Big Data und Analytik
ESG- und ML-Innovation durch Datenlösungen für eine ikonische Fahrzeugmarke
Erfolgsgeschichte
Scalefocus unterstützte den Kunden dabei, die Datenqualität zu verbessern, Prozesse zu automatisieren und ein anspruchsvolles Reporting einzuführen, das die ESG- und ML-Innovationsbemühungen des Unternehmens voranbringt. Beschleunigtes Datentesten verkürzte die Markteinführungszeit und ermöglichte dem Unternehmen, fundierte Entscheidungen auf Basis belastbarer Zahlen zu treffen. Darüber hinaus entwickelte Scalefocus eine Lösung zur Berechnung von CO₂-Emissionen, die den gesamten Logistikprozess der Lieferkette abdeckt.
3-mal schnelleres Datentesten durch automatisierte Prozesse
Verbesserte Vertriebs- und ESG-Entscheidungsfindung durch anspruchsvolles Reporting
Deutlich verbesserte Datenqualität ermöglicht ML-Innovation
Der Kunde
Unser Kunde ist ein weltweit führendes Unternehmen der Automobilindustrie aus der nordischen Region, bekannt für die Herstellung und den Vertrieb von Luxusfahrzeugen. Im Laufe seiner fast 100-jährigen Geschichte ist die Marke zum Synonym für makellose Qualität und Sicherheit geworden. In den letzten Jahren hat sich das Unternehmen verstärkt der Nachhaltigkeit in Betrieb, Fahrzeugen und Gesellschaft verschrieben.
Die Herausforderung
Das Unternehmen war in hohem Maße auf enorme Datenmengen angewiesen, denen es an Konsistenz mangelte. Dies beeinträchtigte den gesamten Entscheidungsprozess erheblich. Zudem fehlte dem ML-Team qualitativ hochwertiges Datenmaterial zum Training von ML-Modellen, was die Innovationsbemühungen des Unternehmens erheblich hemmte. Darüber hinaus war das Unternehmen nicht in der Lage, die CO₂-Emissionen seiner Supply-Chain-Logistik auch nur zu berechnen.
Die Lösung
Scalefocus führte User-Acceptance-Tests ein, die dem Unternehmen halfen, relevante Daten zu identifizieren. Die Dateninfrastruktur wurde hochgeladen, verarbeitet, sortiert und gefiltert, um verschiedene Iterationen des Datenprodukts zu erstellen und die Qualität deutlich zu verbessern, bevor die reformatierten Daten an das Unternehmen zurückgespielt wurden, damit seine Experten sie visualisieren und für Analysen nutzen konnten.
Durch die Implementierung eines CI/CD-Prozesses unterstützten wir den Kunden dabei, vollständige Automatisierung und simultane Auslieferung in den Dev-, QA- und Prod-Umgebungen zu erreichen – für Tests, neue Tabellen oder Prozedurmodifikationen. Mit Snowflake und Power BI führten wir Berichte und Dashboards ein, die Finanzdaten verwalten und Such- sowie Sortierfunktionen bereitstellen. Diese ermöglichen es dem Kunden, Trends und Anomalien zu identifizieren und fundierte Entscheidungen zu treffen.
Die Entwicklung eines Datenprodukts zur Berechnung von CO₂-Emissionen auf Basis des ISO-Standards für Treibhausgase war ebenfalls ein zentrales Projektelement. Scalefocus nutzte Snowflake, um eine Lösung zu liefern, die Lieferkettendaten einsetzt, um Erkenntnisse über die Umweltauswirkungen aller eingehenden und ausgehenden Prozesse zu gewinnen. Durch die Analyse von Transportrouten, Fahrzeugtypen und Transportmodi zur Berechnung von CO₂-Emissionen ermöglicht sie die Optimierung der Logistik für Nachhaltigkeit und Effizienz.
Um dem Mangel an qualitativ hochwertigen Trainingsdaten für ML-Modelle zu begegnen, setzte Scalefocus die Databricks-Plattform und einen Data Lake als zentrales Repository für umfangreiche Dateien ein. Das Team stellte sicher, dass die ML-Inferenzmodelle funktionieren, indem alle verstreuten Codeteile geordnet und zusammengeführt wurden.
Die Ergebnisse
- 3-mal schnelleres Datentesten: Die Datenbankwartung durch Scalefocus optimierte die Abläufe und sparte Entwicklerzeit. Die Automatisierung ermöglicht das Testen in einer Umgebung; nach Parametrisierung werden Änderungen automatisch in Prod, QA und Dev übernommen.
- Die Power-BI-Reportinglösungen gaben Stakeholdern einen einheitlichen Überblick über den gesamten Produktionszyklus. Sie können nun problemlos Daten zu Preisen, Kosten oder Lieferzeiten nach Datum, Fahrzeugmodell oder spezifischen Fahrzeugteilen finden und sortieren – ohne auf manuell extrahierte und verarbeitete Vertriebsdaten angewiesen zu sein.
- Das CO₂-Emissionsdatenprodukt erwies sich als wesentlicher Beitrag zur Mission des Unternehmens, seine Logistik so CO₂-neutral wie möglich zu gestalten. Die Lösung ermöglicht die Überwachung von Transportmethoden und die Optimierung von Lieferwegen – mit messbarer Verbesserung der ESG-Bilanz.
- Die in Databricks und dem Data-Lake-Repository gespeicherten Datenmengen ermöglichten es den Data Scientists des ML-Teams, Inferenzmodelle effizienter zu trainieren und die Innovationsziele des Unternehmens zu erreichen.