Processamento de dados em tempo real que permite aos varejistas responder instantaneamente ao comportamento do cliente, às mudanças de estoque e às condições de mercado por meio de análises de fluxo contínuo.
Processa dados de streaming de sensores IoT, aplicativos móveis, análises da web, mídias sociais e sistemas de transação usando tecnologias como Apache Kafka, Spark Streaming e Flink para insights com latência inferior a um segundo.
As aplicações incluem rastreamento de estoque em tempo real, prevenindo rupturas de estoque, precificação dinâmica ajustando-se às ações da concorrência e à demanda, ofertas personalizadas acionadas por padrões de navegação do cliente e detecção de fraudes, bloqueando transações suspeitas.
Requer infraestrutura que suporte ingestão de dados em alta velocidade, mecanismos de consulta de baixa latência, estruturas de processamento de fluxo escaláveis e bancos de dados operacionais sincronizados com sistemas analíticos para experiências consistentes do cliente.
O que são dados em tempo real para o setor de varejo?
Varejo em tempo real é o acesso em tempo real aos dados. A mudança do acesso, análise e compute baseados em batch permitirá que os dados estejam "sempre ativos", o que promove decisões precisas e oportunas e business intelligence. Casos de uso em tempo real, como previsão de demanda, personalização, disponibilidade em prateleira, previsão de tempo de chegada e seleção e consolidação de pedidos, agregam valor à organização por meio de agilidade aprimorada na cadeia de suprimentos, redução de custos para atender, disponibilidade otimizada do produto e reabastecimento de estoque.
Por que os dados em tempo real no setor de varejo são importantes?
Testemunhamos a mudança para o comércio eletrônico e o comércio omnicanal nos últimos 20 anos, e notamos as mudanças fundamentais no comportamento do consumidor após a pandemia de COVID-19. Em apenas 10 semanas, vimos uma taxa de mudança que antes levou de 10 anos. À medida que as lojas físicas enfrentavam lockdowns, os consumidores passaram a comprar em canais digitais. Nos restaurantes, não havia clientes; enquanto o drive-thru e as entregas dispararam. Com a mudança financeira, vieram outras: aumento de fraudes, mudança nas expectativas dos clientes, maior volume de devoluções e aumento dos custos para atender os clientes no atendimento e na entrega.
Absorver as mudanças causadas pelos consumidores tem sido a volatilidade nas cadeias de suprimentos. O maior risco para o setor de varejo e os bens de consumo nos próximos anos é a volatilidade.
As estratégias de negócios legadas estavam desatualizadas. A previsão de demanda era imprecisa, as preferências dos clientes mudaram, os estoques se esgotaram, e as margens dos varejistas foram reduzidas. À medida que os consumidores compravam em tempo real, as empresas precisavam mudar as arquiteturas desatualizadas de data warehouse para outras que pudessem operar e responder em tempo real. É aí que entra o Lakehouse para Varejo.
UM LÍDER 5X
Gartner®: Databricks, líder em banco de dados em nuvem
Quais são os benefícios do acesso em tempo real aos dados?
A rápida ingestão de dados em escala disponibiliza percepções avançadas em toda a cadeia de valor em tempo real, reduzindo custos e minimizando erros. Os varejistas cometem erros quando tomam decisões sem informações. Esses erros podem se manifestar de várias maneiras, incluindo:
Subestimar a demanda leva a custos de envio acelerados para entrega urgente
Prever incorretamente a quantidade de produção de um item gera custos de transporte excessivos, perda de vendas e maior desperdício
Reagir a falhas leva a interrupções não planejadas que interrompem ciclos completos de produção
O processamento de pedidos com dados incompletos ou imprecisos gera custos de frete adicionais ou taxas de devolução mais altas
A falta de uma oportunidade de engajar um consumidor com base nos dados atuais leva à perda de oportunidades de vendas
O processamento de dados em tempo real permite que todas as partes da cadeia de valor vejam o status das operações sem demora e tomem decisões mais bem informadas para evitar esses problemas.
Quais são os recursos diferenciados de dados em tempo real do Databricks?
O lakehouse do Databricks usa tecnologias que incluem Delta, DLT, Autoloader e Photon para que os clientes tenham à disposição dados para decisões em tempo real.
O lakehouse para o setor de varejo oferece suporte aos maiores jobs de dados em intervalos quase em tempo real. Por exemplo, os clientes estão trazendo quase 400 milhões de eventos por dia a partir de sistemas de log transacional em intervalos de 15 segundos. Devido à interrupção na geração de relatórios e análise que ocorre durante o processamento de dados, a maioria dos clientes de varejo carrega dados em seu data warehouse durante um batch noturno. Algumas empresas estão carregando dados semanalmente ou mensalmente.
Uma arquitetura do lakehouse orientada a eventos oferece um método mais simples de ingestão e processamento de dados em batch e streaming do que abordagens legadas, como arquiteturas lambda. Essa arquitetura lida com a captura de dados de alterações e fornece conformidade com transações ACID.
O DLT simplifica a criação de pipelines de dados e cria automaticamente uma linhagem para auxiliar no gerenciamento contínuo.
O lakehouse permite a ingestão de fluxo em tempo real de dados e análises em dados de streaming. Os data warehouses exigem a extração, transformação, carregamento e extração adicional do data warehouse para executar qualquer análise.
O Photon fornece desempenho de consulta recorde, permitindo que os usuários consultem até mesmo os maiores conjuntos de dados para potencializar decisões em tempo real em ferramentas de BI.
