Data Warehousing und Pricing Engine für Outdoor-Ausrüstung
Unser Kunde, ein großer Hersteller und Vertrieb für Outdoor-Ausrüstung benötigte eine zentrale Plattform für sämtliche Daten, als Basis für Advanced Analytics von Kunden- und Geschäftsdaten. Niologic implementierte einen Machine Learning Algorithmus für Preismodelle in Google Cloud AutoML sowie ein Dashboarding in Google Data Studio und ein zentrales Data Warehouse basierend auf Google BigQuery.
Herausforderung
Unser Kunde verfügte über mehrere Datenquellen aus verschiedenen Plattformen wie eCommerce shop Systemen, SAP ERP, online APIs aus dem Marketing sowie interne Systeme wie Telefonie. Um die Analysemöglichkeiten für seine Daten zu verbessern und einen Grundstein für Machine Learning Modelle zu legen wollte der Kunde diese Daten auf einer einzigen Plattform integrieren. Nach der Integration konnte Niologic diese Daten für eine kombinierte Sichtweise auf Kundeninteraktionen verwenden und Machine Learning Modelle einführen.
Vorgehen
Niologic kombinierte multiple heterogene Datenquellen, darunter ein SAP/S4system, ein VoIP Telefoniesystem, ein Shopsystem sowie sämtliche Daten aus Google Analytics, Google Ads und weiteren Marketingkanälen.
In einem darauffolgenden ETL Prozess wurden alle Daten in Google Cloud Storage importiert und mithilfe von Google Cloud Composer als Data Lake in BigQuery geladen. Über polyglotte Business Keys, kombinierte Niologic Daten multipler Quellen in einem einzigen Data Lake. Die Daten wurden anschließend für Machine Learning und Analytics in Data Marts verfeinert.
Basierend auf den abgeleiteten Daten wurde mit Google Cloud AutoML und Daten aus BigQuery ein Pricing Engine entwickelt, der zusätzlich Faktoren wie das Wetter und weitere externe Datenquellen berücksichtigt. Preislimits werden folglich nach Kosten und Bedarf vom ERP System festgelegt.
Projektergebnis und Kundennutzen
Nach einer erfolgreichen Verbindung sowie einem gelungenen Export der Daten, erstelle Niologic einen Data Lake in Google Cloud Storage für eine langfristige Archivierung, ein auf Google BigQuery laufendes Data Warehouse und multiple vollautomatisierte Data Marts und Dashboards in Google Data Studio. Anstatt seine Daten auf zahlreichen unterschiedlichen Plattformen zu analysieren ist der Kunde nun in der Lage sämtliche Daten auf einem einzigen Dashboard zu betrachten. Dies schafft zudem eine Kombination der Sales- sowie Kosten Seite von ERP und Marketing. Die Data Marts wurden zusätzlich für eine externe Verarbeitung nach Google Sheets exportiert. Ein manueller Import sowie eine manuelle Visualisierung sind nun dank der automatischen Updates der Dashboards nicht mehr nötig.