Ang tingian ay isa sa mga nangungunang industriya na binago ng teknolohiya ng AI at Analytics. Ang mga retailer ng merkado ay kailangang kasangkot sa paghihiwalay, paghihiwalay, at pag-prof sa iba't ibang mga pangkat ng mga mamimili habang nakikisabay sa patuloy na umuusbong na mga uso sa fashion. Kinakailangan ng mga tagapamahala ng kategorya ang impormasyon upang magkaroon ng isang detalyadong pag-unawa sa mga pattern ng paggastos, demand ng consumer, mga tagapagtustos, at merkado upang hamunin kung paano nakuha at maihatid ang mga kalakal at serbisyo.
Sa pag-unlad ng teknolohiya at mga millennial na nagmamaneho ng pagbabago ng pag-uugali ng mamimili sa merkado, dapat na mag-alok ang industriya ng tingi ng isang cohesive na karanasan ng gumagamit. Maaari itong makamit sa pamamagitan ng isang diskarte ng omni-channel na nag-aalok ng parehong pinakamainam na pisikal at digital pagkakaroon para sa mga customer sa bawat touch-point.
Ang Mga Diskarte sa Omni-channel ay Tumatawag para sa Maaasahang Data
Nagreresulta ito sa isang malakas na panloob na pangangailangan para sa pananaw, analytics, makabagong pamamahala at paghahatid ng mahusay na impormasyon. Ang isang kumbinasyon ng tradisyonal na naka-kahong BI, na sinamahan ng ad-hoc self-service ay susi. Ang mga tradisyunal na koponan ng BI ay gumugugol ng maraming oras sa panahon ng paghahatid ng data warehousing at intelligence ng negosyo sa pagbuo at pagsubok ng impormasyon upang matiyak ang kawastuhan at pagiging maaasahan. Gayunpaman, kapag ang bagong proseso ng paghahatid ng impormasyon ng ETL, mga scheme ng bituin, ulat, at dashboard ay ipinatupad, ang mga koponan ng suporta ay hindi gumugugol ng maraming oras na tinitiyak na mapanatili ang kalidad ng data. Kasama sa epekto ng hindi magandang data ang hindi magagandang desisyon sa negosyo, napalampas na mga pagkakataon, pagkalugi sa kita at pagiging produktibo, at tumaas na gastos.
Dahil sa pagiging kumplikado ng daloy ng data, ang dami ng data, at ang bilis ng paglikha ng impormasyon, nahaharap ang mga nagtitinda sa mga isyu sa kalidad ng data na dulot ng pagpasok ng data at mga hamon sa ETL. Kapag gumagamit ng mga kumplikadong kalkulasyon sa mga database o dashboard, ang maling data ay maaaring humantong sa mga blangko na cell, hindi inaasahang mga zero na halaga o kahit na mga maling kalkulasyon, na ginagawang mas hindi kapaki-pakinabang ang impormasyon at maaaring maging sanhi ng pagdududa ng mga tagapamahala sa integridad ng impormasyon. Hindi upang maipaliwanag nang labis ang problema, ngunit kung ang isang manager ay nakakakuha ng isang ulat tungkol sa paggamit ng badyet bago maproseso ang mga numero ng badyet sa isang napapanahong bagay, ang pagkalkula ng kita kumpara sa badyet ay magreresulta sa isang error.
Pamamahala ng Mga Isyu sa Data- Proactive
Ang mga koponan ng BI ay nais na mauna sa kurba at makakuha ng mga abiso ng anumang isyu sa data bago maihatid ang impormasyon sa mga end-user. Dahil ang manu-manong pagsuri ay hindi isang pagpipilian, ang isa sa pinakamalalaking tagatingi ay nagdisenyo ng isang programa sa Pagtiyak sa Kalidad ng Data (DQA) na awtomatikong sumusuri sa mga dashboard at flash ulat. bago naihatid sa pamamahala.
Ang mga tool sa iskedyul tulad ng Control-M o JobScheduler ay mga tool sa orkestra ng daloy ng trabaho na ginagamit upang simulan ang mga ulat ng Cognos at dashboard na ihahatid sa mga tagapamahala ng negosyo. Hinahatid ang mga ulat at dashboard batay sa ilang mga pag-trigger, tulad ng pagkumpleto ng isang proseso ng ETL o sa mga agwat ng oras (bawat oras). Gamit ang bagong programa ng DQA, ang mga kahilingan sa tool sa pag-iiskedyul MotioCI upang subukan ang data bago ang paghahatid. MotioCI ay isang kontrol sa bersyon, pag-deploy, at awtomatikong tool sa pagsubok para sa Cognos Analytics na maaaring sumubok ng mga ulat para sa mga isyu sa data tulad ng mga blangkong patlang, maling pagkalkula o hindi ginustong mga halagang zero.
