Maloobchod je jedním z nejlepších průmyslových odvětví, která jsou transformována pomocí technologií AI a Analytics. Maloobchodníci musí zapojit segmentaci, oddělení a profilování různých skupin spotřebitelů a zároveň držet krok s neustále se vyvíjejícími trendy v módě. Manažeři kategorií potřebují, aby informace podrobně porozuměli způsobům utrácení, poptávce spotřebitelů, dodavatelům a trhům, aby mohli zpochybnit způsob získávání a dodávek zboží a služeb.
S vývojem technologie a tisíciletími, které vedou ke změně chování kupujících na trhu, musí maloobchod nabízet soudržné uživatelské prostředí. Toho lze dosáhnout prostřednictvím vícekanálové strategie, která nabízí jak optimální fyzický, tak digital přítomnost pro zákazníky na každém kontaktním místě.
Vícekanálová strategie vyžaduje spolehlivá data
Výsledkem je silná interní poptávka po vhledu, analytice, inovativním řízení a poskytování vynikajících informací. Klíčová je kombinace tradičních konzervovaných BI v kombinaci s ad-hoc samoobsluhou. Tradiční týmy BI tráví spoustu času při dodávce datového skladu a business intelligence vývojem a testováním informací, aby byla zajištěna přesnost a spolehlivost. Když je však implementován nový proces doručování informací ETL, schémata hvězd, sestavy a řídicí panely, týmy podpory netráví mnoho času zajištěním zachování kvality dat. Dopad špatných dat zahrnuje špatná obchodní rozhodnutí, promarněné příležitosti, ztráty příjmů a produktivity a zvýšené výdaje.
Kvůli složitosti toků dat, množství dat a rychlosti vytváření informací čelí maloobchodníci problémům s kvalitou dat způsobeným zadáváním dat a výzvami ETL. Při použití složitých výpočtů v databázích nebo řídicích panelech mohou nesprávná data vést k prázdným buňkám, neočekávaným nulovým hodnotám nebo dokonce k nesprávným výpočtům, což činí tyto informace méně užitečnými a může způsobit, že vedoucí pracovníci budou pochybovat o integritě informací. Abychom problém příliš nezjednodušili, ale pokud manažer dostane zprávu o využití rozpočtu před včasným zpracováním rozpočtových čísel, výpočet příjmů a rozpočtu povede k chybě.
Správa problémů s daty- proaktivně
Týmy BI chtějí mít náskok a dostávat upozornění na jakýkoli problém s daty, než budou informace doručeny koncovým uživatelům. Protože ruční kontrola není možná, jeden z největších maloobchodních prodejců navrhl program Data Quality Assurance (DQA), který automaticky kontroluje dashboardy a flash reporty. před doručeno vedení.
Plánovací nástroje, jako je Control-M nebo JobScheduler, jsou nástroje orchestrace pracovního postupu, které se používají ke spuštění zpráv a řídicích panelů Cognos, které budou dodány obchodním manažerům. Sestavy a řídicí panely jsou doručovány na základě určitých spouštěčů, jako je dokončení procesu ETL nebo časové intervaly (každou hodinu). S novým programem DQA vyžaduje nástroj pro plánování MotioCI otestovat data před doručením. MotioCI je nástroj pro správu verzí, nasazení a automatizované testování pro Cognos Analytics, který může testovat sestavy pro problémy s daty, jako jsou prázdná pole, nesprávné výpočty nebo nechtěné nulové hodnoty.
Interakce mezi plánovacím nástrojem Control-M, MotioCI a Cognos Analytics
Protože výpočty na řídicích panelech a flashových sestavách mohou být poměrně složité, není možné testovat každou jednotlivou datovou položku. K vyřešení tohoto problému se tým BI rozhodl přidat do sestav ověřovací stránku. Tato stránka s ověřením obsahuje kritická data, která je třeba ověřit před doručením analytiky do různých obchodních linií. MotioCI stačí otestovat ověřovací stránku. Ověřovací stránka by zjevně neměla být součástí dodávky koncovým uživatelům. Je to pouze pro interní účely BICC. Mechanismus, pro který se má vytvořit pouze tato ověřovací stránka MotioCI bylo provedeno chytrým vyzváním: parametr řídil vytváření sestav nebo vytváření ověřovací stránky, která MotioCI použije k otestování zprávy.
Integrace Control-M, MotioCI, & Cognos Analytics
Dalším složitým aspektem je interakce mezi nástrojem pro plánování a MotioCI. Naplánovaná úloha může pouze požádat informace, to nemůže obdržet informace. Proto, MotioCI by zapisoval stav testovacích aktivit do speciální tabulky své databáze, která by byla často pingována plánovačem. Příklady stavových zpráv by byly:
- "Vrať se později, jsem stále zaneprázdněn."
- "Našel jsem problém."
- Nebo když test projde: „Všechno dobré, pošlete analytické informace.“
Posledním rozhodnutím chytrého návrhu bylo rozdělit proces ověřování na samostatné úlohy. První úloha by provedla pouze testování DQA analytických dat. Druhá úloha by spustila Cognos, aby rozeslal zprávy. Pro různé úkoly se používají nástroje pro plánování a automatizaci procesů na podnikové úrovni. Denně provádí mnoho úloh, nejen pro Cognos a nejen pro BI. Operační tým by nepřetržitě monitoroval úlohy. Problém s daty identifikovaný uživatelem MotioCI, může mít za následek opravu. Ale protože čas je v maloobchodě kritický, tým se nyní může rozhodnout rozeslat zprávy, aniž by znovu spustil celý test DQA.
Rychlé dodání řešení
Zahájení projektu kvality dat na podzim vždy přichází s extrémně vysokým časovým tlakem: Černý pátek se rýsuje na obzoru. Protože se jedná o období vysokých příjmů, většina maloobchodních společností nechce implementovat změny IT, aby mohly snížit riziko narušení výroby. Proto tým potřeboval dodat výsledky ve výrobě, než toto IT zamrzne. Aby byl zajištěn tým zákazníka s více časovými pásmy, Motio a náš partner na moři, Quanam, splnili své termíny. Agilní strategie s každodenními stand-upy vedla k projektu, který přinesl výsledky rychleji, než bylo plánováno. Všechny procesy zajišťování kvality dat byly implementovány do 7 týdnů a využily pouze 80% přiděleného rozpočtu. Rozsáhlé znalosti a „praktický“ přístup byly hybnou silou úspěchu tohoto projektu.
Analytika je pro maloobchodní manažery během prázdnin klíčová. Zajistíme, aby byly informace automaticky kontrolovány a ověřovány, a náš zákazník tak učinil další krok k tomu, aby mohl svým zákazníkům nadále nabízet vysoce kvalitní, trendové produkty za dostupné ceny.
