Stärkung einer datengetriebenen Kultur für einen der größten US-Lebensmittelhersteller

Erfahren Sie, wie wir unserem Kunden dabei geholfen haben, ein starkes und skalierbares Fundament für das Data Lifecycle Management (DLM) aufzubauen, das datenbasierte Entscheidungen ermöglicht und den Weg für fortschrittliche KI/ML-Technologien ebnet, um seine Geschäftsinitiativen zukunftssicher zu machen und die Betriebskosten zu optimieren.

  • Branche

    Verarbeitung und Einzelhandel

  • Land

    USA

  • Größe des Teams

    5 IT-Experten

  • Zeitraum der Zusammenarbeit

    August 2023 – jetzt

Über den Auftraggeber

Unser Kunde ist ein führender amerikanischer Lebensmittelhersteller und Einzelhändler, der seit über 30 Jahren im Geschäft ist. Das Unternehmen ist sowohl in der Gastronomie als auch im Einzelhandel tätig und verwaltet eine komplexe, hochvolumige Lieferkette, die an mehrere Standorte im ganzen Land angeschlossen ist.

Lösung für das Datenlebenszyklusmanagement

Geschäftskontext

Die Kunden, die Daten als strategisches Asset nutzten, wollten in eine umfassendere Datenökonomie übergehen. Ihre wichtigsten Ziele waren: Erhalten Sie eine einheitliche Sicht auf Ihre Daten und erhöhen Sie die Prozessverfügbarkeit für informierte und schnellere Geschäftsanalysen, die eine datenbasierte Entscheidungsfindung ermöglichen.

Um eine datengetriebene Kultur vollständig einzuführen, musste das Unternehmen jedoch mehrere Herausforderungen meistern, mit denen seine Abteilungen zu kämpfen hatten:

  • Begrenzte Sicht auf das Datenpotenzial und die Möglichkeiten der Datennutzung Aufgrund des Mangels an einem vollwertigen Datenverarbeitungssystem
  • Hämodenstritt bei der Bereitstellung von Business-Insights zur Servicequalität und zur Verbesserung aufgrund veralteter Datenverarbeitung- und -speichereinrichtungen
  • Daten, die in verschiedenen Abteilungen verwaltet werden ohne zentralen Datenlager
  • Probleme bei der Datensicherung Aufgrund des langsamen Erstellungsprozesses der Berichte

Der Kunde nutzte bereits Microsoft Power BI, wollte jedoch einen robusteren Ansatz verfolgen, um Business Intelligence-Funktionen einzuführen. Aufgrund der knapp gewordenen Ressourcen für die Implementierung eines strukturierten Datenhandlingsprozesses (von der Datenerhebung und -verarbeitung bis zur Löschung) innerhalb der erforderlichen Fristen baten sie um Unterstützung von Yalantis-Experten.

Lösung Übersicht

  • Um die Projektfortschritte zu beschleunigen, ist das Yalantis-Team vollständig in den Softwareentwicklungsprozess des Kunden integriert und arbeitet eng mit deren Data-Experten zusammen und ist Teil des Teams.

    Unser Ziel war es, dem Kunden zu helfen, seine Datenverarbeitungstechnologie zu modernisieren. Erstellung vielseitiger Funktionen zum Speichern und Analysieren von Daten. Dies beinhaltete die Verarbeitung wachsender Datenmengen durch Datenlebenszyklusmanagement (DLM) — der Prozess der Verwaltung, Organisation und Sicherung von Daten von der Erstellung oder Erfassung bis zur Archivierung und Löschung.

    Zitat von Andrii Panchenko

    Gemeinsam mit dem Kunden begannen wir mit der Fokussierung auf Vertriebs- und Finanzdaten, um das Vertriebs- und Ressourcenmanagement zu verbessern, mit dem Ziel, die Bemühungen auf andere Abteilungen auszudehnen. Dies umfasste drei wesentliche Schritte:

  • Die Datenmigration aus manuellen Dateien in eine Datenbank zur Schaffung eines einheitlichen Datenspeicherstandards

    Ein wichtiger Schwerpunkt in dieser Phase lag darin, die Verkauf und Finanzen Abteilungen, die Zugang zu präzisen Daten über Geschäftstätigkeiten, Trends und Veränderungen in umfassender Form haben, um sie schnell abrufen zu können. Dazu gehörten:

    • Analysieren von Quelldaten durch die Definition aller verfügbaren Datenquellen und die Festlegung von Datenspeichersystemen, um unnötige Datensätze nicht zu laden
    • Standardisierung der Datenstruktur und die Datenbank mit Daten aus Rohquellen in der Zielform zu füllen
    • Logik aus Dateien systematisch und effizient in die Datenbank übertragen

  • Erstellung eines Data-Warehouse für eine einheitliche Datenverwaltungslösung

    In dieser Phase wurden Daten aus verschiedenen Quellen konsolidiert, die Datenqualität und Integrität sichergestellt und die Speicherplatz für Analysen und Berichte optimiert. Dabei wurden folgende Schritte durchgeführt:

