Wie sieht die zukünftige Leistung von IT-Systemen im Einzelhandel aus?

Inhaltsverzeichnis

1. Verstehen von Verhältnissen und Trends
2. Zurück in die Zukunft
3. Systemleistung
4. Zusammenfassung

"It is very difficult to predict — especially the future." 

Neils Bohr 

  Einzelhandelsunternehmen sind auf Systeme angewiesen, welche die tägliche Zuordnung, Bestellung, den Versand und die Lieferung von Produkten erleichtern und dem Unternehmen wichtige Berichte liefern. Die Leistung dieser Systeme, ihre Fähigkeit, Daten pünktlich zu verarbeiten und den Benutzern den richtigen Service zu bieten, ist entscheidend für einen reibungslosen Betrieb des Unternehmens.

Obwohl es auf jeden Fall wichtig ist, hier und jetzt die richtige Leistung sicherzustellen, reicht dies möglicherweise nicht aus, um das Geschäftswachstum zu unterstützen. Laut Eurostat sind das Einzelhandelsvolumen und der Umsatz in den letzten fünf Jahren um 15% gestiegen. 

Grafik 1 Einzelhandelsvolumen und Umsatz in den letzten 5 Jahren

 Unternehmen können ihren Wachstumsplan in der Regel geschäftlich ausdrücken. Zum Beispiel die Anzahl der zu eröffnenden neuen Geschäfte, ihre erwartete Größe und Anzahl der Mitarbeiter oder das erwartete Umsatzwachstum. Wie kann man angesichts all dieser Faktoren die Systemleistung und die erforderliche Kapazität in den nächsten ein oder zwei Jahren vorhersagen?

Lassen Sie uns untersuchen, wie Objectivity dieses Rätsel für einen seiner Einzelhandelskunden gelöst hat. In diesem Beitrag konzentrieren wir uns ausschließlich auf die Fähigkeit Daten rechtzeitig zu verarbeiten. Die Leistung des Systems in Bezug auf die Beantwortung von Benutzeranfragen wird separat behandelt.

 Verstehen von Verhältnissen und Trends

Um zu bestimmen, welche Artikel in den einzelnen Filialen verfügbar sein sollen, muss das System tägliche Lager- und Verkaufsdaten für Produkte in Lagern und Filialen laden und verarbeiten, sowie Änderungen in den Produktlisten bearbeiten. Waren, die voraussichtlich bald an Depots geliefert werden, werden ebenfalls berücksichtigt. Es gibt ein begrenztes Zeitfenster, um die Verarbeitung abzuschließen und den Benutzern am frühen Morgen den Zugriff auf das System zu ermöglichen. Das System verfügt über Hunderte von Datentabellen und ein Dutzend Jobs, die während der Nacht gleichzeitig ausgeführt werden müssen, um diese Herausforderung zu bewältigen.

Wie können Geschäftswachstumsparameter mit den internen Daten des Systems korreliert und die zu messenden kritischen Bereiche gefunden werden?

Um dies zu beantworten, haben wir ein Überwachungssystem implementiert, das eine Vielzahl von Informationen sammelt, darunter Geschäftsparameter (z. B. die Anzahl der aktiven Speicher), Datenvolumenparameter (z. B. die Größe und Anzahl der Rekodierungen in Tabellen) sowie die ausgeführten Jobs, zusammen mit ihrer Ausführungszeit. Die Überwachungsdaten werden in Echtzeit mit Filebeat und Logstash erfasst und in die ElasticSearch-Datenbank gestellt. Das Kibana-Tool wird verwendet, um die Daten mit Diagrammen und Grafiken zu visualisieren. Diese Tools, zusammen als ELK Stack bekannt, bieten eine schnelle und zuverlässige Suchmaschine für alle Messdaten und ermöglichen es uns, Trends über Datensätze hinweg zu analysieren.

 

Grafik 2: Trend der für die Einzelhandelssysteme gemessenen Datenmengen. Daten von 2019.

 

Die obige Grafik zeigt die Datenmenge, die jeden Tag des Jahres verarbeitet wird.

In den letzten Jahren haben wir eine Analyse der Geschäftstrends im Zusammenhang mit Änderungen der Datenbankparameter und der Ausführungszeit von Jobs durchgeführt. Es gibt uns einen großartigen Einblick in die Beziehungen zwischen Geschäftswachstumsparametern, Datenvolumen und Systemleistung.  

Zurück in die Zukunft

Durch das Verständnis der Beziehung zwischen den Parametern des Geschäftswachstums, dem Datenvolumen und deren Auswirkungen auf die Ausführungszeit von Jobs können wir das erwartete Volumen kritischer Daten basierend auf Geschäftswachstumsplänen vorhersagen. Aber geht es nur darum Platzhalter (Dummy Variablen) einzufügen, um die kritischen Tabellen und Eingabedaten auf die erwartete Größe zu erweitern? Ist das wirklich so einfach?

