La prima parte del progetto ha previsto l’implementazione di sistemi di raccolta dati da parte di Retail IN nei punti vendita aderenti, come la customer satisfaction attraverso dispositivi instant feedback, il n. di ingressi grazie al contapersone (da telecamere installate nei punti strategici di passaggio) per poi ottenere l’integrazione dei dati economici come l’incasso generale e incasso per reparti, i turni del personale, per arrivare fino ai dati meteo.
La seconda parte del progetto ha impegnato il nostro Team Digital che ha previsto l’implementazione di un sistema di Business Intelligence, con l’integrazione dei dati a disposizione a cui è seguito lo sviluppo di una reportistica pdf interamente personalizata per il cliente, inviata verso mailing list dedicate.
ETL dati
Al fine di poter inviare e integrare i dati è stato necessario lo sviluppo di un sistema automatico di acquisizione ed elaborazione dei seguenti:
- custumer satisfaction
- dati meteo
- turni del personale
- contapersone
Sviluppo della business intelligence
È stato implementato il sistema di acquisizione inerente ai dati economici, prevedendo l’invio dei sistemi di file excel del cliente verso un nostro server, attraverso il protocollo SFTP. Una volta ricevuti i vari file il nostro sistema inizia l’acquisizione e l’elaborazione dei dati e lo storage di questi nel nostro database.
Lo step successivo ha previsto lo sviluppo e l’implementazione continua di modelli di Machine Learning secondo i seguenti requisiti:
- Previsionale dei turni del personale nelle successive settimane in base alle previsioni meteo, facendo riferimento allo storico dei dati
- Analisi e relazione tra dipendenti e customer experience per verificare le performance migliori/peggiori
- Analisi dell’indice di penetrazione tra i vari reparti in relazione al venduto e al numero di ingressi del punto vendita.
Sono stati sviluppati algoritmi per ciascun punto vendita aderente al progetto per avere un’analisi ottimale di tutte le feature di ciascuno. Sono già stati valutati ulteriori sviluppi di machine learning secondo possibili esigenze future.
Data Visualization
I risultati delle analisi di Machine Learning effettuate in precedenza, oltre che i risultati statistici (ingressi, incasso, ecc…) sono disponibili in una WebApp dedicata al progetto, che utilizza il motore di calcolo ed elaborazione di Qlik Sense. La restituzione grafica del dato è oggetto di studio per una fase successiva.
Report Custom
Un’altra parte fondamentale è stata la realizzazione di report custom pdf inviati tramite e-mail verso mailing list dedicate. I report sono di facile e veloce lettura, concordate con il cliente e basate sulla forte esperienza di reportistica di Retail IN riguardo i servizi di customer experience.
GDPR
Infine, per lo sviluppo del progetto è stato necessario un confronto ed una stesura di regolamento generale sulla protezione dei dati stilato dal nostro legale, in quanto è previsto da parte del cliente l’invio di dati sensibili, ad esempio i dati anagrafici dei dipendenti.
