ભારતનું રિટેલ માર્કેટ ₹215 ટ્રિલિયન સુધી પહોંચશે: AI વગર સ્પર્ધામાં ટકી રહેવું બનશે મુશ્કેલ!

ક્ષેત્ર ઝડપી વૃદ્ધિ માટે તૈયાર

ભારતીય રિટેલ માર્કેટમાં આવનારા સમયમાં મોટો ઉછાળો જોવા મળશે. હાલ ₹90-95 ટ્રિલિયન (2025માં) ના સ્તરેથી, તે 2035 સુધીમાં ₹210-215 ટ્રિલિયન સુધી પહોંચવાની ધારણા છે. આ આંકડો ભારતની મજબૂત આર્થિક વૃદ્ધિ અને સ્થાનિક વપરાશ (consumption) ને કારણે શક્ય બનશે. અનુમાનો મુજબ, ભારતનો GDP આગામી વર્ષોમાં લગભગ 6.4% થી 7.7% સુધી વધી શકે છે, જે ગ્રાહકોના ખર્ચ માટે સકારાત્મક વાતાવરણ ઊભું કરશે. રિટેલ ઇન્ફ્લેશન (inflation) માં ઘટાડો થયો છે, અને શહેરી માંગ પણ સુધરી રહી છે, જે આ ક્ષેત્રના ભવિષ્ય માટે સારા સંકેત છે. ઇન્ટરનેટની વધતી પહોંચ અને ડિજિટલ ગ્રાહકોની સંખ્યા પણ આ ગ્રોથને વેગ આપશે.

સ્પર્ધાત્મક અંતર ઘટી રહ્યું છે

જોકે, આ ગ્રોથની સાથે એક મોટો બદલાવ પણ આવી રહ્યો છે. ઓર્ગેનાઇઝ્ડ રિટેલ અને અનઓર્ગેનાઇઝ્ડ રિટેલ વચ્ચેનો ગ્રોથ ગેપ, ખાસ કરીને ઓફલાઇન ચેનલોમાં, ઘટી રહ્યો છે. આના કારણે સ્પર્ધાત્મક દબાણ વધી રહ્યું છે, જેના માટે વધુ ધારદાર વ્યૂહરચના અને ઓપરેટિંગ મોડેલમાં આમૂલ પરિવર્તન લાવવાની જરૂર પડશે. આ સ્પર્ધા ટેકનોલોજીના ઊંડાણપૂર્વકના એકીકરણ (integration) ની તાતી જરૂરિયાત ઊભી કરી રહી છે, જેમાં AI (Artificial Intelligence) માત્ર સુધારા માટે નહીં, પરંતુ સંસ્થાકીય પુન:રચના (organizational redesign) માટે મુખ્ય ઉત્પ્રેરક (catalyst) તરીકે ઓળખાઈ રહ્યું છે.

AI ટ્રાન્સફોર્મેશનની જરૂરિયાત

ભારતના વધુ ને વધુ જટિલ રિટેલ વાતાવરણમાં સફળ થવા માટે AI અપનાવવું અત્યંત જરૂરી છે. હવે માત્ર નાના-મોટા સુધારા નહીં, પરંતુ મર્ચેન્ડાઇઝિંગ, સપ્લાય ચેઇન મેનેજમેન્ટ, માર્કેટિંગ અને ગ્રાહક સેવા સુધી, રિટેલ વેલ્યુ ચેઇનના દરેક પાસામાં AI-આધારિત એન્ડ-ટુ-એન્ડ ફંક્શનલ ટ્રાન્સફોર્મેશન (functional transformation) પર ધ્યાન કેન્દ્રિત કરવું પડશે. Reliance Retail જેવી કંપનીઓ ડિમાન્ડ ફોરકાસ્ટિંગ (demand forecasting) અને ફૂડ વેસ્ટ (food waste) ઘટાડવા માટે AI નો ઉપયોગ કરી રહી છે, જ્યારે Trent જેવી કંપનીઓ પ્રોડક્ટ ડિઝાઇન અને ટ્રેન્ડ એનાલિસિસ (trend analysis) માટે જનરેટિવ AI (Generative AI) નો ઉપયોગ કરી રહી છે. રિપોર્ટ્સ સૂચવે છે કે ફંક્શનલ AI ટ્રાન્સફોર્મેશન 40-60% સુધી કાર્યક્ષમતા વધારી શકે છે, જે ફક્ત સિલોઝ્ડ (siloed) ઉપયોગના કિસ્સાઓમાં જોવા મળતા 10-15% થી ઘણું વધારે છે. જે રિટેલર્સ આ વ્યાપક AI વ્યૂહરચના અપનાવવામાં નિષ્ફળ જશે, તેઓ બજારના વિકાસ છતાં પાછળ રહી જવાનું જોખમ ધરાવે છે.

