چگونه داده ها دیکی را قادر می سازد تا تصمیمات بهتر و سریعتر بگیرد

Dickies که در سال 1922 تأسیس شد، یکی از قدیمی ترین و معتبرترین برندها در صنعت پوشاک است. این به خاطر لباس کار بادوام و راحت خود و سبکی که با نمادهای فرهنگ پاپ و مکانیک خودرو به طور یکسان طنین انداز می شود، شناخته شده است.

من اخیراً با کالوین اندرسون، معاون استراتژی دیجیتال جهانی در Dickies صحبت کردم تا بفهمم چگونه داده ها به این شرکت بادوام کمک می کند تا جایگاه خود را به عنوان یک رهبر جهانی در لباس های کاری کاربردی و در عین حال مد روز تقویت کند.

اشتیاق کالوین – و درک – داده ها از یک رویکرد بی امان و عملی برای حل مشکلات تجاری ناشی می شود. او کمتر از دو سال پیش به Dickies پیوست، اما همانطور که پرسش و پاسخ زیر نشان می دهد، او به سرعت به نیروی محرکه تحول دیجیتال Dickies تبدیل شده است.

س: سابقه دیکی با هوش تجاری (BI) و استفاده از داده ها برای تصمیم گیری چیست؟

پاسخ: دیکیز امسال 100 ساله شد و تا زمانی که در سال 2017 توسط VF Corporation خریداری شد، متعلق به خانواده بود. فرهنگ دیکیز همیشه عطش باورنکردنی برای بینش داده‌ها داشته است، اما محیطی که این داده‌ها را میزبانی می‌کرد در طول سال‌ها به‌طور جدی پیچیده شد. این ما را با کد منسوخ، اصلاحات متعدد و مستندات چالش برانگیز مواجه کرد – که منجر به عدم اعتماد به داده‌ها و محیطی فردی با هم‌افزایی کم شد.

س: وقتی شروع به جستجوی راه حل BI کردید، چه مواردی را برای داده های خود در نظر می گرفتید؟

پاسخ: یکی از هیجان انگیزترین مکان ها برای داده ها، روندها و رفتار مشتری است. از آنجا که بخش بزرگی از کسب و کار Dickies عمده فروشی است، ما مجبور شدیم بسیاری از اصول تجارت الکترونیک را برای تقویت یک محیط دیجیتال مدرن پیاده سازی کنیم. این به معنای چیزهایی مانند طراحی محیطی است که شناسه های مشتری منحصر به فرد ایجاد کند، اطمینان حاصل شود که سطوح افزایش داده ها به درستی مدیریت می شوند، ایجاد بخش های مخاطب و ایجاد سفرهای کاربر.

ما با این داده ها چیزهای زیادی در مورد کاربرانمان یاد گرفتیم. تعداد شگفت‌انگیزی از زنان را دیدیم که برای خود لباس‌های مردانه می‌خریدند، که به ما امکان داد در مورد عرضه محصولات زنانه خود تجدید نظر کنیم. فصلی بودن انواع محصولات مانند شورت یا لباس بیرونی مورد توجه قرار گرفت. ما همچنین توانستیم KPIهای کلیدی مشتریان را در مقابل کل کسب و کار قرار دهیم تا به اعضای تیم فروش کمک کنیم تا تلاش های خود را هماهنگ و متمرکز کنند.

س: Domo چگونه به شما کمک می کند تا از همه این داده ها استفاده کنید؟

پاسخ: Domo کد ارائه داده های دوستانه به افراد غیر متخصص را شکسته است. پیمایش در برنامه بسیار آسان است. توانایی سوراخ کردن فوق العاده آسان است. در حالی که ما آموزش‌های داخلی زیادی را ارائه کرده‌ایم، واقعیت این است که اکثر کاربران فقط وصل می‌شوند و شروع به بازی با داده‌ها می‌کنند. ما واقعاً نمی‌خواهیم تجزیه و تحلیل‌ها مثل یک کار طاقت فرسا باشد. به عنوان یک صاحب درآمد، بررسی آمار خود باید به مسیری با مقاومت کم تبدیل شود. این جادوی Domo برای ماست. UX (تجربه کاربر) بسیار بصری است.

س: چه شد که Domo را به عنوان شریک BI انتخاب کردید؟

پاسخ: من همیشه می گویم که کشف داده ها باید از ماکرو شروع شود و به سمت میکرو حرکت کند. Domo توانایی شگفت انگیزی برای نشان دادن KPI های برتر شما دارد و سپس به شما اجازه می دهد روی آنها کلیک کنید تا ببینید چه چیزی باعث ایجاد روند مشاهده شده می شود.

توانایی عمیق رفتن به اندازه لازم برای یافتن یک مشکل، سپس برداشتن آن از صفحه، تگ کردن یک همکار و گذاشتن نظر بسیار قدرتمند است. این به یک محیط همکاری عالی تبدیل می شود.

همچنین، در محیط پر سرعت امروز، طراحی سازگار با موبایل یک امر ضروری است. ما در یک محیط کسب‌وکار هستیم که دائماً از ما خواسته می‌شود تا تصمیم‌های بیشتر و بهتر را سریع‌تر بگیریم. مردم به داده های خود در حال حرکت نیاز دارند. هیچ پلتفرمی در موبایل بهتر از اپلیکیشن Domo کار نمی کند.

س: شما چند ماه پیش با Domo شروع کردید. بزرگترین موفقیت شما با Domo تاکنون چه بوده است؟

پاسخ: تا کنون، بزرگترین داستان موفقیت ما پذیرش مصرف کننده بوده است. نامزدی بالاتر از همیشه است. همکاری در برنامه در سطحی است که قبلاً ندیده بودم. کسب‌وکار ما از استفاده استفاده می‌کند، در پشت یک منبع حقیقت قرار می‌گیرد و برای جایگزینی همه گزارش‌های موقت با داشبوردهای خودکار Domo تلاش می‌کند.

س: آینده داده ها در Dickies چگونه است؟

پاسخ: هدف من این است که همه داده ها را در یک محیط قابل اعتماد داشته باشم که برای علاقه مندان کارآمد و برای کسانی که می خواهند به خود خدمت کنند دموکراتیک باشد. همه عمودی ها باید بتوانند کسب و کار ما را ببینند و درک کنند.

یک مثال از این محیط کار می‌تواند موقعیتی باشد که در آن بررسی‌های عالی و تعامل در رسانه‌های اجتماعی توجه ناگهانی را به یک محصول جلب می‌کند. این محصول در حال شتاب گرفتن است و شروع به فروش سریع در تمام کانال ها می کند. ما بلافاصله خواهیم دید که محصول مذکور محصول سودآورتری است زیرا همان محیط داده ای که اجتماعی و فروش را ردیابی می کند نیز سودآوری را نشان می دهد. سپس می‌توانیم برنامه‌ای برای مدیریت موجودی، سرمایه‌گذاری بر تقاضای مصرف‌کننده و هدایت فروش مستقیم ایجاد کنیم.

راه‌حل‌های داده مانند این باید از عمودی به عمودی جریان پیدا کنند، درست همانطور که یک موجود زنده به طور طبیعی به محیط خود پاسخ می‌دهد. این تنها در صورتی می تواند اتفاق بیفتد که داده ها عمیق، گسترده و در سراسر سازمان قابل دسترسی باشند. این “دایره زندگی” کامل است. برای کار به این روش، داده های ما باید از همه جا جمع شوند و همه چیز را لمس کنند.