Lo stato dello streaming dei dati per il commercio al dettaglio nel 2023

Lo stato streaming dati commercio al dettaglio nel 2023

Questo post sul blog esplora lo stato dello streaming dei dati per l’industria al dettaglio nel 2023. L’evoluzione delle esperienze omnicanale dei clienti, dei modelli di shopping ibridi e delle raccomandazioni iper-personalizzate richiede una catena di approvvigionamento ottimizzata end-to-end, app mobili sofisticate e l’integrazione con tecnologie all’avanguardia come il social commerce o il metaverso. Lo streaming dei dati consente di integrare e correlare i dati in tempo reale a qualsiasi scala. Esaminiamo le tendenze del settore al dettaglio per capire come lo streaming dei dati aiuti come abilitatore aziendale, includendo storie di clienti provenienti da Walmart, Albertsons, Otto, AO.com e altri. È inclusa una presentazione completa e una registrazione video on-demand.

Tendenze Generali nell’Industria al Dettaglio

Diverse tendenze disruptive influenzano l’innovazione nell’industria al dettaglio al fine di ridurre i costi, migliorare l’esperienza del cliente e mantenere alta la fidelizzazione e il ricavo dei clienti:

Ricercatori, analisti, startup e, non da ultimo, laboratori e i primi lanci nel mondo reale di attori tradizionali mostrano alcune delle prossime tendenze nell’industria al dettaglio:

  • Modelli di shopping ibridi con digitalizzazione e omnicanalità (vedi un recente )
  • IA generativa e automazione per migliorare i processi aziendali esistenti e l’innovazione (come discusso in un articolo di McKinsey)
  • Commercio in diretta con piattaforme social cambia l’esperienza di shopping (anche al di là della Cina e dell’Asia, come mostra un’analisi di Grand View Research)

Esploriamo gli obiettivi e l’impatto di queste tendenze.

Modelli di Shopping Ibridi con Digitalizzazione e Omnicanalità

Le capacità per il commercio omnicanale cambiano e migliorano significativamente l’esperienza del cliente. Le app mobili consentono esperienze ibride e basate sulla posizione senza soluzione di continuità all’interno del negozio. I clienti utilizzano sempre di più opzioni come “acquista online e ritira in negozio”:

 Fonte: Gartner

IA Generativa e Automazione per l’Innovazione

L’IA generativa e l’automazione diventano più produttivi, arrivano sul mercato più velocemente e servono meglio i clienti. L’articolo di McKinsey esplora vari casi d’uso per tecnologie come l’NLP (Natural Language Processing) con l’apprendimento automatico e i modelli di linguaggio estesi (LLM) come ChatGPT, tra cui:

  • Merchandising e prodotto: Personalizzazione
  • Supply Chain e Logistica: Supporto alle negoziazioni con i fornitori
  • Marketing: Generazione di offerte personalizzate
  • Commercio digitale: Personalizzazione della prova virtuale del prodotto
  • Operazioni di negozio: Ottimizzazione del layout del negozio attraverso simulazioni
  • Organizzazione: Abilitazione dell’auto-servizio e automazione delle attività di supporto

Commercio in Diretta che Cambia l’Esperienza di Shopping

Il commercio in diretta con le piattaforme social cambia l’esperienza di shopping combinando l’acquisto istantaneo di un prodotto in evidenza e la partecipazione del pubblico. La pandemia di Covid ha accelerato questa tendenza. Il commercio in diretta è emerso in Cina ma è arrivato in Occidente in vari settori, che tu venda moda, giocattoli, automobili, caratteristiche digitali o qualsiasi altra cosa. Un grafico di Grand View Research mostra la crescita del commercio sociale in Nord America:

Tempo fa ho esplorato come Apache Kafka trasforma il metaverso del commercio al dettaglio. Esaminiamo la relazione dello streaming dei dati con tecnologie come Kafka e Flink per l’industria al dettaglio.

Data Streaming nell’Industria al Dettaglio

Adottare tendenze come modelli di shopping ibridi, servizi basati sulla posizione o piattaforme di fedeltà avanzate è possibile solo se le imprese del settore al dettaglio possono fornire e correlare informazioni al momento giusto nel contesto appropriato. Il tempo reale, che significa utilizzare le informazioni in millisecondi, secondi o minuti, è quasi sempre migliore rispetto all’elaborazione dei dati in un secondo momento (qualunque cosa significhi dopo).

Lo streaming dei dati combina la potenza della messaggistica in tempo reale a qualsiasi scala con lo storage per un vero decoupling, l’integrazione dei dati e le capacità di correlazione dei dati. Apache Kafka è lo standard de facto per lo streaming dei dati.

“Casi d’uso di Apache Kafka nel settore al dettaglio” è un buon articolo per iniziare con un punto di vista specifico dell’industria sullo streaming dei dati. 

