Problemstellung
Der Kunde ist ein global tätiges Einzelhandelsunternehmen mit einem auf Daten, Analysen und maschinelles Lernen spezialisierten GCC- Unternehmen in globalen Märkten. Polestar Analytics fungierte als integrierter Analysepartner, um die Kundenbindung, die Transparenz von Werbeaktionen, die Modernisierung der Dateninfrastruktur und die 360°-Kundenperspektive zu optimieren.
Wichtigste Herausforderungen
- Nicht miteinander verbundene Dashboards schränkten die Transparenz der Werbewirkung ein.
- Anonyme Käufer waren schwer zu identifizieren und für Treueprogramme gezielt anzusprechen.
- Die veralteten, auf Hive basierenden Daten führten zu Problemen mit der Datenverwaltung und der Tabellenstruktur.
- Den ML-Modellen fehlte es an ordnungsgemäßer Versionierung, Rollback-Funktion und Prüfprotokollen.
- Die Produktionsabläufe waren von einzelnen Ingenieuren abhängig.
- Hohe Pipeline-Kosten und lange Laufzeiten verlangsamten die Bereitstellung von Analysen.
Architektur mit dem besten Technologie-Stack
Lösung implementiert
- A2K Customer Intelligence: Identifizierte nicht-loyale Käufer und entwickelte eine Scoring-Logik, um wertvolle Loyalitätsziele zu ermitteln.
- Promotion-Analyse: Es wurde ein einheitliches Dashboard für die Zeit vor und nach der Werbeaktion entwickelt, um geplante und tatsächliche Ergebnisse zu vergleichen.
- Unity Catalog Migration: Migration bestehender Hive-Daten in den Databricks Unity Catalog zur Sicherstellung von Herkunft, Zugriffskontrolle und Governance.
- Versionierung von ML-Modellen: Einführung von MLflow für Modell-Rollback, Nachvollziehbarkeit und Produktionszuverlässigkeit.
- CI/CD-Aktivierung: GitHub, CI/CD-Pipelines und Service-Principals einrichten, um die Abhängigkeit der Entwickler zu reduzieren.
- Pipeline-Optimierung: Angemessene Datensatzgröße, Caching und Jobcluster zur Reduzierung von Kosten und Laufzeit.
Gibt es irgendwelche Herausforderungen?
Unsere Branchenexperten können Ihr Problem lösen.
