Five1 begeistert mit individueller Vorgehensweise oder unterstützt bei der Wahl der richtigen Strategie

Viele Data Warehouse-Systeme haben sich über Jahre hinweg entwickelt. Bei der Modernisierung ist daher besonders darauf zu achten, dass sowohl die häufig heterogene Systemlandschaft mit diversen Quellsystemen berücksichtigt wird als auch Geschäftsprozesse weiterhin unterstützt werden.

Mit unseren Kunden haben wir die Reise vom traditionellen Data Warehouse in die Amazon Cloud schon öfter angetreten. Mit dem Ergebnis, das die Integration neuer Geschäftsprozesse und Modelle agiler möglich ist. Eine neue Analyse aufsetzen? Einen neuen Software MVP entwickeln? Die aktuellen Kennzahlen in Realtime zur Verfügung stellen? Die Amazon Cloud bietet unseren Kunden viele Möglichkeiten, den entscheidenden Vorsprung zu Mitbewerbern sicher zu stellen.

Das Projekt

Im ersten Projektteil wurden die bestehenden Geschäftsprozesse und daran angegliederte Datenladestrecken identifiziert. Danach wurden die nötigen historischen Daten via Amazon Snowball in die Cloud transportiert. Aktuelle Daten werden nun regelmäßig in den Cloud Data Hub geladen, um die Aktualität sicher zu stellen. Die bestehenden Datenladestrecken wurden dann mittels AWS Glue auf dem Data Hub umgesetzt.

Nicht nur Dashboards – auch der Data Scientist ist glücklich

Amazon bietet eine Vielzahl von Tools an, um auf den Daten Analysen durchzuführen. Unter anderem kann Tableau über eine Abstraktionsschicht auf die Daten im Data Hub zugreifen und so die Vorteile von verteiltem Rechnen voll ausschöpfen. In Tableau werden dann die Standardberichte an den Controller geliefert, ohne dass dieser etwas von der neuen Architektur mitbekommt.

Data Scientists nutzen diverse Möglichkeiten wie Zeppelin Notebooks, um die Daten zu analysieren oder Sagemaker, um Machine-Learning-Modelle zu bauen.

Automatisierter Demand-Forecast für B2B

Für die Vorhersage von Nachfrageverhalten haben sich im B2C-Bereich Zeitreihenanalysen etabliert. Diese liefern großartige Ergebnisse. Im B2B-Bereich helfen hingegen traditionelle Zeitreihenanalysen für die Bestimmung der Nachfrage und damit die Identifizierung des optimalen Lagerbestandes häufig nicht weiter.

Gerade im B2B-Bereich sind die Herausforderungen individueller. Ziel ist es hier, die Komplexität zu beherrschen. Für einen Kunden wurde genau dieser Schritt gemacht: Der Business Case – also die individuellen Anforderungen und Rahmenbedingungen – wurde mit erweiterten Machine-Learning-Algorithmen zusammengebracht. Hierdurch wurde eine Lösung geschaffen, die den optimalen Lagerbestand mit einer sehr hohen Genauigkeit vorhersagt. Dadurch kann die komplette Wertschöpfung an den Bedarf angepasst werden. Lieferengpässe oder Überproduktion gehören damit der Vergangenheit an!

Sie möchten mehr erfahren über die Schritte vom Enterprise Data Warehouse zum modernen Data Hub in der Amazon Cloud? Dann laden Sie hier unser Whitepaper zu diesem Thema herunter:

Whitepaper Data Hub herunterladen

Veröffentlich am 21.1.2020

Thema: cloud, AWS, Data Hub, Data Warehouse