Market Basket Visualization for Hypermarkets with the Use of Big Data Analytics

Abstract

Проблема аналитики больших массивов данных актуальна в разных областях бизнеса, и индустрия ритейла не исключение. В гипермаркетах количество транзакций нарастает с каждой минутой, что осложняет процесс анализа данных. Целью данного исследования является создание новой модели анализа с помощью экспериментальных SQL запросов (без использования кластерного анализа), работающих на Big Data, и создание наглядных визуальных моделей потребительской корзины. Программные продукты, используемые для решения поставленной задачи: Oracle Data Miner и Oracle Data Visualization. Глубинные интервью также являются важной частью исследования на всех этапах. В результате работы были получены не только пары товаров, но целые продуктовые корзины. Всего было получено семь разных видов корзин потребителей, которые невозможно было бы идентифицировать без визуальных моделей. Созданные визуализации успешно внедрены в работу одной из крупных сетей гипермаркетов.

The issue of Big Data analysis is crucial in different fields, and retail is not an exception. Increasing amount of transactions every minute in hypermarkets make data hard to analyze and extract value from it for the business. There is a simple tool for identification of customer behavior, called market basket analysis, which is based on association rules. This method helps to identify cross-selling pairs of products. The problem is that in the existing researches market basket analysis is conducted with the use of cluster analysis, which is not applicable for Big Data. Apart from that, the scientific works explored are lacking clear visualization models that could be applied by managers for decision-making process. The purpose of this research is to solve these issues and to create a new model with the use of experimental SQL Queries, applicable for Big Data and visualize the results effectively. All the steps are conducted in Oracle Data Miner and Oracle Data Visualization and supported by in-depth interviews with managers in retail. Not only cross-selling pairs of products, but whole baskets were generated. Overall, seven different market baskets structures were obtained and visualized. These models are successfully implemented in one of the biggest retail chains in Russia.