands
outside
Europe:
opening of first
stores in Dubai
2018 2019
HEMA becomes a
brand. Available
at Wehkamp and
Franprix
Collaboration
with Jumbo
2020
Launch of
HEMA loyalty
scheme
2017
first HEMA
store in Spain
first HEMA
store in the
United
Kingdom
2014
first HEMA
store in France
2009
HEMA opens
its first trade
office in
Southeast Asia
first HEMA
store in
Luxembourg
2006
first HEMA
store in
Germany
2002
First HEMA
store in
Belgium
1984
HEMA opens
its own
distribution
centre
1964
first HEMA
store opens in
Amsterdam
1926
onze milestones
5. • 760 winkels in 10 landen
• HEMA.com
• Wehkamp, Franprix, Jumbo, Walmart
• meer HEMA
• App en social media
• Customer service
data analyseren = luisteren naar je klanten
7. WHO
is our
customer?
WHY
does he want
that specific
product?
WHAT
will be their
next purchase?
WHEN
do they plan to
visit and buy?
WHERE
do they plan to
visit and buy?
16. Samen met business bouwen we aan modellen én vertrouwen
1. Verrijk bestaand rapporten en analyses
2. Vervang bestaande rapporten, analyses en processen
3. Creëer AI om klantgerichte processen te optimaliseren
Data science binnen HEMA
17. Use case 1: wat beïnvloed de sales?
Can we blame
the weather?
18. Iets te enthousiast begonnen
• Verloopt de sales zoals we verwachten?
• Waar verschillen voorspelde sales met het
budget?
• Kunnen we deze gaten verklaren?
• Gebruik de kennis uit de business om het
model te verklaren / begrijpen
• Verbeter met deze kennis je model?
22. Use case 2: Budget
Verschillende levels
Automatiseer proces
Zorg dat je collega’s kunnen doen waar ze goed in zijn
23. Use case 3: Hoe kunnen we winkel beter maken?
Top 20 products
24. 1. Laat zien wat er mogelijk is met data
2. Vaak toetsen met business
3. Wil de organisatie het gebruiken?
4. Kunnen we het toepassen in onze huidige systemen?
5. Het beste model is AI met HI
wat hebben wij onderweg geleerd
Hinweis der Redaktion
Welkom, ik ben Bas
Vandaag is een dag waarbij iedereen op zijn best voor de dag komt.
Ik zal proberen het echte verhaal te vertellen. Daarbij vertel ik over onze fouten, maar ook hoe we daar van leren en snel beter worden.
Maar ook jullie ervaringen zal ik bespreken. Want wat merkt de klant er nu van? En waar kan jij als professional dit aan merken?
Iedereen kent HEMA. Misschien is HEMA ook wel een beetje van ons allemaal.
Het is dan ook mooi om te vertellen dat ons Nederlands erfgoed de laatste 10 jaar ook flink internationaal uitbreid. Totaal 760 winkels: 550 / 200
Anekdote London. = nl ambassade. Geopende door de NL ambassadeur
Onderdeel van Nederlandse cultuur. Hema is bekend om haar iconen
Hema heeft altijd optimale mix van product, prijs, plaats en promotie gehad.
Deze mix is echter gaan wankelen. En daar is data een van de oplossingen voor.
Data helpt ons deze mix weer in balans te brengen. Van 1:N naar 1:1. De locale HEMA dankzij de technologie van nu.
Mooie van data is dat klanten ons elke dag vertellen wat ze van ons vinden. De juiste producten, prijzen en winkel.
Wat we nu doen = optimaliseren van analyses op huidige waarheid. Steeds significanter, maar nog steeds siloed
Hoeveel klanten hebben we nu eigenlijk? WAAR kopen ze, hoe VAAK komen ze, wat onderscheid de GOEDE van de slechte klanten, hoeveel DAGEN geleden was onze wekelijkse tompouce klant, WAT kopen ze meestal? KORTING vs NEW
Waar moeten we over praten met de klant? En hoe kunnen we ons assortiment en winkel verbeteren?
Als je basisdata niet goed is, dan zijn de analyses bewerkelijk, incorrect en incomplete. Als je basisdata goed is, dan gaan alle analyses snel en zijn ze compleet
WAT MERK JE HIER ALS KLANT VAN?
Kleine omzet, maar grote rol.
Customer data is the enricher
Ook in de winkel gebruiken we veel data. Ook JOUW WINKEL
Producten in KASSASLANG
FORMAT; aanpassing van de meubelen, etalage of de eerste 5 meter.
Inzet personeel
Op basis van WEER de juiste producten op de koppen
- Newness
Vergelijken met vorig jaar
Hoog over en soms kunnen inzoomen waar nodig
- Newness
Vergelijken met vorig jaar
Hoog over en soms kunnen inzoomen waar nodig
- Newness
Vergelijken met vorig jaar
Hoog over en soms kunnen inzoomen waar nodig
Verschillende levels: landelijk offline online maar ook per productgroep en per winkel
30 man werkte drie maanden aan budget process
Op productgroep vaak onbetrouwbaar en werd meestal het gemiddelde van 3 jaar gegeven en dan nog beetje aanpassing aan de feestdagen.
Kan niet geautomatiseerd
Telkens format van marketing calender in gek formaat
Bewust of onbewust ervaar jij ook de data gedreven transformatie van HEMA.
Wellicht in communicatie, anders wel in je winkelinrichting of de producten die er liggen.
En omdat HEMA eigenlijk een beetje van ons allemaal is nodig ik jullie bij deze uit om eens langs te komen voor een bakkie en goede ideeën.