Mit Exasol 100-mal schnellere Insights erzielen.
Apotek 1s Partnerschaft mit Exasol war wegweisend und hat dem Unternehmen geholfen, bestehende Einschränkungen zu überwinden und sich zu einem stärker datengetriebenen Unternehmen zu entwickeln. Durch die Bereitstellung einer leistungsstarken, skalierbaren und zuverlässigen Beschleunigungsschicht hat die Exasol Analytics Engine den Fachbereichen von Apotek 1 einen verbesserten Zugang zu Daten ermöglicht.
Die Vorteile haben sich im gesamten Unternehmen bemerkbar gemacht und Apotek 1 in die Lage versetzt, Innovationen voranzutreiben und Daten zur Optimierung operativer Prozesse einzusetzen, wie zum Beispiel:
Analyse von Werbekampagnen, Beständen und Flächenmanagement so detailliert wie nie zuvor
Mögliche Fehlbestände und Überbestände eng überwachen und gezielt darauf reagieren
10- bis 100-fach schnellere Abfrageperformance erreichen und damit komplexe Analysen sowie datengetriebene Entscheidungen ermöglichen
In der wettbewerbsintensiven Welt der Apothekenketten im Einzelhandel reicht es nicht aus, nur Regale zu füllen, um vorne zu bleiben. Gefragt sind tiefgehende Einblicke, agile Entscheidungsprozesse und ein proaktiver Ansatz, der Kundenbedürfnisse antizipiert, statt lediglich auf sie zu reagieren. Für Apotek 1, Norwegens führende Apothekenkette mit über 450 Standorten, war dies der Auslöser für eine datengetriebene Transformation – unter anderem ermöglicht durch die Exasol Analytics Engine, einen Hochleistungs-Analytics-Beschleuniger, der die Art und Weise verändert hat, wie Apotek 1 Daten nutzt.
Norwegen
3.500+
Pharma
Analytics Acceleration
Zu Beginn ihrer Transformation entschied sich Apotek 1, von einer On-Premises Oracle-Datenbank auf das Oracle Autonomous Data Warehouse in der Cloud zu migrieren. Ausschlaggebend war das Versprechen von besserer Performance, Skalierbarkeit und Kosteneinsparungen – ein naheliegender erster Schritt. Zusätzlich implementierte das Unternehmen IBM Cognos Analytics als BI- und Reporting-Schicht. Anfangs schien die Migration erfolgreich zu sein, mit spürbaren Performance-Gewinnen auf kurze Sicht.
Allerdings traten bald Probleme mit der Performance-Konsistenz auf. Die Antwortzeiten von Abfragen schwankten stark – von Sekunden bis hin zu Stunden – was es den Nutzern erschwerte, sich auf das System für zeitnahe Erkenntnisse zu verlassen. Dashboards und Berichte liefen häufig in Timeouts oder lieferten Fehler, was Umfang und Tiefe der Analysen erheblich einschränkte. Nutzer waren gezwungen, Daten zu aggregieren und den historischen Analysezeitraum zu begrenzen, was Apotek 1s Fähigkeit beeinträchtigte, schnell verwertbare Insights zu gewinnen.
Ein konkretes Beispiel war die fehlende Möglichkeit, Daten aus den 6–8 Wochen vor einer Kampagne zu verarbeiten. Dadurch konnte Apotek 1 Muster schlechter erkennen, Probleme weniger gut antizipieren und Herausforderungen bei der Warenverfügbarkeit nicht proaktiv lösen. Gleichzeitig erwies sich der Übergang zu einem Self-Service-Analytics-Modell – bei dem Nutzer eigene Reports und Dashboards erstellen – als fragil und störanfällig. Dies führte zu Frustration bei den Anwendern und schränkte Interaktivität, Analysefähigkeit und Akzeptanz deutlich ein.
Das Analytics-Team investierte viele Stunden in Tuning und Optimierung des Systems – mit begrenztem Erfolg. Mit wachsender Frustration wurde deutlich, dass die Technologie die Analyseziele von Apotek 1 eher behinderte als unterstützte.
Fest entschlossen, eine Lösung zu finden, wurde Lars Sommervold, Head of Analytics bei Apotek 1, auf die Exasol Analytics Engine aufmerksam. Sein Team führte einen Proof of Concept (POC) durch und testete Apotek 1s Daten sowie SQL-Abfragen in der von Exasol betriebenen Private Managed Cloud.
Die Ergebnisse waren beeindruckend: Abfragen, die zuvor Minuten oder Stunden dauerten, wurden mit der Exasol Analytics Engine nun in wenigen Sekunden ausgeführt. Darüber hinaus erwies sich die Performance von Exasol als konstant und zuverlässig – ein deutlicher Gegensatz zum unvorhersehbaren Verhalten des bisherigen Systems. Überzeugt vom erfolgreichen POC entschied sich Apotek 1 für die Implementierung der Exasol Analytics Engine und betreibt die Lösung auf der Oracle Cloud Infrastructure.
Der Wechsel von Apotek 1 zur Exasol Analytics Engine markierte einen Wendepunkt in ihrer Analytics-Reise und brachte sofortige, greifbare Vorteile.
– Business-Anwender bei Apotek 1
Durch den Einsatz von Self-Service-Analytics mit der Exasol Analytics Engine konnte Apotek 1 seine Marketingkampagnen optimieren und messbare Erfolge erzielen, darunter:
Exasol hat Apotek 1 dabei unterstützt, Entscheidungsprozesse zu verbessern, indem granulare, detaillierte Abfragen ermöglicht und eine datengetriebene Unternehmenskultur gefördert wurden. Dies führte zu mehreren Vorteilen:
Während der schnelle Query-Layer von Exasol die Interaktion der Nutzer mit Daten grundlegend veränderte, wurden zugleich Ineffizienzen in den ETL-Prozessen von Apotek 1 sichtbar. Der Operational Data Store (ODS) entwickelte sich zum Engpass, da langsame ETL-Prozesse die Datenverfügbarkeit verzögerten. Trotz der hohen Abfrageperformance von Exasol mussten Nutzer häufig auf Daten warten, da Ladezeiten das Batch-Fenster überschritten oder im schlimmsten Fall gar nicht abgeschlossen wurden.
Um diesen Engpass zu beseitigen und das volle Potenzial von Exasol auszuschöpfen, entschied sich Apotek 1, die ODS-Schicht mithilfe von Virtual Schemas – einer integrierten Virtualisierungsfunktion – in Exasol zu migrieren. Dies brachte erhebliche Vorteile mit sich, darunter:
Die Einführung von Exasol bei Apotek 1 sorgte nicht nur für eine zuverlässige Abfrageperformance, sondern steigerte auch die Produktivität und Effizienz von Lars’ Team, unter anderem durch:
Mit Exasol als Grundlage seiner Analytics-Infrastruktur ist Apotek 1 bestens aufgestellt, seine datengetriebene Transformation weiter voranzutreiben. Das Unternehmen plant, den Einsatz fortgeschrittener Analytik weiter auszubauen – insbesondere in Bereichen wie operative Effizienz, Promotionsoptimierung (z. B. Uplift, Preisnachlässe, Kannibalisierung und Vorzieheffekte) sowie Bestandsoptimierung. Gleichzeitig wird das Unternehmen seine Mitarbeitenden weiterhin mit Self-Service-Funktionen befähigen und so eine Kultur datengetriebener Entscheidungen auf allen Ebenen der Organisation stärken.
