メインコンテンツへジャンプ
![4 Personas Analytics AIBI 3a]()
リアルタイムリテールとは何ですか?
ストリーミング分析を通じて、小売業者が顧客の行動、在庫の変化、市場の状況に即座に対応できるようにするリアルタイムデータ処理
Summary
- Apache Kafka、Spark Streaming、Flinkなどのテクノロジーを用いて、IoTセンサー、モバイルアプリ、ウェブ分析、ソーシャルメディア、トランザクションシステムからのストリーミングデータを処理し、1秒未満のレイテンシでインサイトを提供します。
- アプリケーションには、在庫切れを防ぐリアルタイム在庫追跡、競合他社の行動や需要に合わせて調整される動的な価格設定、顧客の閲覧パターンに基づいてトリガーされるパーソナライズされたオファー、不審な取引をブロックする不正検出などが含まれます。
- 一貫した顧客体験を実現するために、高速データ取り込み、低レイテンシのクエリエンジン、スケーラブルなストリーム処理フレームワーク、分析システムと同期された運用データベースをサポートするインフラストラクチャが必要です。
小売業におけるリアルタイムデータ
- 小売業におけるリアルタイムデータとは、データへのリアルタイムなアクセスを意味します。バッチ式のアクセス、分析、コンピューティングからリアルタイムアクセスに移行することで、データは常時稼働の状態となり、正確でタイムリーな意思決定とビジネスインテリジェンス（BI）の推進が可能になります。需要予測、パーソナライゼーション、店頭在庫の可用性、到着時間予測、オーダーピッキング とコンソリデーションといったリアルタイムのユースケースは、サプライチェーンのアジリティ向上、サービス提供コストの削減、製品の可用性の最適化、在庫補充などを通じて組織に価値をもたらします。
小売業におけるリアルタイムデータの重要性
- この 20 年間で、eコマースやオムニチャネルへの移行が進行しました。しかし、消費者行動は、新型コロナウイルス感染症（COVID-19）のパンデミックによって根本的に変化しました。10 年分の変化がわずか 10 週間で起こったといえるような状況です。ロックダウン（都市封鎖）により実店舗が閉鎖するなか、消費者はデジタルチャネルでの購買に移行しました。また、レストランでは店内飲食が禁止され、ドライブスルーやデリバリーの利用が急増しました。一方で、消費者の購買行動の変化に伴い、不正行為の増加、サービスや商品に対する顧客の期待の変化、返品の増加、カーブサイドサービスや配達のコスト増大といった変化も現れています。
- 消費者に起因するこのような変化をさらに複雑にしているのは、昨今のサプライチェーンの不安定さです。今後数年間における小売・消費財業界の最大のリスクは、不安定さといえるでしょう。
- 従来のビジネス戦略は一瞬にして意味を持たなくなりました。これまでの需要予測では適切な判断ができず、顧客の嗜好の変化が在庫切れを引き起こし、小売業者の利益率は低下しました。消費者がリアルタイムで買い物をするようになり、従来のデータウェアハウスアーキテクチャでは対応できなくなり、企業はよりリアルタイムな 対応を可能にするソリューションへの移行を迫られました。この課題を解決するのがリテール向けレイクハウスです。
レポート
エンタープライズ向けエージェントAIプレイブック
リアルタイムなデータアクセスのメリット
- 大規模なデータを迅速に取り込むことで、バリューチェーン全体で高度な知見をリアルタイムに利用できるようになり、コストを削減してエラーを最小限に抑えます。小売業者では、情報なしでの意思決定は失敗につながります。このような誤りは、次のような状況を招きます。
- 需要を低く見積ることで急ぎの配送が発生し、速達便のコストがかかる。
- 製品の生産量の誤った予測が過剰な在庫コスト、売れ残り、廃棄の増加につながる。
- 故障への対応が、生産サイクルを中断させる計画外停止を引き起こす。
- 不完全または不正確なデータでの注文処理が、追加の配送コストや返品率の上昇につながる。
- 最新データに基づいた消費者エンゲージメントの機会を逃すことにより、販売機会の喪失をもたらす。
- リアルタイムなデータ処理により、バリューチェーン全体で遅滞のない運用状況の確認と、情報に基づいた的確な意思決定が可能になり、このような問題を回避できます。
Databricks のリアルタイムデータの差別化機能
- Databricks のレイクハウスは、Delta、DLT、オートローダー、Photon などのテクノロジーを使用しており、お客様におけるリアルタイムなデータアクセス、意思決定を可能にします。
- リテール向けレイクハウスは、ニアリアルタイムで最大規模のデータジョブをサポートします。例えば、お客様はトランザクションログシステムから 1 日あたり 15 秒間隔で 4 億件近いイベントを取り込んでいます。データ処理を行うとレポート作成や分析が中断されるため、小売業のお客様の多くは、夜間にバッチ処理を行い、データウェアハウスにデータをロードしています。中には、週次または月次でデータをロードしている企業もあります。
- レイクハウスのイベントドリブンなアーキテクチャでは、ラムダアーキテクチャなどの従来のアプローチと比較して、バッチデータやストリーミングデータの取り込みと処理がシンプルです。このアーキテクチャは、変更データの取得処理を実行し、ACID コンプライアンスのトランザクションをサポートします。
- DLT は、データパイプラインの構築をシンプルにし、リネージを自動的に作成して運用管理をサポートします 。
- レイクハウスは、リアルタイムストリーミングのデータを取り込み、ストリーミングデータに対する分析を可能にします。データウェアハウスでは、いかなる分析を行うにも、データウェアハウスからの抽出、変換、ロード、追加抽出が必要です。
- Photon は、画期的なクエリ性能を提供します。ユーザーは最大規模のデータセットにクエリを実行し、BI ツールでのリアルタイムな意思決定を可能にします。
リテール向けレイクハウスの詳細は、こちらをご覧ください。
関連資料
Databricksの投稿を見逃さないようにしましょう
興味のあるカテゴリを購読して、最新の投稿を受信トレイに届けましょう