ปัญหา
Sear, Robuck & Co. ซึ่งเป็น chain ห้างสรรพสินค้าที่ใหญ่ที่สุดและเป็นผู้ค้าปลีกรายใหญ่อันดับสามของประเทศ สหรัฐอเมริกา ถูกจับได้ caught by surprise ในช่วงทศวรรษที่ 1980 เมื่อลูกค้า defected to specialty stores and discount mass merchandisers, ทำให้บริษัทเสียส่วนแบ่งตลาดอย่างรวดเร็ว ด้วยความพยายามจะเปลี่ยนแปลงสถานการณ์ Sears ได้ใช้กลยุทธ์โต้ตอบมากมาย ตั้งแต่การเปิดตัว specialty stores ของตนเอง (เช่น Sears Hardware) ไปจนถึงการปรับโครงสร้างของห้างในศูนย์การค้า เมื่อเร็วๆนี้ Sears ได้เข้าไปทำการค้าใน Web และยุติการพิมพ์ catalog ที่ทำมานานกว่า 100 ปีลง การปรับเปลี่ยนโครงสร้างและการเปลี่ยนรูปแบบให้ประสบความสำเร็จได้ต้องอาศัย retooling of its info systems.
Sears มีศูนย์ข้อมูล(หรือฐานข้อมูล) 18 แห่ง โดยมี 1 ศูนย์ต่อ 1 ภูมิภาคที่มีทั้งหมด 10 ภูมิภาค และ 1 ศูนย์ต่อ 1 แผนกอันได้แก่ แผนกการตลาด แผนกการเงิน และอื่นๆ ปัญหาแรกเกิดขึ้นเมื่อความพยายามในการจัดองค์กรใหม่ (reorganization) produced ได้เพียง 7 ภูมิภาค เกิดความคลาดเคลื่อนกันในตัวเลขจากแผนกบัญชีและแผนกขาย และข้อมูล (information) ที่กระจัดกระจายไปหลายฐานข้อมูล ทำให้ผู้ใช้ต้องทำ query จากหลายระบบ แม้จะต้องการ query แค่คำถามง่ายๆ ก็ตาม ยิ่งไปกว่านั้น ผู้ใช้พบว่า ข้อมูลที่สรุปออกมาให้ ยากที่จะวิเคราะห์ในรายละเอียดได้ สุดท้าย ข้อผิดพลาดจะเกิดขึ้นอย่างหลีกเลี่ยงไม่ได้เมื่อการคำนวณต้องอาศัยข้อมูลที่ มาจากหลายแหล่ง
วิธีแก้ปัญหา
เพื่อแก้ไขปัญหาเหล่านั้น Sears ได้สร้าง data warehouse สำหรับข้อมูลการขายเป็นเอกเทศ ซึ่งนำมาแทนการใช้ฐานข้อมูลทั้ง 18 ฐานที่เต็มไปด้วยความซ้ำซ้อน ความสับสน และบางครั้งมีข้อมูลที่ล้าสมัย Data warehouse อันใหม่นี้เป็นที่เก็บง่ายๆ ของข้อมูลที่เกี่ยวข้องกับการตัดสินใจ เช่น ข้อมูลที่ได้รับอนุมัติสำหรับใช้เป็นตัวชี้วัด key performance, คลังสินค้าขาย, และยอดกำไร Sears ซึ่งเป็นที่รู้กันว่าได้นำ IT มาใช้มากมาย dramatic scale, ได้ทำ data warehouse และทำ reengineering IT เสร็จสมบูรณ์ภายในเวลาเพียงไม่ถึงปี จนเป็นเรื่องราวของธุรกิจที่พลิกผันไปใช้ IT ได้อย่างสมบูรณ์
