Procesamiento de datos en tiempo real que permite a los minoristas responder instantáneamente a los comportamientos de los clientes, los cambios de inventario y las condiciones del mercado a través de análisis de transmisión.
Procesa datos de transmisión desde sensores de IoT, aplicaciones móviles, análisis web, redes sociales y sistemas de transacciones mediante tecnologías como Apache Kafka, Spark Streaming y Flink para obtener información con latencia de subsegundos.
Las aplicaciones incluyen el seguimiento de inventario en tiempo real para evitar desabastecimientos, precios dinámicos que se ajustan a las acciones y la demanda de la competencia, ofertas personalizadas basadas en los patrones de navegación del cliente y detección de fraudes que bloquea transacciones sospechosas.
Requiere una infraestructura que admita la ingesta de datos de alta velocidad, motores de consulta de baja latencia, marcos de procesamiento de flujo escalables y bases de datos operativas sincronizadas con sistemas analíticos para una experiencia del cliente consistente.
¿Qué son los datos en tiempo real para el sector retail?
El retail en tiempo real es el acceso a los datos en tiempo real. Dejar el acceso, análisis y procesamiento por lotes permitirá que los datos estén “siempre disponibles” y permitan las decisiones en tiempo real y la inteligencia empresarial. Los casos de uso en tiempo real, como la previsión de la demanda, la personalización, la disponibilidad en estantería, la predicción de la hora de llegada y la recogida y consolidación de pedidos, aportan valor a la organización a través de una mayor agilidad en la cadena de suministro, la reducción del costo de servicio, la optimización de la disponibilidad de productos y la reposición de existencias.
¿Por qué son importantes los datos en tiempo real para el sector minorista?
Presenciamos el paso al comercio electrónico y omnicanal durante los últimos 20 años, para luego ver cómo los comportamientos de los consumidores cambiaron fundamentalmente cuando se produjo la pandemia de COVID-19. En solo 10 semanas, presenciamos una tasa de cambio que tardó 10 años en lograrse. A medida que las tiendas físicas se enfrentaban a órdenes de confinamiento, los consumidores trasladaron sus compras a los canales digitales. Los restaurantes vieron cómo el consumo dentro del local desaparecía, mientras que el servicio al auto y el delivery se disparaban. Con el cambio en el flujo de dólares, llegaron otros cambios: un aumento del fraude, expectativas cambiantes de los clientes, un mayor volumen de devoluciones y un aumento en los costos para ofrecerles a los clientes servicio de retiro en la acera y entrega a domicilio.
Agravando los cambios impulsados por los consumidores ha estado la reciente volatilidad en las cadenas de suministro. El mayor riesgo para el comercio minorista y los bienes de consumo durante los próximos años es la volatilidad.
Las estrategias de negocio tradicionales quedaron obsoletas al instante : la previsión de la demanda predijo una demanda incorrecta, las preferencias de los clientes cambiaron, lo que provocó quiebres de stock y, en consecuencia, los márgenes de los minoristas se vieron afectados. A medida que los consumidores compraban en tiempo real, las empresas tuvieron que cambiar sus arquitecturas de almacenes de datos obsoletas por otras que pudieran ejecutarse y responder en tiempo real; de ahí el surgimiento de Lakehouse for Retail.
LÍDER 5X
Gartner®: Databricks, líder en bases de datos en la nube
¿Cuáles son los beneficios del acceso a los datos en tiempo real?
La ingesta de datos rápida y a escala pone a disposición estadísticas avanzadas en toda la cadena de valor en tiempo real, lo que reduce los costos y minimiza los errores. Los minoristas cometen errores cuando toman decisiones sin información. Estos errores pueden manifestarse de muchas maneras, incluidas algunas de las siguientes:
Subestimar la demanda genera costos por envío exprés.
Predecir incorrectamente la cantidad de un artículo a producir genera costos de mantenimiento de inventario excesivos, pérdidas de ventas y un mayor desperdicio.
Reaccionar a las fallas provoca interrupciones no planificadas que alteran los ciclos de producción completos.
El procesamiento de pedidos con datos incompletos o inexactos genera costos de envío adicionales o tasas de devolución más altas
Perder una oportunidad para interactuar con un consumidor con base en los datos actuales conduce a oportunidades de venta perdidas.
Procesar datos en tiempo real permite que todas las partes de la cadena de valor vean el estado de las operaciones sin demora y tomen decisiones mejor fundamentadas que ayuden a evitar estos problemas.
¿Cuáles son las funcionalidades diferenciadas de datos en tiempo real de Databricks?
El lakehouse de Databricks utiliza tecnologías que incluyen Delta, DLT, Autoloader y Photon para permitir a los clientes disponer de los datos para tomar decisiones en tiempo real.
El lakehouse para MFG admite los trabajos de datos más grandes a intervalos casi en tiempo real. Por ejemplo, los clientes traen casi 400 millones de eventos por día desde sistemas de registro transaccional a intervalos de 15 segundos. Debido a la interrupción en los informes y el análisis que ocurre durante el procesamiento de datos, la mayoría de los clientes minoristas cargan datos en su almacén de datos durante un lote nocturno. Algunas empresas incluso están cargando datos semanal o mensualmente.
Una arquitectura basada en eventos de lakehouse proporciona un método más simple de ingerir y procesar datos por lotes y transmisión que los enfoques heredados, como las arquitecturas lambda. Esta arquitectura maneja la captura de datos modificados y proporciona cumplimiento ACID a las transacciones.
DLT simplifica la creación de canalizaciones de datos y crea automáticamente un linaje para ayudar con la administración continua.
El lakehouse permite la ingesta de datos en tiempo real y el análisis de datos de transmisión. Los almacenes de datos requieren la extracción, transformación, carga y extracción adicional del almacén de datos para realizar cualquier análisis.
Photon ofrece un rendimiento de consultas récord, lo que les permite a los usuarios consultar incluso los conjuntos de datos más grandes para impulsar decisiones en tiempo real en herramientas de inteligencia empresarial.
