Entwicklung einer Enterprise Analytics-Lösung für Discovery und Advanced Analytics

Kunde

Dieser Kunde ist eines der führenden Medizintechnikunternehmen und bietet Bildgebungsgeräte, Überwachungsgeräte und Analyselösungen zur Verbesserung der Patientenversorgung und Betriebseffizienz.

Geschäftliche Herausforderung

• Erforderte die Modernisierung fragmentierter Datensätze, um eine nahtlose Integration von Echtzeit-Gesundheitsdaten zu ermöglichen.
• Ziel war es, die effektive Nutzung von Daten und Erkenntnissen zur Förderung der Produktinnovation zu verbessern.
• Strebte eine Konsolidierung von Kaufhistorie, Umfragen und Callcenter-Aufzeichnungen an, um die Problemlösungsfähigkeiten für Kunden zu verbessern.
• Benötigte eine verbesserte Integration mit Drittanbietern, um wertvolle Erkenntnisse zu Geschwindigkeit und Erfüllung zu gewinnen.
• Gewünschte robuste Datenbasis, um das Potenzial fortschrittlicher Anwendungsfälle in der Analytik freizusetzen.

Geschäftliches Ziel

Der Kunde zielte darauf ab, Analysen für Omnichannel-Vertrieb und Marketing zu ermöglichen:

• Plant die Migration und Integration von Daten aus verschiedenen Quellsystemen, einschließlich Drittanbieter, Kundenplattformen und POS-Systemen.
• Strebt an, innovationszentrierte Analysen für Kunden-, Filial- und Produktinitiativen zu beschleunigen.
• Kundenhistorie und Supportdaten benötigten Konsolidierung zur Lösung von Problemen.
• Zielte auf strategische Initiativen zur Entwicklung von „ground-up“ Analysefähigkeiten.
• Fokussiert sich auf die Verbesserung des Geschäftswachstums, der Betriebseffizienz sowie der Kundenzufriedenheit und -bindung.

Ansatz

• Entwicklung einer modernen Analytik-Plattform nach AWS-Best-Practices mit sicherer Grundlage auf Basis von HVR und AWS-Services.
• Nutzen lose gekoppelte AWS-Services für Skalierbarkeit, während die Analysebedürfnisse des Kunden wachsen.
• Verwendete serverlose, ereignisgesteuerte Architektur für nahezu in Echtzeit ablaufende Datenverarbeitung auf S3, Redshift und Snowflake.
• Integration diverser Datenquellen wie IoT, unstrukturierte Daten, Demografie, ERP und POS-Daten.
• Analyse von Echtzeit-Kundendaten zur Steigerung des Engagements durch personalisierte Kampagnen.
• Verwendung von Kundeninformationen für Produktinnovation und verbesserte Problemlösung durch konsolidierte Aufzeichnungen.
• Entwicklung von 360-Grad-Analysen für umfassende Einblicke in Patienten, Kunden, Filialen und Produkte.
• Ermöglichung fortgeschrittener Analyseanwendungsfälle für nachhaltiges Wachstum unter Einhaltung von Compliance- und Sicherheitsanforderungen beim Umgang mit PII-Daten.

Technologische Komponenten

• Datenintegration: HVR, AWS Glue, Lambda
• Datenlager: Redshift
• Speicherung: AWS S3
• Datenverarbeitung: AWS Glue, Spark
• Daten-Governance: Collibra
• Überwachung: CloudWatch, SNS

Transformationseffekte

• Erzielte über 40% Kosteneinsparungen durch den Wechsel zu reservierten Instanzen für EC2- und EMR-Server.
• Automatisierte Serverbereitstellung verringerte die Zeit für die Kundenintegration um 75%.
• Reduzierte die Zeit zur Problemlösung um 20% durch automatisierte Überwachung der Glue-Workloads.
• Bereitstellung von über 10 einzigartigen Datenprodukten (Customer 360, Store 360, etc.), die wertvolle Einblicke zur Verbesserung der Kundenbindung, -loyalität und -zufriedenheit bieten.