Το λιανικό εμπόριο είναι ένας από τους κορυφαίους κλάδους που μετασχηματίζεται από την Τεχνητή Νοημοσύνη και την τεχνολογία Analytics. Οι έμποροι λιανικής πρέπει να περιλαμβάνουν τμηματοποίηση, διαχωρισμό και διαμόρφωση προφίλ διαφόρων ομάδων καταναλωτών, διατηρώντας παράλληλα τις συνεχώς εξελισσόμενες τάσεις στη μόδα. Οι διαχειριστές κατηγοριών χρειάζονται τις πληροφορίες για να έχουν μια λεπτομερή κατανόηση των προτύπων δαπανών, της ζήτησης των καταναλωτών, των προμηθευτών και των αγορών για να αμφισβητήσουν τον τρόπο απόκτησης και παράδοσης αγαθών και υπηρεσιών.
Με την εξέλιξη της τεχνολογίας και τις χιλιετίες που οδηγούν στην αλλαγή της συμπεριφοράς των αγοραστών στην αγορά, η λιανική βιομηχανία πρέπει να προσφέρει μια συνεκτική εμπειρία χρήστη. Αυτό μπορεί να επιτευχθεί μέσω μιας στρατηγικής πολλαπλών καναλιών που προσφέρει ταυτόχρονα μια βέλτιστη φυσική και digital παρουσία για τους πελάτες σε κάθε σημείο επαφής.
Η στρατηγική για όλα τα κανάλια καλεί σε αξιόπιστα δεδομένα
Αυτό οδηγεί σε έντονη εσωτερική ζήτηση για διορατικότητα, ανάλυση, καινοτόμο διαχείριση και παροχή εξαιρετικών πληροφοριών. Ο συνδυασμός παραδοσιακών κονσερβοποιημένων BI, σε συνδυασμό με ad-hoc self-service είναι το κλειδί. Οι παραδοσιακές ομάδες BI αφιερώνουν πολύ χρόνο κατά την παράδοση της αποθήκευσης δεδομένων και της επιχειρησιακής νοημοσύνης στην ανάπτυξη και τον έλεγχο πληροφοριών για να εξασφαλίσουν ακρίβεια και αξιοπιστία. Ωστόσο, όταν εφαρμόζεται η νέα διαδικασία παροχής πληροφοριών για το ETL, τα σχήματα αστέρων, οι αναφορές και οι πίνακες ελέγχου, οι ομάδες υποστήριξης δεν αφιερώνουν πολύ χρόνο για να διασφαλίσουν ότι διατηρείται η ποιότητα των δεδομένων. Ο αντίκτυπος των κακών δεδομένων περιλαμβάνει κακές επιχειρηματικές αποφάσεις, χαμένες ευκαιρίες, απώλειες εσόδων και παραγωγικότητας και αυξημένα έξοδα.
Λόγω της πολυπλοκότητας των ροών δεδομένων, της ποσότητας δεδομένων και της ταχύτητας δημιουργίας πληροφοριών, οι λιανοπωλητές αντιμετωπίζουν προβλήματα ποιότητας δεδομένων που προκαλούνται από την εισαγωγή δεδομένων και τις προκλήσεις ETL. Όταν χρησιμοποιείτε περίπλοκους υπολογισμούς σε βάσεις δεδομένων ή πίνακες εργαλείων, τα εσφαλμένα δεδομένα μπορεί να οδηγήσουν σε κενά κελιά, μη αναμενόμενες μηδενικές τιμές ή ακόμη και λανθασμένους υπολογισμούς, γεγονός που καθιστά τις πληροφορίες λιγότερο χρήσιμες και θα μπορούσε να προκαλέσει στους διαχειριστές να αμφιβάλλουν για την ακεραιότητα των πληροφοριών. Για να μην απλοποιήσω υπερβολικά το πρόβλημα, αλλά αν ένας διαχειριστής λάβει μια αναφορά για τη χρήση του προϋπολογισμού πριν από την έγκαιρη επεξεργασία των αριθμών του προϋπολογισμού, ο υπολογισμός των εσόδων έναντι του προϋπολογισμού θα οδηγήσει σε σφάλμα.
