DS Smith 在 AWS 上使用 Exponentia.ai 提供的基于机器学习的解决方案增强采购支出洞察

DS Smith 为全球各地的公司生产包装解决方案。为此，它每年花费 38 亿英镑用于采购。遗留系统、多个地点、手动流程和分类不当的数据使该公司难以分析支出，也难以优化成本。该公司还发现，很难利用采购数据来推动战略业务决策。分析员工将高达 60％ 的时间花在手动任务上，例如将支出映射到类别。

DS Smith 的 IT 总监 Jackie Ross 说：“我们的采购分析团队正在进行大量工作，需要找人来获取所需的数据。”“然后还必须对数据进行清理和整合，这可能需要很长时间才能完成最终审查所发生情况的报告。我们需要找到展望未来的方法。” 采购部门热衷于利用技术来改变其工作方式，因此 Jackie Ross 委托 DS Smith 的数字和数据主管 Adrian Pinder 寻找一家供应商，帮助其快速、综合地访问其数据并及时进行分析。Adrian Pinder 说：“再一样不过了。”“我们需要技术，尤其是数字和数据技术，以成为公司的下一个增长平台，否则我们将错过增长机会。我们知道我们需要引进一个具有这种构建能力的外部合作伙伴。”

DS Smith 的南欧采购业务主管 Mathieu Finck 看到了多个未整合的 ERP 系统给他的团队带来的日常困难。Finck 说：“一些简单的事情，比如从数量或成本的角度了解你从供应商那里购买了多少东西，既耗时又不完美。”“我们必须向当地的采购团队获取数量或价格。有时，我们会直接去供应商那里获取数据。我对整合数据和改善获取途径的想法表示欢迎。”

Adrian Pinder 根据推荐找到了 Exponentia.ai，并在开会和讨论后选择与这家 AWS 合作伙伴合作。Adrian Pinder 说：“感觉他们真的很合适。”“他们的态度很灵活，很明显，了解我们的业务并为我们找到正确的解决方案对于 Exponentia.ai 很重要。他们拥有我们所需的深度数据治理和数据工程专业知识。”

Exponentia.ai 最初的任务有限，主要是帮助该公司为采购领导团队编制季度报告，但随着 Exponentia.ai 观察 DS Smith 的数据格局，范围扩大了。Exponentia.ai 首席数据和人工智能运营官 Sanjay Kumar 说：“他们不仅在获取数据方面遇到了问题，数据本身也存在问题。”“数据来源有多个，但经常被错误分类，不同的位置使用不同的类别。我们一致同意整合访问系统，清理数据并修复类别。这样做可以让我们建立一个可以根据需要分析的真实支出情况。”

DS Smith 和 Exponentia.ai 之所以选择在 AWS 上构建 PSA 解决方案，是因为该公司已经在其他业务部门使用 AWS。该解决方案使用 AWS Glue（一种无服务器数据集成服务，可以更轻松地发现、准备、移动和集成用于分析、机器学习（ML）和应用程序开发的多个来源的数据），将其用于提取、转换、加载（ETL）层，从公司的 12 个源系统（主要是 SAP）收集数据。AWS Lambda 是一项计算服务，通过运行代码来响应事件并自动管理计算资源，将用于移动数据。

数据使用 Amazon Simple Storage Service（Amazon S3）存储，后者是一种对象存储服务，提供行业领先的可扩展性、数据可用性、安全性和性能。解决方案使用 Amazon Redshift 进行其分析，该服务可以分析数据仓库、操作数据库和数据湖中的结构化和半结构化数据。Adrian Pinder 说：“我们从这个过程中学到了很多从这个过程中产生的知识转移。”“运行系统是一项共同的责任，我们有 Exponentia.ai 人员随时准备加入我们的团队，并我们需要他们的时候时共同合作。”