mobile.de ist Deutschlands größter Fahrzeugmarkt mit über 1,4 Millionen Fahrzeugen und mehr als 40 Millionen Besuchen täglich. Die Nutzerfreundlichkeit der Autobörse und der schnelle Verkaufserfolg für die Anbieter bilden das zentrale Kundenversprechen, das kontinuierlich durch innovative Mehrwert-Dienste sichergestellt und ausgebaut wird.
Im Rahmen dieser Mehrwert-Strategie hat mobile.de gemeinsam mit inovex zwei Datenprodukte für die Beurteilung von Angebotspreisen („Marketprice“) und für individuelle Fahrzeugempfehlungen entwickelt. Dazu gehört ein Algorithmus, der aus den mehr als zehntausend Fahrzeugen, die täglich neu eingestellt werden, die attraktivsten Angebote berechnet. Diese werden als „Top Preis“ ausgewiesen und bieten eine neutrale, weil datengetriebene Preisempfehlung für die Käufer.
Die technische Grundlage für die Datenprodukte ist eine Big-Data-Plattform, mit der die Angebots- und Web-Traffic-Daten verarbeitet werden. Diese Basisinfrastruktur erlaubt die fehlertolerante Verarbeitung von Datenströmen mit Apache Kafka aus verschiedenen Quellen, wobei die zentrale Speicherung mittels HDFS, Cassandra und Elasticsearch erfolgt.
Die Big-Data-Plattform wird für alle Datenprodukte von mobile.de einheitlich genutzt und ermöglicht sehr schnelle Iterationen in einem agilen Entwicklungsprozess. In diesen Prozess sind auch die Produktmanager integriert. Ideen für die Veränderung der Web-Plattform auf Basis von Datenanalysen werden von Produktmanagern, Data Scientists und Data Engineers gemeinsam abgeschätzt. Erst dann geht eine neue Idee in den „normalen“ Entwicklungsprozess über.
Im Vortrag erörtern wir sowohl die Einflussfaktoren, die sich auf Dimensionierung der Infrastruktur maßgeblich ausgewirkt haben, als auch die organisatorischen und prozessualen Anpassungen.
Event: BITKOM Big Data Summit, 16.02.2017
Speaker: Dr. Christoph Tempich (inovex), Benjamin Eckart (mobile.de)
Weitere Tech-Vorträge: https://www.inovex.de/de/content-pool/vortraege/
Tech-Blog: https://www.inovex.de/blog/
6. inovex ist ein IT-Projekthaus für die Digitale Transformation:
‣ Agile Development & Management
‣ Web · UI/UX · Replatforming · Microservices
‣ Mobile · Apps · Smart Devices · Robotics
‣ Big Data & Business Intelligence Platforms
‣ Data Science · Data Products · Search · Deep Learning
‣ Data Center Automation · DevOps · Cloud · Hosting
‣ Trainings & Coachings
Wir nutzen Technologien,
um unsere Kunden glücklich zu
machen. Und uns selbst.
inovex gibt es in
Karlsruhe · Pforzheim ·
München · Köln · Hamburg.
Und natürlich unter
www.inovex.de
9. 9
Fragestellungen
Welche Infrastruktur ist geeignet?
Wie ist das Datenprodukt-Management
organisiert?
Welche Strategie verfolgen wir mit
Datenprodukten?
Welche Datenprodukte haben einen Mehrwert?
Welche Datenprodukte können wir wann
umsetzen?
Wie findet ein datengetriebener Ansatz Einzug in
die Produktentwicklung?
Datenstrategie Datenprodukte
10. 10
Ziele
Verkürzung der Cycle Times
Jedes Produkt wird A/B-getestet
Jeder Cycle trägt zur Erkenntnis bei
Fokus im Projektverlauf
1. Build: Aufbau der Basis Infrastruktur, Datenintegration
2. Measure: Richtige Zielgrößen für den A/B-Test
3. Idea: die richtigen Datenprodukte
Lean Startup*
IDEA
BUILD
PRODUCT
MEASURE
DATA
LEARN
MVP
* Eric Ries – The Lean Startup
Vorgehen
17. 17
Herausforderung:
Integration von Wunsch und Möglichkeit
Die Lösung von Data-Science-Problemen
ist in der Regel nicht trivial
Eine genaue Schätzung ist schwierig
Es werden die gleichen Skills für die
Evaluierung der Lösungsoptionen wie für
deren Implementierung benötigt
Discovery
Delivery
Liefern
Lernen
Prozess
18. 18
Start als Team innerhalb der CFO-
Organisation
Nutzung der vorhandenen Kenntnisse über
Datenquellen und Integration
Nutzung der crossfunktionalen Vernetzung
zur Etablierung des Themas
Inkubator zum Testen
CFO CIO
… BI…
Data team
Site OPS …
Dev
PM
CPO
…
Integration von Produktmanagement, IT
und Daten unter einem CPTO
Stärkere Integration in den
Entwicklungsprozess
Weniger Reibungsverluste in der
Kommunikation
Schnellere Produktentwicklungszyklen
CFO
BI…
Data team
Site OPS …
Dev
PM
CPTO
…
Organisation: Von der BI-Abteilung in den Technikbereich
21. 21
Zusammenfassung
Die technische Infrastruktur wurde aufgebaut.
Das Nutzungserfahrung konnte nachweislich verbessert werden.
Die Organisation bekommt ein Gefühl für die Möglichkeiten von Datenprodukten.
Die Prozesse zur Erstellung von Datenprodukten sind etabliert.
Die Pipeline ist gefüllt.