Semantisk BI - fra annonceklik til kassebon
Supermarco sælger i butik, annoncerer på Facebook og Google og sender nyhedsbreve ud. Men tallene lå i fire forskellige systemer, der hver havde sin egen måde at organisere information på, og der var ingen database til at samle dem. Ville nogen vide, hvad en kampagne havde solgt for, skulle de hente tal fra fire steder og lægge dem sammen i hånden. Det tog tid, og det gik galt. Loyal blev engageret.
Process
Følg med i hvordan det blev lavet!
Udfordring
Hvert spørgsmål om markedsføring endte i det samme benarbejde. Hvad solgte den kampagne egentlig for? Hvad kostede et klik, der blev til en kurv? Svarene lå i FlexPOS, Facebook Ads, Google Ads og Mailchimp, med fire slags navngivning og fire slags kalendere. Der var ingen database til at holde dem sammen. Så hver rapport blev sat sammen i hånden, og nettosalg betød ikke det samme i kassen som i annoncerapporten. Loyal blev engageret til at løse det.
Løsning
Vi startede fra nul. Der var ingen database at bygge oven på, så vi koblede os direkte på API'et i hvert kildesystem og byggede en central database i Azure SQL. Det var første gang, kasseapparater, kampagner, annoncer og webtrafik lå på samme sted. Oven på databasen lagde vi én semantisk model med én fælles kalender og ét sæt forretningsdefinitioner. Nu betyder nettosalg, spend og kampagneomsætning det samme i hver rapport, for hvert team. Ikke fordi folk har lært forskellene, men fordi de er væk.
Produkt
Vi byggede i små bidder frem for i én stor aflevering. Efter hvert sprint validerede vi tallene sammen med forretningen, rettede det, der ikke stemte, og byggede videre. Det er ikke den hurtigste vej på et gantt-diagram, men det er den eneste vej til et datagrundlag, folk tør bruge til en beslutning. Resultatet er, at Supermarcos ledelse åbner én platform og ser hele rejsen: fra annonceklik til kassebon. Ingen fire faner, ingen manuel sammenstilling, ingen møder om hvis tal der er rigtige.
Lykkelig kunde
Det tog cirka 3 måneder at bygge. Hvor man før brugte timer på at hente tal fra fire systemer og lægge dem sammen i hånden, har man nu svaret foran sig, når mødet begynder. Og fordi den semantiske model står, kan den drive det, der kommer bagefter: nye rapporter, spørgsmål til data i almindeligt dansk eller automatisering med AI. Vi passer og bygger videre på løsningen i drift. På baggrund af ovenstående kunne vi takke for et godt samarbejde!
Skal det være jeres tur næste gang?
We did this
amazing thing
name
name
name
name
Se hvordan
Det ser ud
