Und sie bewegt sich doch

Welche Rolle die Mobilität der Kaufkraft bei der Standortplanung zukommt


Auch das ist ein Thema, das dem Bereich Data Monetization zugerechnet werden kann: Die Optimierung der Expansionsplanung durch die intelligente Auswertung von Daten. Wenn es bereits in der Planungsphase möglich ist, die Erfolgsaussichten eines Standortes plausibel zu bewerten, so birgt die gelungene Umsetzung eine Wertsteigerung in mehrfacher Hinsicht – direkt durch mehr Umsatz und Gewinn und indirekt durch eine höhere Einstufung des Unternehmenswertes insgesamt – Stichwort »Indirekte Datenmonetarisierung«.

GettyImages
GettyImages

Kaufkraftdaten werden primär festen Standorten zugeordnet. Mit Hilfe der Erfassung von Bewegungsmustern lässt sich eine dynamische Komponente in die Auswertung und Interpretation dieser Daten integrieren.

Wie so eine Umsetzung aussieht, verdeutlicht die Vorgehensweise von Pitney Bowes. Das weltweit tätige Unternehmen setzt genau die »Spezies« von Mitarbeitern ein, die wir im Artikel Alter Wein in neuen Schäuchen erwähnt haben: den Data Scientist. »Unsere Spezialisten nutzen Daten aus einem breiten Datenkranz, der neben unternehmensinternen Daten auch externe umfasst«, erläutert Burchard Hillmann-Köster, Client Director bei Pitney Bowes. »Über die Integration moderner Data-Science-Ansätze fügen wir den klassischen Ansätzen einer Standortplanung Komponenten hinzu, die so noch nicht häufig genutzt werden.« Und dabei spielt die Mobilität eine große Rolle.

Kernfaktor bei der Bewertung eines potenziellen Standortes ist die Umsatzprognose. Während meistens Kaufkraftdaten und Einzugsgebiete zur Vorhersage eines zu erwartenden Umsatzes herangezogen werden, so führt die Integration einer dynamischen Komponente zu Angaben, die wesentlich realitätsnäher und somit aussagekräftiger sind. »Wir haben bereits zahlreiche Projekte realisiert, die einen starken Fokus auf die Mobilität der Menschen gelegt haben«, präzisiert Burchard Hillmann-Köster. »Denken Sie nur an sich selbst, wo Sie wohnen, wo Sie arbeiten, wo Sie Ihre Freizeit verbringen – und wo und wann Sie einkaufen.« Das bedeutet, dass die Kaufkraft wandert, räumlich und tageszeitabhängig. Doch wie können diese Muster erfasst werden?

brightstars/iStockphoto.com
brightstars/iStockphoto.com

Der Einbezug von Bewegungsdaten ermöglicht, Umsätze in Abhängigkeit von Öffnungszeiten oder Tageszeiten mit erstaunlicher Genauigkeit vorherzusagen.

Muster erkennen

Welche Quellen zur Analyse von Bewegungsströmen und -mustern es gibt, haben wir bereits in zahlreichen Ausgaben der Zoom! vorgestellt, beispielsweise die Daten des Frequenzatlas oder auch die Bewegungsdaten von Motionlogic (s. S. 11 dieser Ausgabe). Durch die Kombination dieser Modelle mit unternehmensinternen Kundendaten ist es möglich, die Planung neuer Standorte um Aussagen zu erweitern, die Umsätze in einer Genauigkeit von bis zu 80 % vorhersagen können – abhängig von Öffnungszeiten, Tageszeiten oder auch Produkt-Sortiment. »Ein Standort kann sich innerhalb des Wohnbereichs einer bestimmten Bevölkerungsgruppe befinden, und doch tagsüber von einer ganz anderen Schicht frequentiert sein«, hebt Burchard Hillmann-Köster hervor. »Das kann z. B. für die Entscheidung, welche Form von Systemgastronomie dort installiert wird, eine entscheidende Rolle spielen.«

HAKINMHAN/iStockphoto.com
HAKINMHAN/iStockphoto.com

Das eine ist, Data Scientists einzusetzen und neue Methoden in Geschäftsprozesse zu integrieren. Mindestens ebenso wichtig ist es, Analysemöglichkeiten über eine einfach zu bedienende Plattform im Unternehmen zu verbreiten.

Retail Analytics

Der Einsatz des Data Scientists, der aus dem Schatz an firmeninternen Daten in Kombination mit anderen Quellen auf intelligente Weise neue Informationen erschließt, wird von Pitney Bowes weit in den Vordergrund gestellt. Pitney Bowes ist in diesem unter dem Begriff »Retail Analytics« zusammengefassten Segment Vorreiter in Ländern wie den USA und Großbritannien – und kann auch in Deutschland einen immer stärkeren Einsatz dieser Vorgehensweise verzeichnen. »Retail Analytics hilft, durch die richtigen Analysen wichtige Fragen zum Unternehmen zu beantworten – z. B. zu Umsatzsteigerung, Neukundengewinnung oder Erhöhung von Margen«, schließt Burchard Hillmann-Köster. »Und es hilft, in Kombination mit Geo- und Mobilitätsdaten präzisere standortbezogene Aussagen zu treffen.« Und er betont den Vorteil, wenn externe Berater helfen, das notwendige Wissen in Unternehmen aufzubauen – oft geht es gar nicht um einzelne Ergebnisse, sondern um Methoden, die dann in Geschäftsprozesse implementiert werden können.

Damit diese Instrumente eine möglichst breite Anwendung finden, bietet Pitney Bowes eine Retail-Analytics-Applikation als webbasierte Lösung an auf Basis der Spectrum Plattform. Gerade intuitiv zu bedienende, über einen Browser leicht zu multiplizierende Anwendungen bieten die ideale Plattform, um Analysemöglichkeiten einer möglichst breiten Mitarbeiterschicht zur Verfügung zu stellen. Und damit Data Monetization immer weiter voranzutreiben. •••

Um eine möglichst gute Vergleichbarkeit der verschiedenen Datensätze zu erhalten, setzt Pitney Bowes gerne Data Grids ein, einheitliche Raster bis hin zur feinräumigen Auflösung. Wie das DDS Data Grid.