Snowflake étend sa relation avec AWS afin d'améliorer la prévision de la demande et la livraison pour l'industrie des biens de consommation emballés.
Le 29 mars 2022 à 15:01
Partager
Snowflake a annoncé une extension de sa relation avec Amazon Web Services (AWS), afin d'améliorer la prévision de la demande et la livraison pour les secteurs de la vente au détail et des biens de consommation (CPG). Ce dernier développement proposera aux clients la possibilité de recevoir les données des bons de commande (PO) d'Amazon et d'exploiter les données de prévision de la demande de produits générées par Amazon Forecast au sein du Retail Data Cloud de Snowflake. Le Retail Data Cloud de Snowflake, qui réunit la plateforme de données de Snowflake, les solutions fournies par Snowflake et ses partenaires, et les ensembles de données spécifiques à l'industrie, élimine les silos de données dans le secteur de la vente au détail. Avec cette annonce, les marques de détail et les CPG qui vendent sur Amazon pourront désormais recevoir leurs données de commande Amazon en natif dans Snowflake, exploiter les prévisions au niveau de la marque et du centre de traitement, et accéder à de nouvelles données provenant de fournisseurs de données tiers dans le Retail Data Cloud, le tout sur la plateforme unique et intégrée de Snowflake. La relation entre AWS et Snowflake permettra aux entreprises de vente au détail de traiter, d'analyser, d'agir et de syndiquer des données provenant d'une multitude de sources sans les délais des méthodes traditionnelles qui nécessitent de copier et de déplacer les données. L'offre Snowflake et AWS permettra aux clients de la vente au détail et des produits de grande consommation de : Importer les données des bons de commande Amazon : Importer plus facilement les données des bons de commande Amazon dans Snowflake pour mieux accéder aux données, les gérer et les partager de manière transparente dans toute l'entreprise ; Améliorer la précision des prévisions : Améliorer la précision des prévisions en utilisant les modèles d'apprentissage automatique d'Amazon Forecast pour créer des prévisions précises de séries temporelles afin de prévoir la demande pour les bons de commande de fournisseurs variables des semaines à l'avance ; Suivre les impacts des changements de produits : Suivez les changements de poids ou de dimensions des produits pour vous assurer qu'ils respectent les normes du fabricant ; Réduisez les pénalités liées au non-respect des délais : Améliorez les mesures de respect des délais de livraison (OTIF) afin d'améliorer le classement organique sur Amazon.com, de réduire les frais de rétrofacturation et de vous assurer que les produits sont en stock pour que les consommateurs puissent les acheter ; et assurez-vous que les UGS à forte rotation sont en stock : Faites correspondre les prévisions probabilistes correctes avec la vélocité des ventes des UGS pour aider à garantir que les produits clés resteront en stock et améliorer les revenus.
Snowflake Inc. est une société de Data Cloud. La plateforme de l'entreprise est la technologie qui alimente le Data Cloud, permettant aux clients de consolider les données en une source unique de vérité afin d'obtenir des informations commerciales significatives, de créer des applications de données et de partager des données et des produits de données. Sa plateforme unifie les données et prend en charge une variété de charges de travail, y compris l'entreposage de données, les lacs de données et Unistore, ainsi que la collaboration, l'ingénierie des données, la cybersécurité, la science des données et l'apprentissage automatique, et le développement d'applications. La société a développé une technologie à travers sa plateforme, y compris le service géré, le stockage, les capacités de requête, le modèle de calcul, le partage des données, l'infrastructure mondiale et la sécurité intégrée. L'entreprise fournit également un accès aux données sans friction et gouverné afin que les utilisateurs puissent partager des données en toute sécurité à l'intérieur et à l'extérieur de leur organisation, généralement sans copier ou déplacer les données sous-jacentes.