Eko ermöglicht datengesteuerte Entscheidungen mit einer Analytics-Pipeline in AWS

Für viele Beschäftigte der Gig Economy in Indien ist der Zugang zu Bankkonten dürftig. Diese Arbeitnehmer werden in der Regel bar bezahlt, arbeiten unregelmäßig zu ungewöhnlichen Zeiten und haben wenig bis gar keine Bonität. Eko demokratisiert Bank- und Finanzdienstleistungen, indem es Arbeitnehmern mit niedrigem bis mittlerem Einkommen hilft, ihre Einnahmen zu digitalisieren.

In den 13 Jahren seiner Geschäftstätigkeit hat Eko mehr als 70 Millionen Kunden betreut und verfügt über ein Händlernetzwerk von 1,5 Millionen kleinen und mittelgroßen Geschäften, die als Bargeldabhol- und -einzahlungsstellen fungieren. In der Vergangenheit bot das Unternehmen hauptsächlich Finanzdienstleistungen und -lösungen an, die Zahlungen und Geldüberweisungen erleichterten. Doch bis 2018 hatten die Gründer von Eko ihre Vision weiterentwickelt, Innovationen in neuen Branchen wie Kreditvergabe und Versicherungen zu entwickeln, was auch die Nutzung von Kundendaten für eine stärkere Personalisierung beinhaltete.

Im Jahr 2019 machte sich das Unternehmen daran, ein Data- und Analytics-Team aufzubauen, das mit der Erstellung einer Datenpipeline innerhalb von drei Monaten beauftragt war. Die größte Herausforderung, vor der das Team stand, war die Komplexität des Datensatzes von Eko, bei dem eine Datenbank allein mehr als 800 Tabellen enthalten konnte. Das Abrufen von Daten, die älter als zwei Monate sind, dauerte mindestens 10 Minuten oder länger. Darüber hinaus mussten Projektteams jedes Mal, wenn sie Verlaufsinformationen von vor einem Jahr oder davor benötigten, eine Anfrage an das IT-Team richten und stunden- oder sogar tagelang auf eine Antwort warten.

Die erste Priorität des Data- und Analytics-Teams war die Konsolidierung der Daten von Eko, die sich im Laufe der Zeit schnell angesammelt hatten und auf mehrere ältere Datenbanken verteilt waren. Das Unternehmen hatte alle Workloads in der Cloud bei einem anderen Anbieter ausgeführt, war jedoch offen für neue Anbieter für seine Analytics-Plattform.

Das Team entschied sich für ein Ausschreibungsverfahren und die Zusammenarbeit mit Oneture Technologies, einem Select-Beratungspartner von Amazon Web Services (AWS). „Fast alle Vorschläge, die wir erhielten, hatten AWS als Grundlage, und die Unterstützung, die wir von AWS während des Ausschreibungsverfahrens erhielten, war ein entscheidender Faktor“, erklärt Sheekha Verma, Data Science Manager bei Eko. „Darüber hinaus wussten wir zu schätzen, dass Oneture offen dafür war, unseren Ideen zuzuhören. Das Oneture-Team wurde zu einer Erweiterung unseres eigenen Teams und arbeitete mit unseren Technikern zusammen, um sie während dieses Prozesses zu schulen.“

Eko arbeitete mit Oneture zusammen, um einen Data Lake in der AWS-Cloud aufzubauen, der einen einheitlichen Überblick über verschiedene Datenquellen bot. Das Unternehmen verwendet jetzt Amazon EMR für die Verarbeitung großer Datenmengen und AWS Glue, um Daten auf die Analyse vorzubereiten und sie zu laden. Amazon Athena steht im Mittelpunkt seiner Analytics-Pipeline und wird verwendet, um Serverless-Abfragen anhand von Daten auszuführen, die in Amazon Simple Storage Service (Amazon S3) gespeichert sind.

