Retail is een van de topsectoren die wordt getransformeerd door AI- en Analytics-technologie. Retailmarketeers moeten segmentatie, scheiding en profilering van diverse groepen consumenten betrekken, terwijl ze gelijke tred houden met de steeds veranderende trends in de mode. Categoriemanagers hebben de informatie nodig om een gedetailleerd begrip te hebben van bestedingspatronen, consumentenvraag, leveranciers en markten om uit te dagen hoe goederen en diensten worden verworven en geleverd.
Met technologische evolutie en millennials die het koopgedrag in de markt stimuleren, moet de detailhandel een samenhangende gebruikerservaring bieden. Dit kan worden bereikt door een omnichannel-strategie die zowel een optimaal fysiek als digital aanwezigheid voor klanten op elk contactpunt.
Omnichannel-strategie vraagt om betrouwbare gegevens
Dit resulteert in een sterke interne vraag naar inzicht, analytics, innovatief beheer en het leveren van excellente informatie. Een combinatie van traditionele ingeblikte BI, gecombineerd met ad-hoc selfservice staat centraal. Traditionele BI-teams besteden tijdens de levering van datawarehousing en business intelligence veel tijd aan het ontwikkelen en testen van informatie om nauwkeurigheid en betrouwbaarheid te garanderen. Wanneer het nieuwe informatieleveringsproces van ETL, sterschema's, rapporten en dashboards wordt geïmplementeerd, besteden ondersteuningsteams echter niet veel tijd aan het waarborgen van de kwaliteit van de gegevens. De impact van slechte gegevens omvat slechte zakelijke beslissingen, gemiste kansen, omzet- en productiviteitsverliezen en hogere kosten.
Vanwege de complexiteit van de gegevensstromen, de hoeveelheid gegevens en de snelheid van informatiecreatie, worden retailers geconfronteerd met problemen met de gegevenskwaliteit die worden veroorzaakt door gegevensinvoer en ETL-uitdagingen. Bij complexe berekeningen in databases of dashboards kunnen onjuiste gegevens leiden tot lege cellen, onverwachte nulwaarden of zelfs onjuiste berekeningen, waardoor de informatie minder bruikbaar is en managers kunnen twijfelen aan de integriteit van informatie. Niet om het probleem te simplistisch te maken, maar als een manager een rapport krijgt over het budgetgebruik voordat de budgetnummers tijdig zijn verwerkt, zal de berekening van omzet versus budget resulteren in een fout.
Gegevensproblemen proactief beheren
BI-teams willen voorop lopen en meldingen ontvangen van elk dataprobleem voordat informatie aan eindgebruikers wordt geleverd. Omdat handmatige controle geen optie is, heeft een van de grootste retailers een Data Quality Assurance (DQA)-programma ontworpen dat automatisch dashboards en flash-rapporten controleert vaardigheden afgeleverd bij de directie.
Planningstools zoals Control-M of JobScheduler zijn workflow-orkestratietools die worden gebruikt om Cognos-rapporten en -dashboards op gang te brengen die aan bedrijfsmanagers worden geleverd. Rapporten en dashboards worden geleverd op basis van bepaalde triggers, zoals het afronden van een ETL-proces of op tijdsintervallen (elk uur). Met het nieuwe DQA-programma vraagt de planningstool om MotioCI om de gegevens voor levering te testen. MotioCI is een versiebeheer-, implementatie- en geautomatiseerde testtool voor Cognos Analytics waarmee rapporten kunnen worden getest op gegevensproblemen zoals lege velden, onjuiste berekeningen of ongewenste nulwaarden.
Interactie tussen de planningstool Control-M, MotioCI en Cognos Analytics
Omdat berekeningen in dashboards en flash-rapporten behoorlijk complex kunnen zijn, is het niet haalbaar om elk afzonderlijk gegevensitem te testen. Om dit probleem aan te pakken, besloot het BI-team een validatiepagina toe te voegen aan de rapporten. Deze validatiepagina geeft een overzicht van de kritieke gegevens die moeten worden geverifieerd voordat analyses worden geleverd aan de verschillende Lines of Business. MotioCI hoeft alleen de validatiepagina te testen. Het is duidelijk dat de validatiepagina niet moet worden opgenomen in de levering aan eindgebruikers. Het is alleen voor interne BICC-doeleinden. Het mechanisme om deze validatiepagina alleen te maken voor: MotioCI werd gedaan door slimme prompts: een parameter regelde het maken van de rapporten of het maken van de validatiepagina die MotioCI zou gebruiken om het rapport te testen.
Integratie van Control-M, MotioCI, & Cognos Analytics
Een ander complex aspect is de interactie tussen de planningstool en MotioCI. De geplande taak kan alleen te vragen informatie kan het niet ontvangen informatie. Daarom, MotioCI zou de status van testactiviteiten in een speciale tabel van zijn database schrijven die vaak door de planner zou worden gepingd. Voorbeelden van statusberichten zijn:
- "Kom later terug, ik ben nog bezig."
- "Ik heb een probleem gevonden."
- Of wanneer de test slaagt: "Alles goed, stuur de analytische informatie."
De laatste slimme ontwerpbeslissing was om het verificatieproces op te splitsen in afzonderlijke taken. De eerste taak zou alleen de DQA-test van de analytische gegevens uitvoeren. De tweede taak zou Cognos ertoe brengen de rapporten te verzenden. Voor verschillende taken worden plannings- en procesautomatiseringstools op ondernemingsniveau gebruikt. Dagelijks voert het veel opdrachten uit, niet alleen voor Cognos en niet alleen voor BI. Een operationeel team zou continu toezicht houden op de banen. Een gegevensprobleem, geïdentificeerd door: MotioCI, kan resulteren in een oplossing. Maar aangezien tijd cruciaal is in de detailhandel, kan het team nu besluiten de rapporten te verzenden zonder de hele DQA-test opnieuw uit te voeren.
Snel de oplossing leveren
Het starten van een datakwaliteitsproject in de herfst gaat altijd gepaard met extreem hoge tijdsdruk: Black Friday doemt op aan de horizon. Aangezien dit een periode met hoge inkomsten is, willen de meeste retailbedrijven geen IT-wijzigingen doorvoeren om het risico op productieonderbrekingen te verkleinen. Daarom moest het team de resultaten in productie leveren vóór deze IT-stop. Om het team met meerdere tijdzones van de klant te verzekeren, Motio en onze partner offshore, Quanam, haalden hun deadlines. Een agile strategie met dagelijkse stand-ups resulteerde in het project dat sneller resultaten opleverde dan gepland. De processen voor Data Quality Assurance werden allemaal binnen 7 weken geïmplementeerd en gebruikten slechts 80% van het toegewezen budget. De uitgebreide kennis en een “hands-on” aanpak waren de drijvende kracht achter het succes van dit project.
Analytics is essentieel voor retailmanagers tijdens de feestdagen. Door ervoor te zorgen dat informatie automatisch wordt gecontroleerd en geverifieerd, heeft onze klant een volgende stap gezet om zijn klanten hoogwaardige, trendy producten tegen betaalbare prijzen te blijven aanbieden.
