Veel gemeenten worstelen met hetzelfde probleem: hoe lossen we de leegstand in onze stad op? Je kunt natuurlijk nieuwe retailers zoeken voor lege panden, maar de keuze valt steeds vaker op minder winkels. Maar waar moeten we dan schrappen?
Vorige week mocht ik in Nijmegen twee workshops geven in het kader van de Retaildeal en de Retailagenda. Ongeveer 60 mensen van verschillende gemeenten waren aanwezig in een iets te warme raadszaal. Mijn presentatie ging over de “feiten en de fabels”van de retailmarkt en over sturende data.
Met sturende data bedoel ik voorspellend.
Voorspellende data in de categorie Big Data.
En als deze informatie ook nog eens oplossingsgericht is, praten we over Smart Data .
Locatus heeft samen met Insightforaction en de VU Amsterdam de Retail Risk Index ontwikkeld. Hiermee voorspellen we wat de kans is dat winkel X volgend jaar nog op locatie Y aanwezig is. Deze index hebben we ruim een jaar geleden geïntroduceerd. Maar ondertussen hebben we niet stil gezeten. De analyse is verder aangescherpt, waardoor we nog beter kunnen voorspellen waar de risico’s liggen in een winkelgebied.
Verder terugkijken versterkt voorspelkracht
We zijn vijf jaar terug gegaan in de tijd. En hebben voor elk jaar gekeken wat de Big Data (Retail Risk Index) ons vertelt over de risico’s dat een winkel het volgende jaar niet meer haalt. Vervolgens hebben we gekeken wat er in de werkelijkheid is verandert.
Doordat we gegevens van meerdere jaren hebben, zien we ook trends.
Daarmee krijgt u antwoord op vragen als:
Welke straten doen het goed?
Welke branches zijn gezond?
Maar vooral welke plekken kunnen we voorzien van een andere bestemming?
Een voorbeeld:
Voor de gemeente Doetinchem hebben we de Retail Risk Index van een aantal opeenvolgende jaren in kaart gebracht. Je ziet duidelijk dat de risico’s op stoppen in een bepaald stuk van de stad steeds hoger worden.
Timelaps Doetinchem
Dus mocht u niet weten waar u moet beginnen neem contact met ons op. #locatushelpt.
______________
In mijn volgende blog zal ik naar verschillen tussen winkelgebieden kijken:
Welke 5 winkelgebieden hebben de meeste / minste panden met een hoog risico?
