Solution d’analyse de bout en bout pour l’optimisation de la main-d’œuvre au détail
Une nouvelle plateforme d’analyse a permis d’améliorer de 15 % l’efficacité de l’exécution de commercialisation du distributeur
A large US retailer lacked the data and analytics capabilities it needed to support its merchandising execution workforce. Its team focused all its time on keep-the-lights-on operations instead of developing labor management insights.
The Data and Analytics team from NTT DATA drew up a roadmap to create an analytics insight team, rebuilt key reports and used data science/machine learning to improve forecasting accuracy, delivering an annual benefit of $12-$13 million.
+15
12 à 13 M$
Réduire la complexité des rapports opérationnels
Le détaillant gérait les opérations de plus de 30 000 employés d’exécution de marchandisage sur une plateforme de données patrimoniale qui éprouvait des difficultés à répondre aux besoins opérationnels et n’offrait aucune capacité d’analyse.
L’entreprise a tenu à jour plusieurs flux de données, des centaines de rapports standard, 1 200 tables, 800 vues et d’innombrables demandes ponctuelles, tout en répondant à d’innombrables appels du terrain pour obtenir du soutien. Son équipe a consacré 100 % de son temps à des opérations à la fine pointe de la technologie au lieu de développer des connaissances et des analyses pour stimuler les actions.
Création d’une plateforme d’analyse en nuage
Le détaillant s’est tourné vers l’équipe Données et analyses de NTT DATA pour l’aider à créer une feuille de route visant à améliorer l’exactitude et l’efficacité de la mise en marché. Les équipes ont créé une vision, une feuille de route et une conception organisationnelle pour mettre sur pied une équipe d’analyse axée sur la création de valeur pour l’entreprise plutôt que sur le soutien de l’environnement existant.
L’équipe des données et des analyses a migré l’ancien système du détaillant vers la plateforme Google Cloud et BigQuery. Cela a permis de réduire le nombre de tables et de vues de plus de 2 000 à environ 275. Il a également supprimé les données dupliquées et fourni une base d’architecture pour l’avenir.
L’équipe a rationalisé les rapports, prenant ainsi sa retraite de plus de 600 rapports rarement utilisés. Il a reconstruit les rapports clés pour aider le détaillant à se concentrer sur les indicateurs de rendement clés (IRC) réels. Le projet a également aidé à automatiser l’ingestion, la transformation et l’extraction des données.
En utilisant la science des données et l’apprentissage automatique, NTT DATA a aidé le détaillant à développer des normes de main-d’œuvre granulaires qui ont amélioré l’exactitude des prévisions de 15 % et a généré de 12 à 13 millions de dollars en avantages annuels.
Améliorer les prévisions grâce à la science des données
- Amélioration de 15 % de l’exactitude des
- prévisionsAvantages annuels de 12 à 13 M$ offerts RetraitéPlus
- de 600 rapports rarement
- utilisésRemaniement des rapports clés pour mettre l’accent sur les indicateurs clés de rendement réels
À propos de l’étude de cas
Un grand détaillant a défini une stratégie d’analyse, a développé une plateforme et des analyses avancées pour améliorer l’exactitude et l’efficacité de la mise en marché.
Siège social de & CPG Commerce de
détail de l’industrie États
-Unis