巨无霸养成记，麦当劳是如何利用大数据的？

大数据麦当劳巨无霸大数据

三千客智能餐饮 | 2016-06-23 15:12

【数据猿导读】麦当劳目前在全国已经拥有超过34000家餐厅，日常客户流量是6200万，每秒大约卖出75个汉堡。麦当劳每天都会产生海量的数据，那他们是如何利用这些数据呢？巨无霸养成内后藏着什么秘密

麦当劳是一个大型全球性食品服务零售商，在各地拥有超过34000家餐厅，每天服务118个国家的6900多万消费者。他们的日常客户流量是6200万，每秒大约卖出75个汉堡。麦当劳作为一家年收益270亿美元，有超过75万雇员的大公司，光是美国人每年就在麦当劳消费十亿磅牛肉。显然他们会产生大量数据，但是他们如何利用这些数据呢?

在过去的数年里，麦当劳变成了一个数据驱动决策的信息中心化组织。为了实现这一目标，他们创建了一个项目开发数据分析模型，这构成了他们团队的主要内容，但不是最核心部分。正如我之前讨论过的，麦当劳创建了多学科团队去发现、开发和部署新型跨部门解决方案。

在探索阶段他们试图大量提出想法并孵化，他们有一套诸如此类的技术方案集合。例如运筹学，信息技术，分析学和工程学。而在开发阶段他们会额外增加人资，培训，金融等领域的技术，以便获得正确的认识并推进这些新的计划。最终，在部署阶段会有更多不同的部门被牵涉进来，例如市场或设计部门。运筹学杂志的主编Mike Cramer建议用一种侧重商业的跨职能方法去实现巨大成功，特别是在大数据和数据分析领域。

用数据驱动型文化把公司变得更加信息中心化，这也是麦当劳采用的发展策略。过去存在的问题是，各个门店提供给基层管理者的数据是基于测评的均值，这让门店的对比和采取旨在优化结果的行动变得困难。因此麦当劳从使用平均值变为趋势分析，这为实时了解各个门店状况提供了更多场景。他们整合了多组数据并让它们可视化，以便更好的理解门店之间的差异形成的原因和影响。换句话讲，他们整合了多个图表去理解其相关性。这些相关性被用来采取更清晰、中肯和可行的举措，从而节省整个企业的经费和时间。

这种组合测评的案例之一是麦当劳如何使用大数据优化得来速的用户体验。他们基于三个不同的因素进行分析和优化：得来速的设计，消费者使用得来速过程中收到的信息以及在得来速排队等待点餐的人群。一大家子人在一个小货车里点一大堆东西会给那些排在后面只想点杯奶昔的单个顾客造成不良体验。因此麦当劳会分析这种需求的节奏从而预测它的发生。

从预测分析中提取的信息被用于设计、信息和人员操作的迭代更新。麦当劳然后使用数据分析去发现变化产生的节点，从而发现设计、信息和人员的最优方案。麦当劳这套持续不断的流程同样被用在公司的其他方面，并被部署在麦当劳的各个分公司和世界各地的门店。不仅如此，麦当劳还监测和分析大量的信息变量从而改进公司和消费者体验。他们监测店内人流量，顾客互动，得来速里的流动性，点餐节奏，销售网点数据，视频数据和传感器数据。从这些数据中提取的信息被用于餐厅设计、菜单更新、培训项目和供应链优化的迭代。正因为如此，尽管世界各地的麦当劳看起来一个模样，但其实每个餐厅之间有着轻微不同，因为他们被当地的市场数据分析优化过。

另外，麦当劳还使用操作数据实现汉堡坯检验的自动化和最优化，从而确保汉堡坯上完美的芝麻分布和诱人色泽。

总而言之，麦当劳利用大数据为他们的顾客创造最好的体验，让他们的组织更加强大和有效率，这没什么好奇怪的。

作为小福利，请欣赏下面这张根据每家门店之间的距离制作的全美麦当劳门店分布信息图。尽管身为艺术家和科学家的Stephen Von Worley2009年就制作了该图，但它仍然保持着无所不在的快餐连锁所呈现出的巨大视觉冲击力。