Data warehouse ที่มีหน่วยความจำเริ่มต้นที่ 1.7 terabytes (หรือ 1.7 ล้านล้าน bytes) ด้วยการใช้ NCR enterprise server นี้ เป็นส่วนหนึ่งของ project ‘Strategic Performance Reporting System (SPRS)’ ในปี 2003 data warehouse ขยายตัวขึ้นกว่า 70 terabytes. SPRS ได้รวมข้อมูลการขาย; information ของคลังสินค้าในห้างร้าน, สินค้าระหว่างทาง. และสินค้าที่อยู่ ณ ศูนย์กระจายสินค้า; และต้นทุนต่อหน่วย นั่นทำให้ Sears สามารถไล่ดูการขายแต่ละรายการ (skus) ในแต่ละร้านที่มีจำนวนรวม 1,950 ร้าน (รวมทั้ง 810 ร้านที่อยู่ในศูนย์การค้า) ในประเทศสหรัฐอเมริการและ 1,600 ร้านที่อยู่ในต่างประเทศ และหน่วยขายทาง catalog ดังนั้น ยอดกำไรต่อวัน ต่อรายการสินค้า ต่อร้าน ก็สามารถคำนวณมาได้โดยง่าย นอกจากนั้น Sears ทุกวันนี้มีความชัดเจนในเรื่องกลยุทธ์การซื้อ, การจัดการสินค้า, และการตลาด อย่างที่ไม่เคยทำได้มาก่อน
SPRS เปิดให้พนักงานที่ได้รับอนุญาตใช้ พนักงานสามารถดูรายการขายประจำวันจากข้อมูลที่มีอยู่ได้หลายมิติ multidimensional perspective (มิติของภูมิภาค, เขต, ร้าน, สายผลิตภัณฑ์, และสินค้าเฉพาะรายการ) ผู้ใช้สามารถกำหนดวันที่เริ่มต้นและสิ้นสุดของรายงานของการขาย และการเข้าถึงข้อมูลทำได้ง่ายผ่าน graphical interface ที่มีความเป็น user-friendly สูง บรรดาผู้จัดการของ Sears สามารถติดตามดูแลผลกระทบที่ได้รับจากการโฆษณา, ดินฟ้าอากาศ, และปัจจัยอื่นๆ ที่มีต่อการขายของแต่ละรายการ นั่นหมายความว่า ผู้ซื้อสินค้าของ Sears และ specialists อื่นๆ สามารถตรวจสอบและปรับปรุงแก้ไข (หากต้องการ) ปริมาณสินค้าคงเหลือ, การจัดการสินค้า, และการสั่งซื้อ, และอื่นๆอีกมากมาย, ในเกือบจะทันที, ดังนั้น พวกเขาสามารถตอบกลับได้อย่างรวดเร็วต่อสภาพแวดล้อมที่เปลี่ยนไป. ผู้ใช้ SPRS ยังสามารถรวมกลุ่มสินค้าที่กระจัดกระจายอยู่เข้าด้วยกัน ตัวอย่างเช่น tracking การขายสินค้าที่ mark ไว้ว่าเป็น “ของขวัญราคาไม่เกิน $25” ผู้ทำงานด้านโฆษณาสามารถติดตามสินค้าที่จัดเป็นประเภทยอดเยี่ยม “great items” แยกต่างหากจากแผนกอื่นๆ ซึ่งจะนำมาขึ้นปกเอกสารโฆษณาที่จะส่งเวียนให้ลูกค้า SPRS สามารถทำ data mining แต่เพียง sku- และ location-related analysis
ในปี 1998 Sears สร้างฐานข้อมูลลูกค้าขนาดใหญ่ โดยใช้ LCI (Leveraging Customer Information) ซึ่งมีข้อมูลที่เป็น customer-related sale information (ซึ่ง SPRS ไม่มี) LCI สามารถรายงานเป็นรายชั่วโมง เช่น การโปรโมชั่นในแต่ละชั่วโมง (เช่น ลด 15% ให้กับนักชอปที่มาแต่เช้า)
ช่วงเทศกาลวันหยุดปลายปี 2001 Sears ตัดสินใจลดราคาสินค้ามากเป็นพิเศษให้กับผู้ที่มาซื้อของในช่วงเวลา early shopping hours แทนการลดราคาตามปกติที่เคยให้ 10% รายการโปรโมชั่นใหม่นี้ เคยล้มเหลวมาแล้วเมื่อใช้ SPRS เป็นฐาน แต่เมื่อนำ LCI มาใช้ ปัญหาก็แก้ไขได้ เรื่องนี้ทำให้ Sears รวม LCI และ SPRS ไว้บน platform เดียวกัน ซึ่งทำให้มีการวิเคราะห์อย่างมาก (ในปี 2002)