સમસ્યાઓ: ઇન્વેન્ટરી અને ડેટાનો અભાવ

ઓપ્ટિમિસ્ટિક ગ્રોથની વાતો છતાં, કેટલીક મોટી ઓપરેશનલ સમસ્યાઓ યથાવત છે. ઓર્ગેનાઇઝ્ડ રિટેલ આઉટલેટ્સનો એક મોટો હિસ્સો, જે અંદાજે 28% થી 40% છે, તે લોસ (loss) માં ચાલી રહ્યો છે. આ નફાકારકતાની સમસ્યા ઘણીવાર ધીમા ગતિના ઇન્વેન્ટરી (inventory) અને ઉપલબ્ધ ડેટાનો અસરકારક રીતે ઉપયોગ કરવામાં નિષ્ફળતાને કારણે વધુ વકરી જાય છે. રિટેલર્સ ઘણીવાર ઓપોર્ચ્યુનિસ્ટિક બલ્ક ખરીદી (opportunistic bulk purchases) અને SKU પોર્ટફોલિયો (SKU portfolios) વધારીને વધુ પડતો સ્ટોક એકઠો કરે છે, ફક્ત માર્કેટ કરેક્શન (market corrections) અનિવાર્ય બને ત્યારે મોટા રાઇટ-ડાઉન (write-downs) નો સામનો કરવા પડે છે. કી પરફોર્મન્સ ઇન્ડિકેટર્સ (key performance indicators) ને ટ્રેક કરવા અને તેને ખરીદીના નિર્ણયો માટે દૈનિક ધોરણે સક્રિયપણે ઉપયોગ કરવા વચ્ચેનો તફાવત ઘણો મોટો છે, માત્ર લગભગ 9% રિટેલર્સ આ એક્શનેબલ સ્ટ્રેટેજી (actionable strategy) નો ઉપયોગ કરે છે. આના કારણે મૂડી બિનઉત્પાદક સંપત્તિઓમાં અટવાઈ જાય છે, જે સમગ્ર ક્ષેત્રની નફાકારકતાને અવરોધે છે. ઉદાહરણ તરીકે, Shoppers Stop નો P/E રેશિયો ફેબ્રુઆરી 2026 સુધીમાં 898.0 અથવા -248.51 નોંધાયો હતો, જે આવા ઓપરેશનલ અક્ષમતાઓ સાથે સંકળાયેલી રોકાણકારોની નોંધપાત્ર ચિંતાઓ દર્શાવે છે. ઊંચા દેવું અથવા બિનકાર્યક્ષમ ઇન્વેન્ટરી મેનેજમેન્ટ ધરાવતી કંપનીઓ પર ભારે દબાણ આવશે કારણ કે સ્પર્ધા વધશે અને માર્જિન ઘટશે.

ભવિષ્યનો દ્રષ્ટિકોણ અને વ્યૂહાત્મક સ્થિતિ

આગળ જોતાં, ભારતીય રિટેલ ક્ષેત્ર વિવિધ ડેમોગ્રાફિક (demographic) વલણો દ્વારા વર્ગીકૃત થયેલ છે, જેમાં વધતી મધ્યમ વર્ગ અને મોટા મહાનગરોની બહાર નોંધપાત્ર શહેરીકરણ (urbanization) નો સમાવેશ થાય છે. ગ્રાહકોની પસંદગીઓ વધુને વધુ અત્યાધુનિક બની રહી છે, જે સ્થાનિક ગૌરવ અને ડિજિટલ સુવિધા સાથે ઇન-સ્ટોર અનુભવો સાથે વૈશ્વિક આકાંક્ષાઓને સંતુલિત કરે છે. જે રિટેલર્સ સફળ થશે તેઓ સ્પષ્ટ ધ્યાન કેન્દ્રિત કરતા સેગમેન્ટને વ્યાખ્યાયિત કરીને અને સ્પષ્ટ કોર વેલ્યુ પ્રપોઝિશન (value proposition) પ્રદાન કરવા માટે તેમના વ્યવસાયિક નિર્ણયોને સંરેખિત કરીને, જાણી જોઈને વ્યૂહાત્મક પસંદગીઓ કરી રહ્યા છે. AI અમલીકરણને સ્કેલ કરવાની ક્ષમતા, મજબૂત ઓપરેશનલ એક્ઝેક્યુશન (operational execution) સાથે મળીને, ભવિષ્યના બજાર નેતાઓને અલગ પાડશે. વિશ્લેષકોનું માનવું છે કે જ્યારે એકંદર બજાર વૃદ્ધિ માટે તૈયાર છે, Trent અને Avenue Supermarts જેવા કેટલાક મુખ્ય ખેલાડીઓના સ્ટોક valuations એ ઊંચા P/E રેશિયો મેળવ્યા છે, જેમાં નોંધપાત્ર ટેકનોલોજીકલ અને ઓપરેશનલ નેતૃત્વ દર્શાવ્યા વિના તેમની ટકાઉપણું અંગે પ્રશ્નો ઉભા થયા છે. ભારણ ઇન્વેન્ટરી મેનેજમેન્ટ સંબંધિત વ્યૂહાત્મક તર્કસંગતતા (strategic rationalizations) અને ડેટા-આધારિત નિર્ણય લેવાની પ્રક્રિયા દ્વારા સંચાલિત, નફાકારક વૃદ્ધિ પર રહે છે.