Ein internationaler Getränkehersteller verkauft seine Produkte in verschiedenen Märkten.
Herausforderung
Ziel: Analyse, welche Produkte in welchem Markt mit welcher Häufigkeit verkauft werden sowie welche Produkte nicht mehr auf Lager sind
Hoher manueller Aufwand, die entsprechenden Daten zu extrahieren
Hohe Fehleranfälligkeit aufgrund manueller Prozesse
Lösung
Transformation der Rohdaten mithilfe eines Python-Scripts
Bereitstellung der Input- und Output-Files über einen FTP Server oder Bereitstellung der Anwendung in einem Docker-Container
Vorteiler des Docker-Containers: Alle Daten bleiben auf lokalem Rechner des Kunden (Datenschutz); Entwicklungsumgebung ist gleiche wie Produktionsumgebung, d.h. keine Probleme wie falsche Python-Versionen oder fehlende Python-Module
Ergebnis
Automatisch generierte und fehlerfreie Output-Files für weitere Analysen
Automatisierte Quality Checks für rechtzeitiges Erkennen möglicher Unregelmäßigkeiten in den Daten
Fehlerfreier Prozess durch Wegfallen von manuellen Arbeiten
Zeitersparnis durch hohe Verarbeitungsgeschwindigkeit von Python
Wahrung des Datenschutzes aufgrund Docker-Container