ในราวปี 2001 Sears ได้ริเริ่มทำสิ่งต่างๆใน web ได้แก่ : e-commerce ศูนย์ปรับปรุงบ้าน, B2B แลกเปลี่ยนสินค้าสำหรับธุรกิจค้าปลีก, toy catalog (wishbook.com), e-procurement system (ระบบจัดซื้อผ่านเวป), และอื่นๆ อีกมาก Web-marketing เหล่านี้ป้อนข้อมูลให้กับ data warehouse ซึ่งการวางแผนและควบคุมล้วนอาศัยข้อมูลจาก data warehouse นี่เอง
ผลลัพธ์
ความสามารถในการติดตามดูแลการขายแต่ละรายการในร้านทำให้ Sears สามารถสร้างตลาดท้องถิ่นได้ ตัวอย่างเช่น Sears เก็บความแตกต่างของเฉดสีในเมืองต่างๆกัน เพื่อตอบสนองความต้องการของท้องถิ่น ดังนั้น การขายและส่วนแบ่งตลาดจึงดีขึ้น นอกจากนี้ การติดตามดูข้อมูลการขายจาก Web (Web-based data monitoring of sales) ด้วย LCI ช่วยให้ Sears วางแผนการตลาดและการโฆษณาใน Web
เมื่อเริ่มใช้ในตอนแรก data warehouse ถูกใช้เป็นประจำทุกวันโดยผู้ซื้อกว่า 3,000 ราย, ผู้สั่งสินค้า, นักการตลาด, นักวางแผนกลยุทธ์, นักวิเคราะห์ด้าน logistics และการเงิน, และผู้จัดการคลังสินค้า ต่อมาในปี 2004 จำนวนผู้ใช้เพิ่มเป็น 6,000 ราย เพราะผู้ใช้เล็งเห็นประโยชน์ที่ได้รับ. เวลาที่ใช้ในการตอบคำถามลดจากที่เคยต้องใช้เวลาเป็นวันๆ เหลือเป็นนาทีสำหรับคำถามทั่วไป โดยรวมแล้ว strategic impact ของ SPRS-LCI data warehouse คือการให้เครื่องมือแก่พนักงานของ Sears ที่จะช่วยให้ตัดสินใจได้ดีขึ้น และ ผลกำไรจากการค้าปลีกของ Sears เพิ่มขึ้นกว่า 20% ต่อปี นับตั้งแต่ที่ได้นำ SPRS มาใช้
Sear, Robuck & Co. ซึ่งเป็น chain ห้างสรรพสินค้าที่ใหญ่ที่สุดและเป็นผู้ค้าปลีกรายใหญ่อันดับสามของประเทศ สหรัฐอเมริกา ถูกจับได้ caught by surprise ในช่วงทศวรรษที่ 1980 เมื่อลูกค้า defected to specialty stores and discount mass merchandisers, ทำให้บริษัทเสียส่วนแบ่งตลาดอย่างรวดเร็ว ด้วยความพยายามจะเปลี่ยนแปลงสถานการณ์ Sears ได้ใช้กลยุทธ์โต้ตอบมากมาย ตั้งแต่การเปิดตัว specialty stores ของตนเอง (เช่น Sears Hardware) ไปจนถึงการปรับโครงสร้างของห้างในศูนย์การค้า เมื่อเร็วๆนี้ Sears ได้เข้าไปทำการค้าใน Web และยุติการพิมพ์ catalog ที่ทำมานานกว่า 100 ปีลง การปรับเปลี่ยนโครงสร้างและการเปลี่ยนรูปแบบให้ประสบความสำเร็จได้ต้องอาศัย retooling of its info systems.
