2. 30% van de Nederlandse huishoudens shopt bij wehkamp
en we blijven groeien
400.000
verschillende
producten
>500.000
bezoekers elke dag
614 miljoen
klant-sales 16/17
10 million
verzonden pakketten
900
werknemers
30%
van Nederlandse
huishoudens shopt bij
wehkamp
70%
van bezoekers is vrouw
Meer dan 2.000 merken
• C&A
• Hunkemöller
• Mango
• Tommy Hilfiger
• River Island
• Hugo Boss
• Scotch & Soda
• HK Living
• Bloomingville
Online marktpositie
• Fashion #1
• Home & Garden #1/2
• Electronics #3
• Entertainment #3
• Home Appliances #3
• Sports & Leisure #1
• Beauty & Wellness #1
3. Strong brand / we are part of the family since 1952
✓96% Brand Awareness
1952
Herman Wehkamp
Starts selling mattresses
through advertising
1985
1st mail order company
with a telephone order
service
1995 -
1st steps online
Twice a year a
385 page catalogue
2008 - 12 times a year
>1000 pages magalogue
2017: Mobile first
Mobile first customer
experience2010 - Focus online
App, e-magazine, youtube
channel, mobile first and adaptive
design
6. Klanten als consument én producent van data
Klanten
product prijs voorraad
wensenlijst
winkelmand bestelling leveringbetaling
account
retour
email social sea
clickstream
data geconsumeerd
data geproduceerd
accounting orderafhandeling
beoordeling klantcontactsessie account
beoordeling
profiel
profiel
analytics
leveropties
reparatie
10. Hoe gaat data rond @Wehkamp
Disclaimer: versimpelde weergave van de werkelijkheid
11. Oude situatie: data van en naar iedereen…
Business Intelligence
Web Analytics
Analytics
Campagne
Management
batch
Externe partijen
Back-end
website
Front-end
Data warehouses
Batch
BatchBatch
Batch
12. data van ‘gisteren’ real-time
handmatig geautomatiseerd
nog slimmer
meer data maar wel
gestructureerd
meer inzicht met juiste tools
Operatio
nal
efficiency
Meer
relevant
voor
klant
Verhoog
klant-
tevreden
heid
14. Nieuw (of eigenlijk oud) patroon: publish/subscribe & microservices
publish
data
lake
publish
publish
publish
subscribe
subscribe
subscribe
subscribe
subscribe
subscribe
subscribe
subscribe
subscribe
publisher ‘weet’ niet wie de subscribers zijn subscribers ‘weten’ niet wie de publisher is
15. Apache Kafka
publish
data
lake
publish
publish
subscribe
subscribe
subscribe
subscribe
subscribe
subscribe
subscribe
• Pub-Sub – data kan worden geconsumeerd door
iedereen!
• Consumers zijn verantwoordelijk voor het zelf
bijhouden waar ze zijn met lezen van Kafka
• Producers kunnen ook consumers (van
andere topics) zijn.
• Nieuw soort bericht? Nieuw topic!
TOPIC
PRODUCER
CONSUMER PRODUCER &
CONSUMER
TOPIC
CONSUMER
CONSUMER
CONSUMER GROUP
CONSUMER
TOPIC
PRODUCER
CONSUMER
• snel
• schaalbaar
• lichtgewicht
• gedistribueerd
• persistent
16. Hoe het werkt in de praktijk
web site apps
zoeken
product
fetcher
navi
gatie
content
account
recom
mender
product
zoeksugg
esties
recom
mender
winkel
mand
wensen
lijst
big data &
data warehousesdata science, intelligence, analytics
click
stream
Email marketing
systeem
Klant- en
ordersysteem
Prijssysteem
Voorraadsysteem
Productsysteem
Klantenservice-
systeem
19. Microservices
Opslag (ruw& gestructureerd)
Externe partijen
Website/apps
Front-end
Real-timeDataBus(Kafka)
Data Integratie
Data
Warehouse
Data Lake (BIG DATA)
DBBack-end
Data Producten Visualisatie
Ingest
Data
Warehouse
DBBack-end
Self Service BI
Analytics
Campagne-
management
Data Science
Ingest
Het complete plaatje…
Microservices
20. web site apps
zoek-
suggesties
big data &
data warehouses
data science, intelligence, analytics
click
stream
dataverwerking
winter
zomer
Voorbeeld: Datagedreven zoeksuggesties
21. Voorbeeld: Actuele voorraad en prijs naar e-mailteam
producten feed folder e-mail systeem
import feed
klant
klante-mail systeem
API
e-maildata platform Kafka consumer
nieuwe situatie
oude situatie
enkele seconden
enkele uren
e-mail
22. web site apps
recommendation
gateway
big data &
data warehouses
click
stream
dataverwerking
realtime
product
data
item
item
rec
toplist
rec
categ. /
item
rec
clickstream data
Recommendations
24. Trends en toekomst in het datalandschap
• Meer ‘streaming’ – Kafka Streams, Spark Streaming, andere streaming
engines
• Big data – schema on read, steeds meer tools, niet alleen maar Hadoop
• NoSql databases – Redis, Mongo, Cassandra, Riak, Kudu
• Big Data SQL mogelijkheden
• Cloud, cloud, cloud
• Meer aandacht voor privacy (GDPR!)
• Meer aandacht voor beheer van data, ‘governance’ (GDPR!)
• Architecturen niet alleen bedoeld voor big data
• Andere dataformaten zoals AVRO, ORC en Parquet
• Niet alleen streamen van data, maar ook events