Big Data Analytics bleibt dringlichste Herausforderung für den E-Commerce

Das richtige Produkt, geliefert zur richtigen Zeit, am richtigen Ort und idealerweise ohne Wartezeiten – der digital vernetzte Kunde von heute verlangt dem Supply Chain Management im E-Commerce viel ab. Daher erstaunt es kaum, dass Big Data Analytics auch zwischen 2020 und 2025 zu den Top-Technologie Trends der Branche zählt. Das zeigt eine Studie der bbw Hochschule Berlin.

Die Analyse großer Datenmengen, vom ERP-System über Sensordaten bis zum Website-Traffic, erlaubt es Logistikern, Muster und Trends entlang der Lieferkette frühzeitig zu erkennen. Die datengestützte Prognose hilft damit bei einer zentralen Aufgabe: Unsicherheiten minimieren und die Effizienz der gesamten Supply Chain zu optimieren.

Momentan sehen sich Unternehmen jedoch vor allem zwei Herausforderungen gegenüber: Es fehlt sowohl an Data Scientists als auch an Lösungen zur anschaulichen Visualisierung von Big Data. Geht es darum, komplexe Datenbeziehungen im Kontext abzufragen und darzustellen, stoßen bestehenden ERP und SCM-Lösungen schon lange an ihre Grenzen. Für Big Data haben sich in den letzten Jahren daher verstärkt Graphdatenbanken durchgesetzt, die neben einzelnen Daten auch die Beziehung zwischen den Daten abbilden.

Bekanntestes Beispiel für den Einsatz von Graphtechnologie ist der sogenannte PageRank der Google Search-Engine. Im E-Commerce kommen Graphdatenbanken zudem für Recommendation-Systeme im Online-Shop und die 360-Grad Ansicht von Kunden zum Einsatz. Dort wird die Customer Journey im Gesamtzusammenhang betrachtet und um vielfältige Echtzeit-Daten ergänzt, um personalisierte Ansprache sicherzustellen. Was für den Kunden funktioniert, lässt sich auch auf den Distributionsweg eines Produkts entlang der Lieferkette übertragen. Dargestellt in Punkten/Knoten und Verbindungslinien, lässt sich die Ware vom Hersteller mitsamt seinen Zulieferern und Lieferanten über Warenlager und Transportstrecken bis zum Kunden an die Haustür einfach und visuell eindrücklich nachverfolgen.

„Mit Graphdatenbanken entsteht aus einer Vielzahl an heterogenen Daten ein umfangreicher semantischer Kontext, der Zusammenhänge aufzeigt und alle direkten und indirekten Nachbarn eines Produkts, Bauteils oder Lieferanten identifiziert“ erklärt Dirk Möller, Area Director of Sales CEMEA, bei Neo4j. „Auf diese Weise können Einzelhändler und Hersteller große Datenmengen problemlos durchsuchen und verwalten. Bei der Graphdatenbank Neo4j beispielsweise ist die Abfragegeschwindigkeit je nach Szenario bis zu 1.000-mal schneller als bei herkömmlichen SCM-Systemen. Suchergebnisse sind damit in Millisekunden möglich.“

Die Datenflut steht erst am Anfang – auch im SCM. Das IIoT und IoT liefern sekündlich neue Daten, die ausgewertet und umgesetzt werden müssen. Ohne entsprechende Lösungen für Big Data Analytics stehen Logistiker und Supply Chain-Verantwortliche hier vor einem Meer an Daten, ohne echten Mehrwert daraus schöpfen zu können. Neue Technologien wie Knowledge Graphen, KI & Machine Learning bieten hier Wege eine neue Transparenzebene in die Logistikkette zu bringen.

Über Neo4j:
Neo4j ist die führende Graph-Plattform, die Unternehmen wie Airbus, Comcast, eBay, NASA, UBS, Walmart entscheidende Innovationen und Wettbewerbsvorteile bietet. Tausende von Community- Projekten sowie mehr als 300 Kunden erschließen vernetzte Daten mit Hilfe von Neo4j, um Zusammenhänge zwischen Menschen, Prozessen, Standorten und Systemen aufzudecken. Der Fokus auf Datenbeziehungen ermöglicht es Anwendungen, die mit Neo4j entwickelt wurden, die Herausforderungen vernetzter Daten zu meistern – von künstlicher Intelligenz, über Betrugserkennung und Echtzeit-Empfehlungen bis hin zum Stammdatenmanagement. Weitere Informationen unter Neo4j.com und @Neo4j.

Neo4j Media Hotlinepr@neo4j.comneo4j.com/pr

Pressekontakt:
n
eo4j
Claudia Remlinger
Claudia.remlinger@neo4j.com

Lucy Turpin Communications
Birgit Fuchs-Laine / Sabine Listl
+49 89 417761-13 / -16
neo4j@LucyTurpin.com

Translate »