Verbesserte Auswertung von Kundendaten und Optimierung von Personalplanung
Möbel Pfister ist das führende Einrichtungshaus der Schweiz und seit 1882 stets motiviert, ein schönes Zuhause für seine Kundschaft zu schaffen. Mit rund 1`200 Mitarbeitenden verfolgt es die klare Vision, mit Leidenschaft für das Einrichten alles zu geben. Zudem setzt sich das Unternehmen für ein ökologisches Bewusstsein und eine nachhaltige Produktion ein. Möbel Pfister ist mit 19 Filialen schweizweit vertreten und mit über 40`000 Produkten eines der grössten Online-Anbieter im Schweizer Einrichtungsmarkt.
Ausgangslage
Die Möbel Pfister AG verwendete ein Datawarehouse On-Premises und setzte ein dediziertes Data Team ein. Das Datawarehouse ist jedoch inkrementell gewachsen, abhängig der aufgetretenen Use Cases. Probleme wurden oft unabhängig des Gesamtkontextes gelöst, was zur Implementierung von unterschiedlichen Technologien und Tools (Docker, Maria DB, SQL, …) geführt hat, die nicht ideal aufeinander abgestimmt waren. Dadurch wurden Anbindungen und automatische Auswertungen von Daten, wie bspw. aus Kundenumfragen, schwierig.
Lösung
In Zusammenarbeit mit isolutions wurde ein neues Datawarehouse in der Cloud aufgebaut, eine Anbindung für SAP geschaffen und die Kollaborationstools überprüft. Nebst der Migration, hat isolutions die Möbel Pfister AG hinsichtlich passenden Tools, Abstimmungen und Onboarding der Mitarbeitenden beraten. Die Mitarbeitenden durchliefen Schulungen, um mit den Tools vertraut zu werden und die Mitarbeit untereinander zu verbessern. Zudem wurden Daten bestehender Kundenumfragen integriert und ein entsprechendes Power BI Dashboard eingerichtet. Hierdurch können die Ergebnisse der Umfragen effizient ausgewertet und genutzt werden.
Nutzen
- Aufbau einer Datawarehouse-Infrastruktur in der Cloud.
- Schulung der Tools für effizientere Nutzung und höhere Akzeptanz.
- Automatisierte Verarbeitung der zuvor handschriftlich ausgefüllten Kundenumfragen.
- Anbindung an Survey Monkey Umfragetool, automatisierte Auswertung der Kundenzufriedenheitsumfrage (Sentiment-Analysis) und einfache Übersicht im Power BI Dashboard.
- Analyse und Anzeige der Kundenflüsse in den Filialen über anonymisierte Kamera-Daten.