La vendita al dettaglio è uno dei principali settori trasformati dalla tecnologia AI e Analytics. I professionisti del marketing al dettaglio devono coinvolgere la segmentazione, la separazione e la profilazione di diversi gruppi di consumatori, tenendo il passo con le tendenze in continua evoluzione della moda. I gestori di categoria hanno bisogno delle informazioni per avere una comprensione dettagliata dei modelli di spesa, della domanda dei consumatori, dei fornitori e dei mercati per sfidare il modo in cui beni e servizi vengono acquisiti e consegnati.
Con l'evoluzione della tecnologia e i millennial che guidano il cambiamento del comportamento degli acquirenti nel mercato, il settore della vendita al dettaglio deve offrire un'esperienza utente coerente. Ciò può essere ottenuto attraverso una strategia omnicanale che offra sia un ottimale fisico e digital presenza per i clienti in ogni punto di contatto.
La strategia omnicanale richiede dati affidabili
Ciò si traduce in una forte domanda interna di informazioni approfondite, analisi, gestione innovativa e fornitura di informazioni eccellenti. Una combinazione di BI tradizionale in scatola, combinata con self-service ad hoc è la chiave. I tradizionali team di BI dedicano molto tempo durante la fornitura di data warehousing e business intelligence allo sviluppo e al test delle informazioni per garantire accuratezza e affidabilità. Tuttavia, quando vengono implementati il nuovo processo di distribuzione delle informazioni di ETL, schemi a stella, report e dashboard, i team di supporto non dedicano molto tempo a garantire il mantenimento della qualità dei dati. L'impatto di dati errati include decisioni aziendali errate, opportunità mancate, perdite di entrate e produttività e aumento delle spese.
A causa della complessità dei flussi di dati, della quantità di dati e della velocità di creazione delle informazioni, i rivenditori devono affrontare problemi di qualità dei dati causati dall'immissione di dati e dalle sfide ETL. Quando si utilizzano calcoli complessi in database o dashboard, dati errati possono portare a celle vuote, valori zero imprevisti o persino calcoli errati, il che rende le informazioni meno utili e potrebbe far dubitare dei manager dell'integrità delle informazioni. Non per semplificare eccessivamente il problema, ma se un manager riceve un rapporto sull'utilizzo del budget prima che i numeri del budget vengano elaborati tempestivamente, il calcolo delle entrate rispetto al budget risulterà in un errore.
Gestione dei problemi relativi ai dati: in modo proattivo
I team di BI vogliono essere all'avanguardia e ricevere notifiche di qualsiasi problema relativo ai dati prima che le informazioni vengano consegnate agli utenti finali. Poiché il controllo manuale non è un'opzione, uno dei più grandi rivenditori ha progettato un programma Data Quality Assurance (DQA) che controlla automaticamente dashboard e report flash prima consegnato alla direzione.
Gli strumenti di pianificazione come Control-M o JobScheduler sono strumenti di orchestrazione del flusso di lavoro utilizzati per avviare report e dashboard di Cognos che verranno consegnati ai responsabili aziendali. Report e dashboard vengono consegnati in base a determinati trigger, come il completamento di un processo ETL o a intervalli di tempo (ogni ora). Con il nuovo programma DQA, lo strumento di pianificazione richiede MotioCI per testare i dati prima della consegna. MotioCI è uno strumento di controllo della versione, distribuzione e test automatizzato per Cognos Analytics in grado di testare i report per problemi di dati come campi vuoti, calcoli errati o valori zero indesiderati.
Poiché i calcoli nei dashboard e nei report flash possono essere piuttosto complessi, non è possibile testare ogni singolo elemento di dati. Per affrontare questo problema, il team di BI ha deciso di aggiungere una pagina di convalida ai report. Questa pagina di convalida elenca i dati critici che devono essere verificati prima che l'analisi venga consegnata alle diverse linee di business. MotioCI deve solo testare la pagina di convalida. Ovviamente, la pagina di convalida non dovrebbe essere inclusa nella consegna agli utenti finali. È solo per scopi BICC interni. Il meccanismo per creare questa pagina di convalida solo per MotioCI è stato fatto tramite smart prompt: un parametro controllava la creazione dei report o la creazione della pagina di convalida che MotioCI utilizzerebbe per testare il rapporto.
Integrazione di Control-M, MotioCIe Cognos Analytics
Un altro aspetto complesso è l'interazione tra lo strumento di pianificazione e MotioCI. Il lavoro pianificato può solo richiesta informazioni, non può ricevere informazione. Perciò, MotioCI scriverebbe lo stato delle attività di test in una tabella speciale del suo database che sarebbe frequentemente sottoposta a ping dallo scheduler. Esempi di messaggi di stato sarebbero:
- "Torna più tardi, sono ancora occupato."
- "Ho trovato un problema."
- O quando il test passa, "Va tutto bene, invia le informazioni analitiche".
L'ultima decisione di progettazione intelligente è stata quella di suddividere il processo di verifica in lavori separati. Il primo lavoro eseguirebbe solo il test DQA dei dati analitici. Il secondo lavoro attiverebbe Cognos per l'invio dei report. La pianificazione a livello aziendale e gli strumenti di automazione dei processi vengono utilizzati per diverse attività. Ogni giorno esegue molti lavori, non solo per Cognos e non solo per BI. Un team operativo monitorerebbe continuamente i lavori. Un problema di dati, identificato da MotioCI, potrebbe portare a una correzione. Ma poiché il tempo è fondamentale nella vendita al dettaglio, il team può ora decidere di inviare i rapporti senza eseguire nuovamente l'intero test DQA.
Fornire la soluzione rapidamente
L'avvio di un progetto sulla qualità dei dati in autunno comporta sempre tempi estremamente ristretti: il Black Friday si profila all'orizzonte. Poiché questo è un periodo di entrate elevate, la maggior parte delle aziende di vendita al dettaglio non desidera implementare modifiche IT in modo da poter ridurre il rischio di interruzione della produzione. Pertanto, il team aveva bisogno di fornire i risultati in produzione prima che l'IT si bloccasse. Per garantire il team multi-fuso orario del cliente, Motio e il nostro partner offshore, Quanam, hanno rispettato le scadenze. Una strategia agile con stand-up giornalieri ha portato al progetto che ha fornito risultati più rapidamente del previsto. I processi di Data Quality Assurance sono stati tutti implementati entro 7 settimane e hanno utilizzato solo l'80% del budget stanziato. La vasta conoscenza e un approccio "pratico" che è stato un fattore trainante per il successo di questo progetto.
L'analisi è fondamentale per i gestori della vendita al dettaglio durante le festività natalizie. Assicurandosi che le informazioni vengano controllate e verificate automaticamente, il nostro cliente ha compiuto un altro passo per continuare a offrire ai propri clienti prodotti di alta qualità e di tendenza a prezzi convenienti.