Leveraging IoT for Data-Driven Decision Making: A Case Study of Sleeping Duck

技术

分析与建模 - 大数据分析
平台即服务 (PaaS) - 应用开发平台

适用行业

石油和天然气
运输

适用功能

采购
销售与市场营销

用例

最后一英里交付
拣选/分拣/定位

服务

云规划/设计/实施服务
数据科学服务

挑战

Sleeping Duck 是一家澳大利亚床垫公司，面临着管理分散在各个来源的数据并从中获取可行见解的挑战。这些数据驻留在软件即服务 (SaaS) 平台、网络应用程序、Facebook 和 Google Ads 等营销平台以及公司自己的产品中。从这些不同来源提取相关信息的过程非常复杂且需要手动操作。该公司的工程师必须编写和维护自定义脚本来提取数据，这种做法既不可扩展也不可持续。该公司需要一种解决方案，能够有效地从这些来源提取数据，对其进行管理，并将其输入到商业智能解决方案中，以进行数据驱动的决策。

关于客户

Sleeping Duck 是一家总部位于澳大利亚的创新床垫公司。该公司成立于 2014 年，通过为客户提供高品质、可定制的睡眠体验，在拥挤的在线床垫领域赢得了声誉。该公司的商业模式和对客户服务的重视使其成为澳大利亚最知名的品牌之一，并成为竞争激烈的市场中的领导者。数据驱动公司做出的每一个决策，从简化客户旅程和优化广告支出，到确定新的增长市场和确保卓越的客户服务。

解决方案

Sleeping Duck 采用了双管齐下的解决方案，涉及 Snowflake 和 Fivetran。第一步是迁移到云中可靠的数据仓库。他们选择 Snowflake 是因为其基于 SQL 的平台可以单独快速地扩展计算和存储。这种灵活性至关重要，因为公司的数据分析需求预计不会以可预测的方式扩展。该解决方案的第二部分是实现一个数据管道解决方案，该解决方案可以从各种来源提取数 TB 的数据，而无需进行太多编码或配置。为此选择了 Snowflake 中的数据集成器选项 Fivetran。 Fivetran 将关键业务数据从云中的数十个来源提取到公司的 Snowflake 数据仓库。从那里，可以根据需要操纵数据并将其发送到商业智能平台进行分析。数据可以每月、每周、每天甚至每 15 分钟同步一次，提供近乎实时的商业智能。

运营影响

The implementation of Snowflake and Fivetran has transformed Sleeping Duck's business operations. The company can now leverage data to make critical business decisions. Stakeholders from across the organization can present a question and the data analytics team can provide the analytics to answer it. Whether it's the advertising team wondering which TV spot would give them the most bang for their buck or the mattress delivery team wanting to narrow the delivery time ranges they give customers, data can provide the answer. The company can optimize marketing spend, streamline the customer journey, and put the customer first by having a 360-degree view of the customer when someone calls with an issue. The company is also constantly looking at ways to improve service and customer experience, and is about to embark on a project that will require a deeper dive into the company’s customer demographic, in order to design a loyalty program that will lead to referrals and repeat business.

数量效益

Fivetran pulls data from 70 sources in the cloud into a data warehouse
Eliminates the need for engineering resources to write custom scripts
Data can be synced monthly, weekly, daily or even every 15 minutes, providing near real-time business intelligence