Formålet med prosjektet er å samle data relevant for innsikt på ett sted i en felles analyseplattform i Google Cloud, samt å utvikle modeller for å støtte forretningen. Data hentes fra eksterne APIer til Google Cloud og lagres i databaser. Basert på disse dataene kjøres periodiske modeller og ad-hoc analyser. De to viktigste modellene er (1) prediksjon av fremtidig kundevolum og (2) skiftplanlegging. Modellene predikerer fremtidig kundevolum for nesten 100 salonger for mange måneder frem i tid, og optimering brukes til å sette opp tusenvis av skift for hundrevis av ansatte som på best mulig måte møter fremtidige kundevolum.
Prosessen og metoder som følges
Prosessen har vært svært smidig og i tett dialog med forretningen. Utviklingen foregår på GitHub og koden deployes automatisk til sky-miljøet. Ettersom mange komponenter har vært laget spesifikt for å dekke behovene til Cutters har det vært enkelt å modifisere og videreutvikle disse.
Viktigste teknologier
Google Cloud Platform, BigQuery, Python, Google Cloud Functions, SQL, hierarkisk bayesiansk modellering, matematisk optimering.
Hvilke effekt/gevinster har løsningen gitt?
Løsningen har gitt stor økonomisk gevinst: forretningen har fått god oversikt over kundeoppførsel og bemanningssituasjonen. Ettersom bemanning er den største utgiftsposten fører optimal bemanning (ikke over- eller underbemanning) til store besparelser.
