Lion Parcel obtém insights de dados mais rápidos na AWS para aprimorar a experiência do cliente

Prevê-se que o setor de logística global cresça de forma constante de 2022 a 2030, a uma taxa de crescimento anual de 6,8%, principalmente devido ao aumento na logística de comércio eletrônico, escassez de contêineres, fechamento dos principais portos que causam congestionamento portuário e capacidade restrita no mercado de frete aéreo. Embora o setor tenha passado por uma grande transformação nos últimos dois anos, ele se adaptou com eficiência, continuando a evoluir de acordo com várias tendências emergentes.

A Lion Parcel está reforçando sua tecnologia para tomar decisões baseadas em dados que diferenciem a empresa dos rivais nacionais e internacionais. Como subsidiária do Lion Group, a Lion Parcel oferece todas as etapas do processo de entrega para clientes nas 17.000 ilhas da Indonésia. A Lion Parcel também entrega para clientes em 25 países a partir de mais de 7.000 pontos de serviço em toda a Indonésia. “Vemos que a tecnologia pode nos ajudar a melhorar nosso ecossistema logístico existente de forma eficiente”, diz Probosetyo Krishna, chefe de tecnologia da informação da Lion Parcel.

Até 2019, a Lion Parcel usava infraestrutura on-premises para administrar seus negócios. No ano seguinte, ela migrou seus principais sistemas para a Amazon Web Services (AWS) para aproveitar seu modelo de pagamento conforme o uso e recursos ilimitados de escalabilidade. Krishna explica: “Descobrimos que o suporte da AWS e de seus parceiros é excelente. Valorizamos muito isso enquanto nos esforçamos para avançar no setor, colaborando com parceiros confiáveis que compartilham nossos valores. Isso é importante para nós, pois buscamos criar e fazer mais na nuvem”.

No início de 2021, a Lion Parcel começou a formar uma equipe de dados para criar um pipeline de dados na AWS, trabalhando com a Deloitte, uma parceira da AWS, para ajudar no design e na implementação. No passado, a Lion Parcel experimentou criar um data lake no local. No entanto, a performance e a velocidade de processamento de dados não atenderam às expectativas comerciais. Por exemplo, para executar um relatório de entrega por um período de seis meses, a Lion Parcel teve que esperar 15 minutos para que os dados fossem carregados. Na AWS, o mesmo relatório leva menos de um minuto.

A Lion Parcel está usando o Amazon Simple Storage Service (Amazon S3) como um data lake para armazenar dados estruturados e não estruturados, o AWS Glue para transformação e limpeza de dados e o Amazon Redshift como um data warehouse.

Seis semanas após o início das tratativas com a Deloitte e a AWS, a Lion Parcel tinha seu data lake e data warehouse em funcionamento. “A implementação do pipeline de dados foi, na verdade, mais rápida do que o esperado e podemos fazer mais do que imaginávamos inicialmente”, diz Krishna. A visualização aprimorada para relatórios internos e a aplicação de machine learning (ML) usando o Amazon SageMaker para segmentar clientes foram identificadas como os primeiros casos de uso do pipeline de dados.

Anteriormente, as consultas de relatórios passavam pelo banco de dados transacional da Lion Parcel. Mas, à medida que o volume de dados aumentou, a empresa enfrentou gargalos que retardaram a extração de informações. Com um pipeline de dados moderno, o banco de dados transacional permanece isolado e “limpo”, relata Krishna, e os funcionários podem extrair os dados de que precisam diretamente do data warehouse.

A execução de relatórios mais rápidos com mais visibilidade de dados granulares está capacitando a Lion Parcel a mudar para um modelo de atendimento ao cliente mais proativo. Agentes de gerenciamento e atendimento ao cliente podem produzir relatórios de status de pacotes rapidamente durante várias etapas de entrega. Como uma empresa centrada no cliente, atualmente a Lion Parcel está criando alertas de seu sistema de monitoramento na AWS para detectar interrupções na entrega imediatamente e tomar medidas preventivas antes de receber reclamações.

Além da velocidade, a Lion Parcel se beneficia dos painéis de inteligência de negócios no Amazon QuickSight para obter insights quase em tempo real sobre as operações. Sua equipe de TI costumava produzir relatórios diários de performance do dia anterior para apresentar à gerência. Agora, a gerência pode acessar diretamente os relatórios do dia atual, capturando dados de apenas uma hora antes.

“A visualização melhorou drasticamente com o Amazon QuickSight. É fácil de conectar e tem uma excelente relação preço/valor, com mais recursos do que nossa ferramenta de visualização de código aberto anterior”, diz Krishna.

Após os aprimoramentos da visualização, a Lion Parcel voltou sua atenção para a criação de modelos de ML como uma extensão de seu pipeline de análise. A segmentação foi o primeiro passo na jornada de ML da Lion Parcel. As equipes de gerenciamento e marketing agora podem visualizar perfis de clientes distintos por meio da análise do comportamento do cliente baseada em ML, que estão usando para criar iniciativas de gerenciamento de relacionamento com o cliente (CRM).

A Lion Parcel pode analisar em qual estágio de compra os clientes se encontram, sua probabilidade de abandono e outras características que ajudam no marketing direcionado. A empresa começou a usar o software Salesforce CRM e é capaz de integrar dados de clientes de forma integrada na Nuvem AWS.

A escalabilidade da Nuvem AWS é fundamental para realizar as iniciativas atuais de ML, como determinar os locais ideais para novos pontos de serviço, bem como as futuras, como otimização de rotas e preços orientados pela demanda. “Com a AWS, podemos escalar servidores de alta performance para treinar e criar modelos de dados e depois reduzir a escala verticalmente, o que torna o ML mais econômico”, diz Krishna.

Ele conclui: “Descobrir o potencial da tecnologia da Nuvem AWS foi uma experiência muito divertida para minha equipe. Estamos aprendendo muito com as orientações da AWS e da Deloitte, e nossa equipe de gerenciamento também está satisfeita com os resultados”.

Para saber mais, visite aws.amazon.com/big-data/datalakes-and-analytics.