Questo è solo un esempio. Lo streaming dei dati con l’ecosistema di Apache Kafka e i servizi cloud vengono utilizzati lungo tutta la catena di approvvigionamento dell’industria al dettaglio. 

Adozione del Cloud nel Settore al Dettaglio come Fondamento per l’Innovazione con lo Streaming dei Dati

Forrester ha analizzato l’adozione del cloud nell’industria del retail nella loro ricerca su “Lo stato del cloud nel retail, 2023”.

Il cloud offre scalabilità elastica e cicli di time-to-market più brevi per l’innovazione. Costruire nuove applicazioni in tempo reale è molto più facile nel cloud perché l’infrastruttura di streaming dei dati è disponibile come SaaS completamente gestito con SLA critici.

Il servizio di abbonamento all’affitto di abbigliamento innovativo di Nuuly è un ottimo esempio. Differisce molto da un modello di e-commerce tipico con la necessità di un’architettura in tempo reale basata sugli eventi. Utilizzano Confluent Cloud e Kafka come sistema nervoso centrale della loro attività, che copre tutto, dalle applicazioni rivolte ai clienti alle operazioni del centro di distribuzione dal punto di vista tecnologico. L’intero caso aziendale è stato sviluppato e portato in produzione in soli sei mesi, grazie al SaaS di streaming dei dati sotto il cofano per concentrarsi sulla logica aziendale.

Il software sta mangiando il retail e i dati in tempo reale permettono l’innovazione

CBINSIGHTS ha esplorato vari casi d’uso che ottimizzano la catena di approvvigionamento al dettaglio o migliorano l’esperienza e la fidelizzazione dei clienti.

Se si guardano le tendenze architetturali e le storie dei clienti per lo streaming dei dati nella sezione successiva, ci si rende conto che è necessaria l’integrazione e l’elaborazione dei dati in tempo reale su larga scala per fornire la maggior parte dei casi d’uso moderni nel retail.

L’industria del retail applica diverse tendenze per le architetture aziendali per motivi di costi, flessibilità, sicurezza e latenza. I tre principali argomenti che vedo al giorno d’oggi tra i clienti sono:

  • Sincronizzazione dei dati del bordo verso il cloud in tempo reale
  • Omnicanale up-selling/cross-selling
  • Nuovi concetti e strategie di retail come la realtà aumentata, il commercio dal vivo o il metaverso

Approfondiamo alcune architetture aziendali che sfruttano lo streaming dei dati per casi d’uso nel retail.

Architettura ibrida con streaming dei dati al bordo nei negozi al dettaglio e nel cloud

La maggior parte dei rivenditori ha una strategia cloud-first per configurare piattaforme di e-commerce, CRM, marketing, fedeltà e pagamento moderne. Tuttavia, il calcolo al bordo sta diventando più rilevante per casi d’uso come i servizi basati sulla posizione, i modelli di shopping ibridi e altri scenari di analisi in tempo reale.

Scopri i modelli architetturali per Apache Kafka che potrebbero richiedere soluzioni multi-cluster e vedi esempi con requisiti e compromessi specifici. Quel blog esplora scenari come il ripristino di emergenza, l’aggregazione per l’analisi, la migrazione verso il cloud, le distribuzioni critico-stiracchiate e Kafka globale.

Le distribuzioni al bordo per lo streaming dei dati presentano le loro sfide. In post separati del blog, ho affrontato casi d’uso per Kafka al bordo e fornito una checklist dell’infrastruttura per lo streaming dei dati al bordo.

Esperienza del cliente iper-personalizzata

I clienti si aspettano un’ottima esperienza utente su dispositivi (come un browser web o un’app mobile) e interazioni umane (ad esempio, in una filiale bancaria). Lo streaming dei dati permette un’esperienza di retail omnicanale specifica del contesto correlando dati in tempo reale e storici al momento giusto e nel contesto appropriato:

“Omnicanale Retail e Customer 360 in Tempo Reale con Apache Kafka” approfondisce ulteriormente l’argomento. Ma una cosa è chiara: la maggior parte dei casi d’uso innovativi richiede sia dati storici che in tempo reale. In sintesi, la correlazione di informazioni storiche e in tempo reale è possibile out-of-the-box con lo streaming dei dati grazie al log di commit append-only sottostante e alla riproducibilità degli eventi. Un’infrastruttura Kafka di storage su più livelli nativa del cloud per separare il calcolo dallo storage rende tale architettura aziendale più scalabile ed efficiente in termini di costi.

L’articolo “Rilevamento delle frodi con Apache Kafka, KSQL e Apache Flink” esplora l’elaborazione in streaming per l’analisi in tempo reale in modo più dettagliato, mostra un esempio con machine learning integrato e copre diversi case study del mondo reale.