Letztendlich möchten wir das System ausführen, um die vorhergesagten Transaktionsvolumen zu verarbeiten. Dummy-Daten können in den meisten Fällen aufgrund fehlender Datenbeziehungen und falscher Zeitstempel zu Verarbeitungsfehlern führen. Selbst wenn das System einen solchen Datensatz verarbeiten kann (wodurch Warnungen / Fehler im Protokoll generiert werden), ist die Ausführungszeit möglicherweise nicht relevant. Im schlimmsten Fall verarbeitet das System diese Daten möglicherweise schneller, da alle von uns eingefügten Datensätze abgelehnt werden.

Als Lösung für dieses Problem haben wir ein maßgeschneidertes Tool entwickelt, mit dem die zukünftigen Datensätze mit allen erforderlichen Beziehungen und Abhängigkeiten entweder innerhalb der Datenbank oder zwischen der Eingabe und der Datenbank gefüllt werden können. Obwohl ein Teil der Daten (z. B. Verkaufszahlen oder Bestandswert) immer noch aus Platzhalter bestehen, sind alle Beziehungen, Datenbankschlüssel und Einschränkungen vorhanden, sodass die Anwendung das vorhergesagte Volumen fehlerfrei verarbeiten kann.

Ein weiterer zu berücksichtigender Aspekt ist, wie viele Datensätze benötigt werden, um zuverlässige Ergebnisse zu erzielen. Nehmen wir an, der Kunde möchte wissen, was in den nächsten 2 Jahren passieren wird. Es wäre nicht ratsam, die Daten nur für den Zeitpunkt +2 Jahre zu füllen. Mit mehr Datensätzen, z. B. Ab +1 Jahr und +1,5 Jahren erhalten wir mehr Vertrauen und können die Trendlinie berechnen.

Zu guter Letzt ist es wichtig, den richtigen Ausgangspunkt zu wählen - die Datenbanksicherung und die Eingabedaten, die wir als Basis für das Auffüllen der zukünftigen Daten verwenden. Schauen Sie sich den in der obigen Abbildung dargestellten Trend an. Das Datenvolumen zwischen August und November ist sehr unterschiedlich. Eine Erhöhung des Datenvolumens ab August um 20% reicht nicht aus, um den Höchststand im November zu erreichen, geschweige denn das erwartete zukünftige Wachstum. Die beste Option wäre, die November-Daten als Basis zu wählen. Dies erfordert jedoch möglicherweise eine langfristige Planung. Ein 6 Monate altes Backup ist möglicherweise nicht mehr verfügbar. 

Systemleistung

Nachdem dies alles vorbereitet ist, können wir das System ausführen und die Zeit messen, welche für die Verarbeitung der zukünftigen Daten erforderlich ist. Wir verwenden wieder dasselbe Überwachungssystem, um das zu testende System zu überwachen. Alle Parameter: Geschäftswachstumsparameter, Datenvolumenparameter und ausgeführte Jobs mit ihrer Ausführungszeit werden auf die gleiche Weise wie im Produktionssystem erfasst. Dies gibt uns eine großartige Möglichkeit, die Messungen der Testumgebung zu visualisieren und mit den Messungen aus dem Produktionssystem zu vergleichen. Gleichzeitig können wir sicherstellen, dass wir dem erwarteten Wachstum entsprechen, und lernen, wann die Zukunft schließlich zur Gegenwart wird. 

Zusammenfassung

Die zukünftige Leistung eines Systems zu vorhersagen ist für jedes Unternehmen von entscheidender Bedeutung und Softwaresysteme für den Einzelhandel sind keine Ausnahme. Sie müssen sicherstellen, dass die derzeit wirksamen Anwendungen einen Anstieg der Nachfrage bewältigen können. Wenn nicht, muss das Problem gelöst werden, bevor es sich auf die Wachstumspläne auswirkt. Es gibt mehrere Aspekte, die berücksichtigt werden müssen, bevor wir eine Anwendung gründlich testen können. Dazu gehören: Sammeln von Geschäftswachstumsparametern, Analysieren von Datentrends und Anwendungsleistung in Bezug auf die angegebenen Parameter, Daten Mock-up und schließlich Ausführen der Leistungstests.

Eine Vorhersage ist keine triviale Aufgabe, aber mit tiefem Wissen über den Geschäftsbereich und geeigneten Tools kann sie durchgeführt werden. Es ist sehr wichtig eine langfristige Beziehung zum Kunden zu verfolgen und dessen Systeme in gutem Zustand halten zu können, dafür muss die zukünftige Systemleistung regelmäßig überprüft werden. Und genau das tut Objectivity für seine Kunden - wie in der Case Study dargestellt, in der beschrieben wird, wie das anhaltende Geschäftswachstum unterstützt wird, um eine hohe Leistung sicherzustellen.