    • Modellieren eines Datenschemas. Gemeinsam mit dem Team des Kunden organisierten wir Tabellen, Schemas, Logik und Datenverarbeitung auf dem Amazon-SQL-Server. Dazu gehörten die Clustering von Informationen und die Vorbereitung verschiedener Verarbeitungstypen für eine bessere Kontrolle und Skalierbarkeit.
    • Entwicklung eines Extrahierung-, Transformierungs- und Ladevorgangs (ETL-Prozess) Von Grund auf mit Azure Data Factory Datenpipelines aufgebaut. Die ETL-Architektur mit verschiedenen Datenclustern und Datenstrukturen ermöglichte es dem System, steigende Datenmengen zu verarbeiten und somit eine nahtlose Datenverarbeitung unabhängig von der Datenmenge zu gewährleisten.
    • Einleitung zu Python zur automatischen Datenaufgabe, -validierung und -prüfung. Python-Skripte sollten automatisch ausgeführt werden, um eine gleichbleibende Datenverarbeitung zu gewährleisten, manuelle Fehler zu reduzieren und große Datensätze und komplexe Aufgaben effizient zu verwalten.
    • Definition von Sicherheits- und Zugangskontrollen Um sensible Daten zu schützen und den Zugriff der Benutzer zu kontrollieren, z. B. durch die Verschlüsselung sensibler Daten und die Einführung einer rollenbasierten Zugriffskontrolle (RBAC).

    Andrii Panchenko zitierte

  • Optimierung der Berichterstellung für eine einheitliche Darstellung präziser Daten

    In dieser Phase verbesserten Data-Engineers und Analysten die Berichterstellung, wobei alle Berichte des Kunden migriert und neue Berichte auf der Grundlage von Datensätzen erstellt wurden. Zu den Aktivitäten gehörten:

    • Die Berechnungen werden in die Datenbank übertragen. Als wir die Berechnungen von der Power BI-Plattform auf die Datenbankseite mit SQL übertrugen, fungiert Power BI nun ausschließlich als Anzeige-Tool und führt keine Berechnungen aus, sobald Daten empfangen werden. Dies beschleunigt die Berichtsverarbeitung und verbessert das Gesamterlebnis für die Benutzer. Analysten und Anwender profitieren von schnellen Reaktionen auf Filter und Datenaktualisierungen, die automatisch im Hintergrund über SQL-Code ausgeführt werden.
    • Datenaktualisierungen der Planung. Dateningenieure definieren und automatisieren regelmäßige Datenaktualisierungen, um den aktuellen Status des Lagers zu gewährleisten.
    • Datensicherung. Das Team stellte Tische zur Datenarchivierung bereit, um Testfälle abzubilden und Vergleiche mit hochgeladenen Rohdaten zu ermöglichen. Dies gewährleistete die Integrität der Datenbank und half dabei, potenzielle Datenverluste zu identifizieren.

Wert geliefert

Gemeinsam mit dem Kunden arbeitet Yalantis weiterhin intensiv an der Weiterentwicklung der Lösung. In unserer Zusammenarbeit haben wir die Grundlage für einen soliden Datenkern gelegt, der eine effiziente datengetriebene Kultur innerhalb des Unternehmens unterstützt. Wir haben ein Echtzeit-Datenökosystem ins Leben gerufen und ein umfassendes Format für die Eingabe und Verarbeitung von Daten eingeführt. Dies unterstützt die Vertriebs- und Finanzabteilungen des Kunden, indem es sie in der Lage macht,

  • die Bereitstellung von rechtzeitigen Entscheidungen durch den schnellen Zugriff auf präzise Daten aus der Geschäftstätigkeit durch entsprechend verarbeitete Power BI-Berichte, die gültige Trends und Änderungen anzeigen

  • Die Unterstützung der Ressourcenverwaltung und die Senkung der Kosten durch eine genaue historische Analyse

  • die Gewährleistung der vollständigen operativen Transparenz durch optimierte, automatisch aktualisierte Berichte und Dashboards sowie die Möglichkeit einer manuellen Datenverarbeitung

  • die Bereitstellung einer vereinfachten Migrations- und Integrationsprozess, da ein einheitliches Datenmanagement eine nahtlose Skalierung und die schnelle Implementierung neuer Funktionen ermöglicht

  • die Schaffung der Voraussetzungen für die reibungslose Implementierung komplexerer Technologien wie KI/ML, die ohne eine solide Daten-Engineering-Basis nicht realisiert werden können

Was kommt als Nächstes?

  • In den ersten sechs Monaten haben wir gemeinsam mit unserem Kunden erfolgreich Zugang zu gültigen Daten in einer umfassenden Form für die Vertriebs- und Finanzabteilungen bereitgestellt. Im Jahr 2024 plant der Kunde strategisch, Folgendes umzusetzen:

    • Erweitern Sie die datenbasierten Entscheidungsfähigkeiten in den Bereichen Operations und Lagerverwaltung
    • Erstellung eines umfassenden Unternehmensdatenbanks
    • Erstellen Sie einen robusten Datenkern, der einen schnellen und sicheren Zugriff auf genaue Unternehmensdaten auf der Grundlage der Position und des Niveaus eines Mitarbeiters ermöglicht und so die agile Produktsteuerung und die proaktive Analyse jeglicher internen oder externen Auswirkungen auf das Produkt erleichtert.

ERFASSEN SIE EINE EINZIGARTIGE DATENQUELLE FÜR INFORMIERTE BESLUTZUNGEN

Erreichen Sie das volle Potenzial Ihrer Unternehmensdaten, indem Sie ein DLM-Prozess mit der Expertise von Yalantis einrichten.

Kontaktieren Sie unser Team

Weitere Projekte