Lion Parcel gewinnt schnellere Datenerkenntnisse in AWS, um das Kundenerlebnis zu verbessern

Die globale Logistikbranche wird von 2022 bis 2030 mit einer jährlichen Wachstumsrate von 6,8 % stetig wachsen, insbesondere aufgrund des Anstiegs der E-Commerce-Logistik, des Mangels an Containern, der Schließung großer Häfen, die zu einer Überlastung der verbliebenen Häfen führt, und der begrenzten Kapazitäten im Luftfrachtmarkt. Obwohl der Sektor in den letzten zwei Jahren einen tiefgreifenden Wandel durchgemacht hat, hat er sich effizient angepasst und sich entsprechend den zahlreichen sich abzeichnenden Trends weiterentwickelt.

Lion Parcel erweitert seine Technologie, um datengestützte Entscheidungen zu treffen, die das Unternehmen von nationalen und internationalen Konkurrenten differenzieren. Als Tochtergesellschaft der Lion Group beliefert Lion Parcel Kunden auf den 17 000 Inseln Indonesiens auf der ersten, mittleren und letzten Meile. Lion Parcel beliefert auch Kunden in 25 Ländern von mehr als 7 000 Servicestellen in ganz Indonesien aus. „Wir sehen, dass Technologie uns helfen kann, unser bestehendes Logistikökosystem effizient zu verbessern“, sagt Probosetyo Krishna, Head of Engineering bei Lion Parcel.

Bis 2019 nutzte Lion Parcel eine On-Premises-Infrastruktur, um sein Geschäft zu betreiben. Im darauffolgenden Jahr migrierte das Unternehmen seine Kernsysteme zu Amazon Web Services (AWS), um deren nutzungsbasiertes Modell und die unbegrenzten Skalierungsmöglichkeiten zu nutzen. Krishna führt aus: „Wir fanden die Unterstützung von AWS und seinen Partnern erstklassig. Wir schätzen dies sehr, da wir bestrebt sind, in der Branche voranzukommen, indem wir mit vertrauenswürdigen Partnern zusammenarbeiten, die unsere Werte teilen. Dies ist wichtig für uns, da wir versuchen, mehr in der Cloud zu entwickeln und zu tun.“

Anfang 2021 begann Lion Parcel mit der Bildung eines Datenteams für den Aufbau einer Datenpipeline auf AWS und arbeitete mit dem AWS-Partner Deloitte zusammen, um bei der Planung und Implementierung unterstützt zu werden. In der Vergangenheit hatte Lion Parcel mit dem Aufbau eines On-Premises-Data-Lake experimentiert. Die Leistung und die Datenverarbeitungsgeschwindigkeit entsprachen jedoch nicht den Geschäftserwartungen. Um beispielsweise einen Lieferbericht über einen Zeitraum von sechs Monaten zu erstellen, musste Lion Parcel 15 Minuten warten, bis die Daten geladen waren. In AWS dauert die Erstellung desselben Berichts weniger als eine Minute.

Lion Parcel verwendet Amazon Simple Storage Service (Amazon S3) als Data Lake zum Speichern strukturierter und unstrukturierter Daten, AWS Glue für die Datentransformation und -bereinigung und Amazon Redshift als Data Warehouse.

Innerhalb von sechs Wochen nach Beginn der Gespräche mit Deloitte und AWS hat Lion Parcel seinen Data Lake und sein Data Warehouse in Betrieb genommen. Die Implementierung der Datenpipeline war schneller als erwartet, und wir sind in der Lage, noch mehr zu tun, als wir uns vorgestellt hatten“, sagt Krishna. Eine verbesserte Visualisierung für die interne Berichterstattung und die Anwendung von Machine Learning (ML) mithilfe von Amazon SageMaker zur Kundensegmentierung wurden als erste Anwendungsfälle für die Datenpipeline identifiziert.

Zuvor wurden Berichtsanfragen über die Transaktionsdatenbank von Lion Parcel abgewickelt. Doch als das Datenvolumen zunahm, kam es im Unternehmen zu Engpässen, die die Informationsextraktion verlangsamten. Mit einer modernen Datenpipeline bleibt die Transaktionsdatenbank isoliert und „sauber“, erzählt Krishna, und die Mitarbeiter können die benötigten Daten direkt aus dem Data Warehouse extrahieren.

Die schnellere Erstellung von Berichten mit mehr Einblick in granulare Daten ermöglicht es Lion Parcel, zu einem proaktiveren Kundendienstmodell überzugehen. Management- und Kundendienstmitarbeiter können in verschiedenen Lieferphasen schnell Paketstatusberichte erstellen. Als kundenorientiertes Unternehmen erstellt Lion Parcel derzeit Warnmeldungen aus seinem Überwachungssystem in AWS, um Lieferunterbrechungen umgehend zu erkennen und präventive Maßnahmen zu ergreifen, bevor Beschwerden eingehen.

Neben der Geschwindigkeit profitiert Lion Parcel von Business-Intelligence-Dashboards in Amazon QuickSight, um nahezu in Echtzeit Erkenntnisse über den Betrieb zu erhalten. Das IT-Team erstellte früher täglich Leistungsberichte für den Vortag, um sie dem Management vorzulegen. Jetzt kann das Management direkt auf aktuelle Berichte zugreifen und die Daten der letzten Stunde erfassen.

„Die Visualisierung hat sich mit Amazon QuickSight erheblich verbessert. Es ist einfach zu verbinden und bietet ein hervorragendes Preis-Leistungs-Verhältnis. Es bietet mehr Features als unser vorheriges Open-Source-Visualisierungstool“, sagt Krishna.

Nach den Verbesserungen der Visualisierung konzentrierte sich Lion Parcel auf die Erstellung von ML-Modellen als Erweiterung seiner Analytics-Pipeline. Die Segmentierung war der erste Schritt auf der ML-Reise von Lion Parcel. Management- und Marketingteams können nun mithilfe einer ML-gesteuerten Analyse des Kundenverhaltens unterschiedliche Kundenprofile einsehen, die sie verwenden, um Initiativen für das Kundenbeziehungsmanagement (CRM) zu entwickeln.

Lion Parcel kann analysieren, in welcher Kaufphase sich Kunden befinden, wie hoch die Wahrscheinlichkeit einer Kundenabwanderung ist und andere Merkmale, die für gezieltes Marketing hilfreich sind. Das Unternehmen hat begonnen, die CRM-Software von Salesforce zu verwenden, und ist in der Lage, Kundendaten nahtlos in die AWS Cloud zu integrieren.

Die Skalierbarkeit der AWS Cloud ist entscheidend für die Durchführung aktueller ML-Initiativen wie die Bestimmung optimaler Standorte für neue Servicepunkte sowie für zukünftige Initiativen wie Routenoptimierung und nachfrageorientierte Preisgestaltung. „Mit AWS können wir leistungsstarke Server skalieren, um Datenmodelle zu trainieren und zu erstellen, und anschließend herunterskalieren, was ML kosteneffizienter macht“, sagt Krishna.

Er schließt mit den Worten: „Das Potenzial der AWS-Cloud-Technologie zu entdecken, war für mein Team eine wirklich unterhaltsame Erfahrung. Wir lernen viel von den Empfehlungen von AWS und Deloitte, und auch unser Managementteam ist mit den Ergebnissen zufrieden.“

Lesen Sie mehr unter aws.amazon.com/de/big-data/datalakes-and-analytics.