De uitdaging
We werden door een wereldwijde expediteur benaderd die zijn logistieke activiteiten wilde verbeteren. De problemen van het bedrijf kwamen voort uit de vele niet-gekoppelde gegevensbronnen die van wisselende kwaliteit waren. Bovendien was er sprake van een gebrek aan geautomatiseerde analyses en vertragingen in het gebruik van de beschikbare data. Een ander probleem was de omgeving op locatie, waar het aan flexibiliteit en prestaties ontbrak. Dit was voornamelijk te wijten aan een klein data science-team dat het met beperkte middelen moest doen.
Het bouwen van een platformprototype voor de bedrijfsonderdelen om gegevensinzichten te verkrijgen voor klantbehandeling.
De aanpak
We begonnen allereerst met het bieden van ondersteuning in de vorm van het opzetten van een duurzame datapijplijn en data lake. We zetten de on-premise omgeving om naar een flexibeler aanbod, waarbij extract, transform en load (ETL) en de analytische workload naar de cloud werden verplaatst.
We zorgden ook voor een gezamenlijke implementatie van geselecteerde machine learning use cases en bouwden een platformprototype voor de bedrijfseenheden van de onderneming om data-inzichten te verkrijgen voor klantbehandeling.
Het resultaat
Na de samenwerking met Eraneos en de implementatie van onze ideeën was de wereldwijde expediteur de trotse eigenaar van een geautomatiseerde datapijplijn en een prototype van een uitgebreid platform voor klantenanalyse. Dankzij deze wijzigingen heeft het bedrijf sindsdien verschillende use cases live zien gaan voor interne gebruikers.
Samen werken aan een duurzame verandering?
