Das Daten und KI-Unternehmen sowie der Pionier der Data-Lakehouse-Architektur, Databricks, kündigt das „Databricks Lakehouse for Retail“ an, das erste branchenspezifische Data-Lakehouse des Unternehmens für Einzelhändler und Konsumgüterkunden (CG). Mit Databricks Lakehouse for Retail erhalten Data-Teams eine zentrale Daten- und KI-Plattform, die auf die wichtigsten Herausforderungen von Einzelhändlern, Partnern und deren Lieferanten zugeschnitten ist. Zu den ersten Anwendern des Lakehouse for Retail gehören Partner und Kunden von Databricks, wie Walgreens, Columbia, H&M Group, Reckitt, Restaurant Brands International, 84,51°(eine Tochtergesellschaft von Kroger Co.), Co-Op Food, Gousto, Acosta und weitere.
“In den letzten Jahren hat sich die Art und Weise, wie die Verbraucher einkaufen, in nie gekanntem Maße verändert. Wehkamp war einer der ersten E-Commerce-Händler im Internet, aber die Geschwindigkeit, mit der sich das Verbraucherverhalten nun verändert hat, ist bemerkenswert. Das Lakehouse for Retail bietet Wehkamp ausreichend Flexibilität, um diese Veränderungen zu verfolgen und schnell darauf zu reagieren – und es stellt sicher, dass wir jedem Kunden immer und zu jeder Zeit sein individuelles Erlebnis bieten können,“ sagt Jesse Bouwman, Data Scientist bei Wehkamp.
“Databricks entwickelt seit jeher Innovationen für seine Kunden, und die Vision des Lakehouse hilft, viele der Herausforderungen zu lösen, mit denen Einzelhändler konfrontiert sind“, sagt Ali Ghodsi, CEO und Mitbegründer von Databricks. Er fährt fort: „Dies ist ein wichtiger Meilenstein auf unserem Weg, Unternehmen dabei zu helfen, in Echtzeit zu arbeiten, genaue Analysen zu liefern und alle Kundendaten zu nutzen, um wertvolle Erkenntnisse zu gewinnen. Lakehouse for Retail wird die datengesteuerte Zusammenarbeit und den Austausch von Daten zwischen Unternehmen und Partnern in der Einzelhandelsbranche ermöglichen.“
Das Databricks Lakehouse for Retail bietet eine offene, flexible Datenplattform, Team-übergreifende Datenkollaboration und -austausch, sowie eine Sammlung leistungsstarker Tools und Partner für den Einzelhandel und die Konsumgüterindustrie. Die neuen Lakehouse-for-Retail-Solution-Accelerators wurden entwickelt, um den Analyseprozess zu beschleunigen. Sie bieten eine Blaupause für typische Anwendungsfälle der Datenanalyse und des maschinellen Lernens sowie Best-Practices, die den Dateningenieuren und Datenwissenschaftlern eines Unternehmens viele Wochen oder Monate an Entwicklungszeit ersparen. Zu den beliebten Solution-Accelerators für Kunden des Databricks Lakehouse for Retail gehören:
- Erfassung von Streaming-Daten in Echtzeit: Ermöglichen Sie Echtzeit-Entscheidungen, die für den Erfolg im Omnichannel-Einzelhandel entscheidend sind, mit Point-of-Sale-, mobilen Anwendungs-, Bestands- und Abwicklungsdaten.
- Nachfrage-Prognose und Zeitreihen-Prognose: Erstellen Sie genauere Prognosen in kürzerer Zeit mit einer fein abgestuften Bedarfsvorhersage, um diese für alle Artikel und Filialen besser einzuschätzen.
- Durch Machine Learning gestützte Empfehlungs-Systeme: Spezifische Empfehlungsmodelle für jede Phase des Einkaufs, einschließlich neuronaler Netzwerke, kollaborativer Filterung, inhaltsbasierter Empfehlungen und mehr. Diese ermöglichen es Einzelhändlern, ein personalisiertes Kundenerlebnis zu schaffen.
- Customer Lifetime Value: Untersuchen Sie die Kundenfluktuation, treffen Sie bessere Vorhersagen über das Abwanderungsverhalten und segmentieren Sie Kunden nach Einkaufslebensdauer und Wert mit einer Sammlung von Analyse-Beschleunigern, um Entscheidungen über die Produktentwicklung und personalisierte Werbe-Aktionen zu verbessern.
Darüber hinaus treiben branchenführende Databricks-Partner, wie Deloitte und Tredence, die Vision und den Wert von Lakehouse voran, indem sie vorgefertigte Analyse-Lösungen auf der Lakehouse-Plattform bereitstellen, die auf Echtzeit-Kundenanwendungsfälle ausgerichtet sind. Zu den Partnerlösungen und -plattformen, die auf den Einzelhandel zugeschnitten sind, gehören:
- Der Trellis-Lösungsbeschleuniger von Deloitte für den Einzelhandel ist eines von vielen Beispielen dafür, wie Deloitte und Kundenpartner die Databricks-Lakehouse-Architektur und -Plattform nutzen, um End-to-End-Daten und KI/ML-Funktionen auf einfache und kostengünstige Weise bereitzustellen. Trellis bietet Funktionen, welche die komplexen Herausforderungen von Einzelhandelskunden in den Bereichen der Prognosen, des Nachschubs, der Beschaffung, Preisgestaltung und Promotion-Services lösen. Deloitte hat sein umfassendes Branchen- und Kunden-Fachwissen eingesetzt, um auf der Lakehouse-Plattform von Databricks einen integrierten, sicheren und Multi-Cloud-fähigen as-a-Service-Lösungsbeschleuniger zu entwickeln, der schnell an die individuellen Bedürfnisse des Kunden angepasst werden kann. Trellis hat sich für gemeinsame Kunden als entscheidender Faktor erwiesen, da es diesen ermöglicht, sich auf die kritischen Veränderungen zu konzentrieren, die sowohl auf der Nachfrage- als auch auf der Angebotsseite auftreten können. Dabei können die Kunden Empfehlungen sowie damit verbundene Auswirkungen und Erkenntnisse in Echtzeit bewerten, was zu einer erheblichen Verbesserung sowohl der Umsatz- als auch der Gewinnzahlen führt.
- Tredence wird die explosionsartige Nachfrage von Unternehmensdaten, Künstlicher Intelligenz (KI) und maschinellem ernen (ML) bedienen und durch die Bereitstellung von Lösungen für Lakehouse for Retail einen transformativen Mehrwert für die Branche in Echtzeit liefern. Die Partnerschaft hat im August 2021 den OSA-Beschleuniger (On-Shelf Availability Solution) auf den Markt gebracht, der die Datenverarbeitungsfähigkeiten von Databricks und die KI/ML-Expertise von Tredence kombiniert. Damit werden der Einzelhandel, die Konsumgüterindustrie und die Hersteller in die Lage zu versetzt, ihr Billionen-Dollar-Problem der fehlenden Lagerbestände zu lösen. Mit Lakehouse for Retail werden Tredence und Databricks gemeinsam das Portfolio an Branchenlösungen erweitern, um weitere Kundenherausforderungen zu adressieren und gemeinsam die globale Skalierung voranzutreiben.
#Databricks
