Однако берлинский стартап Thermondo разрушил эту модель, создав платформу, объединяющую разрозненные монтажно-сервисные бригады, поставляющие отопительные системы клиентам по всей Германии. Портал появился в 2012 г. А уже в 2015 г. среднегодовые темпы роста компании составили 864 %. Клиент, просматривающий портал, может выбрать систему отопления из множества брендов, причем по индивидуальной фиксированной цене, которая включает в себя установку. Thermondo даже дает рекомендации по поиску финансирования (рис. 1.4). Подобную модель сейчас можно наблюдать на рынке онлайн-сервисов дизайна интерьеров, которые позволяют заказывать домашнюю мебель и технику.
Таким образом, сегодня у производителей и продавцов есть одна общая проблема: их традиционные бизнес-модели находятся под угрозой. Проблема, впрочем, не нова – вспомните хотя бы пример компании Compaq. И так же как в случае с Compaq, проблема сама по себе не исчезнет. Необходимо разработать подход, регулирующий взаимодействие между участниками новой экосистемы – скажем, между производителями и установщиками отопительных систем, сайтом Thermondo и другими игроками рынка. Другими словами, необходим механизм омниканального управления.
Усиление роли компетенций в области программного обеспечения и продвинутой аналитики
«Данные – это новая нефть», гласит популярный афоризм. Данные становятся сырьем для любого проекта, связанного с цифровизацией. Согласно исследованию McKinsey, в последние несколько лет международные потоки данных способствовали мировому экономическому росту в большей степени, чем классическая торговля товарами. Компании получают и создают колоссальные объемы данных, которые с помощью продвинутой аналитики можно превратить в большие суммы денег.
Так, интернет-магазины типа Amazon или Overstock применяют в своей деятельности системы динамического ценообразования, которые позволяют им буквально за секунды корректировать цены на миллионы товаров из своего ассортимента. Для этого они постоянно собирают информацию о ценах конкурентов и обрабатывают ее вместе с данными о текущих маркетинговых акциях. Затем, используя динамические ряды и анализ больших данных, они в режиме реального времени строят обратные кривые спроса для всех своих товаров.
Netflix использует аналитику больших данных для адаптации контентного интерфейса и рекомендаций своим пользователям, тем самым вовлекая их в регулярное пользование сервисом и снижая их отток, а телекоммуникационные компании на многих рынках, включая российский, с невысоким ARPU (Average Revenue Per User, средняя выручка на пользователя)