Διαχείριση ζητημάτων δεδομένων- Προληπτικά
Οι ομάδες BI θέλουν να είναι μπροστά από την καμπύλη και να λαμβάνουν ειδοποιήσεις για οποιοδήποτε ζήτημα δεδομένων πριν από την παράδοση πληροφοριών στους τελικούς χρήστες. Δεδομένου ότι ο χειροκίνητος έλεγχος δεν είναι επιλογή, ένας από τους μεγαλύτερους λιανοπωλητές σχεδίασε ένα πρόγραμμα διασφάλισης ποιότητας δεδομένων (DQA) που ελέγχει αυτόματα πίνακες εργαλείων και αναφορές flash πριν παραδόθηκε στη διοίκηση.
Τα εργαλεία προγραμματισμού όπως το Control-M ή το JobScheduler είναι εργαλεία ενορχήστρωσης ροής εργασίας που χρησιμοποιούνται για την εκκίνηση αναφορών και πίνακα εργαλείων Cognos που θα παραδοθούν σε διευθυντές επιχειρήσεων. Οι αναφορές και οι πίνακες ελέγχου παραδίδονται με βάση ορισμένους παράγοντες ενεργοποίησης, όπως η ολοκλήρωση μιας διαδικασίας ETL ή σε χρονικά διαστήματα (κάθε ώρα). Με το νέο πρόγραμμα DQA, το εργαλείο προγραμματισμού ζητά MotioCI για τον έλεγχο των δεδομένων πριν από την παράδοση. MotioCI είναι ένα εργαλείο ελέγχου έκδοσης, ανάπτυξης και αυτοματοποιημένου ελέγχου για το Cognos Analytics που μπορεί να δοκιμάσει αναφορές για ζητήματα δεδομένων, όπως κενά πεδία, λανθασμένους υπολογισμούς ή ανεπιθύμητες μηδενικές τιμές.
Αλληλεπίδραση μεταξύ του εργαλείου προγραμματισμού Control-M, MotioCI και Cognos Analytics
Επειδή οι υπολογισμοί σε πίνακες εργαλείων και αναφορές flash μπορεί να είναι αρκετά περίπλοκοι, δεν είναι εφικτό να δοκιμάσετε κάθε στοιχείο δεδομένων. Για την αντιμετώπιση αυτού του ζητήματος, η ομάδα BI αποφάσισε να προσθέσει μια σελίδα επικύρωσης στις αναφορές. Αυτή η σελίδα επικύρωσης παραθέτει τα κρίσιμα δεδομένα που πρέπει να επαληθευτούν προτού παραδοθούν τα αναλυτικά στοιχεία στις διάφορες Γραμμές Επιχειρήσεων. MotioCI χρειάζεται μόνο να δοκιμάσει τη σελίδα επικύρωσης. Προφανώς, η σελίδα επικύρωσης δεν πρέπει να περιλαμβάνεται στην παράδοση στους τελικούς χρήστες. Είναι μόνο για εσωτερικούς σκοπούς BICC. Ο μηχανισμός δημιουργίας μόνο αυτής της σελίδας επικύρωσης για MotioCI έγινε με έξυπνη προτροπή: μια παράμετρος ήταν ο έλεγχος της δημιουργίας των αναφορών ή της δημιουργίας της σελίδας επικύρωσης που MotioCI θα χρησιμοποιούσε για να δοκιμάσει την έκθεση.
