Облачное хранилище для реализации стратегии Data Driven и повышения эффективности бизнеса
-
Руководитель проекта со стороны заказчика
-
Категория
-
Номинация
-
Цели
Запуск крупнейшего в РФ хранилища данных на базе облачного сервиса Arenadata DB на платформе VK Cloud.
-
Сроки выполнения
октябрь, 2023 — октябрь, 2024 -
Год завершения проекта
2024
-
Масштаб проекта
156104 человеко-часа -
Результаты
Основной эффект от проекта — монетизация данных и повышение эффективности бизнеса. Построение платформы данных также позволило снизить нагрузку на бизнес-критичные системы и источники данных, а также автоматизировать аналитику и запуск ИИ-решений. До внедрения новых подходов BI-система имела технические ограничения при выгрузке и построении отчетности. На текущий момент значительно повышена доступность системы, а также снижено время подготовки отчетности.
Другой пример — ускорение системы Workflow Management, которая рассчитывает оптимальное количество сотрудников на смене. После запуска пилотного проекта на расчет рекомендаций по пяти ресторанам уходило до двух недель. За счет применения новых подходов расчет для значительно большего количества ресторанов сократился до нескольких часов.
Результаты:
— создание платформы данных и централизованной ML-платформы;
— перевод функции отчетности с источников данных на централизованное хранилище DWH;
— снижение нагрузки на системы-источники;
— экономия на инфраструктурных затратах.
-
Уникальность проекта
Реализация облачного хранилища позволила заложить фундамент для внедрения новых инструментов. Уже сейчас виден огромный потенциал для повышения прибыльности за счет Data Driven подхода к решению задач, планируется большое количество инициатив для развития в этом направлении. Текущий этап является частью Data-стратегии, которая продолжает развиваться.
-
Использованное ПО
-
Cloud Databases (PostgreSQL, ClickHouse),
-
Arenadata DB as a Service (Greenplum),
-
Machine Learning Web Service,
-
DataLake (S3),
-
Kubernetes (All Services: Spark, Impala, Airflow, JupyterHub and others),
-
Cloud Servers.
-
-
Решение из каталога Global CIO
В проекте не используются решения из каталога Global CIO
-
Сложность реализации
После разработки единой методологии стартовал проект миграции данных и систем в облако. Были выбраны около 50 ключевых показателей: выручка, доходы от программ лояльности, себестоимость продукции и другие. Данные были приведены к единообразию согласно новому подходу и загружены в централизованное хранилище данных. Результатом стало создание хранилища данных объемом более 1 PB.
Отдельно запущен процесс рефакторинга самых востребованных бизнес-приложений и data-продуктов общей численностью около 1000 в промышленной эксплуатации, при этом существует большой бэклог для реализации новых data-продуктов для бизнеса.
Следующим этапом провели интеграцию рекомендательных систем с платформой данных. В результате получили первые бизнес-эффекты. На текущий момент используется рекомендательная система, которая сейчас работает в облаке VK Cloud, предлагает клиентам блюда исходя из их прошлых заказов, параметров ресторанов и других признаков, хранящихся в базе данных.
-
Описание
«Бургер Кинг» — одна из крупнейших сетей ресторанов быстрого питания в России и цифровая компания, которая обрабатывает большие объемы данных. В 2024 году в «Бургер Кинг» перешли от множества источников данных к единому хранилищу. И в результате создали платформу данных и централизованную ML-платформу для разработки data-продуктов с целью повышения эффективности бизнеса, а также ускорили работу с данными для пользователей и снизили нагрузку на ИТ-системы.
-
География проекта
Россия
-
Заказчик
Бургер Кинг
-
ИТ-поставщик
VK Cloud от VK Tech
Комментировать могут только авторизованные пользователи.
Предлагаем Вам войти в систему или зарегистрироваться.
Илья Двирник
ООО БУРГЕР РУС
Менеджер проектов
Алина Войтек
ООО Бургер Рус
Руководитель направления по работе с внешними данными и партнерами
Александр Кулиев
Бургер Кинг
Chief Data Officer (CDO)
Вы правы - масштаб и сложность проекта действительно впечатляют: 1 PB данных, 156 104 человеко-часов и миграция 1000+ приложений.
Это стало возможным благодаря слаженной работе команды и использованию современных технологий, таких как VK Cloud и Arenadata DB. Ваш отзыв как пользователя очень важен для нас!
Если есть предложения по улучшению, будем рады их услышать.
Александр Виноградов
ITERA
Директор по ИТ
Алина Войтек
ООО Бургер Рус
Руководитель направления по работе с внешними данными и партнерами
Максим Часовиков
МГУ имени М.В.Ломоносова
Руководитель цифровизации образовательных процессов
Александр Кулиев
Бургер Кинг
Chief Data Officer (CDO)
Наш проект позволяет не только эффективно управлять огромными объемами данных, но и использовать их для повышения прибыльности и улучшения клиентского опыта.
Например, рекомендательная система, которая работает на основе данных, уже увеличивает средний чек и лояльность клиентов.
Без таких решений компания рискует потерять конкурентное преимущество и столкнуться с неэффективностью процессов.
Данный проект не только решает текущие задачи, но и закладывает фундамент для будущих инноваций, таких как прогнозирование спроса и оптимизация цепочек поставок.
Это делает его критически важным для бизнеса сейчас и в будущем.
Дмитрий Турчановский
ЗН Цифра
Заместитель Генерального директора по ИТ
Александр Кулиев
Бургер Кинг
Chief Data Officer (CDO)
1) Монетизация данных
- Рекомендательная система: На основе данных о прошлых заказах и предпочтениях клиентов система формирует персонализированные предложения. Это в свою очередь повышает конверсию, продажи и выручку.
- Планирование персонала: Система Workflow Management, которая рассчитывает оптимальное количество сотрудников на смене, сократила время расчетов с двух недель до нескольких часов. Это позволило существенно снизить операционные затраты.
- Улучшение клиентского опыта: Персонализация и ускорение процессов напрямую влияют на удовлетворенность клиентов, что в долгосрочной перспективе увеличивает лояльность и прибыль.
Мы продолжаем измерять результаты, и уже сейчас видим, что проект окупает вложенные инвестиции.
В будущем планируем расширить использование данных для прогнозирования спроса и оптимизации цепочек поставок.
2) Основа ML-модели
ML-модель, которая лежит в основе рекомендательной системы, построена на следующих компонентах:
- Данные: Мы используем данные о прошлых заказах, предпочтениях клиентов, времени посещения, локации ресторанов и других параметрах. Эти данные хранятся в централизованном хранилище объемом около 1 PB.
- Алгоритмы: Мы применяем методы машинного обучения, такие как коллаборативная фильтрация и контентная фильтрация. А также используем модели прогнозирования на основе градиентного бустинга. Эти подходы позволяют анализировать поведение клиентов и предлагать релевантные блюда.
- Обучение модели: Модель обучается на исторических данных и регулярно обновляется с учетом новых заказов и изменений в предпочтениях клиентов.
- Интеграции: Модель интегрирована с облачной платформой VK Cloud,
что позволяет нам быстро обрабатывать данные и масштабировать решение.
Мы также используем ML-платформу для других задач, таких как прогнозирование спроса и оптимизация процессов. Это позволяет нам постоянно улучшать качество рекомендаций и увеличивать их бизнес-эффект.