Zeitreihenanalyse für Versand von Outdoor-Ausrüstung durch Data Warehousing
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 auf Basis des Google BigQuery Data Warehouse eine Zeitreihenanalyse für den Versand sowie einen Machine Learning Algorithmus zur Voraussage von Lieferengpässen der Dienstleister mit Google Cloud AutoML sowie einem Dashboard in Google Data Studio für Monitoring und Controlling im Tagesgeschäft.
Herausforderung
Unser Kunde verfügte über mehrere Datenquellen verschiedener 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 in ein Data Warehouse konnte Niologic diese Daten für eine kombinierte Sichtweise auf Kundeninteraktionen verwenden und Machine Learning Modelle einführen.
Vorgehen
Zusätzlich griff Niologic Geschäfts- wie Versanddaten der Versand-Dienstleister des Bereichs Auslieferung auf und vereinte diese mit den vorhandenen Daten im Data Warehouse.
Zuvor kombinierte Niologic multiple heterogene Datenquellen, darunter ein SAP/S4system, ein VoIP Telefoniesystem, ein Shopsystem sowie sämtliche Daten aus Google Analytics, Google Ads und weiteren Marketingkanälen.
Vorhandene ETL Prozesse wurden erweitert. Anschließend wurden alle Daten im Data Lake Google Cloud Storage importiert und anhand von Google Cloud Composer in das BigQuery Data Warehouse geladen. Über polyglotte Business Keys, kombinierte Niologic Daten multipler Quellen in einem einzigen Data Warehouse. 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 eine Zeitreihenanalyse im Versand für das Controlling der Versanddienstleister entwickelt. In der Lage zu sein, Waren an den geeignetsten Versanddienstleister zu übergeben, der am schnellsten und preiswertesten den Kunden beliefert, erhöht die Kundenzufriedenheit und macht Teilkostenrechnungen voraussagbar. Die Transport- und Speditionskette der Dienstleister können durch Trackinginformationen erfasst werden, inklusive dem Routing und auftretende Events. Abweichungen zu gleitenden Mittelwerten der Metriken können erkannt und auf die Situation eingegangen werden.
Projektergebnis und Kundennutzen
Auf Basis der in dieser Success Story beschriebenen Lösung erweiterte Niologic den Data Lake und das Data Warehouse um die Speditionsdaten und gliederte diese mit den vorhandenen Daten anhand der Stammdaten ein. Zum ersten Mal war es nun möglich analytisch und faktisch Stückkosten auf buchungsindividueller Basis zu errechnen – unabhängig von der Versandart oder des Dienstleisters. Eine Teilkostenrechnung ist nun ebenfalls möglich. Zusätzlich erlaubt das Dashboard mit Trackingübersicht anhand Abweichungen der gleitenden Mittelwerte Impediments zu erkennen. Mit einer Zeitreihenanalyse im Versand ist das Dashboard in der Lage auf Basis des Versandvolumens überlastete Dienstleister vorauszusagen.