Die Migration zur Google Cloud Platform führte zu Kosteneinsparungen für ein weltweit führendes Unternehmen der Konsumgüterindustrie
Challenge
Wir mussten eine Datenplattform entwickeln, die Interaktionen über verschiedene Kontaktpunkte hinweg effektiv überwachen und Einblicke in das Kundenverhalten und die Produktnutzung in Echtzeit bieten kann. Die Plattform wurde speziell für die Anforderungen des Unternehmens in den Bereichen maschinelles Lernen und Business Intelligence entwickelt. Sie musste Daten aus verschiedenen Quellen wie Webklicks, Clickstreams für mobile Apps, CIAM-Ereignisse und Interaktionen aus dem Loyalty Management System effizient sammeln.
Our approach
Um die Migration von Parquet-Dateien von einem anderen Cloud-Speicheranbieter auf die Google Cloud Platform zu erleichtern, haben wir uns auf Google Cloud Storage-Buckets und den STS-Dienst verlassen. Für die Aufnahme und Transformation der Flatfiles verwendeten wir PySpark in Dataproc und luden sie in BigQuery. Um das Laden von Ereignissen aus SaaS CDP abzuwickeln, verwendeten wir Batch-Dataflow-Jobs. Echtzeit-Datenquellen wurden über PubSub aufgenommen, wobei BigQuery als Senke diente. Die Orchestrierung von ETL-Prozessen und die nachgelagerte SQL-Verarbeitung wurden ebenfalls implementiert.
The outcome
Die Consumer Data Platform innerhalb der Google Cloud Platform dient als ultimative Quelle für genaue Informationen für alle Business Intelligence- (BI) und Machine-Learning-Modelle (ML). Die Plattform ist in der Lage, die tägliche Erfassung von Hunderten von Millionen von Kundenereignissen effizient abzuwickeln. Durch den Einsatz der von der Google Cloud Platform bereitgestellten Tools waren die Marketingtechnologen in der Lage, sich erfolgreich vom Ansatz der isolierten Datenspeicherung zu verabschieden, sodass sie in Echtzeit ein umfassendes Verständnis jedes einzelnen Kunden gewinnen konnten.