04-17-2020 02:46 AM - edited 04-20-2020 03:11 AM
Cargill hat 400 lizenzierte Nutzer, die mit Alteryx Daten verarbeiten. Lesen Sie in diesem Praxisbeispiel, wie drei Alteryx-Anwender mit unterschiedlicher Erfahrung effizient Zeit sparen. Sie verfügen über mehrere Anwendungsfälle mit Alteryx Server-basierten Workflows, die bisher unmögliche Datensätze ausgeben, sowie Analyse-Apps, mit denen sie Endbenutzern die Möglichkeit zur Self-Service-Datenanalyse geben. Mit der Alteryx-Plattform erledigen sie die Arbeit von sieben Vollzeitkräften. Damit spart Cargill monatlich 844 Arbeitsstunden ein, die stattdessen genutzt werden können, um Führungskräfte und Kunden dabei zu unterstützen, schnellere, analysebasierte Entscheidungen zu treffen.
Ich bin bei Cargill für Tiernahrung und -ernährung zuständig. Meine Aufgabe innerhalb der Lieferkette ist es, die Händler zu unterstützen, indem wir nach bestem Wissen aufschlüsseln, welche Inhaltsstoffe wir zu welcher Zeit in unseren Werken haben müssen und wie wir jederzeit unseren vertraglichen Pflichten nachkommen können. Eine der größeren Herausforderungen besteht dabei darin, so zu planen, dass die Produktion unserer Hauptstandorte die Werke nicht an Samstagen oder Sonntagen verlässt, wenn die Händler geschlossen haben.
Tägliche Ausfalldaten: Zur Beobachtung unserer Ausfalldaten nutzen wir ein System namens Informants. 19 Niederlassungen von Cargill haben dieses System, das jeweils auf einem eigenen Server läuft. Um Daten abrufen zu können, ist es also eforderlich, sich bei jedem einzelnen Server anzumelden, die Daten abzurufen, zu kopieren und dann in eine Excel-Tabelle einzufügen.
Ich nutze Alteryx mittlerweile seit zweieinhalb Jahren. In meinem ersten Projekt ging es um Kundenrentabilität. Ich erhielt eine Access-Datenbank und eine Alteryx-Lizenz und sollte mit Alteryx das nachbilden, was bisher mit der Datenbank erledigt wurde. In der Access-Datenbank gab es 275 Queries, die ich durcharbeiten musste, um zu verstehen, wie das alles funktioniert. Damals wusste ich nichts über das Geschäft und nur sehr wenig über Cargill. Bei einem anderen Projekt, an dem ich mitgearbeitet habe, ging es um strategische Preisgestaltung. Man sagte mir: „Uns ist es noch nie gelungen, die Daten so zu analysieren, wie wir wollen. Hier sind die Datenquellen und unsere Ziele, schauen Sie mal, was Sie für uns tun können.“
Ich sollte Daten aus Bestandsverzeichnissen, Bestellungen und dem Umsatzverlauf extrahieren, um zuverlässig und dauerhaft prognostizieren zu können, was wir brauchen und im Bestand haben müssen, um alle vertraglichen Pflichten erfüllen und auch den Anforderungen der Kunden mit der größten Nachfrage gerecht werden zu können.
Dafür habe ich Tausende von Verträgen durchgearbeitet, alle mit eigenen Vertragsnummern, laufenden Nummern, unterschiedlichen Lieferfristen und Produkten. Ich ermittelte, welche unserer Produkte auf wöchentlicher, zweiwöchiger, monatlicher, vierteljährlicher oder jährlicher Basis produziert oder ausgepreist werden. „Generate Row“ („Zeile erstellen“) ist ein wirklich praktisches Tool. Ich kann leicht erkennen, wie viele Tage ein Vertrag noch läuft, und dann ab dem jeweils aktuellen Datum ein neues Feld erstellen, in dem das Tool mithilfe einer Loop-Funktion bis zum Ende der Vertragslaufzeit jeweils einen Tag hinzufügt. Mit dem Filter-Tool haben wir die Wochenenden ausgeschlossen, dann die Daten gruppiert und schließlich zusammengeführt.
Wir laden unseren Worflow in Alteryx Server hoch und die Nutzer erhalten ihn regelmäßig jeden Morgen um 4:00 Uhr. Das heißt, wenn sie ihre Arbeit aufnehmen, sehen sie sofort, was am jeweiligen Tag eingekauft werden muss, und die Daten werden in Tableau Server aktualisiert. Und diese Personen sind keine Software-Profis, sie sind mit der Technologie nicht vertraut und dennoch können sie den Workflow selbst ausführen, ohne mich fragen zu müssen.
Derzeit arbeite ich mit einem Alteryx-Workflow, der jeden Tag programmatisch in Alteryx Server ausgeführt wird. Er erfasst die Ausfallzeiten des Systems der vergangenen Tage und fügt die Daten in eine .YXDB-Datei ein. Inzwischen habe ich in dieser YXDB-Datei einen durchgehenden Datenverlauf von zwei Jahren. Mit diesem besonderen Workflow werden jeweils 28 Tage aus der XYDB ausgegeben und in einem Pareto-Format präsentiert. So erhalten die Nutzer regelmäßig Informationen, können sie nach Standort oder Zeile aufschlüsseln und die Fehler aufspüren, die zu den Ausfallzeiten geführt haben.
Aufgrund der Komplexität der Daten hätten wir sie nur etwa einmal im Monat erhalten und hätten dann daraus einige Berichte erstellt. Jetzt erhalten die Mitarbeiter täglich einen Datenverlauf von jeweils 28 Tagen, den sie ansehen und prüfen können, welche Störungen im jeweiligen Vormonat aufgetreten sind. Die Daten werden dabei ihn in Form eines Power BI-Berichts bereitgestellt.
Mit dem Workflow, den ich für ein strategisches Projekt zur Preisgestaltung erstellt habe, konnte das Team völlig neue Erkenntnisse gewinnen, die vorher undenkbar waren. Für die Schulung eines neuen Preisanalysten waren zuvor drei Monate notwendig. Jetzt können sie einen Analysten innerhalb von 30 Minuten mit Hilfe dieser neuen Daten die wir für sie zusammengetragen haben, trainieren. Aus diesen Daten wurde ein Tableau-Dashboard erstellt. So konnte der Prozess erheblich verbessert und gleichzeitig beschleunigt werden.
Für das Projekt zur Kundenrentabilität habe ich eine Analyse-App verwendet, die in Alteryx Server gehostet ist. Die Nutzerin kann nun jederzeit Berichte erstellen und ist besonders begeistert, dass sie dafür keine Unterstützung von anderen benötigt. Außerdem konnte ich die Anzahl der Queries, die sie zum Aktualisieren ausführen musste, bevor wir den Alteryx-Workflow eingesetzt haben, um 80 % reduzieren und arbeitet daher nun wesentlich effizienter. Und mit der Alteryx-Datenbank ist der Prozess jetzt so gut dokumentiert wie nie zuvor.
KUNDENRENTABILITÄT
STRATEGISCHE PREISGESTALTUNG
Die vollständige PowerPoint-Präsentation finden Sie hier.