Warum eine intelligente Daten-Cloud der Schlüssel zur digitalen Transformation ist

Im Zeitalter der digitalen Disruption sehen sich Unternehmen aller Branchen mit Alternativen konfrontiert, die bessere Technologien, Geschäftsmodelle, betriebliche Wertschöpfungsketten und Kundenerfahrungen bieten. Die digitale Transformation ist kein neues Phänomen, hat sich jedoch in den letzten Jahren in den Bereichen Einzelhandel, Gesundheitswesen, Finanzdienstleistungen, Transport, Automobil, Medien und Unterhaltung sowie Fertigung beschleunigt.

Digitale Innovatoren bringen die Geschäftsmodelle der etablierten Unternehmen durcheinander, indem sie viel schneller Innovationen hervorbringen. Diese digitalen Pioniere erkennen das Potenzial der Integration von Daten im gesamten Unternehmen, um echte Veränderungen und Wertschöpfung zu bewirken. Sie profitieren von den Vorteilen langlebiger, unternehmenskritischer Datenbanken, Analysen und maschineller Lernsysteme, die das Unternehmen rund um die Uhr zuverlässig betreiben und Innovationen vorantreiben können. Digitale Innovatoren bauen ihre Datenwolken mithilfe einer Plattform auf, die offen, intelligent und vertrauenswürdig ist, und das tun sie jetzt.

Kunden, deren digitale Transformation durch intelligente Datenwolken unterstützt wird

1. The Home Depot (THD) macht über 400.000 Mitarbeiter intelligenter, indem es ihnen Einblick in die Artikel gibt, die jeder Kunde benötigt, und zwar bei mehr als 50.000 Waren, die an über 2.000 Standorten gelagert werden. Zusätzlich zur Verwendung von Cloud SQL, Spanner und Bigtable für betriebliche Anwendungsfälle verwendet THD KI, um mithilfe seiner mobilen Anwendungen zur Navigation im Geschäft bei der Ortung von Artikeln zu helfen.
2. Mithilfe von ML und Computern konnte die American Cancer Society einzigartige Muster in digitalen Pathologiebildern identifizieren, um möglicherweise die Behandlungsergebnisse der Patienten zu verbessern, und Brustkrebsbilder 12-mal schneller analysieren. Selbst mit einem Team engagierter Pathologen hätte die Auswertung von 1.700 Gewebeproben ohne maschinelles Lernen Jahre statt drei Monate gedauert.
3. UPS spart jährlich bis zu 400 Millionen US-Dollar, indem es seinen Kraftstoffverbrauch durch den Einsatz von BigQuery und Spanner um 10 Millionen Gallonen senkt, mehr Waren zu geringeren Kosten ausliefert und seine Kunden intelligenter und flexibler bedient.
4. Der Onlineshop Zulily nutzt die neuesten Möglichkeiten der künstlichen Intelligenz, des maschinellen Lernens und des Cloud-Computing, um seine Kunden auf sinnvolle Weise zu entwickeln und zu bedienen. Um Online-Käufern eine genaue Darstellung davon zu bieten, wie ein Kleidungsstück beim Tragen aussehen würde, trainiert Zulily Modelle des maschinellen Lernens, um Produktfotos zu analysieren und Informationen zu extrahieren. Sie entwickeln solche Lösungen mithilfe von Cloud-basierten Technologien wie AutoML Vision.
5. Mithilfe von BigQuery, Cloud SQL und Spanner verarbeitet die ANZ Bank Transaktionen bis zu 250-mal schneller als zuvor.
6. Mit der Unterstützung von ML, BigQuery und Google Kubernetes Engine kann Priceline datengesteuerte Entscheidungen viel schneller treffen und sich so rascher an ändernde Kundenanforderungen anpassen.

Moderne Datenmethoden sind in archaischen Datensystemen gefangen

Der Google Cloud-Kunde The Home Depot (THD) hat sich durch seine Größe einen Namen gemacht – große Standorte, ein umfangreiches Produktsortiment und, am wichtigsten, große Kundenzufriedenheit. Mit der Zeit stellte THD jedoch fest, dass es ein Problem gab, und das war natürlich Big Data. Obwohl sein Erfolg über die Jahre hinweg vollständig auf Daten beruhte, suchte THD nach einer Methode, seine Strategie zu aktualisieren. Das Unternehmen wollte die Feinheiten seiner verbundenen Unternehmen, wie Geräteverleih und Haushaltsdienstleistungen, effektiver kombinieren. Darüber hinaus wollte es seine Datenanalyseteams und Filialmitarbeiter besser mit mobilen Computergeräten ausstatten sowie E-Commerce und neue moderne Tools wie künstliche Intelligenz (KI) nutzen, um die Bedürfnisse seiner Kunden zu erfüllen.

Ihr aktuelles Data Warehouse vor Ort war den modernen Herausforderungen nicht mehr gewachsen, wurde durch den kontinuierlichen Analysebedarf überlastet und konnte die immer komplexeren Anwendungsfälle ihrer Datenanalysten nicht mehr bewältigen.

Dies führte nicht nur zu einer enormen Erweiterung des Data Warehouse, sondern brachte auch Schwierigkeiten bei der Kontrolle von Prioritäten, Leistung und Kosten mit sich.

Die Kapazitätserweiterung der Umgebung erforderte von THD umfangreiche Planungs-, Design- und Testarbeiten. In einem Fall erforderte die Kapazitätserweiterung vor Ort sechs Monate Vorbereitungszeit und eine dreitägige Dienstunterbrechung. Die Vorteile waren jedoch nur von kurzer Dauer; innerhalb eines Jahres traten erneut Kapazitätsengpässe auf, die die Leistung und die Fähigkeit zur Ausführung aller wesentlichen Berichts- und Analyse-Workloads beeinträchtigten. The Home Depot musste außerdem seine Betriebsdatenbanken aktualisieren, um die Bereitstellung von Apps für seine Teams zu beschleunigen und die Notwendigkeit der Ressourcenverwaltung zu beseitigen.

THD hatte keinen Echtzeitzugriff auf die Verkaufs-, Produkt- und Versandanalysen, die zur Verbesserung des Kundenerlebnisses, der Produkt-SKUs usw. erforderlich sind. Dies schränkte die Wettbewerbsfähigkeit des Unternehmens in einer Branche ein, in der das Kundenerlebnis von entscheidender Bedeutung ist.

Kommt Ihnen das bekannt vor? Diese Schwierigkeiten sind mittlerweile in der gesamten Organisation weit verbreitet. Der Einsatz veralteter Technologien bei gleichzeitigem Versuch, eine zeitgemäße Datenstrategie umzusetzen, ist für die überwiegende Mehrheit der Organisationen, darunter auch THD, nicht mehr machbar.

Laden Sie das Whitepaper von Google Cloud herunter, um mehr darüber zu erfahren, warum eine intelligente Daten-Cloud der Schlüssel zur digitalen Transformation ist, nur bei Whitepapers Online.