巨型转换如何取悦客户数据驱动的个性化体验
这是一个协作的贴砖和巨型之间。谢谢温德尔·库,经理在巨型Supermarkten数据科学分析,为他的贡献。
在巨型,一家领先的连锁超市在荷兰和比利时有超过100年的历史,我们的骄傲在“顾客第一,数据第二”的业务方法。然而,这并不意味着数据不是我们的使命的核心。相反,我们的组织和数据团队是完全建立在客户满意度和忠诚度。超市运营在一个极具竞争力和复杂的空间,所有组件的客户体验需要优化,包括库存、分类选择,每段定价策略和产品的重要性。
当我们推出我们的忠诚度计划,新客户数据点的数量,开始了我们的数据团队重新思考我们如何大规模优化客户体验。在其核心,巨型试图取悦客户和提供最佳的购物体验。运行分化存储格式一方面,和个性化的信息,提供给客户,使其无法继续工作在传统的方式。这就是数据分析和人工智能来:他们帮助我们作出决定所需的规模个性化和差异化。
修改了客户忠诚计划的推出,我们突然能够更好地理解各种各样的个人客户的偏好,比如哪些产品是最重要的,哪些是经常被遗忘,以及与客户沟通的最佳时间和通道。然而,随着数据量成倍增长,我们的分析和ML能力开始放缓等我们不具备处理规模。所需数据量的增加意味着增加了复杂性和资源来处理从基础结构的角度来说,这影响我们及时提供见解的能力。长时间处理和查询是不可接受的。经过多年传统统计软件包上连接到一个传统RDBMS Jupyter笔记本和分析,我们知道,如果我们想最好的使用这些数据,提供购物体验产生影响,所以我们采取措施改进我们的方法和底层技术启用它。我们需要一个平台,能够处bob体育客户端下载理客户级别上数据和火车模型规模远远超过我们可以处理我们的个人计算机上。
除了需要现代化我们的基础设施与大数据分析帮助我们茁壮成长,我们还需要更好的方法来增加速度从概念到生产,减少新员工培训时间为新人们,合作和提供自助服务为我们的分析师和业务用户对数据的访问的见解来帮助提供见解在定价、库存、销售和客户偏好。考虑多种选择后,我们选择了砖Lakehouse平台作为我们的需要正确的解决方案。bob体育客户端下载
从基本的客户忠诚度非凡的客户体验
砖的Lakehouse实现,我们现在运行大量的并行数据科学与数据工程计划将数以百万计的客户变成更忠实的粉丝。
作为例子的数据产品直接接触客户,我们现在能够结合起来,在客户层面上,使线上和线下购买信息是非常具有挑战性的。这omnichannel视图允许我们创建一个更全面的网上推荐引擎,这巨大的接触。现在,根据以往的采购历史以及甲方同意收集的数据,我们可以product-relevant建议激起消费者的利益。显然,这是伟大的从业务的角度来看,但真正的利益是多么幸福它是由我们的客户。现在,他们不太可能忘记重要的项目或购买超过他们所需要的。这种平衡已经显著增加客户忠诚度。
一个例子的数据产品,帮助改善客户体验,我们不断地运行一个主动提出各种优化算法分类经理。该算法需要运行在可接受的成本,规模,优化使用大量的数据物理存储和在线客户,整体市场,金融和商店层面的地理特征。一旦机会识别,它提出了结合相同的广度和深度的数据基础。
从技术角度来看,砖Lakehouse架构能够驱动这些改进经验的帮助下微软Azure突触。在一起,这样的组合允许我们管理,探索和分析准备数据自动化(提议)决策,并使这种分析容易消化通过BI工具,如权力BI。有更深的见解,我们帮助传播更有意义的理解客户的行为和授权数据团队更有效地预测他们想要的产品和服务。
砖现在完全融入我们的端到端流程。这个过程始于一个统一Lakehouse架构,利用三角洲湖标准化访问所有相关的数据来源(包括历史和实时)。例如,三角洲湖也有助于构建管道,使可伸缩的数据,实时分析为客户减少店内缺货,同时减少不必要的食物浪费中国人由于易腐烂的东西,如新鲜农产品,不会出售。同时,砖SQL提供我们数据分析师能够轻松地查询数据更好地理解客户服务问题,与NLP在后台处理,这些问题涉及不同部门的经营业绩。这有助于我们改进的速度,改善用户体验。
我们不能够加速现代化的努力没有专家的培训和技术指导砖学院和客户成功的工程师,充当直接注入理科的知识对我们的数据。这深入了解如何利用我们所有的数据导致了重大改进我们如何管理我们的分类,供应链,使战略决策,更好的支持客户的发展需求。
卓越没有上限,当由数据和人工智能
通过专注于通过三角洲Lakehouse改善客户体验,我们启用了超出了我们最初的预期。我们采取措施改进我们的方法如何使用数据真的让我们继续改变我们的业务,推动行业前进。
引人注目的是速度数据和AI功能成为新常态,我们现在能够实现我们的努力是数据驱动的直接影响。复杂的机器学习模型的输出后4周内被认为是“惯例”的介绍。和想法的速度生产统计周现在,而不是几个月。
展望未来,我们将继续看到采用水平增加,不仅在台车,而且在所有的商业。对于那些也将着手进行数据转换,我强烈建议他们仔细看看经验他们为客户提供改进的可能性。反馈你的分析对操作过程的产品数据规模是转变的关键业务的所有领域,成功的未来。