Close
Type at least 1 character to search
Back to top

COLES

CASE - DATA PROCESSING

Data Factory/

We're proud
of our Work!

CLIENT
LE CADRE TECHNIQUE

Oracle Exadata, R, Unix, Control-M Scheduling, DataStage, Microstrategy

COMPÉTENCES ET RÔLES

1 développeur Ingénieur de données

AVANTAGES POUR LE CLIENT

╋ Développement de modules de données chargeant 10 TeraBytes de données pour une performance rapide des instructions SQL.
╋ 13 événements externes ajoutés à la table principale pour optimiser les demandes de prévision des modèles de prévision : Météo, événements et festival, date de fin et promotions produits d’information, ….

NOTRE DÉFI

Traitement massif des données pour reconstruire 3 ans d’historique des ventes avec 150 attributs et mesures décrivant chaque produit dans tous les magasins Coles en Australie.

 

LE CONTEXTE

Au sein du département des données de Coles, nous faisons partie de l’équipe qui construit un historique rapide et une grande table stockant les ventes historiques de chaque article Coles (produit) et les événements externes avec 3 ans d’historique. L’objectif est de prévoir les demandes et d’optimiser la chaîne d’approvisionnement. Chaque magasin Coles en Australie a une gamme d’articles – tous les produits dans les magasins. L’équipe d’ingestion de données travaille avec l’équipe de scientifiques des données pour construire une table maîtresse historique rapide et massive. Les spécialistes des données entraînent leurs modèles d’intelligence artificielle avec ce tableau afin de prévoir les demandes des clients dans chaque magasin.

 

LE PROJET

╋ Construire une table Oracle Exadata principale afin de maximiser le traitement par lots et les déclarations SQL et fournir des données détaillées pour former les demandes de prévision Coles AI.
╋ Consolidation de l’information historique pour 50 millions d’éléments – fusionnés et conservés à partir des données DWH, des systèmes opérationnels de l’entreprise et des sources externes.
╋ Ingestion de sources de données externes : obtenir à partir de diverses interfaces les informations localisées les plus utiles pour enrichir les modèles d’IA (par exemple : à partir du Bureau of Meteorology/BOM et pour chaque magasin australien, les données de prévisions météorologiques de la station BOM la plus proche).

Our experts

Rahul Kumar Pandey

Julien Labouze