System rekomendacji: 72% ulepszenie sprzedaży krzyżowej poprzez gromadzenie danych dla sklepów internetowych

AWS

Analiza biznesowa

Inżynieria danych

Zarządzanie danymi (DMS)

Rozwiązanie oparte na Python ma na celu automatyzację systemu gromadzenia danych użytkownika i ulepszenie analityki użytkownika.

Klient

Przemysł

eCommerce

Region

USA

Klient od

2019

Naszym klientem jest duży sklep internetowy w USA. Głównym asortymentem sklepu jest zróżnicowana odzież różnych marek dla mężczyzn, kobiet i dzieci.

Szczegółowe informacje o kliencie nie mogą zostać ujawnione zgodnie z postanowieniami umowy NDA.

Wyzwanie

Współpracujemy z platformą internetową, która zapewnia możliwość zakupu ubrań i akcesoriów różnych marek.

Nasz klient dostarczył nam aktywnie rozwijającą się architekturę systemu rekomendacji do analityki i zbierania danych o aktywności użytkowników.

Rozwiązanie

Naszym celem było stworzenie systemu gromadzenia i przetwarzania danych, aby zapewnić zarówno kupującym rekomendacje dotyczące odpowiednich towarów, jak i klientowi bardziej istotne informacje na temat aktywności kupujących w jednym miejscu.

Platforma nie została opracowana od podstaw; zmodyfikowaliśmy ją w ramach zadań klienta. Rozwiązanie zostało zbudowane w oparciu o technologie chmurowe, nowoczesne podejście do rozwoju, które pozwala zaoszczędzić na DevOps, ponieważ usługi chmurowe oferują wszystko, co jest potrzebne w chmurze.

Dane są gromadzone na podstawie tego, co klienci kupują lub dodają do koszyka, ich kliknięć, ruchów myszy itp. Następnie system tworzy modele, które będą oferować kupującym potencjalnie pożądane towary. Byliśmy odpowiedzialni za zorganizowanie dokładnego zbierania danych.

OPTYMALIZACJA ZAPYTAŃ DO PRZESYŁANIA METRYK DO SNOWFLAKE

Dostarczono nam ogromny plik składający się z wielu wierszy (kilka tysięcy) z różnymi zapytaniami SQL. Klient zbierał dane z różnych tabel i obliczał różne wskaźniki. Istniało wiele powtarzających się części kodu i musieliśmy stworzyć generator zapytań, który w oparciu o kilka szablonów kodu zmieniał wartości wejściowe zapytań i wykonywał je zamiast wykonywać te same wielokrotne zapytania. Umożliwiło to stworzenie wygodnego, elastycznego i skalowalnego narzędzia do szybkiego i dynamicznego dodawania zapytań w celu obliczenia nowych wskaźników.

AUTOMATYZACJA ZARZĄDZANIA DANYMI

AWS to platforma chmurowa firmy Amazon, która umożliwia dostawcom aplikacji, ISV i sprzedawcom szybkie i bezpieczne hostowanie ich rozwiązań - niezależnie od tego, czy jest to istniejąca aplikacja, czy nowa. Aplikacja oparta na SaaS. AWS Systems Manager Parameter Store zapewnia bezpieczne repozytorium do zarządzania danymi konfiguracyjnymi i hasłami. Naszym zadaniem było zautomatyzowanie dodawania nowych lub zmiany nieaktualnych konfiguracji lub wrażliwych haseł lub danych, tak aby użytkownik nie musiał robić tego ręcznie za pomocą interfejsu graficznego.

KONFIGURACJA PRZEPŁYWU POWIETRZA

W Airflow przepływy pracy są projektowane i wyrażane jako DAG, gdzie każdy krok DAG jest zdefiniowany jako konkretne zadanie. Został on zaprojektowany ze świadomością, że wszystkie procesy ekstrakcji, transformacji, ładowania i manipulacji danymi są najlepiej wyrażone jako kod, i jako taka jest to platforma oparta na kodzie, która umożliwia szybką i wydajną iterację przepływów pracy. Ponieważ Airflow jest wysoce skuteczny w organizowaniu i planowaniu przepływów pracy potoku danych, używamy go do konfigurowania wstępnie zaplanowanych zdarzeń. DAG może być uruchamiany co godzinę lub na przykład co 3 godziny 30 minut itd. Jeśli wszystkie zadania w DAG zostały pomyślnie zakończone, wówczas DAG jest uważany za pomyślnie zakończony. Jest to wygodne, ponieważ DAG działa przez cały czas bez konieczności wykonywania ręcznych czynności.

ZARZĄDZANIE CEGŁAMI DANYCH

Utworzyliśmy nowe zadania, które odczytywały dane z zasobnika S3 klienta, wykonywały pewne przetwarzanie i przesyłały dane bezpośrednio do nas w DynamoDB. Zadania te zostały dodane jako część Airflow DAGs, aby zautomatyzować ten proces.

WDROŻENIE CI/CD

Podczas pracy nad projektem skonfigurowaliśmy CI/CD, jedną z praktyk DevOps, która pozwala programistom wdrażać zmiany w oprogramowaniu częściej i bardziej niezawodnie, minimalizować błędy, zwiększać szybkość rozwoju i poprawiać jakość produktu końcowego. Włączyliśmy ją między GitHub i Databricks. W ten sposób, gdy coś zmieniło się w GitHub, jest to automatycznie wyświetlane w naszym Databricks. W rezultacie klient otrzymuje rozwiązanie wyższej jakości przy minimalnej liczbie worków.