Live Commerce con piattaforme social e streaming dei dati

Il live commerce richiede un’esperienza cliente completa e di qualità. La maggior parte delle azioni e delle correlazioni dei dati dovrebbe o addirittura deve avvenire in tempo reale. La correlazione dei dati richiede la connettività alle piattaforme social, alla piattaforma di vendita del live commerce e a molti altri processi e applicazioni di backend.

Il social commerce richiede l’azione giusta al momento giusto. I requisiti includono:

  • Interagisci con il cliente durante lo spettacolo.
  • Raccomanda prodotti da vendere.
  • Fornisci prezzi specifici al contesto.
  • Tutto automatizzato. In tempo reale. Su larga scala.

Ecco un esempio di architettura per un’infrastruttura di live commerce decentralizzata, scalabile e in tempo reale alimentata da Kafka e dal suo ecosistema.

Un impatto potenzialmente enorme sul futuro delle piattaforme di live commerce è il metaverso e le nuove funzionalità di pagamento e sociali che sfruttano le piattaforme crypto. Questo è un argomento a sé stante, ma la maggior parte delle piattaforme crypto è alimentata da data streaming con Apache Kafka al suo cuore.

Nuove storie di clienti per il data streaming nell’industria del retail

Sta avvenendo molta innovazione nel settore del retail. L’automazione e la digitalizzazione cambiano il modo in cui cerchiamo e acquistiamo prodotti e servizi, comunichiamo con partner e clienti, forniamo modelli di shopping ibridi e altro ancora.

La maggior parte delle imprese di retail utilizza un approccio orientato al cloud per migliorare il time-to-market, aumentare la flessibilità e concentrarsi sulla logica aziendale anziché gestire l’infrastruttura IT.

Ecco alcune storie di clienti di imprese di retail di tutto il mondo in diversi settori:

  • Walmart: Ottimizzazione della catena di fornitura per il rifornimento dal magazzino ai negozi di retail con coerenza dei dati tra applicazioni batch e in tempo reale
  • Albertsons: Hub di integrazione centrale dei dati e piattaforma di fedeltà per mantenere i clienti per tutta la vita con una catena di fornitura scalabile, un’esperienza cliente rivoluzionata e una nuova rete di media di retail
  • AO.com: Esperienza di retail iper-personalizzata con analisi in tempo reale del flusso di clic mentre il cliente è nel negozio (online)
  • Otto: Scambio di dati con un design basato su domini per un vero disaccoppiamento, un tempo di commercializzazione più rapido e la conformità alla privacy dei dati (GDPR) all’interno di un’architettura aziendale multi-cloud
  • BigCommerce: Piattaforma di eCommerce nativa del cloud che fornisce servizi sul cloud con analisi e consigli per i commercianti
  • WhatNot: Una piattaforma di aste live sociali con vendita interattiva e capacità di metaverso/realtà aumentata

Risorse per saperne di più

Questo post del blog è solo l’inizio. Per saperne di più sul data streaming nell’industria del retail, puoi consultare la registrazione del webinar on-demand, la presentazione correlata e ulteriori risorse, compresi dei video lightboard molto interessanti sugli use case.

Registrazione video on-demand

La registrazione video esplora le tendenze e le architetture del settore FinServ per il data streaming. Il focus principale sono gli studi di caso sul data streaming. Dai un’occhiata alla nostra registrazione on-demand:

Slides

Se preferisci imparare da slide, puoi consultare la presentazione utilizzata per la registrazione sopra citata:

Presentazione: Lo stato del data streaming per il retail nel 2023

Storie di casi e video lightboard sul data streaming nel retail

Lo stato del data streaming per il retail nel 2023 è affascinante. Ogni mese emergono nuovi casi d’uso e storie di successo. Questo include una migliore governance dei dati in tutta l’organizzazione, la raccolta e l’elaborazione di dati provenienti da servizi basati sulla posizione e app mobili in tempo reale, la condivisione dei dati e le partnership B2B con API aperte per nuovi modelli di business e molti altri scenari.

Abbiamo registrato video lightboard che mostrano il valore del data streaming in modo semplice ed efficace. Questi video di cinque minuti esplorano il valore aziendale del data streaming, le architetture correlate e le storie di successo dei clienti. Restate sintonizzati; aggiornerò i link nelle prossime settimane e pubblicherò un post di blog separato per ciascuna storia e video lightboard.

E questo è solo l’inizio. Ogni mese parleremo dello stato del data streaming in un settore diverso. Il manifatturiero è stato il primo. I servizi finanziari il secondo, poi il retail, le telecomunicazioni, i giochi e così via…

Connettiamoci su LinkedIn e ne discutiamo!