Pakikipag-ugnayan sa pagitan ng tool sa pag-iiskedyul ng Control-M, MotioCI at Cognos Analytics
Dahil ang mga kalkulasyon sa mga dashboard at ulat ng flash ay maaaring maging kumplikado, hindi posible na subukan ang bawat solong item ng data. Upang talakayin ang isyung ito, nagpasya ang koponan ng BI na magdagdag ng isang pahina ng pagpapatunay sa mga ulat. Inililista ng pahina ng pagpapatunay ang kritikal na data na kailangang ma-verify bago maihatid ang analytics sa iba't ibang mga Linya ng Negosyo. MotioCI kailangan lamang subukan ang pahina ng pagpapatunay. Malinaw na, ang pahina ng pagpapatunay ay hindi dapat isama sa paghahatid sa mga end-user. Para lamang ito sa panloob na mga layunin ng BICC. Ang mekanismo na lilikha lamang ng pahina ng pagpapatunay na ito para sa MotioCI ay ginawa ng matalinong pag-uudyok: isang parameter ang nagkokontrol sa paglikha ng mga ulat o ang paglikha ng pahina ng pagpapatunay na MotioCI gagamitin upang subukan ang ulat.
Pagsasama sa Control-M, MotioCI, & Cognos Analytics
Ang isa pang kumplikadong aspeto ay ang pakikipag-ugnayan sa pagitan ng tool sa pag-iiskedyul at MotioCI. Ang nakaiskedyul na trabaho ay maaari lamang humiling impormasyon, hindi nito magagawa tumanggap impormasyon Samakatuwid, MotioCI Isusulat ang katayuan ng mga aktibidad sa pagsubok sa isang espesyal na talahanayan ng database na madalas na nai-ping ng tagapag-iskedyul. Ang mga halimbawa ng mga mensahe sa status ay:
- "Bumalik ka mamaya, abala pa rin ako."
- "May nakita akong isyu."
- O kapag pumasa ang pagsubok, "Lahat ng mabuti, ipadala ang analitik na impormasyon."
Ang huling desisyon ng matalinong disenyo ay hatiin ang proseso ng pag-verify sa magkakahiwalay na trabaho. Ang unang trabaho ay naisasagawa lamang ang pagsubok ng DQA ng data ng analytic. Ang pangalawang trabaho ay mag-uudyok sa Cognos na ipadala ang mga ulat. Ang pag-iiskedyul ng antas ng enterprise at mga tool sa pag-automate ng proseso ay ginagamit para sa iba't ibang mga gawain. Araw-araw, nagsasagawa ito ng maraming trabaho, hindi lamang para sa Cognos at hindi lamang para sa BI. Ang isang koponan ng pagpapatakbo ay patuloy na subaybayan ang mga trabaho. Isang isyu sa data, na kinilala ni MotioCI, ay maaaring magresulta sa isang pag-aayos. Ngunit dahil ang oras ay kritikal sa tingian, ang koponan ay maaari na magpasya na ipadala ang mga ulat nang hindi pinapatakbo muli ang buong pagsubok sa DQA.
Paghahatid ng Solusyon nang Mabilis
Ang pagsisimula ng isang proyekto sa kalidad ng data sa Taglagas ay palaging may labis na mataas na presyon ng oras: Ang Black Friday ay sumisikat sa abot-tanaw. Dahil ito ay isang panahon ng mataas na kita, karamihan sa mga kumpanya ng tingi ay ayaw ipatupad ang mga pagbabago sa IT upang mabawasan nila ang peligro ng pagkagambala sa produksyon. Samakatuwid kailangan ng koponan na maghatid ng mga resulta sa produksyon bago ito mag-freeze ng IT. Upang matiyak ang koponan ng multi-time zone ng customer, Motio at ang aming kasosyo sa pampang, ang Quanam, ay nakamit ang kanilang mga deadline, Isang maliksi na diskarte na may pang-araw-araw na pagtayo ay nagresulta sa proyekto na naghahatid ng mga resulta nang mas mabilis kaysa sa nakaplano. Ang mga proseso ng Pagtiyak sa Kalidad ng Data ay ipinatupad lahat sa loob ng 7 linggo at ginamit lamang ang 80% ng inilaang badyet. Ang malawak na kaalaman at isang "hands-on" na diskarte na isang kadahilanan sa pagmamaneho sa tagumpay ng proyektong ito.
Susi ang Analytics para sa mga tagapamahala ng tingian sa panahon ng kapaskuhan. Ang pagtiyak na ang impormasyon ay awtomatikong nasuri at na-verify, nagawa ng aming customer ang isa pang hakbang upang mapanatili ang pag-alok sa mga customer ng mga de-kalidad, on-trend na produkto sa abot-kayang presyo.
