1º Migração de BI clássico para estrutura analítica em nuvem;
2º Construção de um Data Lake único de vendas;
3º Construção de um processo de previsão de vendas e otimização de preços.
Os usuários de negócios possuíam um ambiente 100% on-premises, sem visualização regional abrangente e estratégica das preferências do mercado em tempo real.
Viabilizar a transformação digital em Data Analytics, integrando as lojas físicas e o online.
Redução de custos com infraestrutura e aumento da capacidade de processamento de vendas;
Criação de um processo de previsão de vendas em tempo real para identificação da curva de vendas;
Criação de um processo de price optimization, visando trabalhar a melhor elasticidade de preço possível, clusterizado por tipo de lojas.
Ter visão consolidada dos seus clientes em potencial e acesso aos dados estratégicos das vendas, além da junção dos relatórios de diversas áreas que eram descentralizados.
Grupo de varejo, detentor de uma das principais marcas de moda do Brasil, com capital aberto. Conforme o crescimento do grupo, com lojas físicas e a aceleração do e-commerce, houve ruptura de informações de vendas dentro de um ecossistema analítico.
Orquestrar dados de vendas reais e dados sensíveis sob uma governança.
#1: Implementação de ecossistema Data Mart;
#2: Implementação de Governança de Dados;
#3: Integração de consentimentos LGPD.
Agilidade no processamento dos relatórios e dados de horas para minutos;
Aumento de vendas em 60% com o lançamento de campanhas internas de cashback ao consumidor, comparado à plataforma contratada anteriormente, o que também gerou redução de custos;
Automatização e integração dos diversos tipos de consentimentos dos clientes com base nas regras da LGPD.
Integração de base de dados de forma consolidada das marcas de um grande grupo de varejo de cosméticos.
Com o crescimento do grupo de varejo de cosméticos e a aquisição de marcas para seu portfólio, havia descentralização de informações e falta de uso dinâmico e integrado de dados relevantes para a área de negócios.
Integração de dados de múltiplas bases.
#1: Ciência de Dados aplicada em modelos estatísticos;
#2: Machine Learning com foco em melhorias e performance.
Redução em seis (6) meses de ~27% no churn das consultoras entre as "Janelas de Vendas" — para as consultoras com alta probabilidade de churn, foram oferecidos incentivos e cupons, resultando em um aumento de cerca de 30% no ticket médio geral;
Tomada de decisão mais assertiva através da geração de KPIs de negócio;
Com a fusão das empresas, houve a integração e padronização das informações baseadas no comportamento de todos os clientes.
Desenvolver e fortalecer o acesso à informação e inteligência analítica para redes de supermercados e fornecedores. Foi um desafio para uma startup de inteligência analítica.
A startup de inteligência analítica, em parceria com uma associação regional de supermercados, buscava criar um ecossistema de dados centralizado e analítico para atender as demandas do setor.
Orquestrar dados para geração de relatórios analíticos.
#1: Implementação de Data Lake;
#2: Implementação de relatórios analíticos para tomada de decisão.
Aumento na maturidade analítica e confiabilidade na tomada de decisão orientada a dados;
Criação de uma plataforma consolidadora de vendas;
Geração de relatórios de inteligência de mercado para parceiros da rede supermercadista associada à empresa.
Executar projetos de migração de BI Corporativo em Vendas e Contabilidade.
Buscar soluções para redução de custos e avaliação de alternativas mais dinâmicas sem perder qualidade e entregabilidade para os usuários.
Reduzir custos associados ao uso de ferramentas de análise de dados avançadas.
Integração entre as ferramentas de processamento em memória, utilizando serviços de Analytics e aplicativos de automação;
Redução de custos e diminuição do tempo de processamento;
Melhoria na velocidade e organização dos dados através da implementação de serviços de análise avançada.
Necessidade de uma organização e repositório centralizado dos dados.
Uma das maiores indústrias globais de varejo de calçados, com presença e atuação relevante em diversos países.
Organizar a jornada do dado, desde a ingestão até o consumo.
#1: Construção de Data Lake, Ingestão de Dados e Consumo Analítico;
#2: Governança de Dados.
Tomada de decisão mais rápida devido à consolidação dos dados em tempo real;
Geração de análise de sentimentos por meio de campanhas de satisfação dos clientes;
Disseminação e implementação da cultura analítica em toda a companhia;
Democratização de dados capaz de servir dezenas de usuários simultâneos por área de negócio.
Implantar eficiência arquitetural para análise de dados.
Grupo de varejo e moda que recentemente realizou uma fusão com outro conglomerado do setor, formando uma nova organização.
Gestão de dados das empresas que compõem o grupo, visando uma visão analítica com foco em performance.
#1: Data Lake;
#2: Implementação de FinOps.
Maior confiabilidade das áreas de negócio para utilização dos dados em relatórios e ações de vendas estratégicas;
Campanhas de vendas mais assertivas com base nos dados dos clientes, disponibilizados em bases consolidadas;
Redução expressiva no tempo das entregas e na disponibilização dos dados nas camadas;
Redução de custos com a arquitetura, mesmo em crescimento exponencial, devido à adoção das melhores práticas em FinOps.
Diminuir o tempo de atualização das informações de vendas, navegação e produtos.
O primeiro projeto envolveu a construção de um Data Lake utilizando a engenharia MapR, e o segundo projeto foi a migração de MapR para a tecnologia Spring Boot.
Redução de custos e agilidade no processo de atualização das informações.
#1: Criação de Data Lake;
#2: Migração da solução MapR para Spring Boot.
Entrega de um processo de ingestão em Data Lake com dados atualizados em tempo real, reduzindo o tempo de atualização de 18 horas para cada 5 minutos;
Migração para a nova tecnologia, refletindo em redução de custos e atualizações das informações em tempo real.
Alto volume de transações, identificação de padrões de compra, fidelização de clientes e performance de tempo e resposta.
Uma das maiores varejistas de moda do Brasil, buscando otimização na gestão de dados analíticos para melhorar a performance em vendas.
Entender o comportamento de compra dos clientes, maximizar as vendas com ofertas personalizadas e otimizar a variedade de produtos oferecidos em cada loja.
#1: Oracle Big Data Appliance;
#2: Oracle Exadata Database Machine.
Entrega de um processo de ingestão em Data Lake com dados atualizados em real time. Atualização passaram de 18 horas para cada 5 minutos;
Migração para a nova tecnologia, refletindo em redução de custos e atualizações das informações em tempo real.
Integrar e padronizar um alto volume de informações de forma precisa, orquestrada para visão executiva.
Cenário de múltiplos dashboards executivos sem modelo para consumo.
Padronização e organização de dados para consumo do board executivo de uma grande empresa do setor de alimentos.
#1: Implementação da ferramenta ValQ;
#2: Implementação de 35 dashboards executivos.
Configuração para informações precisas de receitas, custos, despesas, balanço, fluxo de caixa, margens e informações de mercado em detalhes;
Solução com informações variáveis e simulação de cenários de negócio com base no orçamento;
Dashboards executivos em tempo próximo ao real.
Democratizar o acesso aos dados de logística, que eram utilizados em sistemas ERP.
Os usuários de negócios não tinham acesso aos dados para construir relatórios de acompanhamento relacionados aos custos de frete.
Viabilizar o processo de ingestão, mantendo o repositório com atualização rápida dos dados, sem se conectar o tempo todo para não impactar a experiência do usuário.
Disponibilização do acesso às informações para área de negócio através do Data Lake;
Desenvolvimento da cultura de criação de dashboards no Power BI;
Repositório com dados passou a ser atualizado uma vez ao dia.