Sears มีศูนย์ข้อมูล(หรือฐานข้อมูล) 18 แห่ง โดยมี 1 ศูนย์ต่อ 1 ภูมิภาคที่มีทั้งหมด 10 ภูมิภาค และ 1 ศูนย์ต่อ 1 แผนกอันได้แก่ แผนกการตลาด แผนกการเงิน และอื่นๆ ปัญหาแรกเกิดขึ้นเมื่อความพยายามในการจัดองค์กรใหม่ (reorganization) produced ได้เพียง 7 ภูมิภาค เกิดความคลาดเคลื่อนกันในตัวเลขจากแผนกบัญชีและแผนกขาย และข้อมูล (information) ที่กระจัดกระจายไปหลายฐานข้อมูล ทำให้ผู้ใช้ต้องทำ query จากหลายระบบ แม้จะต้องการ query แค่คำถามง่ายๆ ก็ตาม ยิ่งไปกว่านั้น ผู้ใช้พบว่า ข้อมูลที่สรุปออกมาให้ ยากที่จะวิเคราะห์ในรายละเอียดได้ สุดท้าย ข้อผิดพลาดจะเกิดขึ้นอย่างหลีกเลี่ยงไม่ได้เมื่อการคำนวณต้องอาศัยข้อมูลที่ มาจากหลายแหล่ง
วิธีแก้ปัญหา
เพื่อแก้ไขปัญหาเหล่านั้น Sears ได้สร้าง data warehouse สำหรับข้อมูลการขายเป็นเอกเทศ ซึ่งนำมาแทนการใช้ฐานข้อมูลทั้ง 18 ฐานที่เต็มไปด้วยความซ้ำซ้อน ความสับสน และบางครั้งมีข้อมูลที่ล้าสมัย Data warehouse อันใหม่นี้เป็นที่เก็บง่ายๆ ของข้อมูลที่เกี่ยวข้องกับการตัดสินใจ เช่น ข้อมูลที่ได้รับอนุมัติสำหรับใช้เป็นตัวชี้วัด key performance, คลังสินค้าขาย, และยอดกำไร Sears ซึ่งเป็นที่รู้กันว่าได้นำ IT มาใช้มากมาย dramatic scale, ได้ทำ data warehouse และทำ reengineering IT เสร็จสมบูรณ์ภายในเวลาเพียงไม่ถึงปี จนเป็นเรื่องราวของธุรกิจที่พลิกผันไปใช้ IT ได้อย่างสมบูรณ์
Data warehouse ที่มีหน่วยความจำเริ่มต้นที่ 1.7 terabytes (หรือ 1.7 ล้านล้าน bytes) ด้วยการใช้ NCR enterprise server นี้ เป็นส่วนหนึ่งของ project ‘Strategic Performance Reporting System (SPRS)’ ในปี 2003 data warehouse ขยายตัวขึ้นกว่า 70 terabytes. SPRS ได้รวมข้อมูลการขาย; information ของคลังสินค้าในห้างร้าน, สินค้าระหว่างทาง. และสินค้าที่อยู่ ณ ศูนย์กระจายสินค้า; และต้นทุนต่อหน่วย นั่นทำให้ Sears สามารถไล่ดูการขายแต่ละรายการ (skus) ในแต่ละร้านที่มีจำนวนรวม 1,950 ร้าน (รวมทั้ง 810 ร้านที่อยู่ในศูนย์การค้า) ในประเทศสหรัฐอเมริการและ 1,600 ร้านที่อยู่ในต่างประเทศ และหน่วยขายทาง catalog ดังนั้น ยอดกำไรต่อวัน ต่อรายการสินค้า ต่อร้าน ก็สามารถคำนวณมาได้โดยง่าย นอกจากนั้น Sears ทุกวันนี้มีความชัดเจนในเรื่องกลยุทธ์การซื้อ, การจัดการสินค้า, และการตลาด อย่างที่ไม่เคยทำได้มาก่อน
SPRS เปิดให้พนักงานที่ได้รับอนุญาตใช้ พนักงานสามารถดูรายการขายประจำวันจากข้อมูลที่มีอยู่ได้หลายมิติ multidimensional perspective (มิติของภูมิภาค, เขต, ร้าน, สายผลิตภัณฑ์, และสินค้าเฉพาะรายการ) ผู้ใช้สามารถกำหนดวันที่เริ่มต้นและสิ้นสุดของรายงานของการขาย และการเข้าถึงข้อมูลทำได้ง่ายผ่าน graphical interface ที่มีความเป็น user-friendly สูง บรรดาผู้จัดการของ Sears สามารถติดตามดูแลผลกระทบที่ได้รับจากการโฆษณา, ดินฟ้าอากาศ, และปัจจัยอื่นๆ ที่มีต่อการขายของแต่ละรายการ นั่นหมายความว่า ผู้ซื้อสินค้าของ Sears และ specialists