Che cosa è il Real Time Retail?

Cosa sono i dati in tempo reale per il commercio al dettaglio?

• Fare commercio al dettaglio in tempo reale significa accesso ai dati in tempo reale. L'abbandono di un modello basato su accesso, analisi ed elaborazione orientati al batch a favore di dati "always-on" supporta decisioni e iniziative di business intelligence accurate e tempestive. I casi d'uso in tempo reale, come la previsione della domanda, la personalizzazione, la disponibilità a scaffale, la previsione del tempo di arrivo e la raccolta e il consolidamento degli ordini, forniscono valore all'organizzazione attraverso una maggiore agilità della supply chain, la riduzione dei costi di servizio, l'ottimizzazione della disponibilità dei prodotti e il riapprovvigionamento.

Perché i dati in tempo reale sono importanti per il commercio al dettaglio?

• Nel corso degli ultimi 20 anni abbiamo assistito al passaggio all'e-commerce e al commercio omnicanale, per poi vedere i comportamenti dei consumatori cambiare radicalmente quando si è verificata la pandemia COVID-19. In sole 10 settimane, il panorama è cambiato più velocemente di quanto non avesse fatto nei 10 anni precedenti. Quando i negozi fisici si sono trovati a dover chiudere per il lockdown, i consumatori hanno spostato gli acquisti sui canali digitali. I ristoranti hanno visto svuotarsi le sale dei locali, mentre sono aumentati i drive-through e le consegne a domicilio. Lo spostamento dei flussi di denaro ha comportato altri cambiamenti: aumento delle frodi, cambiamento delle aspettative dei clienti, aumento del volume dei resi e aumento dei costi per il servizio e la consegna al piano strada.
• Ad aumentare l'impatto dei cambiamenti trainati dai consumi ha contribuito la recente volatilità delle catene di approvvigionamento. Il rischio maggiore per la vendita al dettaglio e i beni di consumo nei prossimi anni sarà la volatilità.
• Le strategie aziendali tradizionali si sono rivelate obsolete all'improvviso: la previsione della domanda è diventata inattendibile, il cambiamento nelle preferenze dei clienti ha portato a esaurimenti delle scorte e i margini dei commercianti ne hanno risentito. Dal momento che i consumatori hanno iniziato ad acquistare in tempo reale, le aziende hanno dovuto sostituire le proprie architetture di data warehouse obsolete con altre in grado di funzionare e rispondere in tempo reale: ed è qui che entra in scena Lakehouse for Retail.

Quali sono i vantaggi dell'accesso in tempo reale ai dati?

• L'acquisizione rapida di dati su larga scala rende disponibile le informazioni per tutta la catena del valore in tempo reale, riducendo i costi e minimizzando gli errori che i commercianti commettono quando prendono decisioni non supportate da informazioni. Questi errori possono manifestarsi in molti modi:
  • La sottostima della domanda porta a un aggravio dei costi di spedizione per effettuare consegne urgenti.
  • La previsione errata delle quantità da produrre porta a costi di trasporto eccessivi, vendite mancate e maggiori sprechi.
  • La reazione ai guasti porta a interruzioni non pianificate che fermano interi cicli di produzione.
  • L'evasione degli ordini con dati incompleti o imprecisi comporta costi di spedizione aggiuntivi o tassi di reso più elevati.
  • Perdere l'occasione di coinvolgere un consumatore sulla base di dati aggiornati porta a perdere opportunità di vendita.
• L'elaborazione dei dati in tempo reale consente a tutte le parti della catena del valore di vedere immediatamente lo stato delle operazioni e di prendere decisioni più informate che aiutano a evitare questi problemi.

Quali sono le funzionalità diversificate di Databricks per i dati in tempo reale?

• Il lakehouse di Databricks utilizza tecnologie che includono Delta, DLT, Autoloader e Photon per consentire ai clienti di utilizzare i dati a supporto di decisioni in tempo reale.
• Lakehouse for Retail supporta anche i job più grandi a intervalli quasi in tempo reale. I nostri clienti caricano nel lakehouse quasi 400 milioni di eventi al giorno dai log delle transazioni a intervalli di 15 secondi. A causa dell'interruzione delle attività di reporting e analisi che si verifica durante l'elaborazione dei dati, la maggior parte dei clienti del settore retail carica i dati nel proprio data warehouse durante un batch notturno. Alcune aziende caricano i dati addirittura con cadenza settimanale o mensile.
• Un'architettura lakehouse event-driven fornisce un metodo più semplice per l'inserimento e l'elaborazione di dati batch e streaming rispetto agli approcci legacy, come le architetture Lambda. Questa architettura gestisce l'acquisizione dei dati di modifica e garantisce la conformità ACID delle transazioni.
• DLT semplifica la creazione di pipeline di dati e integra automaticamente la derivazione dei dati per agevolare la gestione continua.
• Il lakehouse consente di inserire i dati in tempo reale e di eseguire analisi sui flussi di dati. Con i data warehouse è necessario estrarre, trasformare, caricare ed estrarre nuovamente i dati dal warehouse prima di poter eseguire qualsiasi analisi.
• Photon offre prestazioni di query ineguagliabili, consentendo agli utenti di interrogare anche i set di dati più grandi per prendere decisioni informate in tempo reale negli strumenti di BI.

Ulteriori informazioni sulle soluzioni Lakehouse for Retail.

Risorse aggiuntive

• Collaborare su dati e AI nella catena del valore del commercio al dettaglio
• Analisi del punto vendita in tempo reale con un data lakehouse
• Migliorare la disponibilità a scaffale degli articoli utilizzando l'AI per limitare l'esaurimento delle scorte