Technologie i narzędzia

Główne języki programowania

Python, Scala, Java, SQL

Analiza danych

Scala, Python, Tableau

Usługi Cloud

AWS (EC2, MWAA, Lambda, S3, SSM, CloudWatch, IAM, CloudFormation, CodeBuild, EMR), DataDog

Bazy danych

Snowflake, Databricks, Kafka, DynamoDB

Frameworks

Hadoop, Spark

Proces

Biorąc pod uwagę wszystkie wymagania klienta i specyfikę projektu, zaproponowaliśmy Scrum jako metodologię cyklu życia oprogramowania z wykorzystaniem Jira i Confluence. Jeśli chodzi o narzędzie komunikacji, klient zasugerował użycie Microsoft Teams.

W oparciu o nasze bogate doświadczenie w tworzeniu różnych aplikacji internetowych i systemów zarządzania danymi, nasz zespół zaproponował najbardziej odpowiedni stos technologiczny.

Podczas całego projektu organizujemy codzienne i cotygodniowe spotkania, przeglądy techniczne, przeglądy sprintów, retro, planowanie i ciągłe spotkania jeden na jeden z liderem zespołu w sprawie wszelkich pytań lub wątpliwości.

Dzięki dobrze zaplanowanemu przepływowi pracy oraz terminowym i przejrzystym procesom komunikacji jesteśmy w stanie dostarczać wyniki szybciej i wydajniej.

Zespół

Inżynierowie danych

Analitycy danych

Kierownik projektu

Menedżer produktu

QA Inżynier

Wyniki

Po zakończeniu aktywnej fazy projektu, która odnosi się do aktualizacji analizy danych i systemu rekomendacji, platforma zakupów online zyskała lepszą wydajność, stabilność i użyteczność, zwiększając tym samym swoje możliwości marketingowe i wyższą sprzedaż.

Zespół projektowy został uznany za profesjonalistów dzięki rozległemu zapleczu technicznemu i wysokim umiejętnościom komunikacyjnym. Ponieważ udało nam się z powodzeniem zorganizować współpracę z klientem w aktywnej fazie projektu, nasi eksperci IT kontynuowali współpracę z klientem, zapewniając długoterminowe wsparcie dla rozwiązania.

Czas trwania projektu

Od 2022 r.
Projekt wciąż trwa, na tym etapie wspieramy platformę i wdrażamy nowe funkcjonalności

Powiązane przypadki

Skontaktuj się z nami!

Zarezerwuj połączenie lub wypełnij poniższy formularz, a my skontaktujemy się z Tobą po przetworzeniu Twojego zgłoszenia.

Nazwa

Firma

E-mail

Telefon

Wiadomość Prosimy o podanie szczegółów projektu, czasu trwania, stosu technologicznego, potrzebnych specjalistów IT i innych istotnych informacji.

Nagraj wiadomość głosową na temat
projekt, który pomoże nam lepiej go zrozumieć

W razie potrzeby dołącz dodatkowe dokumenty

Prześlij plik

Można załączyć maksymalnie 1 plik o łącznej wielkości 2 MB. Ważne pliki: pdf, jpg, jpeg, png

Informujemy, że po kliknięciu przycisku Wyślij Innowise będzie przetwarzać Twoje dane osobowe zgodnie z naszą Polityką prywatności w celu dostarczenia Ci odpowiednich informacji.

Co będzie dalej?

Po otrzymaniu i przetworzeniu Twojego zgłoszenia skontaktujemy się z Tobą wkrótce, aby wyszczególnić potrzeby projektu i podpisać umowę o zachowaniu poufności, aby zapewnić poufność informacji.

Po przeanalizowaniu wymagań, nasi analitycy i programiści opracowują projekt z zakresem prac, wielkością zespołu, czasem i kosztami szacunki.

Umówimy się z Tobą na spotkanie, aby omówić ofertę i dojść do porozumienia porozumienia.

Podpisujemy umowę i rozpoczynamy pracę nad projektem tak szybko, jak to możliwe możliwe.

System rekomendacji: 72% ulepszenie sprzedaży krzyżowej poprzez gromadzenie danych dla sklepów internetowych

Klient

Wyzwanie

Rozwiązanie

Naszym celem było stworzenie systemu gromadzenia i przetwarzania danych, aby zapewnić zarówno kupującym rekomendacje dotyczące odpowiednich towarów, jak i klientowi bardziej istotne informacje na temat aktywności kupujących w jednym miejscu.

Technologie i narzędzia

Proces

Zespół

Wyniki

Powiązane przypadki

Skontaktuj się z nami!

Co będzie dalej?

Let^●s develop
software together!

Złóż kolejną prośbę

Zamknij

System rekomendacji: 72% ulepszenie sprzedaży krzyżowej poprzez gromadzenie danych dla sklepów internetowych

Klient

Wyzwanie

Rozwiązanie

Naszym celem było stworzenie systemu gromadzenia i przetwarzania danych, aby zapewnić zarówno kupującym rekomendacje dotyczące odpowiednich towarów, jak i klientowi bardziej istotne informacje na temat aktywności kupujących w jednym miejscu.

Technologie i narzędzia

Proces

Zespół

Wyniki

Powiązane przypadki

Skontaktuj się z nami!

Co będzie dalej?

Let●s develop software together!

Subskrybuj do nasz newsletter

Złóż kolejną prośbę

Zamknij

Let^●s develop
software together!

Subskrybuj
do nasz newsletter