Heute ruft Eko Daten schneller als je zuvor ab, indem es seine Analytics-Plattform in AWS betreibt. So führt das Unternehmen beispielsweise regelmäßig Abfragen zur vierteljährlichen Bindungsrate seiner Endkunden durch. Die Verarbeitung dieser Abfrage dauerte früher 20 Minuten, aber mit der neuen Datenpipeline dauert sie nur 3,8 Sekunden.

Da den Mitarbeitern im gesamten Unternehmen Daten nahezu in Echtzeit zur Verfügung stehen, hat Eko einen besseren Überblick über seinen täglichen Cashflow. „Dieses tiefere Verständnis dafür, wohin und wie sich das Geld bewegt, und die Geschwindigkeit zu verschiedenen Zeitpunkten, das waren die Erkenntnisse, die uns gefehlt hatten und die wir jetzt jederzeit heranziehen können“, sagt Verma.

Bisher mussten die Abteilungen von Eko formell eine Anfrage an die IT-Abteilung richten, wenn sie Zugriff auf Daten benötigten. Jetzt gibt es für jede Abteilung maßgeschneiderte Dashboards. „Wir konnten den Prozess der Informationsbeschaffung dezentralisieren, sodass Teams, die keine Techniker sind, auf Daten in jedem beliebigen Format zugreifen und mit ihnen interagieren können“, sagt Verma.

Dies hat zu einer verbesserten Entscheidungsfindung und zu Produktivitätssteigerungen durch unterstützte Teams geführt. Verschiedene Abteilungen reichen immer noch Informationsanfragen an das Datenteam ein, aber die Techniker sind oft in der Lage, die Dashboard-Filter der anfragenden Abteilung so anzupassen, dass solche Anfragen in Zukunft unabhängig voneinander bearbeitet werden können.

Um seine Kunden besser zu verstehen, teilte Eko die Kunden anhand ihrer Verbrauchsmuster des Dienstleistungsangebots des Unternehmens in Gruppen ein. Die Segmentierung auf der Grundlage des Transaktionsvolumens und der Häufigkeit der Transaktionen sowie anderer demografischer und geografischer Faktoren hat Eko dabei geholfen, die besonderen Bedürfnisse der einzelnen Gruppen besser zu erfüllen.

Seit der Implementierung seiner Analytics-Pipeline im Dezember 2019 hat Eko ein umfassendes Maß an Kundensegmentierung erreicht. Verma sagt: „Da unsere Plattform in AWS ausgeführt wird, können wir die Kundensegmente identifizieren, die konstant hohe Transaktionsvolumina erzielen, und unsere Marketingaktivitäten entsprechend ausrichten.“

Vor dem Analytics-Projekt suchte Eko bereits nach weiteren Möglichkeiten, Kunden zu gewinnen und als Kunden beizubehalten. Basierend auf neuen Erkenntnissen führt das Unternehmen ein Treueprogramm ein, um neue Kunden persönlich zu kontaktieren, nachdem sie die Services von Eko zum ersten Mal in Anspruch genommen haben.

Obwohl sich das Projekt und das zugrundeliegende Modell zur Abwanderungsvorhersage noch in einem frühen Stadium befinden, scheint der Erfolg offensichtlich zu sein. „Wir prognostizieren in unserem treuesten Kundensegment einen Anstieg der Verkaufsumsätze um mindestens 10 Prozent, was zu 70 Prozent zu unserem Geschäftsergebnis beiträgt“, sagt Verma.

Die Flexibilität, Schwankungen der Kundenaktivitäten zu erkennen und darauf zu reagieren, hat es Eko auch ermöglicht, schnell auf Marktveränderungen und Anforderungen zu reagieren. Als beispielsweise Anfang 2020 ein Datenanalyst einen Anstieg der Nachfrage nach einem seiner Produkte feststellte, das nicht zum Kerngeschäft gehörte, war das Unternehmen in der Lage, einen Teil seiner Marketingaktivitäten umzuleiten und schnell zusätzliche Ressourcen bereitzustellen, um die Nachfrage nach diesem Produkt zu decken. „Mit AWS und Oneture entwickelt Eko weiterhin innovative Wege, um seine Kunden durch Analytics besser zu betreuen“, schließt Verma.