[Konfetti]

Wie hat Randstad seine Daten mit einem Data Mart zentralisiert, um die Qualität zu verbessern und seine Geschäftsprozesse zu optimieren?

Hintergrund, Bedarf 📍

Randstad, weltweit führend im Bereich Zeitarbeit, stand vor einem Problem, das viele große Unternehmen kennen: eine fragmentierte Dateninfrastruktur. Die Daten waren auf mehrere Anwendungen und Datenbanken verteilt, was zu Inkonsistenzen, fehlenden Daten und uneinheitlichen Formaten führte. Diese Faktoren schränkten die Analyse- und strategischen Entscheidungsmöglichkeiten des Unternehmens ein. In einem Umfeld, in dem schnelle und präzise Entscheidungen unerlässlich sind, beeinträchtigte diese Situation die Fähigkeit von Randstad, die Wirkung seiner Aktivitäten zu maximieren, sei es im Marketingbereich oder bei der Optimierung von HR-Prozessen. Randstad musste daher seine Daten zentralisieren und gleichzeitig deren Qualität sicherstellen, um geschäftliche Anforderungen agiler und effizienter erfüllen zu können.

Der umgesetzte Ansatz, Lösung 🛠

Um dieser Herausforderung zu begegnen, haben wir die Einrichtung eines Data Mart vorgeschlagen, einer Lösung, die darauf abzielt, die Daten aus den verschiedenen Systemen von Randstad in einem einheitlichen Format zu zentralisieren, das von den verschiedenen Geschäftsbereichen des Unternehmens genutzt werden kann. Der Data Mart ermöglicht es, eine einheitliche Ansicht der Daten zu erstellen und diese entsprechend den spezifischen Anforderungen jedes Geschäftsteams zu strukturieren. So kann jede Abteilung, sei es Marketing, Personalwesen oder Betrieb, auf präzise, qualitativ hochwertige Informationen in Echtzeit zugreifen, was die Entscheidungsfindung und die zu ergreifenden Maßnahmen optimiert. Darüber hinaus stand die Datenqualität im Mittelpunkt dieses Ansatzes, mit automatisierten Bereinigungs- und Transformationsprozessen, die sicherstellen, dass die für die Analysen verwendeten Informationen vollständig und zuverlässig sind.

Wichtigste durchgeführte Aktivitäten ✅

Für die Umsetzung dieser Lösung wurden mehrere wichtige technische Schritte durchgeführt:

1. Datenaufnahme und -verarbeitung:

- Datenpipelines: Wir haben Pipelines für die Datenerfassung entwickelt, um den auf Google Cloud Platform (GCP) BigQuery basierenden Data Lake zu speisen, wodurch alle Daten aus den verschiedenen Quellen von Randstad zusammengeführt werden können.
- Optimierung der Datenqualität mit DBT: Die erfassten Daten wurden mit Dbt (Data Build Tool) transformiert und angereichert, wobei die Korrektur der Formate und die Validierung der Daten über von GCP Cloud Composer (Airflow) orchestrierte Workflows automatisiert wurden.

2. Organisation in Data Marts: Durch die Einrichtung von Data Marts konnten die Informationen entsprechend den spezifischen Geschäftsanforderungen strukturiert werden. So haben beispielsweise die HR-Teams nun Zugriff auf kontextbezogene Daten, mit denen sie die Rekrutierungsprozesse und Stellenangebote optimieren können.

3. Erstellung von Analytics-Dashboards: Wir haben Dashboards über Looker, das Business Intelligence (BI)-Tool von Google Cloud, eingerichtet, um Daten zu visualisieren und schnell Einblicke zu gewinnen. So können die verschiedenen Teams die wichtigsten Kennzahlen in Echtzeit verfolgen und effizienter auf Marktveränderungen und interne Anforderungen reagieren.

4. APIs für Fachbereiche: Um den Zugriff auf hochwertige Daten zu erleichtern, wurden APIs eingerichtet. Diese ermöglichen es den Fachbereichsteams, die strukturierten und angereicherten Daten des Data Mart direkt für ihre eigenen Anwendungen und Prozesse zu nutzen.

Der technische Stack, die verwendeten Modelle 🤖

Die Ergebnisse, die erzielten Gewinne ✨

Dank dieses Ansatzes der Zentralisierung und Transformation von Daten konnte Randstad schnell mehrere bedeutende Vorteile feststellen:

📈 Verbesserung der Datenqualität

Durch die Einrichtung einer automatisierten Pipeline zur Verarbeitung und Anreicherung konnte die Gesamtqualität der Daten von Randstad verbessert werden, wodurch zuverlässigere und genauere Analysen gewährleistet sind.

🎯 Vereinfachung von Geschäftsanwendungen

Die Einrichtung von Data Marts, die speziell auf die Anforderungen der verschiedenen Geschäftsbereiche zugeschnitten sind, hat den Zugriff auf relevante Daten für jedes Team erheblich vereinfacht, sei es im Marketing, im operativen Bereich oder in der Personalabteilung. Diese neue Organisation ermöglicht die Erstellung wesentlich effizienterer und maßgeschneiderter Analyseanwendungen auf der Grundlage qualifizierter Daten.

📊 Verbesserung der Entscheidungsfindung

Die mit Looker eingerichteten interaktiven Dashboards bieten einen Echtzeit-Überblick über strategische Kennzahlen, sodass die Teams von Randstad fundiertere und schnellere Entscheidungen treffen können.

🚀 Kostensenkung und Zeitersparnis

Durch die Automatisierung der Datenverwaltungsprozesse konnte der Zeitaufwand für manuelle Aufgaben reduziert und gleichzeitig die Kosten für die Wartung der bisherigen Infrastruktur optimiert werden. Darüber hinaus hat der direkte Zugriff auf Daten über APIs für die Fachteams die Erstellung und Nutzung interner Anwendungen beschleunigt.

⚙️ Skalierbarkeit

Dank des eingesetzten technischen Stacks (GCP, BigQuery, Looker, Airflow) ist die Lösung hochgradig skalierbar und kann sich an die wachsenden Anforderungen von Randstad anpassen, sowohl hinsichtlich des Datenvolumens als auch der analytischen Komplexität.

Fazit

Die Zentralisierung der Daten von Randstad über einen Data Mart ermöglichte eine bedeutende digitale Transformation des Unternehmens und optimierte sowohl die Datenqualität als auch die Entscheidungsfindung und die operative Effizienz der Fachteams. Durch die Investition in eine moderne und automatisierte Dateninfrastruktur hat Randstad seine Führungsposition im Zeitarbeitsbereich gestärkt und seine Teams mit leistungsstarken Analysetools und zuverlässigen Daten auf zukünftige Herausforderungen vorbereitet.