Categories
Blog

5 Use-Cases fĂŒr HĂ€ndler mit Daten in Echtzeit

đŸ‘‰đŸŒ Bestandsmanagement – Echtzeit-Informationen ĂŒber LagerbestĂ€nde und Verkaufszahlen ermöglichen es Unternehmen, schnell auf VerĂ€nderungen in der Nachfrage und im Angebot zu reagieren und LieferengpĂ€sse zu vermeiden.

âœŒđŸŒ Preisanpassungen – In schnelllebigen MĂ€rkten, wie dem Handel, können Echtzeit-Daten dabei helfen, Preise an aktuelle Marktbedingungen anzupassen und die Nachfrage zu steigern. Gerade im B2B sind individuelle und kundenspezifische Preisanpassungen in Echtzeit essentiell.

đŸ‘‰đŸŒ Personalisierung – Echtzeitdaten ermöglichen es Unternehmen, das Verhalten ihrer Kunden in Echtzeit zu analysieren und auf dieser Basis personalisierte Angebote und Dienstleistungen zu erstellen.

đŸ‘‰đŸŒ Omnichannel – Echtzeitdaten sind fĂŒr die Verzahnung der KanĂ€le entscheidend. Gerade, wenn ship-from-store, connected retail (Bez. Zalando), connected commerce (Bez. Otto) oder click-and-collect angeboten werden.

đŸ‘‰đŸŒ Marketing – Echtzeitdaten ermöglichen es Unternehmen, ihre Marketingkampagnen in Echtzeit zu optimieren und auf VerĂ€nderungen in der Nachfrage zu reagieren.

Insgesamt sind Echtzeitdaten ein leistungsfĂ€higes Instrument fĂŒr den Handel. Echtzeitdaten ermöglichen HĂ€ndlern, fundierte und rechtzeitige Entscheidungen zu treffen, um die Effizienz zu verbessern, Kosten zu minimieren und die UmsĂ€tze zu steigern.

Categories
Blog

Datenaustausch ĂŒber Messaging-Systeme

Die Systemlandschaft wird zunehmend komplexer. LĂ€ngst werden Arbeitsprozesse digital in vielen unterschiedlichen Systemen bearbeitet. Eine Entwicklung weg von den monolithischen ERP-Giganten, welche versuchen, alle Prozesse in einem geschlossenen System abzubilden, hin zu agilen Satellitensystemen, die jeweils auf den entsprechenden Anwendungsfall spezialisiert sind – diese Herangehensweise wird auch „Best of Breed“ genannt. Damit solch eine moderne Infrastruktur funktioniert, muss die Kommunikation und der Austausch von Daten zwischen den Systemen reibungslos funktionieren. Dabei stoßen die Systeme, bzw. die Art der Kommunikation zwischen den Systemen immer wieder auf die gleichen Herausforderungen:

Genau wie in einer Lieferkette gibt es einen Produzenten, welcher die Ware aussendet und einen Konsumenten am Ende der Kette, der die Ware entsprechend empfangen soll.

Herausforderung 1: Auslieferung nicht möglich
Stellt man sich den Austausch der Daten vor wie eine Lieferkette, so kann es zum Beispiel vorkommen, dass ein System, welches Daten empfangen und konsumieren soll, aufgrund von Wartungsarbeiten oder einem temporĂ€ren Ausfall nicht zu erreichen ist. 

Das produzierende System kann die Daten nicht erfolgreich ausliefern und stĂ¶ĂŸt schnell an die eigenen KapazitĂ€ten, bevor das empfangende System wieder verfĂŒgbar ist.

Herausforderung 2: Zu kleines Lager

Eine besondere Herausforderung in einer nicht aufeinander abgestimmten Lieferkette ist bspw., wenn das sendende System, die KapazitĂ€ten des EmpfĂ€ngers nicht kennt oder ignoriert. Stell dir vor, ein Lager mit sehr kleiner KapazitĂ€t wĂŒrde unaufhörlich LKW Ladungen neuer Ware geliefert bekommen. Das Lager wĂ€re in kĂŒrzester Zeit ĂŒberfordert und nicht mehr in der Lage, Prozesse einzuhalten. Das Gleiche gilt fĂŒr ein empfangendes System, welches mit Daten ĂŒberhĂ€uft wird – das System ist technisch nicht in der Lage eine zu große Datenflut zu verarbeiten und stĂŒrzt ab (DoS).

Herausforderung 3: Auslieferung ohne Lieferschein

Eine weitere potenzielle Fehlerquelle bei der Auslieferung von Daten, ist, wenn die Auslieferung nicht entsprechend als angenommen quittiert wird, Ă€hnlich wie eine Auslieferung ohne bestĂ€tigten Lieferschein. Das empfangende System beginnt mit der Annahme der Daten und stĂŒrzt plötzlich ab. Das sendende System geht davon aus, dass alles entsprechend verarbeitet wurde, obwohl dies nicht der Fall ist.

Diese und andere Herausforderungen haben oft Fehler zufolge, welche sowohl in einer Lieferkette, als auch im Austausch von Daten, Unzufriedenheit, Unordnung und ggf. verlorenen Umsatz bedeuten. Um diese Probleme zu lösen, setzt man Messaging-Systeme, wie z.B. Apache Kafka ein, die zwischen Sender und EmpfĂ€nger platziert werden. 

Diese könnte man in der Analogie zur Lieferkette mit einer Auftragsverarbeitung vergleichen, die ĂŒberwacht und gemanaged wird. Jeder Auftrag ist eine Message / Nachricht, die vom Sender in das Messaging-System geschrieben wird.

Ist ein Messaging-System nicht nur ein weiteres System in der „Lieferkette“ und warum sollten dort nicht die gleichen Herausforderungen auftauchen?

Ja, es ist ein weiteres Glied in der Kette, jedoch um genau diese Herausforderungen gezielt anzugehen.

Das Messaging-System kann ggĂŒ. anderen Drittsystemen vom Unternehmen selbst oder einem Dienstleister gemanagt werden. Diese Kontrolle hat ein Unternehmen selten ĂŒber alle seine Systeme, da diese oft als Software as a Service betrieben werden oder die Daten direkt in Systeme anderer Unternehmen fließen (z.B. Marktplatzanbindungen oder ERP-Systeme). So kann sichergestellt werden, dass die KapazitĂ€ten auf die eigenen Anforderungen und Datenlast angepasst werden.

Ein Messaging-System ist durch Redundanzen so aufgestellt, dass es als besonders ausfallsicher gilt. Die einzige Aufgabe des Systems ist der Austausch von Daten. Sollte eine Komponente ausfallen, ĂŒbernimmt sofort eine andere identische, um sicherzustellen, dass keine Information verloren gehen kann.

Ein entscheidender Unterschied ist außerdem, dass diese Nachrichten von den empfangenden Systemen abgeholt werden mĂŒssen, und somit sichergestellt wird, dass auch alles korrekt in Empfang genommen wurde. 

Damit bietet ein Messaging-System wie Kafka entscheidende Vorteile ggĂŒ. einem direkten Datenaustausch ĂŒber REST-API. Zudem können die eingesetzten Event-Streams, schnell und einfach fĂŒr weitere Systeme verwendet werden, um Daten in Echtzeit zwischen sĂ€mtlichen Systemen zu synchronisieren.

Wenn du mehr ĂŒber Kafka und Event-Streaming erfahren möchtest:
Was ist Kafka

Consent Management Platform by Real Cookie Banner