Fallstudie

Verstreute Kundendaten, überführt in ein Warehouse, das Abwanderung beobachtet

Internet und IT

Ein Internetunternehmen, dessen Kundendaten über Geschäftsbereiche verteilt waren. Sie liegen heute in einem Snowflake-Warehouse, mit Dashboards, die Nutzung und Abwanderung beobachten.

Projektbeschreibung lesen (englisch)(öffnet in einem neuen Tab)
Dauer
9 Monate
Unternehmen
250–500 Mitarbeitende
Abwanderung
20 % niedriger
Eine Schemazeichnung: die getrennten Berichte, mit denen das Projekt begann, die eine zusammengeführte Reporting-Schicht, die sie ersetzt hat, und die Technologien darunter.

Verstreute Daten, ersetzt durch ein zentrales Warehouse

Die Kundendaten lagen in jedem Geschäftsbereich getrennt, also sah niemand, wie Kunden das Produkt insgesamt nutzten. Wir haben sie in ein Snowflake-Warehouse überführt und Dashboards gebaut, die Abwanderung zeigen, während sie entsteht.

niedrigere Kundenabwanderung
20 %
zentrales Warehouse
1
Monate Projektlaufzeit
9

Nach Branche und Größe anonymisiert, denn die Vertraulichkeit, die diesen Kunden schützt, würde auch Sie schützen. Branche und Ergebnisse sind echt, die identifizierenden Details nicht. Der Abwanderungswert ist der am Projektende festgehaltene.

Vorher und nachher

Vor und nach dem Projekt

Verstreute Daten

  • Daten über Geschäftsbereiche verteiltJeder Bereich mit eigener Kopie
  • Keine gemeinsame Sicht auf die NutzungAbwanderung erst gesehen, nachdem sie geschehen war

Ein Warehouse

  • Ein Snowflake-WarehouseDie zentrale Reporting-Umgebung
  • Dashboards für Nutzung und AbwanderungAutomatisch aktualisiert
Von Kundendaten, die in jedem Geschäftsbereich getrennt lagen, zu einem Warehouse, aus dem das Reporting liest.

Das Projekt im Detail

Kunde
Ein Internetunternehmen mit 250 bis 500 Mitarbeitenden und mehreren Geschäftsbereichen.
Ausgangslage
Niemand konnte sehen, wie Kunden das Produkt insgesamt nutzten, also wurde Abwanderung gezählt, nachdem sie geschehen war, statt beobachtet, während sie entstand, und damit blieb nichts, worauf man hätte reagieren können.
Auftrag
Verstreute Kundendaten in ein Cloud-Warehouse als zentrale Reporting-Umgebung überführen und darauf das Reporting zu Nutzung und Abwanderung bauen.

Von der Nutzung zum Handeln

Die Abwanderungsüberwachung machte aus Nutzungsdaten ein Signal, auf das das Unternehmen reagieren konnte, was zu 20 % niedrigerer Abwanderung beitrug.

  1. NutzungsdatenAus jedem Bereich, in einem Warehouse
  2. Verhaltens-DashboardsWie Kunden das Produkt nutzen
  3. AbwanderungsüberwachungGefährdete Kunden werden sichtbar
  4. HandelnBevor Kunden gehen

Die Architektur

Geschäftsbereiche: Bereichsdaten · Kundendatensätze. Ingestion: Azure Data Factory · Databricks. Warehouse: Snowflake. Reporting: Nutzungs-Dashboards · Abwanderungsüberwachung
Die Daten jedes Geschäftsbereichs werden über automatisierte Pipelines in ein Snowflake-Warehouse geladen, aus dem die Dashboards für Nutzung und Abwanderung lesen.

Architekturentscheidungen

EntscheidungVerworfene AlternativeWarum
Ein Cloud-WarehouseReporting je GeschäftsbereichKundenverhalten lässt sich über das ganze Unternehmen hinweg nur an einer Stelle lesen.
Automatisierte ETL-PipelinesVon Hand gesammelte ExporteJeden Bereich auf dieselbe Weise zu laden hält das Warehouse aktuell.
Abwanderung als überwachte KennzahlAbwanderung im Nachhinein gezähltEin Dashboard, das sie im Entstehen zeigt, gibt Zeit zu handeln.

Was der Kunde heute hat

  • Ein Snowflake-Warehouse als zentrale Reporting-Umgebung, anstelle von Daten je Geschäftsbereich.
  • Automatisierte ETL-Pipelines, die Daten aus jedem Geschäftsbereich laden.
  • Automatisierte Power-BI-Dashboards für Kundennutzung und -verhalten.
Wohin es geführt hat
Das Kundenverhalten wird aus einem Warehouse gelesen, und Abwanderung wird beobachtet, während sie entsteht, statt im Nachhinein gezählt.
Stack
  • Snowflake
  • Databricks
  • Azure Data Factory
  • Power BI
  • SQL
Alle Fallstudien

Die anderen Projekte

  • Internet und IT

    Einheitliche Abo-Kennzahlen für Finanzwesen, Produkt und Kundenbetreuung

    Ein Internetunternehmen mit 50 bis 250 Mitarbeitenden und Abonnementumsatz, dessen Teams aus Finanzwesen, Produkt und Kundenbetreuung jeweils eigene Tabellen führten.

    • Power BI
    • DAX
    • SQL
    • Dataflows
    • Azure Data Factory
    • Semantische Modellierung

  • Handel

    Foundation dann Activation dann Acceleration begleitet von Stewardship

    Filialumsatz, Vorstandsfragen und Forecasting auf Basis einheitlicher Definitionen

    Ein Händler mit Microsoft Fabric bereits im Produktivbetrieb, semantischen Modellen über Direct Lake und einströmendem Filialumsatz, der darauf Forecasting, Copilot-Fragen und Anomalieerkennung wollte.

    • Microsoft Fabric
    • Semantische Power-BI-Modelle
    • Direct Lake
    • Copilot in Power BI
    • Fabric AI Functions
    • Activator

  • Industrielle Fertigung

    Foundation dann Activation dann Acceleration

    Standortübergreifendes Reporting mit Governance für ein Produktionsnetz

    Ein Industriehersteller, der über ein Produktionsnetz mit mehreren Standorten berichtete, von denen jeder seine eigene Sicht darauf hatte, was gerade lief.

    • Microsoft Fabric
    • OneLake
    • OneLake Security
    • Direct Lake
    • Spark
    • MES
    • OPC UA
    • Power BI
    • DAX
    • Azure Key Vault
    • Purview
    • Azure DevOps

  • Hotellerie und Immobilien

    Foundation dann Activation

    Ein CFO-Cockpit für einen Konzern mit getrennten Abschlüssen

    Eine Holding aus Hotellerie und Immobilien, deren Gesellschaften jeweils eigene Abschlüsse machten, mit einem CFO, der für alle geradestehen musste.

    • Microsoft Fabric
    • OneLake
    • Direct Lake
    • Databricks Mirrored Catalog
    • Fabric Data Factory
    • Power BI
    • DAX
    • Berechnungsgruppen
    • Row-Level-Security
    • Azure DevOps
    • Azure Key Vault
    • Purview
Alle Fallstudien

Kostenlose Beratung

In einer Stunde wissen Sie, wo Ihre Daten stehen.

Eine kostenlose 60-minütige Beratung. Kein Verkaufsgespräch, keine Rechnung. Danach wissen Sie, ob Ihre Daten bereit für KI sind und ob wir zueinander passen.

Kostenlose Beratung buchen(öffnet in einem neuen Tab)