อื่นๆ สามารถตรวจสอบและปรับปรุงแก้ไข (หากต้องการ) ปริมาณสินค้าคงเหลือ, การจัดการสินค้า, และการสั่งซื้อ, และอื่นๆอีกมากมาย, ในเกือบจะทันที, ดังนั้น พวกเขาสามารถตอบกลับได้อย่างรวดเร็วต่อสภาพแวดล้อมที่เปลี่ยนไป. ผู้ใช้ SPRS ยังสามารถรวมกลุ่มสินค้าที่กระจัดกระจายอยู่เข้าด้วยกัน ตัวอย่างเช่น tracking การขายสินค้าที่ mark ไว้ว่าเป็น “ของขวัญราคาไม่เกิน $25” ผู้ทำงานด้านโฆษณาสามารถติดตามสินค้าที่จัดเป็นประเภทยอดเยี่ยม “great items” แยกต่างหากจากแผนกอื่นๆ ซึ่งจะนำมาขึ้นปกเอกสารโฆษณาที่จะส่งเวียนให้ลูกค้า SPRS สามารถทำ data mining แต่เพียง sku- และ location-related analysis
ในปี 1998 Sears สร้างฐานข้อมูลลูกค้าขนาดใหญ่ โดยใช้ LCI (Leveraging Customer Information) ซึ่งมีข้อมูลที่เป็น customer-related sale information (ซึ่ง SPRS ไม่มี) LCI สามารถรายงานเป็นรายชั่วโมง เช่น การโปรโมชั่นในแต่ละชั่วโมง (เช่น ลด 15% ให้กับนักชอปที่มาแต่เช้า)
ช่วงเทศกาลวันหยุดปลายปี 2001 Sears ตัดสินใจลดราคาสินค้ามากเป็นพิเศษให้กับผู้ที่มาซื้อของในช่วงเวลา early shopping hours แทนการลดราคาตามปกติที่เคยให้ 10% รายการโปรโมชั่นใหม่นี้ เคยล้มเหลวมาแล้วเมื่อใช้ SPRS เป็นฐาน แต่เมื่อนำ LCI มาใช้ ปัญหาก็แก้ไขได้ เรื่องนี้ทำให้ Sears รวม LCI และ SPRS ไว้บน platform เดียวกัน ซึ่งทำให้มีการวิเคราะห์อย่างมาก (ในปี 2002)
ในราวปี 2001 Sears ได้ริเริ่มทำสิ่งต่างๆใน web ได้แก่ : e-commerce ศูนย์ปรับปรุงบ้าน, B2B แลกเปลี่ยนสินค้าสำหรับธุรกิจค้าปลีก, toy catalog (wishbook.com), e-procurement system (ระบบจัดซื้อผ่านเวป), และอื่นๆ อีกมาก Web-marketing เหล่านี้ป้อนข้อมูลให้กับ data warehouse ซึ่งการวางแผนและควบคุมล้วนอาศัยข้อมูลจาก data warehouse นี่เอง
ผลลัพธ์
ความสามารถในการติดตามดูแลการขายแต่ละรายการในร้านทำให้ Sears สามารถสร้างตลาดท้องถิ่นได้ ตัวอย่างเช่น Sears เก็บความแตกต่างของเฉดสีในเมืองต่างๆกัน เพื่อตอบสนองความต้องการของท้องถิ่น ดังนั้น การขายและส่วนแบ่งตลาดจึงดีขึ้น นอกจากนี้ การติดตามดูข้อมูลการขายจาก Web (Web-based data monitoring of sales) ด้วย LCI ช่วยให้ Sears วางแผนการตลาดและการโฆษณาใน Web
เมื่อเริ่มใช้ในตอนแรก data warehouse ถูกใช้เป็นประจำทุกวันโดยผู้ซื้อกว่า 3,000 ราย, ผู้สั่งสินค้า, นักการตลาด, นักวางแผนกลยุทธ์, นักวิเคราะห์ด้าน logistics และการเงิน, และผู้จัดการคลังสินค้า ต่อมาในปี 2004 จำนวนผู้ใช้เพิ่มเป็น 6,000 ราย เพราะผู้ใช้เล็งเห็นประโยชน์ที่ได้รับ. เวลาที่ใช้ในการตอบคำถามลดจากที่เคยต้องใช้เวลาเป็นวันๆ เหลือเป็นนาทีสำหรับคำถามทั่วไป โดยรวมแล้ว strategic impact ของ SPRS-LCI data warehouse คือการให้เครื่องมือแก่พนักงานของ Sears ที่จะช่วยให้ตัดสินใจได้ดีขึ้น และ ผลกำไรจากการค้าปลีกของ Sears เพิ่มขึ้นกว่า 20% ต่อปี นับตั้งแต่ที่ได้นำ SPRS มาใช้
ไม่มีความคิดเห็น:
แสดงความคิดเห็น