Ενσωμάτωση Control-M, MotioCI, & Cognos Analytics
Μια άλλη περίπλοκη πτυχή είναι η αλληλεπίδραση μεταξύ του εργαλείου προγραμματισμού και MotioCIΤο Η προγραμματισμένη εργασία μπορεί μόνο ζητήσει πληροφορίες, δεν μπορεί λαμβάνω πληροφορίες. Επομένως, MotioCI θα έγραφε την κατάσταση των δραστηριοτήτων ελέγχου σε έναν ειδικό πίνακα της βάσης δεδομένων του, ο οποίος θα pinged συχνά από τον προγραμματιστή. Παραδείγματα μηνυμάτων κατάστασης θα είναι:
- «Έλα πίσω, είμαι ακόμα απασχολημένος».
- «Βρήκα ένα πρόβλημα».
- Or όταν περάσει το τεστ, "Όλα καλά, στείλτε τις αναλυτικές πληροφορίες."
Η τελευταία απόφαση έξυπνου σχεδιασμού ήταν να χωριστεί η διαδικασία επαλήθευσης σε ξεχωριστές εργασίες. Η πρώτη εργασία θα εκτελούσε μόνο τον έλεγχο DQA των αναλυτικών δεδομένων. Η δεύτερη δουλειά θα ωθούσε τον Cognos να στείλει τις αναφορές. Τα εργαλεία προγραμματισμού και αυτοματοποίησης διαδικασιών σε επίπεδο επιχείρησης χρησιμοποιούνται για διαφορετικές εργασίες. Καθημερινά, εκτελεί πολλές εργασίες, όχι μόνο για το Cognos και όχι μόνο για το BI. Μια ομάδα επιχειρήσεων θα παρακολουθεί συνεχώς τις εργασίες. Ένα ζήτημα δεδομένων, το οποίο προσδιορίστηκε από τον MotioCI, θα μπορούσε να οδηγήσει σε διόρθωση. Αλλά επειδή ο χρόνος είναι κρίσιμος στη λιανική, η ομάδα μπορεί τώρα να αποφασίσει να στείλει τις αναφορές χωρίς να εκτελέσει ξανά ολόκληρο το τεστ DQA.
Γρήγορη παράδοση της λύσης
Η έναρξη ενός έργου ποιότητας δεδομένων το Φθινόπωρο έρχεται πάντα με εξαιρετικά υψηλή πίεση χρόνου: Η Black Friday εμφανίζεται στον ορίζοντα. Δεδομένου ότι αυτή είναι μια περίοδος υψηλών εσόδων, οι περισσότερες εταιρείες λιανικής δεν θέλουν να εφαρμόσουν αλλαγές στον τομέα της πληροφορικής, ώστε να μειώσουν τον κίνδυνο διακοπής της παραγωγής. Επομένως, η ομάδα έπρεπε να παραδώσει τα αποτελέσματα στην παραγωγή πριν από αυτό το πάγωμα της πληροφορικής. Για να διασφαλιστεί η ομάδα ζώνης πολλών ωρών του πελάτη, Motio και ο συνεργάτης μας offshore, Quanam, τήρησε τις προθεσμίες τους. Μια ευέλικτη στρατηγική με καθημερινά stand-up είχε ως αποτέλεσμα το έργο να έχει αποτελέσματα ταχύτερα από το προγραμματισμένο. Όλες οι διαδικασίες Διασφάλισης Ποιότητας Δεδομένων υλοποιήθηκαν εντός 7 εβδομάδων και χρησιμοποίησαν μόνο το 80% του προϋπολογισμού που διατέθηκε. Η εκτεταμένη γνώση και μια «πρακτική» προσέγγιση που αποτέλεσε κινητήριο παράγοντα για την επιτυχία αυτού του έργου.
Το Analytics είναι το κλειδί για τους διαχειριστές λιανικής κατά την περίοδο των εορτών. Διασφαλίζοντας ότι οι πληροφορίες ελέγχονται και επαληθεύονται αυτόματα, ο πελάτης μας ολοκλήρωσε ένα ακόμη βήμα για να συνεχίσει να προσφέρει στους πελάτες του υψηλής ποιότητας, μοντέρνα προϊόντα σε προσιτές τιμές.
