TAPESTRY ENTWICKELT EIGENE CUSTOMER-ANALYTICS-PLATTFORM AUF SNOWFLAKE

Tapestry ist ein führendes New Yorker Traditionshaus für moderne Luxus-Accessoires und Lifestyle-Marken, darunter Coach, Kate Spade und Stuart Weitzman. Im Modehandel gilt: Je schneller eine Marke die richtigen Produkte auf den Markt bringt, desto besser kann sie ihre Kund:innen bedienen. 

Tapestry verwaltet seine Unternehmensdaten markenunabhängig. Die Daten werden auf sichere und rechtskonforme Weise von einem zentralen Data-Engineering-Team für alle Marken und Regionen verwaltet, es sei denn, es ist gesetzlich anders vorgeschrieben. „Das ist so gewollt, denn wir wollen als Ganzes zusammenrücken und Coach, Kate Spade und Stuart Weitzman trotzdem die Möglichkeit geben, eigenständig Entscheidungen zu treffen und ihre Kund:innen zu bedienen“, erklärt Luzzi.

Die alte, auf Hadoop basierende Datenplattform des Unternehmens ließ sich jedoch nur schwer skalieren und erforderte einen hohen Zeit- und Ressourcenaufwand für die Wartung. Luzzi und sein Team begannen daraufhin mit der Suche nach einer modernen Unternehmensdatenplattform, die die erforderliche Geschwindigkeit und Skalierbarkeit bieten konnte – und fanden mit Snowflake die ideale Lösung.  

Um sein Ziel der Kundenorientierung zu erreichen, fiel die Entscheidung von Tapestry auf Snowflake als moderne Unternehmensdatenplattform für alle seine Marken. Da Tapestry zunehmend mehr Daten generiert, von Clickstream-Daten bis hin zum Web-Traffic, sind die Trennung von Speicher- und elastischen Rechenressourcen, das Zero-Copy Cloning und die Multi-Cloud-Fähigkeiten von Snowflake wichtige Erfolgsfaktoren. 

„Tapestry verarbeitet täglich etwa vier Milliarden Zeilen und führt über 100 wichtige Datenprozesse durch“, erklärt Muhammad Chaudhry, Head of Data Engineering bei Tapestry. „Wir haben unsere Datenquellen in etwa verdoppelt und konnten dennoch erhebliche Kosteneinsparungen gegenüber unserer alten Lösung erzielen, während wir gleichzeitig eine hohe Performance und minimalen Wartungsaufwand beibehalten haben.“ 

Da Snowflake die Datensilos bei Tapestry beseitigt, konnte das Unternehmen seinen Technologie-Stack konsolidieren. Anstatt mit Google BigQuery JSON-Dateien für Website-Analytik zu verarbeiten, können diese Daten nun einfach mit bestehenden internen Kundendaten verknüpft und direkt Datenmodelle in Snowflake erstellt werden. Lexie Ye, Head of Data Science Consulting bei Tapestry, erklärt: „Durch die Integration von Tableau und anderen Tools in dieselbe Snowflake-Umgebung waren wir in der Lage, Tools wie Apollo, unsere Self-Service-Plattform für Customer Analytics, zu entwickeln.“

So identifizierte beispielsweise das Team der Marke Coach während eines Kundenevents mithilfe der Apollo-Plattform die Top-Produkte für strategische Preisabschläge und konnte analysieren, wie sich das Geschäft verbesserte, wenn bestimmte Produkte ausgeschlossen wurden. Anhand dieser Erkenntnisse kann das Unternehmen erkennen, wann es Werbeaktionen anstoßen oder zurückfahren sollte. Ein weiteres Team bei Coach war nun in der Lage herauszufinden, bei wem es sich um neue Multi-Channel-Kund:innen handelte und was sie zu ihrem ersten Kauf in einem Handelskanal veranlasst hatte.

Tapestry nutzt Snowflakes Secure Data Sharing, um neue Kund:innen zu gewinnen. „Derzeit nutzen wir die Data-Sharing-Funktionen von Snowflake mit unseren Partnern“, so Chaudhry. „Das Data Sharing über unsere herkömmliche Daten-Pipeline aus unserem Altsystem dauerte etwa sechs bis acht Wochen und für die Orchestrierung waren mindestens zehn bis 15 Personen erforderlich. Mit Snowflake brauchten wir weniger als einen halben Tag für die Einrichtung und ein paar weitere Tage für die Validierung.“ 

Chaudhry führt weiter aus: „Infrastrukturmanagement bietet uns keinen strategischen Mehrwert. Dank Snowflake können wir uns stattdessen darauf konzentrieren, strategische Datenprodukte für unsere Marken zu entwickeln, um sie bei ihrem Wachstum zu unterstützen.“

Das Lieferkettenanalytik-Team musste zuvor Daten aus vielen Systemen manuell in Excel einlesen, ein unübersichtlicher Prozess, der weder Datenreinheit noch Data Governance gewährleistet hat. Nachdem nun alle Supply-Chain-Datenspeicher in Snowflake migriert wurden, stehen den geschäftlichen Benutzer:innen Tableau-Dashboards zur Verfügung, die robuste und flexible Analytikfunktionen bieten, die sie bisher nicht hatten. 

Da Snowflake-basierte Data-Science-Modelle immer fortschrittlicher werden, wird das Data Sharing eine größere Rolle bei der Optimierung der vor- und nachgelagerten Lieferkette spielen. Von der Einbindung von Daten direkt von den Herstellern bis hin zur gemeinsamen Nutzung von Daten mit wichtigen Versandpartnern wird dies Tapestry ermöglichen, komplexe geschäftliche Herausforderungen zu bewältigen, wie z. B. die Optimierung von Produktentwicklungszeiten.

Nachdem Tapestry Snowflake nun als grundlegende Datenplattform etabliert hat, möchte das Unternehmen erweiterte Funktionen wie Snowpark und Unistore nutzen, um eine intelligentere, kundenorientierte Entscheidungsfindung zu ermöglichen.

Chaudhry hierzu: „Die Unistore-Funktion von Snowflake könnte den Weg für eine Zukunft ebnen, in der wir jede Applikation mit Echtzeit-Kundentransaktionsdaten versorgen können. Und da in Snowpark Python und andere Programmiersprachen zur Verfügung stehen, können wir Applikationen möglicherweise direkt auf Snowflake über das Native Application Framework entwickeln.“ Tapestry testet Unistore derzeit in mehreren kleinen Applikationen in seiner Vorproduktionsumgebung, z. B. in der Kundendatenverwaltung und bei Customer 360.