Le commerce de détail est l'un des principaux secteurs transformés par la technologie de l'IA et de l'analyse. Les commerçants de détail doivent impliquer la segmentation, la séparation et le profilage de divers groupes de consommateurs tout en se tenant au courant des tendances en constante évolution de la mode. Les gestionnaires de catégories ont besoin de ces informations pour avoir une compréhension détaillée des habitudes de dépenses, de la demande des consommateurs, des fournisseurs et des marchés afin de remettre en question la manière dont les biens et services sont acquis et livrés.
Avec l'évolution de la technologie et les millennials entraînant un changement de comportement des acheteurs sur le marché, le secteur de la vente au détail doit offrir une expérience utilisateur cohérente. Ceci peut être réalisé grâce à une stratégie omnicanale qui offre à la fois une digital présence des clients à chaque point de contact.
Une stratégie omnicanale appelle à des données fiables
Il en résulte une forte demande interne d'informations, d'analyses, de gestion innovante et de diffusion d'excellentes informations. Une combinaison de BI traditionnelle en boîte, combinée à un libre-service ad-hoc est la clé. Les équipes de BI traditionnelles passent beaucoup de temps lors de la livraison de l'entreposage de données et de l'intelligence d'affaires sur le développement et le test des informations pour garantir l'exactitude et la fiabilité. Cependant, lorsque le nouveau processus de fourniture d'informations d'ETL, les schémas en étoile, les rapports et les tableaux de bord sont mis en œuvre, les équipes d'assistance ne passent pas beaucoup de temps à s'assurer que la qualité des données est maintenue. L'impact des mauvaises données comprend les mauvaises décisions commerciales, les opportunités manquées, les pertes de revenus et de productivité et l'augmentation des dépenses.
En raison de la complexité des flux de données, de la quantité de données et de la vitesse de création des informations, les détaillants sont confrontés à des problèmes de qualité des données causés par la saisie de données et les défis ETL. Lors de l'utilisation de calculs complexes dans des bases de données ou des tableaux de bord, des données incorrectes peuvent entraîner des cellules vides, des valeurs zéro inattendues ou même des calculs incorrects, ce qui rend les informations moins utiles et peut amener les responsables à douter de l'intégrité des informations. Ne pas trop simplifier le problème, mais si un responsable obtient un rapport sur l'utilisation du budget avant que les chiffres du budget ne soient traités en temps opportun, le calcul des revenus par rapport au budget entraînera une erreur.
Gestion des problèmes de données - Proactivement
Les équipes BI veulent avoir une longueur d'avance et recevoir des notifications de tout problème de données avant que les informations ne soient transmises aux utilisateurs finaux. Étant donné que la vérification manuelle n'est pas une option, l'un des plus grands détaillants a conçu un programme d'assurance qualité des données (DQA) qui vérifie automatiquement les tableaux de bord et les rapports flash. before remis à la direction.
Les outils de planification tels que Control-M ou JobScheduler sont des outils d'orchestration de flux de travail qui sont utilisés pour lancer les rapports et tableaux de bord Cognos qui seront fournis aux responsables commerciaux. Les rapports et les tableaux de bord sont fournis en fonction de certains déclencheurs, tels que l'achèvement d'un processus ETL ou sur des intervalles de temps (toutes les heures). Avec le nouveau programme DQA, l'outil de planification demande MotioCI pour tester les données avant la livraison. MotioCI est un outil de contrôle de version, de déploiement et de test automatisé pour Cognos Analytics qui peut tester les rapports pour les problèmes de données tels que les champs vides, les calculs incorrects ou les valeurs zéro indésirables.
Interaction entre l'outil de planification Control-M, MotioCI et Cognos Analytics
Étant donné que les calculs dans les tableaux de bord et les rapports flash peuvent être assez complexes, il n'est pas possible de tester chaque élément de données. Pour résoudre ce problème, l'équipe BI a décidé d'ajouter une page de validation aux rapports. Cette page de validation répertorie les données critiques qui doivent être vérifiées avant que les analyses ne soient livrées aux différents secteurs d'activité. MotioCI n'a qu'à tester la page de validation. Évidemment, la page de validation ne doit pas être incluse dans la livraison aux utilisateurs finaux. Il est uniquement destiné à des fins internes au BICC. Le mécanisme pour créer cette page de validation uniquement pour MotioCI se faisait par smart prompting : un paramètre contrôlait la création des rapports ou la création de la page de validation qui MotioCI utiliserait pour tester le rapport.
Intégrer Control-M, MotioCI, & Cognos Analytics
Un autre aspect complexe est l'interaction entre l'outil de planification et MotioCI. La tâche planifiée ne peut nécessaire informations, il ne peut recevoir informations. Par conséquent, MotioCI écrirait l'état des activités de test dans une table spéciale de sa base de données qui serait fréquemment pingée par le planificateur. Exemples de messages d'état :
- "Reviens plus tard, je suis toujours occupé."
- "J'ai trouvé un problème."
- Ou lorsque le test réussit, « Très bien, envoyez les informations analytiques. »
La dernière décision de conception intelligente a été de diviser le processus de vérification en tâches distinctes. Le premier travail exécuterait uniquement le test DQA des données analytiques. La deuxième tâche déclencherait l'envoi des rapports par Cognos. Des outils de planification et d'automatisation des processus au niveau de l'entreprise sont utilisés pour différentes tâches. Chaque jour, il exécute de nombreux travaux, non seulement pour Cognos et pas seulement pour la BI. Une équipe d'exploitation surveillerait en permanence les travaux. Un problème de données, identifié par MotioCI, pourrait entraîner un correctif. Mais comme le temps est critique dans la vente au détail, l'équipe peut désormais décider d'envoyer les rapports sans exécuter à nouveau l'intégralité du test DQA.
Fournir la solution rapidement
Le démarrage d'un projet de qualité des données à l'automne s'accompagne toujours d'une pression temporelle extrêmement élevée : le Black Friday se profile à l'horizon. Étant donné qu'il s'agit d'une période de revenus élevés, la plupart des entreprises de vente au détail ne souhaitent pas mettre en œuvre des changements informatiques afin de réduire le risque d'interruption de la production. Par conséquent, l'équipe devait livrer les résultats en production avant ce gel informatique. Assurer l'équipe multi-fuseaux horaires du client, Motio et notre partenaire offshore, Quanam, ont respecté leurs délais. Une stratégie agile avec des stand-ups quotidiens a permis au projet d'obtenir des résultats plus rapidement que prévu. Les processus d'assurance qualité des données ont tous été mis en œuvre dans un délai de 7 semaines et n'ont utilisé que 80 % du budget alloué. Les connaissances approfondies et l'approche « pratique » qui ont été un facteur déterminant dans la réussite de ce projet.
L'analyse est essentielle pour les directeurs de vente au détail pendant la période des fêtes. En veillant à ce que les informations soient automatiquement vérifiées et vérifiées, notre client a franchi une nouvelle étape pour continuer à offrir à ses clients des produits tendance de haute qualité à des prix abordables.
